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！

龍圖騰網恭喜重慶大學申請的專利基于出租車和網約車的需求聯合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：CN116051171B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202310124244.X，技術領域涉及：G06Q30/0202；該發明授權基于出租車和網約車的需求聯合預測方法是由陳超;馬云豪;趙杰;張婉漪;李瑞遠;古富強;郭松濤;蒲華燕;羅均設計研發完成，并于2023-02-16向國家知識產權局提交的專利申請。

本基于出租車和網約車的需求聯合預測方法在說明書摘要公布了：本發明具體涉及基于出租車和網約車的需求聯合預測方法，包括：將出租車歷史需求矩陣和網約車歷史需求矩陣輸入需求預測模型中，輸出對應的未來需求預測值；首先生成出租車時空共享信息和網約車時空共享信息；然后基于出租車歷史需求矩陣和自適應鄰接矩陣進行時空特征提取，并結合網約車時空共享信息生成出租車未來需求矩陣；同時基于網約車歷史需求矩陣和自適應鄰接矩陣進行時空特征提取，并結合出租車時空共享信息生成網約車未來需求矩陣；最后生成租車未來需求預測值和網約車未來需求預測值。本發明能夠提取出租車和網約車的模式內特征和模式間特征，并且能夠實現模式內特征和模式間特征的融合，實現了出租車和網約車的需求聯合預測。

本發明授權基于出租車和網約車的需求聯合預測方法在權利要求書中公布了：1.基于出租車和網約車的需求聯合預測方法，其特征在于，包括：S1：獲取對應的出租車歷史需求矩陣和網約車歷史需求矩陣；S2：將出租車歷史需求矩陣和網約車歷史需求矩陣輸入經過訓練的需求預測模型中，輸出對應的出租車未來需求預測值和網約車未來需求預測值；需求預測模型首先分別基于出租車歷史需求矩陣和網約車歷史需求矩陣結合對應的自適應鄰接矩陣生成對應的出租車時空共享信息和網約車時空共享信息；然后基于出租車歷史需求矩陣和對應的自適應鄰接矩陣進行時空特征提取，并結合網約車時空共享信息生成對應的出租車未來需求矩陣；同時基于網約車歷史需求矩陣和對應的自適應鄰接矩陣進行時空特征提取，并結合出租車時空共享信息生成對應的網約車未來需求矩陣；最后基于出租車未來需求矩陣和網約車未來需求矩陣生成出租車未來需求預測值和網約車未來需求預測值；需求預測模型包括：輸入層，用于獲取出租車歷史需求矩陣和網約車歷史需求矩陣；時空交織組件，用于分別根據出租車歷史需求矩陣和網約車歷史需求矩陣結合對應的自適應鄰接矩陣生成對應的出租車時空共享信息和網約車時空共享信息；出租車組件，用于基于出租車歷史需求矩陣和對應的自適應鄰接矩陣進行時空特征提取，并融合網約車時空共享信息生成對應的出租車未來需求矩陣；網約車組件，用于基于網約車歷史需求矩陣和對應的自適應鄰接矩陣進行時空特征提取，并融合出租車時空共享信息生成對應的網約車未來需求矩陣；輸出層，用于通過全連接網絡分別基于出租車未來需求矩陣和網約車未來需求矩陣進行需求預測，生成并輸出對應的出租車未來需求預測值和網約車未來需求預測值；時空交織組件包括時間交織模塊和空間交織模塊；出租車組件和網約車組件均包括若干個時空塊；每個時空塊均包括對應的時間卷積層和空間卷積層；時間交織模塊用于分別對出租車歷史需求矩陣和網約車歷史需求矩陣進行時間卷積，生成對應的出租車時間共享信息和網約車時間共享信息；對于出租車組件的單個時空塊：通過時間卷積層基于出租車歷史需求矩陣進行時間特征提取，并融合網約車時間共享信息生成對應的出租車需求時間特征矩陣；對于網約車組件的單個時空塊：通過時間卷積層基于網約車歷史需求矩陣進行時間特征提取，并融合出租車時間共享信息生成對應的網約車需求時間特征矩陣；空間交織模塊用于分別基于出租車需求時間特征矩陣和網約車需求時間特征矩陣結合對應的自適應鄰接矩陣進行空間特征提取，生成對應的出租車時空共享信息和網約車時空共享信息；對于出租車組件的單個時空塊：通過空間卷積層基于出租車需求時間特征矩陣和對應的自適應鄰接矩陣進行空間特征提取，并融合網約車時空共享信息生成對應的出租車需求時空特征矩陣；對于網約車組件的單個時空塊：通過空間卷積層基于網約車需求時間特征矩陣和對應的自適應鄰接矩陣進行空間特征提取，并融合出租車時空共享信息生成對應的網約車需求時空特征矩陣；時間交織模塊包括分別用于對出租車歷史需求矩陣和網約車歷史需求矩陣進行時間卷積的第一時間卷積層和第二時間卷積層；第一時間卷積層和第二時間卷積層的時間卷積公式如下： 式中：分別表示出租車時間共享信息和網約車時間共享信息；XTA、XRS分別表示出租車歷史需求矩陣和網約車歷史需求矩陣；TCL1、TCL2分別表示第一時間卷積層和第二時間卷積層；對于出租車組件的單個時空塊：將出租車歷史需求矩陣作為時間卷積層的輸入并進行時間卷積，生成對應的出租車需求時間特征矩陣；然后將出租車需求時間特征矩陣和網約車時間共享信息在時間維度的最后一個通道融合，得到最終的出租車需求時間特征矩陣；公式描述為： 式中：X′TA表示出租車需求時間特征矩陣；XTA表示出租車歷史需求矩陣；Ft表示通道數；L′表示時間維度長度；X′TA:,L′,:、分別表示出租車需求時間特征矩陣和網約車時間共享信息在時間維度的最后一個通道；對于網約車組件的單個時空塊：將網約車歷史需求矩陣作為時間卷積層的輸入并進行時間卷積，生成對應的網約車需求時間特征矩陣；然后將網約車需求時間特征矩陣和出租車時間共享信息在時間維度的最后一個通道融合，得到最終的網約車需求時間特征矩陣；公式描述為： 式中：X′RS表示網約車需求時間特征矩陣；XRS表示網約車歷史需求矩陣；Ft表示通道數；L′表示時間維度長度；X′RS:,L′,:、分別表示網約車需求時間特征矩陣和出租車時間共享信息在時間維度的最后一個通道；空間交織模塊包括分別用于對出租車需求時間特征矩陣和網約車需求時間特征矩陣進行空間卷積的第一空間卷積層和第二空間卷積層；第一空間卷積層和第二空間卷積層的空間卷積公式如下： 式中：分別表示出租車時空共享信息和網約車時空共享信息；ART、ATR分別表示出租車和網約車需求之間的自適應鄰接矩陣，其中ART表示一個區域的出租車需求與其他區域的網約車需求之間的關系，ATR表示一個區域的網約車需求與其他區域的出租車需求之間的關系；X′TA、X′RS分別表示出租車需求時間特征矩陣和網約車需求時間特征矩陣；表示兩個特征轉換矩陣；ETq、表示為出租車需求設置的區域特征；ERq、表示為網約車需求設置的區域特征；N表示區域數量；對于出租車組件的單個時空塊：將出租車需求時間特征矩陣作為空間卷積層的輸入并結合對應的自適應鄰接矩陣進行空間卷積，生成對應的出租車需求時空特征矩陣；然后將出租車需求時空特征矩陣與網約車時空共享信息融合，得到最終的出租車需求時空特征矩陣；公式描述為： 通過圖學習子層來自動發現不同區域之間的依賴關系，并生成對應的自適應鄰接矩陣；公式描述為： 式中：X″TA表示出租車需求時空特征矩陣；X′TA表示出租車需求時間特征矩陣；ATT表示N個區域之間出租車需求的自適應鄰接矩陣；表示用于特征轉換的投影；σ·表示GLU激活函數；Fs表示圖卷積層的輸出維度；表示網約車時空共享信息；ETq、表示為出租車需求設置的區域特征；N表示區域數量；對于網約車組件的單個時空塊：將網約車需求時間特征矩陣作為空間卷積層的輸入并結合對應的自適應鄰接矩陣進行空間卷積，生成對應的網約車需求時空特征矩陣；然后將網約車需求時空特征矩陣與出租車時空共享信息融合，得到最終的網約車需求時空特征矩陣；公式描述為： 通過圖學習子層來自動發現不同區域之間的依賴關系，并生成對應的自適應鄰接矩陣；公式描述為： 式中：X″RS表示網約車需求時空特征矩陣；X′RS表示網約車需求時間特征矩陣；ARR表示N個區域之間網約車需求的自適應鄰接矩陣；表示用于特征轉換的投影；σ·表示GLU激活函數；Fs表示圖卷積層的輸出維度；表示出租車時空共享信息；ERq、表示為網約車需求設置的區域特征；N表示區域數量；時空塊中設置有殘差連接結構；對于出租車組件的單個時空塊：將出租車歷史需求矩陣和對應的出租車需求時空特征矩陣融合，生成該時空塊的出租車需求矩陣；公式描述為： 式中：表示出租車組件中第b+1個時空塊的出租車需求矩陣；表示出租車組件中第b個時空塊輸入的出租車歷史需求矩陣；表示出租車組件中第b個時空塊的時間卷積；表示出租車組件中第b個時空塊的空間卷積；對于網約車組件的單個時空塊：將網約車歷史需求矩陣和對應的網約車需求時空特征矩陣融合，生成該時空塊的網約車需求矩陣；公式描述為： 式中：表示網約車組件中第b+1個時空塊的網約車需求矩陣；表示網約車組件中第b個時空塊輸入的網約車歷史需求矩陣；表示網約車組件中第b個時空塊的時間卷積；表示網約車組件中第b個時空塊的空間卷積；時空塊之間設置有跳躍連接結構；出租車組件和網約車組件分別將其所有時空塊的出租車需求矩陣和網約車需求矩陣對應連接在一起，生成對應的出租車未來需求矩陣和網約車未來需求矩陣；輸出層通過如下公式計算出租車未來需求預測值和網約車未來需求預測值： 式中：分別表示出租車未來需求預測值和網約車未來需求預測值；分別表示出租車組件和網約車組件中第b個時空塊輸出的出租車未來需求矩陣和網約車未來需求矩陣；B表示時空塊的數量；分別表示將出租車組件和網約車組件輸出的出租車未來需求矩陣和網約車未來需求矩陣進行連接；和表示可學習權重；σ·表示ReLU激活函數；S3：將出租車未來需求預測值和網約車未來需求預測值作為出租車和網約車的需求聯合預測結果，基于需求聯合預測結果為多種交通方式的需求聯合預測提供思路。

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重慶大學，其通訊地址為：400044 重慶市沙坪壩區沙正街174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”。