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！

龍圖騰網恭喜長春理工大學申請的專利一種特征差異學習網絡交通流量數據預測處理方法及系統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：CN119723894B 。

龍圖騰網通過國家知識產權局官網在2025-05-27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：202510228087.6，技術領域涉及：G08G1/01；該發明授權一種特征差異學習網絡交通流量數據預測處理方法及系統是由劉鵬;朱耀東;楊陽;王彩霞;趙海麗設計研發完成，并于2025-02-28向國家知識產權局提交的專利申請。

本一種特征差異學習網絡交通流量數據預測處理方法及系統在說明書摘要公布了：本發明提供一種特征差異學習網絡交通流量數據預測處理方法及系統，涉及數據處理領域，可解決對交通時序預測的準確性不高的問題。該方法，包括：對輸入的原始交通時序數據進行數據預處理，獲得特征差異學習樣本，原始交通時序數據包括在一時長范圍內多個目標道路節點的交通數據；接著，通過集成樣本定位編碼器、特征差異生成器和判別器，構建深度學習模型DXGAN；然后，將特征差異學習樣本輸入深度學習模型DXGAN，獲得預測結果。通過趨勢化特征差異學習進行時空特征差異區分，利用DXGAN模型的高準確性來提高了交通時序預測的準確性。

本發明授權一種特征差異學習網絡交通流量數據預測處理方法及系統在權利要求書中公布了：1.一種特征差異學習網絡交通流量數據預測處理方法，其特征在于，包括：對輸入的原始交通時序數據進行數據預處理，獲得特征差異學習樣本，所述原始交通時序數據包括在一時長范圍內多個目標道路節點的交通數據；通過樣本定位編碼器、特征差異生成器和判別器，構建深度學習模型動態交換生成對抗網絡DXGAN；將所述特征差異學習樣本輸入所述深度學習模型DXGAN，獲得預測結果；所述對輸入的原始交通時序數據進行數據預處理，獲得特征差異學習樣本，包括：通過空間樣本位置差異觀測矩陣和時間樣本信息差異矩陣，記錄所述原始交通時序數據在時間和空間維度上的變化特征；所述空間樣本位置差異觀測矩陣為：當樣本的位置信息xi,j被檢測到，確定xi,j＝1時，該矩陣的數值保持為SPAi,j＝1，反之，當樣本的位置信息xi,j＝0時，SPAi,j＝0，其中SPAi,j表示空間檢索狀態矩陣，u,j表示傳感器節點在空間維度上的坐標位置；時間樣本信息差異矩陣的表示更偏向于在時間t上空間樣本位置差異觀測矩陣變化的情況，矩陣表示為： 式中，xt表示傳感器中數據在時間t時刻的數據，ε表示時間樣本信息差異矩陣,當SPAt-1＝0時表示模型在上一時刻沒有記錄到原始交通時序數據在空間和時間上的變化；將所述原始交通時序數據分別經過F1＝FCX、F2＝FCX，獲得兩種不同通道維度的數據嵌入F1,F2，F1表示原始交通時序數據通過全連接層的映射后獲得空間維度上的嵌入特征，F2表示原始交通時序數據通過全連接層的映射后獲得時間維度上的嵌入特征；根據時間樣本信息差異矩陣ε，構建特征Fε＝FCε，獲得時間樣本信息差異特征Fε；將空間維度和時間維度上的嵌入特征F1,F2以及原始交通時序數據X和可訓練參數WK通過卷積操作H1＝ConvF1,F2,X,WK，獲得卷積上的特征H1，其中，Conv表示卷積操作函數；根據F1和利用編碼技術得到的位置信息特征PFS進行加和操作得到綜合的信息特征FS，其中，利用編碼技術得到的位置信息特征包括：第一位置信息特征PFT[t,n,2i]＝sint100004iD′第二位置信息特征PFS[t,2n,2i+1]＝cost100004iD′第三位置信息特征PFS[t,2n,2j+D2]＝sint100004jD′第四位置信息特征PFS[t,2n,2j+D2]＝cost100004jD′；其中，n表示元素索引的位置，D表示空間距離參數矩陣，D′表示空間距離參數矩陣的轉置；根據F2和利用編碼技術得到的位置信息特征PFT之和，確定綜合特征FT；根據記錄目標道路節點趨勢性差異變化的位置信息特征PEτ和時滯特征Eτ之和，確定綜合特征Fτ，通過歸一化操作HNorm＝normFTW1+FSW2+FτW3+H1W4確定節點的綜合信息特征HNorm，norm表示歸一化操作，W1,W2,W3,W4表示可訓練權重。

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長春理工大學，其通訊地址為：130022 吉林省長春市朝陽區衛星路7089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”。