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！

龍圖騰網獲悉廣州交信投科技股份有限公司申請的專利一種多模態時序數據分析驅動的公共交通調度優化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：CN120355045B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202510847042.7，技術領域涉及：G06Q10/04；該發明授權一種多模態時序數據分析驅動的公共交通調度優化方法是由陳歡;鄒祥莉;馮川;羅秀玲;李欣怡;程亞杰;羅建平;歐勇輝;趙家樂設計研發完成，并于2025-06-24向國家知識產權局提交的專利申請。

本一種多模態時序數據分析驅動的公共交通調度優化方法在說明書摘要公布了：本發明涉及智能交通管理技術領域，公開了一種多模態時序數據分析驅動的公共交通調度優化方法，包括：獲取多模態交通數據并進行時空對齊預處理，提取特征向量；基于跨模態交互學習方法融合多種特征向量；基于多模態融合特征向量進行公共交通狀況的實時預測，得到公共交通流量預測值，并基于得到公共交通流量預測值制定公共交通調度策略。本發明基于跨模態交互學習方法融合多種特征向量，有效捕捉不同類型數據間的相互關系，并基于粒子群優化算法制定公共交通調度策略，有效地平衡全局搜索和局部搜索的能力，可以有效提升PSO算法在公共交通車輛調度問題中的性能，實現更高效的調度方案。

本發明授權一種多模態時序數據分析驅動的公共交通調度優化方法在權利要求書中公布了：1.一種多模態時序數據分析驅動的公共交通調度優化方法，其特征在于，包括： 獲取多模態交通數據并進行時空對齊預處理，提取特征向量； 基于跨模態交互學習方法融合多種特征向量； 基于多模態融合特征向量進行公共交通狀況的實時預測，得到公共交通流量預測值； 基于公共交通流量預測值制定公共交通調度策略； 多模態交通數據包括車載衛星定位數據、交通流量數據以及社交軟件反饋的實時數據，其中結構化數據為交通流量數據，半結構化數據包括車載衛星定位數據，非結構化數據包括社交軟件反饋的文本數據； 提取特征向量包括： 基于自動編碼器對結構化數據進行處理； 構建城市交通路網圖，基于圖注意力網絡對半結構化數據進行空間特征提取，圖注意力網絡的鄰接矩陣根據道路拓撲關系構建； 基于雙向長短期記憶網絡對非結構化數據進行時間序列分析和關鍵信息提取； 基于跨模態交互學習方法融合多種特征向量，包括： 1城市交通路網圖基礎上構建多模態時空關聯圖，節點表示不同模態特征向量，邊權重通過時空注意力機制計算，邊權重計算過程為： 計算模態注意力權重： 其中，WQ，WK分別表示查詢變換矩陣、鍵變換矩陣，K表示注意力頭數，D是變換后的特征維度，hi和hj分別表示節點i和節點j的特征向量，αmodal是模態注意力權重； 計算基于空間距離的注意力權重： 其中，dgeo表示柵格中心點歐氏距離，σ為時間衰減系數，αspace表示基于空間距離計算得到的注意力權重； 計算基于時間差的注意力權重： 其中，τ表示時間衰減系數，Δt表示兩個節點之間的時間間隔，αtime表示基于時間差計算得到的注意力權重； 歸一化注意力權重： wi→j＝softmaxαmodal+αspace+αtime； 其中，softmax表示激活函數，wi→j表示從節點i到節點j的最終注意力權重； 2通過圖注意力網絡聚合多模態特征，包括： 使用K個獨立的注意力頭并行計算： 其中，表示第k個注意力頭的值變換矩陣，表示節點i的鄰居節點，表示第k個注意力頭的歸一化注意力權重，表示第k個注意力頭的特征； 對多個注意力頭并行計算后進行多頭特征拼接，輸出中間融合特征； 對中間融合特征進行殘差連接與歸一化； 3經過圖注意力網絡聚合多模態特征后再通過多層時空圖卷積輸出節點特征，節點特征通過全連接層映射為多模態融合特征向量。

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廣州交信投科技股份有限公司，其通訊地址為：510000 廣東省廣州市黃埔區黃埔大道東884號南方智媒北塔30樓3008室；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”。