Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华中科技大学涂来获国家专利权

华中科技大学涂来获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华中科技大学申请的专利融合多周期和空间语义关联的交通状态预测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116863688B

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310811990.6,技术领域涉及:G08G1/01;该发明授权融合多周期和空间语义关联的交通状态预测方法及系统是由涂来;聂陆港设计研发完成,并于2023-07-04向国家知识产权局提交的专利申请。

融合多周期和空间语义关联的交通状态预测方法及系统在说明书摘要公布了:本发明公开了一种融合多周期和空间语义关联的交通状态预测方法及系统,属于交通状态预测领域。包括:训练阶段:获取实际路网中各路段的原始交通状态数据X;利用所述交通状态数据X构建训练样本集,训练得到交通状态预测模型;其中,每个训练样本包括:近期相关数据Xr、日周期相关数据Xd、周周期相关数据Xw及训练目标Ytrue;应用阶段:将待测交通状态数据对应的历史数据处理为近期相关数据、日周期相关数据、周周期相关数据并输入至训练好的交通状态预测模型中,输出预测时间片内的交通状态。本发明同时考虑了交通状态数据的多周期性及语义信息对预测的影响,能有效地提高交通状态预测的精度。

本发明授权融合多周期和空间语义关联的交通状态预测方法及系统在权利要求书中公布了:1.一种融合多周期和空间语义关联的交通状态预测方法,其特征在于,包括: 训练阶段: S1、获取实际路网中各路段的原始交通状态数据; S2、利用所述交通状态数据构建训练样本集,训练得到交通状态预测模型; 其中,每个训练样本包括:表示历史时间片内交通状态的近期相关数据、表示历史几天在待预测时间片内交通状态的日周期相关数据、表示历史几周在待预测时间片内交通状态的周周期相关数据及表示待预测时间片内交通状态的训练目标;其中,所述历史时间片为所述待预测时间片的包括上一时间片及之前的连续个时间片;所述待预测时间片为待预测的连续个时间片;所述近期相关数据及所述训练目标的生成方式为: 其中,为包含所有近期相关数据样本的数据集,其中的每一个样本为所述近期相关数据;为包含所有训练目标样本的数据集,其中的每一个样本为所述训练目标,为近期相关数据的历史步长,为待预测的未来步长;表示新增加一个维度;表示对切片后的数据沿着维度1进行堆叠; 所述日周期相关数据及所述周周期相关数据的生成方式包括: S221、根据所述交通状态数据生成任意时刻对应的日周期相关数据和周周期相关数据构成的集合、: 其中,表示交通节点在一天内的采样频率;为日周期数据的历史步长,为周周期数据的历史步长; S222、将所述集合、中的每个元素沿着时间维度进行堆叠得到任意时刻对应的日周期数据和周周期数据; S223、根据S221和S222,生成所有采样时刻对应的日周期数据和周周期数据构成的集合、: S224、将所述集合、中的每个元素沿着采样时刻进行堆叠和维度变化,得到所有采样时刻的日周期相关数据和周周期相关数据;其中,,; S225、生成所述日周期相关数据和所述周周期相关数据: 其中,为对应的日周期样本数据集,为周周期样本数据集,中的每个样本为所述日周期相关数据,,中的每个样本为所述周周期相关数据,; 应用阶段:将待测交通状态数据对应的历史数据处理为近期相关数据、日周期相关数据、周周期相关数据并输入至训练好的交通状态预测模型中,输出预测时间片内的交通状态。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华中科技大学,其通讯地址为:430074 湖北省武汉市洪山区珞喻路1037号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。