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！

龍圖騰網獲悉四川輕化工大學申請的專利一種智能化交通流量實時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：CN120148252B 。

龍圖騰網通過國家知識產權局官網在2025-08-12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：202510636255.5，技術領域涉及：G08G1/01；該發明授權一種智能化交通流量實時預測方法是由唐宇峰;林椿松;文靜;曹修全;何俚秋設計研發完成，并于2025-05-16向國家知識產權局提交的專利申請。

本一種智能化交通流量實時預測方法在說明書摘要公布了：本發明提供了一種智能化交通流量實時預測方法，屬于智慧交通領域，其內容包括：獲取在線監測的交通流量數據，對數據進行預處理；基于鯊魚和金槍魚聯盟優化算法（STA）對混合特征網絡模型的超參數進行優化；其次，根據優化后的超參數，訓練并構建混合特征網絡模型；再次，每獲取最新監測數據，通過移動平均誤差對預測結果進行評價，并根據評價結果對混合特征網絡進行實時訓練和微調，實現混合特征網絡的實時動態更新；最后，基于更新后的混合特征網絡預測下一時間段的交通流量；本發明可為準確進行交通流量，為實現精細化交通管理、低碳減排與能源優化提供依據。

本發明授權一種智能化交通流量實時預測方法在權利要求書中公布了：1.一種智能化交通流量實時預測方法，其特征在于，包括以下步驟： 步驟一：獲取在線監測得到歷史交通流量數據，對數據進行預處理； 步驟二：構建基于并行卷積層-長短時記憶層并結合多頭注意力機制的混合特征網絡模型框架，設置待尋優超參數及尋優范圍； 步驟三：基于鯊魚和金槍魚聯盟優化算法和歷史交通流量數據，優化混合特征網絡模型的超參數； 所述鯊魚和金槍魚聯盟優化算法，包含以下四個階段： （一）種群初始化： 1、生成初始種群：隨機生成初始種群M i 0 ，其中每個個體M i 0 的位置由以下公式確定： M i 0 =lb+ub-lb×rand1,dim 其中M i 0 代表第i個個體的位置，i代表個體的序號，i=1,2,…,N，N為種群規模，上標代表迭代次數，其中0代表初始化階段；lb和ub分別為搜索空間的下限及上限，dim為待優化問題的維度，rand1,dim生成一個1×dim的隨機向量，其元素取值范圍為[0,1]； 2、計算初始適應度值： 計算每個個體的適應度值fitnessi，fitnessi=f obj M i 0 ，其中f obj 為適應度函數；記錄歷史最優解位置best_M和歷史最優適應度值best_cost，并將適應度最優的個體標記為鯊魚個體，其他個體標記為金槍魚個體； （二）鯊魚個體更新： 鯊魚個體通過萊維飛行和隨機擾動進行全局搜索： x shark iter+1 =x shark iter +α×levyβ,dim+γ×best_M-x shark iter +0.1×randn1,dim 其中x shark iter 是鯊魚個體的位置，iter為當前迭代次數，levyβ,dim是萊維飛行函數，randn1,dim生成一個1×dim的矩陣，元素服從標準正態分布，參數α、β和γ計算公式為： α=0.1×1-iterT β=1.5×1-iterT γ=1-0.5×1-iterT 其中，T為最大迭代次數； （三）金槍魚個體更新： 金槍魚個體更新步驟為：1、對每個金槍魚個體i，生時一個0~1間的隨機數R i ；2、根據R i 值選擇是直接更新還是鏡像更新： 當R i ≥0.5，該金槍魚為直接更新，直接更新方式為： M i iter+1=M i iter +C 1 ×rand1,dim×x shark iter -M i iter ; 其中C 1 為直接更新系數； 當R i ＜0.5，該金槍魚為鏡像更新，分為3個步驟： 步驟一：生成鏡像個體x mirror,i iter ： x mirror,i iter =2×x shark iter -M i iter +0.1×randn1,dim 步驟二：判斷鏡像個體在各維度是否超出搜索空間邊界，若在第j個維度超出邊界，則對該維度位置進行修正： x mirror,i,j iter =ub j -R i ×ub j -x shark,j iter ifx mirror,i,j iter ub j x mirror,i,j iter =lb j +R i ×x shark,j iter -lb j ifx mirror,i,j iter lb j 其中x mirror,i,j iter 為第i個個體在第j個維度的修正鏡像位置，x shark,j iter 代表鯊魚個體在第j個維度的值；j=1,2,…,dim;ub j 和lb j 分別代表在第j個維度的搜索上限及下限； 步驟三：根據鏡像個體的位置，更新金槍魚個體位置： M i iter+1=x mirror,i iter +C 2 ×rand1,dim×x shark iter -x mirror,i iter ; 其中C 2 為鏡像更新系數； （四）適應度更新與迭代終止： 1、重新計算所有個體最新位置的適應度值，更新best_M和best_cost； 2、判斷是否達到迭代終止條件，若滿足迭代終止條件，則輸出best_M和best_cost值，計算終止；若不滿足終止條件，則將該次迭代下適應度值最優個體更新為鯊魚個體，其余個體定義為金槍魚個體，重復計算階段（二）~階段（四）; 步驟四：基于優化的超參數和歷史交通流量數據，構建并訓練得到混合特征網絡模型； 步驟五：設置移動平均誤差窗口大小W1、動態更新啟動誤差E和動態更新窗口大小W2； 每獲取最新監測數據，計算最近的W1個預測值的平均值，即移動平均誤差P，若P大于E，則提取最新的W2個監測數據對混合特征網絡進行實時訓練和微調，實現混合特征網絡的實時動態更新； 步驟六：根據最新的混合特征網絡對下一時間段的交通流量進行預測。

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四川輕化工大學，其通訊地址為：643000 四川省自貢市自流井區匯東學苑街180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”。