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！

龍圖騰網恭喜同濟大學申請的專利一種基于改進GCN-attention算法的交通流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：CN114970336B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202210542205.7，技術領域涉及：G06F30/27；該發明授權一種基于改進GCN-attention算法的交通流預測方法是由韓豐夏;趙生捷;馮玉山設計研發完成，并于2022-05-17向國家知識產權局提交的專利申請。

本一種基于改進GCN-attention算法的交通流預測方法在說明書摘要公布了：本發明涉及一種基于改進GCN?attention算法的交通流預測方法，建立GSTA模型，GSTA模型包括若干個ST?Block和一個輸出模塊，每個ST?Block包括GCN子模塊、時間子模塊和門控融合子模塊，并將歷史交通流數據輸入其中一個ST?Block；通過GCN子模塊提取空間特征；通過時間子模塊提取時序特征；使用門控融合子模塊融合空間特征和時序特征，得到時空特征；將該時空特征與初始歷史交通流數據經過殘差鏈接融合作為下一個ST?Block的輸入，返回重新提取空間特征，直至獲取所有ST?Block的時空特征；將所有ST?Block的時空特征輸入至輸出模塊，線性變換后得到預測交通流數據。與現有技術相比，本發明具有預測結果更準確等優點。

本發明授權一種基于改進GCN-attention算法的交通流預測方法在權利要求書中公布了：1.一種基于改進GCN-attention算法的交通流預測方法，其特征在于，包括以下步驟：S1、將歷史交通流數據輸入GSTA模型，GSTA模型包括若干個ST-Block和一個輸出模塊，每個ST-Block包括GCN子模塊、時間子模塊和門控融合子模塊，歷史交通流數據輸入其中一個ST-Block；S2、通過GCN子模塊提取空間特征；S3、通過時間子模塊提取時序特征；S4、使用門控融合子模塊融合空間特征和時序特征，得到時空特征；S5、將該時空特征與初始歷史交通流數據經過殘差鏈接融合作為下一個ST-Block的輸入，返回執行步驟S2，直至獲取所有ST-Block的時空特征；S6、將所有ST-Block的時空特征輸入至輸出模塊，線性變換后得到預測交通流數據；其中，所述GCN子模塊提取空間特征的步驟如下：S21、建立歷史交通流數據的鄰接矩陣；S22、將歷史交通流數據及其鄰接矩陣依次進行信息擴散和信息聚合，將所有圖卷積層的輸出鏈接，得到城市路網空特征；所述信息擴散和信息聚合的表達式分別如下：信息擴散： 其中，θ1、θ2、b1、b2為可學習參數，Hl為歷史交通流數據，m為當前卷積層數，為當前卷積層的輸出，A為鄰接矩陣，σ表示sigmoid函數；信息聚合： 其中，S為空間特征，W、c為可學習參數，M為卷積層總層數；所述時間子模塊提取時序特征的步驟如下：S31、獲取歷史交通流數據對應的時間步信息；S32、將時間步進行經過embedding得到時間向量；S33、根據時間向量和歷史交通流數據，計算注意力向量；S34、根據注意力向量，計算得到時序特征；所述注意力向量的計算表達式如下： 其中，Q、K、V均表示一種注意力向量，k表示第k頭注意力，vi表示城市路網節點，tj表示第j個時間步，Relu為激活函數，均為可學習參數矩陣；步驟S34具體計算表達式如下：d＝DK 其中，為時序表示向量，為時序特征，為相關性參數，為注意力分數，D表示輸入矩陣的隱藏維度，K表示多頭注意力中注意力的數量，為可學習參數。

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同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239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”。