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！

龍圖騰網恭喜煙臺哈爾濱工程大學研究院申請的專利一種融合趨勢與季節性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：CN119811095B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202510299901.3，技術領域涉及：G08G1/01；該發明授權一種融合趨勢與季節性的交通流量預測方法是由楊翰琨;趙宇軒;胡錦賀;徐國慶;李冬雪設計研發完成，并于2025-03-14向國家知識產權局提交的專利申請。

本一種融合趨勢與季節性的交通流量預測方法在說明書摘要公布了：本發明公開了一種融合趨勢與季節性的交通流量預測方法，包括步驟：1）構建基于序列到序列構架的預測網絡模型，包含趨勢預測子模型和融合預測子模型；2）利用往年數據和當年缺少目標特殊時期的數據，通過趨勢預測子模型計算參考特殊時期的趨勢因素序列與季節性因素序列，訓練融合預測子模型；3）通過趨勢預測子模型計算目標特殊時期的趨勢因素序列與季節性因素序列，輸入訓練后的融合預測子模型，得到目標特殊時期的交通流量預測數據。本發明能夠在僅具備單年度歷史觀測數據的條件下，有效融合趨勢與季節性因素，提升預測的準確性與穩健性。

本發明授權一種融合趨勢與季節性的交通流量預測方法在權利要求書中公布了：1.一種融合趨勢與季節性的交通流量預測方法，其特征在于：所處理的數據為時間序列數據，時間序列數據中的元素值代表對應時間的交通流量大小；一條時間序列數據對應一個年份，且每條時間序列數據都覆蓋所對應年份的一個正常時期和T個特殊時期，T大于等于2；每一個時期分別對應時間序列數據中的一個子序列，稱之為時間子序列數據；所有年份的時期劃分方式相同，所有時間序列數據都按日期進行對齊；所述交通流量預測方法的目標是：基于某一往年完整的時間序列數據和當年缺少目標特殊時期數據的時間序列數據，預測當年的目標特殊時期的交通流量數據；所述交通流量預測方法的步驟包括：步驟1：構建基于序列到序列構架的預測網絡模型；所述預測網絡模型包括趨勢預測子模型和融合預測子模型；所述趨勢預測子模型為LSTM模型；所述趨勢預測子模型的輸入為某一年正常時期對應的時間子序列數據，輸出為該年參考特殊時期的時間子序列預測數據和該年目標特殊時期的時間子序列預測數據；將某一特殊時期的真實時間子序列數據與時間子序列預測數據之差定義為該特殊時期的季節性預測差值；所述融合預測子模型的輸入包括趨勢因素序列和季節性因素序列，所述趨勢因素序列為當年某一特殊時期的時間子序列預測數據，所述季節性因素序列為該特殊時期的季節性預測差值；融合預測子模型的輸出為當年中輸入所對應的特殊時期的交通流量預測數據，亦記為該特殊時期的時間子序列融合預測數據；所述融合預測子模型包括編碼器和解碼器兩部分；融合預測子模型中，編碼器部分基于LSTM網絡構建，它接收兩個輸入序列——趨勢因素序列和季節性因素序列，經過多層LSTM的計算，得到固定長度的隱藏狀態向量和細胞狀態向量；融合預測子模型中，解碼器部分基于LSTM網絡，計算時先將編碼器輸出的隱藏狀態向量和細胞狀態向量設置為解碼器中隱藏狀態向量和細胞狀態向量的初始值，然后通過多層LSTM網絡進行計算；在每一步計算得到新的隱藏狀態向量和細胞狀態向量時，利用該步的隱藏狀態向量和細胞狀態向量得到對應的輸出值；設第步得到的隱藏狀態向量和細胞狀態向量分別為和，則該步對應的輸出值；其中，非線性函數代表了趨勢因素與季節性因素之間的非線性關系；、和為可訓練的權重矩陣，為可訓練的偏置項；為Sigmoid激活函數，用于LSTM門控機制的非線性映射；也為Sigmoid激活函數，用于控制LSTM輸出形式；所有步的輸出值構成的序列即為融合預測子模型所輸出的時間子序列融合預測數據；步驟2：基于往年已知且完整的時間序列數據和當年缺少目標特殊時期的時間序列數據，通過趨勢預測子模型計算參考特殊時期所對應的趨勢因素序列與季節性因素序列，然后構建訓練樣本，訓練所述融合預測子模型；所述參考特殊時期是指事先選擇的一年中除目標特殊時期之外的另一特殊時期；步驟3：基于往年已知且完整的時間序列數據和當年缺少目標特殊時期的時間序列數據，通過趨勢預測子模型計算目標特殊時期所對應的趨勢因素序列與季節性因素序列，然后輸入到訓練后的融合預測子模型，得到當年目標特殊時期的交通流量預測數據。

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煙臺哈爾濱工程大學研究院，其通訊地址為：264000 山東省煙臺市煙臺經濟技術開發區青島大街1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”。