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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜煙臺哈爾濱工程大學(xué)研究院申請的專利一種融合趨勢與季節(jié)性的交通流量預(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：CN119811095B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23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：202510299901.3，技術(shù)領(lǐng)域涉及：G08G1/01；該發(fā)明授權(quán)一種融合趨勢與季節(jié)性的交通流量預(yù)測方法是由楊翰琨;趙宇軒;胡錦賀;徐國慶;李冬雪設(shè)計研發(fā)完成，并于2025-03-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種融合趨勢與季節(jié)性的交通流量預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種融合趨勢與季節(jié)性的交通流量預(yù)測方法，包括步驟：1）構(gòu)建基于序列到序列構(gòu)架的預(yù)測網(wǎng)絡(luò)模型，包含趨勢預(yù)測子模型和融合預(yù)測子模型；2）利用往年數(shù)據(jù)和當(dāng)年缺少目標(biāo)特殊時期的數(shù)據(jù)，通過趨勢預(yù)測子模型計算參考特殊時期的趨勢因素序列與季節(jié)性因素序列，訓(xùn)練融合預(yù)測子模型；3）通過趨勢預(yù)測子模型計算目標(biāo)特殊時期的趨勢因素序列與季節(jié)性因素序列，輸入訓(xùn)練后的融合預(yù)測子模型，得到目標(biāo)特殊時期的交通流量預(yù)測數(shù)據(jù)。本發(fā)明能夠在僅具備單年度歷史觀測數(shù)據(jù)的條件下，有效融合趨勢與季節(jié)性因素，提升預(yù)測的準(zhǔn)確性與穩(wěn)健性。

本發(fā)明授權(quán)一種融合趨勢與季節(jié)性的交通流量預(yù)測方法在權(quán)利要求書中公布了：1.一種融合趨勢與季節(jié)性的交通流量預(yù)測方法，其特征在于：所處理的數(shù)據(jù)為時間序列數(shù)據(jù)，時間序列數(shù)據(jù)中的元素值代表對應(yīng)時間的交通流量大小；一條時間序列數(shù)據(jù)對應(yīng)一個年份，且每條時間序列數(shù)據(jù)都覆蓋所對應(yīng)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(yīng)時間序列數(shù)據(jù)中的一個子序列，稱之為時間子序列數(shù)據(jù)；所有年份的時期劃分方式相同，所有時間序列數(shù)據(jù)都按日期進(jìn)行對齊；所述交通流量預(yù)測方法的目標(biāo)是：基于某一往年完整的時間序列數(shù)據(jù)和當(dāng)年缺少目標(biāo)特殊時期數(shù)據(jù)的時間序列數(shù)據(jù)，預(yù)測當(dāng)年的目標(biāo)特殊時期的交通流量數(shù)據(jù)；所述交通流量預(yù)測方法的步驟包括：步驟1：構(gòu)建基于序列到序列構(gòu)架的預(yù)測網(wǎng)絡(luò)模型；所述預(yù)測網(wǎng)絡(luò)模型包括趨勢預(yù)測子模型和融合預(yù)測子模型；所述趨勢預(yù)測子模型為LSTM模型；所述趨勢預(yù)測子模型的輸入為某一年正常時期對應(yīng)的時間子序列數(shù)據(jù)，輸出為該年參考特殊時期的時間子序列預(yù)測數(shù)據(jù)和該年目標(biāo)特殊時期的時間子序列預(yù)測數(shù)據(jù)；將某一特殊時期的真實時間子序列數(shù)據(jù)與時間子序列預(yù)測數(shù)據(jù)之差定義為該特殊時期的季節(jié)性預(yù)測差值；所述融合預(yù)測子模型的輸入包括趨勢因素序列和季節(jié)性因素序列，所述趨勢因素序列為當(dāng)年某一特殊時期的時間子序列預(yù)測數(shù)據(jù)，所述季節(jié)性因素序列為該特殊時期的季節(jié)性預(yù)測差值；融合預(yù)測子模型的輸出為當(dāng)年中輸入所對應(yīng)的特殊時期的交通流量預(yù)測數(shù)據(jù)，亦記為該特殊時期的時間子序列融合預(yù)測數(shù)據(jù)；所述融合預(yù)測子模型包括編碼器和解碼器兩部分；融合預(yù)測子模型中，編碼器部分基于LSTM網(wǎng)絡(luò)構(gòu)建，它接收兩個輸入序列——趨勢因素序列和季節(jié)性因素序列，經(jīng)過多層LSTM的計算，得到固定長度的隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量；融合預(yù)測子模型中，解碼器部分基于LSTM網(wǎng)絡(luò)，計算時先將編碼器輸出的隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量設(shè)置為解碼器中隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量的初始值，然后通過多層LSTM網(wǎng)絡(luò)進(jìn)行計算；在每一步計算得到新的隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量時，利用該步的隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量得到對應(yīng)的輸出值；設(shè)第步得到的隱藏狀態(tài)向量和細(xì)胞狀態(tài)向量分別為和，則該步對應(yīng)的輸出值；其中，非線性函數(shù)代表了趨勢因素與季節(jié)性因素之間的非線性關(guān)系；、和為可訓(xùn)練的權(quán)重矩陣，為可訓(xùn)練的偏置項；為Sigmoid激活函數(shù)，用于LSTM門控機(jī)制的非線性映射；也為Sigmoid激活函數(shù)，用于控制LSTM輸出形式；所有步的輸出值構(gòu)成的序列即為融合預(yù)測子模型所輸出的時間子序列融合預(yù)測數(shù)據(jù)；步驟2：基于往年已知且完整的時間序列數(shù)據(jù)和當(dāng)年缺少目標(biāo)特殊時期的時間序列數(shù)據(jù)，通過趨勢預(yù)測子模型計算參考特殊時期所對應(yīng)的趨勢因素序列與季節(jié)性因素序列，然后構(gòu)建訓(xùn)練樣本，訓(xùn)練所述融合預(yù)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(biāo)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(shù)據(jù)和當(dāng)年缺少目標(biāo)特殊時期的時間序列數(shù)據(jù)，通過趨勢預(yù)測子模型計算目標(biāo)特殊時期所對應(yīng)的趨勢因素序列與季節(jié)性因素序列，然后輸入到訓(xùn)練后的融合預(yù)測子模型，得到當(dāng)年目標(biāo)特殊時期的交通流量預(yù)測數(shù)據(jù)。

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)人煙臺哈爾濱工程大學(xué)研究院，其通訊地址為：264000 山東省煙臺市煙臺經(jīng)濟(jì)技術(shù)開發(fā)區(qū)青島大街1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)”。