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)恭喜北京航空航天大學(xué)申請(qǐng)的專利一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119783921B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30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(qǐng)?zhí)?專利號(hào)為：202510285942.7，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法是由何啟榮;鄧攀;周其順;劉俊廷;趙宇;余紹函;杜嘉龍?jiān)O(shè)計(jì)研發(fā)完成，并于2025-03-12向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法在說明書摘要公布了：本發(fā)明涉及一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法，屬于時(shí)空數(shù)據(jù)挖掘技術(shù)領(lǐng)域，本發(fā)明提出了一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法，利用空間鄰接關(guān)系和時(shí)間位置，通過因果干預(yù)修正城市時(shí)空數(shù)據(jù)分布偏態(tài)在因果挖掘上的影響，恢復(fù)隱藏在觀測(cè)數(shù)據(jù)中的時(shí)空因果關(guān)系，采納空間鄰近性關(guān)系和時(shí)間位置等先驗(yàn)信息學(xué)習(xí)因果圖，并引入了跨越不同時(shí)間片段的時(shí)空因果傳遞機(jī)制，以強(qiáng)化時(shí)空因果表征，從而顯著提升了城市交通數(shù)據(jù)預(yù)測(cè)的精確度與穩(wěn)健性，有效提升了預(yù)測(cè)模型的精度、魯棒性和泛化能力。

本發(fā)明授權(quán)一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法在權(quán)利要求書中公布了：1.一種基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)方法，其特征在于，包括：步驟S1、確定目標(biāo)預(yù)測(cè)區(qū)域；采集目標(biāo)預(yù)測(cè)區(qū)域在歷史時(shí)間段的多個(gè)交通流量數(shù)據(jù)，建立對(duì)應(yīng)的城市交通數(shù)據(jù)集；將所述城市交通數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，得到各個(gè)子區(qū)域的城市交通數(shù)據(jù)集；步驟S2、構(gòu)建基于因果分類去偏的城市交通數(shù)據(jù)預(yù)測(cè)模型；步驟S3、令t=1，當(dāng)t=1時(shí)，表示第一個(gè)歷史時(shí)間段；步驟S4、獲取第t個(gè)歷史時(shí)間段的交通流量數(shù)據(jù)并輸入城市交通數(shù)據(jù)預(yù)測(cè)模型，基于潛在混雜因子估計(jì)器At，將第t個(gè)歷史時(shí)間段的多個(gè)子區(qū)域進(jìn)行聚類劃分，得到第t個(gè)歷史時(shí)間段的多個(gè)含有特征混雜因子的聚類，具體步驟包括：步驟S41、設(shè)置可學(xué)習(xí)的混雜因素原型矩陣；步驟S42、設(shè)置城市交通區(qū)域特征節(jié)點(diǎn)的嵌入矩陣；步驟S43、將可學(xué)習(xí)的混雜因素原型矩陣和城市交通區(qū)域特征節(jié)點(diǎn)的嵌入矩陣映射到隱空間中，得到映射后的隱空間；步驟S44、基于映射后的隱空間構(gòu)造因果分層矩陣；步驟S45、對(duì)因果分層矩陣進(jìn)行正則化，得到正則化分層矩陣；步驟S46、基于正則化分層矩陣得到第t個(gè)歷史時(shí)間段的多個(gè)含有特征混雜因子的聚類；步驟S5、將第t個(gè)歷史時(shí)間段的多個(gè)含有特征混雜因子的聚類輸入因果去偏器Bt，進(jìn)行無偏時(shí)空特征提取，獲得第t個(gè)歷史時(shí)間段的無偏的時(shí)空特征，具體步驟包括：所述可學(xué)習(xí)的混雜因素原型矩陣和正則化分層矩陣應(yīng)用交叉注意力機(jī)制獲得第t個(gè)歷史時(shí)間段目標(biāo)預(yù)測(cè)區(qū)域的混淆概率；依照后門調(diào)整方法，利用第t個(gè)歷史時(shí)間段目標(biāo)預(yù)測(cè)區(qū)域的混淆概率獲取各個(gè)子區(qū)域的無偏因果特征，并進(jìn)行拼接操作，得到第t個(gè)歷史時(shí)間段的無偏的時(shí)空特征；步驟S6、將所述第t個(gè)歷史時(shí)間段的無偏的時(shí)空特征輸入動(dòng)態(tài)因果學(xué)習(xí)器Ct，得到第t個(gè)歷史時(shí)間段的因果傳遞矩陣，具體步驟包括：步驟S61、獲取第t個(gè)歷史時(shí)間段動(dòng)態(tài)增強(qiáng)特征矩陣和第個(gè)歷史時(shí)間段動(dòng)態(tài)增強(qiáng)特征矩陣，表示時(shí)間段間隔；表示時(shí)間間隔；步驟S62、基于第t個(gè)歷史時(shí)間段動(dòng)態(tài)增強(qiáng)特征矩陣和第個(gè)歷史時(shí)間段動(dòng)態(tài)增強(qiáng)特征矩陣，獲取第t個(gè)歷史時(shí)間段中各個(gè)子區(qū)域的因果效應(yīng)強(qiáng)度；步驟S63、對(duì)第t個(gè)歷史時(shí)間段中各個(gè)子區(qū)域的因果效應(yīng)強(qiáng)度進(jìn)行標(biāo)準(zhǔn)化，得到第t個(gè)歷史時(shí)間段中各個(gè)子區(qū)域的因果傳遞矩陣；步驟S64、基于第t個(gè)歷史時(shí)間段中各個(gè)子區(qū)域的因果傳遞矩陣得到第t個(gè)歷史時(shí)間段的因果傳遞矩陣；步驟S7、將第t個(gè)歷史時(shí)間段的因果傳遞矩陣輸入因果傳播模塊Dt，生成第t個(gè)歷史時(shí)間段的因果增強(qiáng)時(shí)空表征，具體步驟包括：步驟S71、確定第t個(gè)歷史時(shí)間段因果傳遞模塊的輸出；所述因果傳遞模塊包括因果傳遞機(jī)制；步驟S72、獲取第t個(gè)歷史時(shí)間段的空間鄰近性圖并整合進(jìn)第t個(gè)歷史時(shí)間段因果傳遞機(jī)制，得到第t個(gè)歷史時(shí)間段更新因果傳遞機(jī)制一；步驟S73、獲取第t個(gè)歷史時(shí)間段區(qū)域交互性圖并納入第t個(gè)歷史時(shí)間段因果傳遞機(jī)制，得到第t個(gè)歷史時(shí)間段更新因果傳遞機(jī)制二；步驟S74、基于第t個(gè)歷史時(shí)間段因果傳遞模塊的輸出、第t個(gè)歷史時(shí)間段更新因果傳遞機(jī)制一和第t個(gè)歷史時(shí)間段更新因果傳遞機(jī)制二生成第t個(gè)歷史時(shí)間段的因果增強(qiáng)時(shí)空表征；步驟S8、將第t個(gè)歷史時(shí)間段的因果增強(qiáng)時(shí)空表征映射至車輛流量域，生成第t個(gè)歷史時(shí)間段的交通流量預(yù)測(cè)值；步驟S9、判斷t是否大于等于T，T表示總歷史時(shí)刻，若是，得到最終的城市交通數(shù)據(jù)預(yù)測(cè)模型，若否，令t=t+1，返回步驟S3；步驟S10、基于最終的城市交通數(shù)據(jù)預(yù)測(cè)模型獲得當(dāng)前時(shí)間段目標(biāo)區(qū)域的交通流量預(yù)測(cè)值。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京航空航天大學(xué)，其通訊地址為：100191 北京市海淀區(qū)學(xué)院路37號(hào)；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)”。