買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉無錫學(xué)院申請的專利一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120409841B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510899425.9，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)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(shè)計(jì)研發(fā)完成，并于2025-07-01向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)測方法在說明書摘要公布了：本發(fā)明提出了一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)測方法，主要分為以下幾步：構(gòu)建交通網(wǎng)絡(luò)圖并輸入歷史交通流量數(shù)據(jù)；構(gòu)建解耦流層，將原始流量解耦為波分量和流分量；構(gòu)建時(shí)間門控卷積模塊，捕獲短時(shí)間依賴性；構(gòu)建時(shí)滯感知有向圖注意力，處理波分量的時(shí)空因果鏈；構(gòu)建自適應(yīng)圖卷積網(wǎng)絡(luò)，處理流分量的全局穩(wěn)態(tài)特征；構(gòu)建時(shí)間門控卷積模塊，捕獲長期時(shí)間依賴性；構(gòu)建自適應(yīng)事件融合模塊；構(gòu)建全連接層；輸出預(yù)測的交通流量數(shù)據(jù)。本發(fā)明克服了傳統(tǒng)方法在預(yù)測精度和應(yīng)對復(fù)雜交通網(wǎng)絡(luò)方面的局限性，有效解決了傳統(tǒng)交通流量預(yù)測方法在智能交通系統(tǒng)中預(yù)測準(zhǔn)確度不足、無法反映交通網(wǎng)絡(luò)影響等問題。

本發(fā)明授權(quán)一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)測方法在權(quán)利要求書中公布了：1.一種基于波流分解與時(shí)滯感知的非平穩(wěn)交通預(yù)測方法，其特征在于，包括以下步驟： 步驟1，將交通網(wǎng)絡(luò)表示為有向圖，獲取交通網(wǎng)絡(luò)中所有傳感器的流量數(shù)據(jù)； 步驟2，構(gòu)建解耦流層，利用小波變換將流量數(shù)據(jù)解耦為“波分量”和“流分量”：小波變換后的兩個(gè)高頻分量合并為“波分量”，用于捕捉流量數(shù)據(jù)中的短期波動(dòng)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(shù)據(jù)的長期趨勢； 步驟3，構(gòu)建時(shí)間門控卷積模塊TGC1，將步驟2得到數(shù)據(jù)輸入TGC1捕獲短期時(shí)間依賴性，得到“波分量”特征和“流分量”特征； 步驟4，構(gòu)建時(shí)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(shí)空維度上的因果關(guān)系； 步驟5，構(gòu)建自適應(yīng)圖卷積網(wǎng)絡(luò)AdaGCN，將TGC1輸出的“流分量”特征作為AdaGCN的輸入，提取“流分量”中蘊(yùn)含的全局穩(wěn)態(tài)特征； 步驟6，構(gòu)建時(shí)間門控卷積模塊TGC2，利用TGC2對DeDGA和AdaGCN處理后的特征進(jìn)一步處理，捕獲長期時(shí)間依賴性； 步驟7，構(gòu)建自適應(yīng)事件融合模塊AEFM，由注意力機(jī)制計(jì)算得出權(quán)重，并通過反向傳播學(xué)習(xí)；根據(jù)得到的注意力權(quán)重，融合“波分量”和“流分量”的預(yù)測結(jié)果，得到未來流量的綜合表示； 步驟8，構(gòu)建全連接層，使用全連接的神經(jīng)網(wǎng)絡(luò)將AEFM輸出的未來流量表示轉(zhuǎn)換為期望的預(yù)測值； 步驟9，輸出預(yù)測的交通流量數(shù)據(jù)；利用損失函數(shù)對預(yù)測的交通流量數(shù)據(jù)進(jìn)行評估，通過與真實(shí)值的比較，計(jì)算預(yù)測誤差，衡量預(yù)測性能； 其中時(shí)滯感知有向圖注意力DeDGA的構(gòu)建方法具體為： 步驟4.1，計(jì)算先驗(yàn)時(shí)滯相關(guān)系數(shù)，設(shè)為傳感器節(jié)點(diǎn)的數(shù)據(jù)，兩個(gè)傳感器節(jié)點(diǎn)和之間的先驗(yàn)時(shí)滯相關(guān)系數(shù)為：；；；其中為在時(shí)間節(jié)點(diǎn)處的業(yè)務(wù)流；為在時(shí)間節(jié)點(diǎn)處的業(yè)務(wù)流；為序列長度；為時(shí)滯長度；是在時(shí)滯長度處傳感器節(jié)點(diǎn)和之間的時(shí)滯相關(guān)系數(shù)；時(shí)滯相關(guān)系數(shù)從初始時(shí)滯長度開始計(jì)算時(shí)滯相關(guān)系數(shù)，然后逐漸增加時(shí)滯長度，并在每個(gè)增量處計(jì)算相應(yīng)的時(shí)滯相關(guān)系數(shù)； 步驟4.2，提取動(dòng)態(tài)時(shí)間窗特征：；；其中是TGC1輸出給DeDGA的特征；和為可學(xué)習(xí)的權(quán)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(shù)，用于引入非線性，將輸入值映射到的范圍內(nèi)；和是經(jīng)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(shù)，用于將輸入值映射到的范圍內(nèi)； 步驟4.4，基于先驗(yàn)時(shí)滯相關(guān)系數(shù)和動(dòng)態(tài)時(shí)間窗特征，構(gòu)建時(shí)滯感知有向圖注意力機(jī)制：，其中為經(jīng)訓(xùn)練得到的先驗(yàn)時(shí)滯相關(guān)系數(shù)，為可學(xué)習(xí)的參數(shù)矩陣，為DeDGA輸出的“波分量”特征。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人無錫學(xué)院，其通訊地址為：214105 江蘇省無錫市錫山區(qū)錫山大道333號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。