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！

龍圖騰網獲悉江西師范大學申請的專利一種基于邊緣計算的潮汐車道交通流量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：CN120375606B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202510865048.7，技術領域涉及：G08G1/01；該發明授權一種基于邊緣計算的潮汐車道交通流量預測方法是由金昌昊;馬勇;羅江;葉禮斌;蔡昌;楊龍;江興鴻設計研發完成，并于2025-06-26向國家知識產權局提交的專利申請。

本一種基于邊緣計算的潮汐車道交通流量預測方法在說明書摘要公布了：本發明公開了一種基于邊緣計算的潮汐車道交通流量預測方法，涉及智能交通技術領域。該方法包括：通過邊緣服務器與云服務器獲取潮汐車道配置數據、服務數據、交通流量數據及道路網絡數據；對數據進行預處理；基于潮汐車道配置數據和道路網絡數據構建靜態道路網絡圖；結合時間粒度生成動態道路網絡圖；構建融合多頭注意力機制與圖神經網絡的生成對抗網絡模型，并進行對抗訓練；將優化后的模型部署至邊緣服務器，實現潮汐車道交通流量的預測。本發明提升了交通流預測的精度與時效性，增強了模型對時空特征的感知能力，促進了交通效率提升與邊緣資源的智能化應用。

本發明授權一種基于邊緣計算的潮汐車道交通流量預測方法在權利要求書中公布了：1.一種基于邊緣計算的潮汐車道交通流量預測方法，其特征在于，包括： 通過邊緣服務器和云服務器獲取服務數據、潮汐車道配置數據、交通流量數據和道路網絡數據； 對所述服務數據、潮汐車道配置數據、交通流量數據和道路網絡數據進行預處理； 基于所述潮汐車道配置數據和所述道路網絡數據進行建模，得到道路網絡圖； 對所述服務數據和所述交通流量數據設置時間粒度，通過所述時間粒度進行劃分； 基于所述時間粒度將所述服務數據和所述交通流量數據添加到所述道路網絡圖，得到動態道路網絡圖； 構建生成對抗網絡模型，將多頭注意力機制和圖神經網絡添加到所述生成對抗網絡模型的生成器中； 將所述動態道路網絡圖輸入到所述生成對抗網絡中進行對抗訓練，得到優化后的生成對抗網絡模型； 將所述優化后的生成對抗網絡模型部署至邊緣服務器上，并對潮汐車道交通流量進行預測； 所述基于所述潮汐車道配置數據和所述道路網絡數據進行建模，得到道路網絡圖，包括： 利用潮汐車道配置向量和道路網絡向量進行建模； 通過所述道路網絡向量中的路口、路段起點和路段終點的經緯度構成所述道路網絡圖中的節點和邊； 將所述道路網絡向量中的道路數量和通行方向作為所述道路網絡圖中邊屬性； 通過所述潮汐車道配置向量中的潮汐車道起始位置、潮汐車道結束位置和潮汐車道路口對所述道路網絡圖中的節點和邊進行標記； 將所述潮汐車道配置向量中道路數量和通行方向作為所述道路網絡圖中的邊屬性； 所述將所述動態道路網絡圖輸入到所述生成對抗網絡中進行對抗訓練，包括： 將所述動態道路網絡圖輸入到所述生成器中，生成預設數量時間窗口內的預測交通流量分布； 判別器接收所述預測交通流量分布，并從所述道路網絡圖中采集真實交通流量分布； 通過最小化生成器損失函數與最大化判別器損失函數進行對抗訓練，使所述生成器逐步逼近所述真實交通流量分布； 訓練公式為： ； 其中，為生成器，為判別器，為對抗訓練目標函數，為真實數據特征，為判別器輸出的概率的對數的平均值，為生成器的輸入噪聲向量，為生成器生成的樣本被判別器判定為假的概率的對數的平均值； 所述通過最小化生成器損失函數與最大化判別器損失函數進行對抗訓練，使所述生成器逐步逼近所述真實交通流量分布，包括： 在所述對抗訓練過程中，動態更新動態道路網絡圖中的節點屬性與邊權重，以反映不同時刻的道路狀態變化； 通過迭代訓練，優化生成器參數，使其能夠準確預測潮汐車道在不同時間段內的交通流量變化趨勢。

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江西師范大學，其通訊地址為：330022 江西省南昌市高新區紫陽大道99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”。