買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西南交通大學(xué)申請的專利考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119107799B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411122086.5，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法是由嵇昂;蘇凌云;代進;孫湛博;趙煜設(shè)計研發(fā)完成，并于2024-08-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法，涉及智能交通技術(shù)領(lǐng)域，包括：數(shù)據(jù)采集及預(yù)處理；構(gòu)建基于高斯混合模型的節(jié)點特征；設(shè)計考慮數(shù)據(jù)丟失的圖卷積層；建立時空動力學(xué)模型并對其進行優(yōu)化；對未來交通狀態(tài)進行預(yù)測；建立模型，利用隨機梯度下降算法，通過訓(xùn)練不斷優(yōu)化模型超參數(shù)，得到交通狀態(tài)預(yù)測方案；本發(fā)明能夠處理由于稀疏傳感器部署、數(shù)據(jù)丟失和硬件故障等因素導(dǎo)致的數(shù)據(jù)缺失問題，同時能夠有效捕捉交通數(shù)據(jù)的時空相關(guān)性，有效提升了交通狀態(tài)預(yù)測的準(zhǔn)確性和可靠性。

本發(fā)明授權(quán)考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法在權(quán)利要求書中公布了：1.一種考慮數(shù)據(jù)缺失的圖卷積遞歸神經(jīng)網(wǎng)絡(luò)道路交通流預(yù)測方法，其特征在于，包括以下步驟：步驟1、數(shù)據(jù)采集及預(yù)處理：根據(jù)實驗設(shè)計對數(shù)據(jù)進行缺失處理、數(shù)據(jù)集劃分、歸一化處理及構(gòu)建探測器圖，獲得道路網(wǎng)絡(luò)上的歷史交通數(shù)據(jù)特征；在步驟1中，構(gòu)建探測器圖具體如下：通過計算檢測器之間的道路網(wǎng)絡(luò)距離，并建立節(jié)點的加權(quán)鄰接矩陣A以表示探測器圖： 式中，邊an,n′的權(quán)重由dn,n′決定；dn,n′表示探測器n與n′之間的道路網(wǎng)絡(luò)距離；∈是距離的標(biāo)準(zhǔn)偏差，δ是閾值；步驟2、構(gòu)建基于高斯混合模型的節(jié)點特征：在第一層神經(jīng)網(wǎng)絡(luò)的輸入中，將輸入的節(jié)點特征用高斯混合模型表示，用于將缺失處理機制與預(yù)測機制融為一體；步驟3、設(shè)計考慮數(shù)據(jù)丟失的圖卷積層：對于輸入含缺失數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)層，將構(gòu)建的基于高斯混合模型的節(jié)點特征融合在圖卷積網(wǎng)絡(luò)中從而構(gòu)建圖卷積層；步驟4、建立時空動力學(xué)模型并對其進行優(yōu)化：交通數(shù)據(jù)的時間相關(guān)性由循環(huán)神經(jīng)網(wǎng)絡(luò)變體門控循環(huán)單元捕捉，利用基于遞歸神經(jīng)網(wǎng)絡(luò)的Seq2Seq架構(gòu)，將變體門控循環(huán)單元的多層感知器層由圖卷積層代替以捕捉空間相關(guān)性，由此構(gòu)建考慮數(shù)據(jù)丟失的圖形卷積門控遞歸單元，編碼器和解碼器均由圖形卷積門控遞歸單元組成；同時，在圖卷積網(wǎng)絡(luò)上附加一個節(jié)點參數(shù)學(xué)習(xí)模塊；步驟5、對未來交通狀態(tài)進行預(yù)測：在訓(xùn)練過程中，將歷史時間序列數(shù)據(jù)輸入編碼器，并使用其最終狀態(tài)初始化解碼器；然后，解碼器基于地面觀測生成預(yù)測；步驟6、根據(jù)步驟1-步驟5建立模型，利用隨機梯度下降算法，通過訓(xùn)練不斷優(yōu)化模型超參數(shù)，得到交通狀態(tài)預(yù)測方案。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西南交通大學(xué)，其通訊地址為：610000 四川省成都市郫都區(qū)犀安路999號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。