買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利基于多尺度聯合時空超圖神經網絡的交通流量預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118966479B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411448361.2，技術領域涉及：G06Q10/04；該發明授權基于多尺度聯合時空超圖神經網絡的交通流量預測方法是由陳嶺;黃建龍設計研發完成，并于2024-10-17向國家知識產權局提交的專利申請。

本基于多尺度聯合時空超圖神經網絡的交通流量預測方法在說明書摘要公布了：本發明公開了一種基于多尺度聯合時空超圖神經網絡的交通流量預測方法，包括：根據交通流量數據構建訓練樣本，基于每批訓練樣本為每個空間尺度構建圖鄰接矩陣；構建多尺度聯合時空超圖神經網絡模型，在時空金字塔建模模塊中基于圖鄰接矩陣和構建的空間金字塔圖從訓練樣本中提取多尺度時空特征；在自適應超圖建模模塊中通過學習超圖結構并執行三階段超圖傳播，以建模多尺度時空特征間的高階依賴；在融合和輸出模塊中將更新后的多尺度時空特征進行融合并輸出預測結果；利用訓練樣本進行模型訓練后用于交通流量預測。本發明引入超圖神經網絡顯式地建模了多尺度時空特征間的交互，即聯合建模了多尺度時空依賴，能夠提升交通流量的預測精度。

本發明授權基于多尺度聯合時空超圖神經網絡的交通流量預測方法在權利要求書中公布了：1.一種基于多尺度聯合時空超圖神經網絡的交通流量預測方法，其特征在于，包括以下步驟：（1）對給定的交通流量數據進行預處理并構建訓練樣本，基于每批訓練樣本為每個空間尺度構建圖鄰接矩陣；（2）構建包括時空金字塔建模模塊、自適應超圖建模模塊、以及融合和輸出模塊的多尺度聯合時空超圖神經網絡模型，在時空金字塔建模模塊中基于圖鄰接矩陣和構建的空間金字塔圖從訓練樣本中提取多尺度時空特征；其中，在時空金字塔建模模塊的空間金字塔圖學習子模塊中，基于初始化的圖分配矩陣構建空間金字塔圖，其中，表示以監測傳感器為節點的從空間尺度上節點到空間尺度上節點的分配概率，表示空間尺度數量；其中，在時空金字塔建模模塊的多尺度時空特征提取子模塊中，給定輸入訓練樣本中的歷史觀測值和空間金字塔圖，提取得到在多個時間尺度和多個空間尺度上建模了時間和空間依賴的多尺度時空特征，包括：將定義為空間尺度和時間尺度的特征，則歷史觀測值表示為空間尺度和時間尺度的特征，將和空間金字塔圖輸入多尺度時空特征提取子模塊中；在多尺度時空特征提取子模塊中，首先利用時序卷積網絡粗化時間維度的信息，從而提取多尺度時間特征，時序卷積網絡包含一個核大小為的一維卷積層和一個的平均池化層來處理，公式如下： ，其中，表示在空間尺度和時間尺度上的特征，表示時間尺度的時間特征數量，表示從時間尺度到時間尺度的時間特征池化比例，表示卷積操作，表示池化操作，照此方式得到個時間尺度的特征序列，表示所有監測傳感器節點的總數；之后，多尺度時空特征提取子模塊通過時空編碼器提取多尺度時空特征，時空編碼器為基于圖卷積循環單元GCRUs，公式如下： ，其中，表示在空間尺度和時間尺度上的時空特征，表示特征維度，表示空間尺度的圖鄰接矩陣；根據空間金字塔圖表示的不同空間尺度節點間的依賴，通過將初始特征輸入到GCRUs中，由當前空間尺度的時空特征得到下一個空間尺度的時空特征，公式如下： ，其中，表示在空間尺度和時間尺度上的時空特征，上標表示轉置，由于GCRUs采用循環建模的方式，的最后一個隱狀態用于記住歷史信息，通過將每個時間尺度的最后一個隱狀態的特征與特定空間尺度的記憶項匹配，得到記憶網絡增強的時空特征，公式如下： ，其中，表示空間尺度和時間尺度的查詢矩陣，表示空間尺度對應的線性投影矩陣，表示空間尺度對應的偏置向量，表示空間尺度特有的記憶項集合，表示經過基于注意力的記憶讀取操作更新后的時空特征，表示以監測傳感器為節點的空間尺度的節點數量，表示空間圖池化比例，表示記憶項的數量，表示節點嵌入的維度，上標表示轉置，表示Softmax函數，在此之后，通過串接和的特征維度，得到記憶網絡增強的時空特征，表示拼接操作；最后，時空金字塔建模模塊輸出的多尺度時空特征為，為時間尺度的數量，為空間尺度的數量；（3）在自適應超圖建模模塊中將多尺度時空特征中的每一個特征作為超圖中的節點，通過學習超圖結構并執行包括節點到超邊、超邊到超邊和超邊到節點的三階段超圖傳播，以建模多尺度時空特征間的高階依賴，包括：將多尺度時空特征中的每一個特征視為超圖中的節點，超圖中節點的數量為，表示空間尺度上以監測傳感器為節點的節點總數，表示空間尺度上節點的總數，表示空間尺度數量，表示時間尺度數量；通過超圖關聯矩陣反應學習得到的超圖結構，為超邊的數量，定義如下： ，其中，的取值范圍為，表示從節點到超邊的分配概率；首先，通過選取超圖關聯矩陣每一行最大的若干個分配概率，將超圖關聯矩陣做稀疏化處理，稀疏化之后的超圖關聯矩陣表示為，其次，通過節點到超邊、超邊到超邊以及超邊到節點的三階段超圖傳播，聯合地交互多尺度時空特征，得到建模了多尺度時空特征間的高階依賴的更新后的多尺度時空特征；（4）在融合和輸出模塊中將經過自適應超圖建模模塊更新后的多尺度時空特征進行融合并輸出交通流量的預測結果；（5）利用訓練樣本對多尺度聯合時空超圖神經網絡模型進行訓練，利用訓練好的多尺度聯合時空超圖神經網絡模型進行交通流量預測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。