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！

龍圖騰網獲悉無錫學院申請的專利一種基于波流分解與時滯感知的非平穩交通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：CN120409841B 。

龍圖騰網通過國家知識產權局官網在2025-08-26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：202510899425.9，技術領域涉及：G06Q10/04；該發明授權一種基于波流分解與時滯感知的非平穩交通預測方法是由朱靈龍;馮星宇;張永宏;闞希;曹海嘯;樊旭海;蕭旭東;曹燚設計研發完成，并于2025-07-01向國家知識產權局提交的專利申請。

本一種基于波流分解與時滯感知的非平穩交通預測方法在說明書摘要公布了：本發明提出了一種基于波流分解與時滯感知的非平穩交通預測方法，主要分為以下幾步：構建交通網絡圖并輸入歷史交通流量數據；構建解耦流層，將原始流量解耦為波分量和流分量；構建時間門控卷積模塊，捕獲短時間依賴性；構建時滯感知有向圖注意力，處理波分量的時空因果鏈；構建自適應圖卷積網絡，處理流分量的全局穩態特征；構建時間門控卷積模塊，捕獲長期時間依賴性；構建自適應事件融合模塊；構建全連接層；輸出預測的交通流量數據。本發明克服了傳統方法在預測精度和應對復雜交通網絡方面的局限性，有效解決了傳統交通流量預測方法在智能交通系統中預測準確度不足、無法反映交通網絡影響等問題。

本發明授權一種基于波流分解與時滯感知的非平穩交通預測方法在權利要求書中公布了：1.一種基于波流分解與時滯感知的非平穩交通預測方法，其特征在于，包括以下步驟： 步驟1，將交通網絡表示為有向圖，獲取交通網絡中所有傳感器的流量數據； 步驟2，構建解耦流層，利用小波變換將流量數據解耦為“波分量”和“流分量”：小波變換后的兩個高頻分量合并為“波分量”，用于捕捉流量數據中的短期波動和事件信息；小波變換后的低頻分量為“流分量”，用于反映流量數據的長期趨勢； 步驟3，構建時間門控卷積模塊TGC1，將步驟2得到數據輸入TGC1捕獲短期時間依賴性，得到“波分量”特征和“流分量”特征； 步驟4，構建時滯感知有向圖注意力DeDGA，將TGC1輸出的“波分量”特征作為DeDGA的輸入，捕捉“波分量”在時空維度上的因果關系； 步驟5，構建自適應圖卷積網絡AdaGCN，將TGC1輸出的“流分量”特征作為AdaGCN的輸入，提取“流分量”中蘊含的全局穩態特征； 步驟6，構建時間門控卷積模塊TGC2，利用TGC2對DeDGA和AdaGCN處理后的特征進一步處理，捕獲長期時間依賴性； 步驟7，構建自適應事件融合模塊AEFM，由注意力機制計算得出權重，并通過反向傳播學習；根據得到的注意力權重，融合“波分量”和“流分量”的預測結果，得到未來流量的綜合表示； 步驟8，構建全連接層，使用全連接的神經網絡將AEFM輸出的未來流量表示轉換為期望的預測值； 步驟9，輸出預測的交通流量數據；利用損失函數對預測的交通流量數據進行評估，通過與真實值的比較，計算預測誤差，衡量預測性能； 其中時滯感知有向圖注意力DeDGA的構建方法具體為： 步驟4.1，計算先驗時滯相關系數，設為傳感器節點的數據，兩個傳感器節點和之間的先驗時滯相關系數為：；；；其中為在時間節點處的業務流；為在時間節點處的業務流；為序列長度；為時滯長度；是在時滯長度處傳感器節點和之間的時滯相關系數；時滯相關系數從初始時滯長度開始計算時滯相關系數，然后逐漸增加時滯長度，并在每個增量處計算相應的時滯相關系數； 步驟4.2，提取動態時間窗特征：；；其中是TGC1輸出給DeDGA的特征；和為可學習的權重矩陣，用于將輸入特征映射到新的特征空間；tanh是雙曲正切函數，用于引入非線性，將輸入值映射到的范圍內；和是經過線性變換和非線性激活后的輸出特征矩陣； 步驟4.3，輸出特征矩陣，其中ReLU是修正線性單元函數，用于將輸入值映射到的范圍內； 步驟4.4，基于先驗時滯相關系數和動態時間窗特征，構建時滯感知有向圖注意力機制：，其中為經訓練得到的先驗時滯相關系數，為可學習的參數矩陣，為DeDGA輸出的“波分量”特征。

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無錫學院，其通訊地址為：214105 江蘇省無錫市錫山區錫山大道333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”。