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！

龍圖騰網獲悉吉林大學申請的專利支持大規模路網實時預測的多模式時空交通流建模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：CN120337795B 。

龍圖騰網通過國家知識產權局官網在2025-08-19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：202510821855.9，技術領域涉及：G06F30/27；該發明授權支持大規模路網實時預測的多模式時空交通流建模方法是由嚴文;鄭黎黎;丁同強;段龍梅;張鐵民;陳文昱;楊立成;席建鋒;苗書祺;曹詩雨;孟凡運;莊肅巖;李東恒;湯芷;張笑晗設計研發完成，并于2025-06-19向國家知識產權局提交的專利申請。

本支持大規模路網實時預測的多模式時空交通流建模方法在說明書摘要公布了：本發明屬于智能交通系統領域，涉及一種支持大規模路網實時預測的多模式時空交通流建模方法，該方法先設計一種面向動態交通網絡的時空預測框架，之后進行訓練得到最終的預測模型；時空預測框架包括數據嵌入層、時空編碼模塊、基于專家混合機制的深層建模與輸出模塊；數據嵌入層包含時間嵌入和譜域空間嵌入兩個并行通道及時空數據融合模塊；時空編碼模塊包括并行的塊級稀疏時間注意力模塊和空間注意力?消息傳遞模塊及加權融合層；基于專家混合機制的深層建模與輸出模塊包括MoE動態專家建模模塊、全連接映射模塊、跳躍連接層、輸出層；此種設計提升了模型在高異質性場景下的響應速度、預測精度與跨區域適應能力。

本發明授權支持大規模路網實時預測的多模式時空交通流建模方法在權利要求書中公布了：1.支持大規模路網實時預測的多模式時空交通流建模方法，其特征在于，該方法先設計時空預測框架，之后對其進行訓練，得到最終的預測模型；所述時空預測框架包括數據嵌入層、時空編碼模塊、基于專家混合機制的深層建模與輸出模塊； 其中，數據嵌入層用于將原始的時空數據轉換為高維稠密表示，包含時間嵌入和譜域空間嵌入兩個并行通道及時空數據融合模塊，時間嵌入通道用于提取局部時序特征與周期性位置編碼的時間語義特征，譜域空間通道通過圖拉普拉斯譜分解得到空間頻域結構特征；時空數據融合模塊用于進行特征融合； 交通流預測任務中，定義χt∈RN×F表示在每個時間步t∈{0,1…,T-1}時刻，道路網絡中N個節點的交通流量，其中F表示交通流量的維度，將所有時間片上的交通流量組合后，記為原始張量χ： χ＝χ0,χ1,…,χT-1∈RT×N×F； 時空編碼模塊用于對數據嵌入層得到的輸入張量進行時間建模和空間建模，包括并行的塊級稀疏時間注意力模塊和空間注意力-消息傳遞模塊及加權融合層；塊級稀疏時間注意力模塊采用基于時間塊的自注意力機制，并引入動態掩碼機制，其將輸入數據按照節點進行切片，從輸入數據中提取每個節點對應的時間序列，并對時序特征進行局部建模與尺度對齊處理；空間注意力-消息傳遞模塊融合潛在動態圖結構、核函數近似的動態圖注意力機制和自適應動態時間規整驅動的時空掩碼機制，其將輸入數據按照時間步進行切片，構造T幀時序圖，每幀圖包含所有節點，在圖神經網絡的第l層，第u個和第v個節點的特征分別為和節點u與節點v在時空掩碼矩陣對應的掩碼系數為： 其中，表示節點u與v在交通網絡中存在直接地理連接，否則為0；表示在節點對u,v之間的道路管制條件影響下的連接強度，ξuv∈[0,1]；γ為溫度因子，用于調節DTW相似度對掩碼權重的影響程度，DTWχu,χv代表節點u,v的原始時序特征χu,χv的DTW距離，T與輸入時間步長度同定義； 將時空掩碼矩陣作為先驗權重，更新圖神經網絡第l+1層中節點u的特征，節點u在當前層的特征是通過上一層特征構造出的查詢、鍵和值向量，并按核函數加權方式聚合鄰居信息得到，以此建模交通網絡中節點間的動態空間依賴關系；加權融合層用于進行特征對齊，實現加權融合； 基于專家混合機制的深層建模與輸出模塊，用于對統一后的時空特征張量進行建模并生成預測輸出，包括MoE動態專家建模模塊、全連接映射模塊、跳躍連接層、輸出層；MoE動態專家建模模塊包括多個相互獨立的專家子網絡和一個門控網絡；全連接映射模塊用于進行全連接映射；跳躍連接層用于將時空融合特征傳遞至線性映射層；輸出層用于平衡跳躍連接與全連接映射模塊的輸出，生成最終預測結果。

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吉林大學，其通訊地址為：130012 吉林省長春市南關區人民大街5988號吉林大學南嶺校區；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”。