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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利一種基于視覺采樣的多維特征時空流量預(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：CN119068671B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202411099798.X，技術(shù)領(lǐng)域涉及：G08G1/01；該發(fā)明授權(quán)一種基于視覺采樣的多維特征時空流量預(yù)測方法是由陳婧;張勝設(shè)計研發(fā)完成，并于2024-08-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于視覺采樣的多維特征時空流量預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于視覺采樣的多維特征時空流量預(yù)測方法，包括如下步驟：步驟1、根據(jù)歷史交通流量數(shù)據(jù)，獲取交通流量信息矩陣和空間矩陣；步驟2、獲取視覺數(shù)據(jù)，并根據(jù)視覺數(shù)據(jù)估計交通流動中不同車輛類型的混入率；步驟3、交通異常檢測并量化，獲取交通異常特征矩陣；步驟4、構(gòu)建可擴展的多維預(yù)測模型；步驟5、將交通流量信息、交通異常特征和混入率特征整合為綜合交通信息矩陣，通過可擴展的多維預(yù)測模型預(yù)測未來Q步的流量。該方法通過視覺采樣量化異質(zhì)交通流量，并結(jié)合道路異常特征，實現(xiàn)準確的交通流量預(yù)測。

本發(fā)明授權(quán)一種基于視覺采樣的多維特征時空流量預(yù)測方法在權(quán)利要求書中公布了：1.一種基于視覺采樣的多維特征時空流量預(yù)測方法，其特征在于，包括如下步驟： 步驟1、根據(jù)歷史交通流量數(shù)據(jù)，獲取交通流量信息矩陣F和空間矩陣G； 步驟2、獲取視覺數(shù)據(jù)，并根據(jù)視覺數(shù)據(jù)估計交通流動中不同車輛類型的混入率M，獲取混入率特征矩陣 步驟3、交通異常檢測并量化，獲取交通異常特征矩陣 步驟4、構(gòu)建可擴展的多維預(yù)測模型，所述可擴展的多維預(yù)測模型包括時序模塊、空間模塊和可擴展的多維特征模塊； 步驟5、將交通流量信息、混入率特征和交通異常特征整合為綜合交通信息矩陣X＝[F,M,U]，將交通流量預(yù)測問題定義為學(xué)習一個映射函數(shù)f，使用過去P步的歷史交通信息和道路網(wǎng)絡(luò)結(jié)構(gòu)，通過可擴展的多維預(yù)測模型預(yù)測未來Q步的流量， 利用所述可擴展的多維預(yù)測模型預(yù)測交通流量方法為： 所述時序模塊利用歷史流量數(shù)據(jù)嵌入Femb時間信息嵌入Temb，通過時間融合過程Tfus＝FusionFemb||Temb融合歷史流量信息與時間信息，以確保特征表示的時間連續(xù)性和相關(guān)性； 所述空間模塊利用預(yù)定義圖得到一個圖嵌入矩陣G0； 所述可擴展的多維特征模塊對應(yīng)交通異常特征和混入率特征設(shè)置不同嵌入層，對于混入率和異常交通條件，隨后在各自的流中融合混入率融合和異常融合，形成各自的隱藏表示，混入率隱藏表示HM,異常隱藏表示HU，最后拼接多個特征隱藏表示形成綜合特征： Hfeatures＝concatHM，HU，…,Hother 最終的預(yù)測輸出通過映射函數(shù)生成，其中所述映射函數(shù)由深度學(xué)習網(wǎng)絡(luò)訓(xùn)練得到。

如需購買、轉(zhuǎn)讓、實施、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)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號大街1158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)”。