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！

龙图腾网恭喜重庆大学申请的专利基于出租车和网约车的需求联合预测方法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：CN116051171B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310124244.X，技术领域涉及：G06Q30/0202；该发明授权基于出租车和网约车的需求联合预测方法是由陈超;马云豪;赵杰;张婉漪;李瑞远;古富强;郭松涛;蒲华燕;罗均设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本基于出租车和网约车的需求联合预测方法在说明书摘要公布了：本发明具体涉及基于出租车和网约车的需求联合预测方法，包括：将出租车历史需求矩阵和网约车历史需求矩阵输入需求预测模型中，输出对应的未来需求预测值；首先生成出租车时空共享信息和网约车时空共享信息；然后基于出租车历史需求矩阵和自适应邻接矩阵进行时空特征提取，并结合网约车时空共享信息生成出租车未来需求矩阵；同时基于网约车历史需求矩阵和自适应邻接矩阵进行时空特征提取，并结合出租车时空共享信息生成网约车未来需求矩阵；最后生成租车未来需求预测值和网约车未来需求预测值。本发明能够提取出租车和网约车的模式内特征和模式间特征，并且能够实现模式内特征和模式间特征的融合，实现了出租车和网约车的需求联合预测。

本发明授权基于出租车和网约车的需求联合预测方法在权利要求书中公布了：1.基于出租车和网约车的需求联合预测方法，其特征在于，包括：S1：获取对应的出租车历史需求矩阵和网约车历史需求矩阵；S2：将出租车历史需求矩阵和网约车历史需求矩阵输入经过训练的需求预测模型中，输出对应的出租车未来需求预测值和网约车未来需求预测值；需求预测模型首先分别基于出租车历史需求矩阵和网约车历史需求矩阵结合对应的自适应邻接矩阵生成对应的出租车时空共享信息和网约车时空共享信息；然后基于出租车历史需求矩阵和对应的自适应邻接矩阵进行时空特征提取，并结合网约车时空共享信息生成对应的出租车未来需求矩阵；同时基于网约车历史需求矩阵和对应的自适应邻接矩阵进行时空特征提取，并结合出租车时空共享信息生成对应的网约车未来需求矩阵；最后基于出租车未来需求矩阵和网约车未来需求矩阵生成出租车未来需求预测值和网约车未来需求预测值；需求预测模型包括：输入层，用于获取出租车历史需求矩阵和网约车历史需求矩阵；时空交织组件，用于分别根据出租车历史需求矩阵和网约车历史需求矩阵结合对应的自适应邻接矩阵生成对应的出租车时空共享信息和网约车时空共享信息；出租车组件，用于基于出租车历史需求矩阵和对应的自适应邻接矩阵进行时空特征提取，并融合网约车时空共享信息生成对应的出租车未来需求矩阵；网约车组件，用于基于网约车历史需求矩阵和对应的自适应邻接矩阵进行时空特征提取，并融合出租车时空共享信息生成对应的网约车未来需求矩阵；输出层，用于通过全连接网络分别基于出租车未来需求矩阵和网约车未来需求矩阵进行需求预测，生成并输出对应的出租车未来需求预测值和网约车未来需求预测值；时空交织组件包括时间交织模块和空间交织模块；出租车组件和网约车组件均包括若干个时空块；每个时空块均包括对应的时间卷积层和空间卷积层；时间交织模块用于分别对出租车历史需求矩阵和网约车历史需求矩阵进行时间卷积，生成对应的出租车时间共享信息和网约车时间共享信息；对于出租车组件的单个时空块：通过时间卷积层基于出租车历史需求矩阵进行时间特征提取，并融合网约车时间共享信息生成对应的出租车需求时间特征矩阵；对于网约车组件的单个时空块：通过时间卷积层基于网约车历史需求矩阵进行时间特征提取，并融合出租车时间共享信息生成对应的网约车需求时间特征矩阵；空间交织模块用于分别基于出租车需求时间特征矩阵和网约车需求时间特征矩阵结合对应的自适应邻接矩阵进行空间特征提取，生成对应的出租车时空共享信息和网约车时空共享信息；对于出租车组件的单个时空块：通过空间卷积层基于出租车需求时间特征矩阵和对应的自适应邻接矩阵进行空间特征提取，并融合网约车时空共享信息生成对应的出租车需求时空特征矩阵；对于网约车组件的单个时空块：通过空间卷积层基于网约车需求时间特征矩阵和对应的自适应邻接矩阵进行空间特征提取，并融合出租车时空共享信息生成对应的网约车需求时空特征矩阵；时间交织模块包括分别用于对出租车历史需求矩阵和网约车历史需求矩阵进行时间卷积的第一时间卷积层和第二时间卷积层；第一时间卷积层和第二时间卷积层的时间卷积公式如下： 式中：分别表示出租车时间共享信息和网约车时间共享信息；XTA、XRS分别表示出租车历史需求矩阵和网约车历史需求矩阵；TCL1、TCL2分别表示第一时间卷积层和第二时间卷积层；对于出租车组件的单个时空块：将出租车历史需求矩阵作为时间卷积层的输入并进行时间卷积，生成对应的出租车需求时间特征矩阵；然后将出租车需求时间特征矩阵和网约车时间共享信息在时间维度的最后一个通道融合，得到最终的出租车需求时间特征矩阵；公式描述为： 式中：X′TA表示出租车需求时间特征矩阵；XTA表示出租车历史需求矩阵；Ft表示通道数；L′表示时间维度长度；X′TA:,L′,:、分别表示出租车需求时间特征矩阵和网约车时间共享信息在时间维度的最后一个通道；对于网约车组件的单个时空块：将网约车历史需求矩阵作为时间卷积层的输入并进行时间卷积，生成对应的网约车需求时间特征矩阵；然后将网约车需求时间特征矩阵和出租车时间共享信息在时间维度的最后一个通道融合，得到最终的网约车需求时间特征矩阵；公式描述为： 式中：X′RS表示网约车需求时间特征矩阵；XRS表示网约车历史需求矩阵；Ft表示通道数；L′表示时间维度长度；X′RS:,L′,:、分别表示网约车需求时间特征矩阵和出租车时间共享信息在时间维度的最后一个通道；空间交织模块包括分别用于对出租车需求时间特征矩阵和网约车需求时间特征矩阵进行空间卷积的第一空间卷积层和第二空间卷积层；第一空间卷积层和第二空间卷积层的空间卷积公式如下： 式中：分别表示出租车时空共享信息和网约车时空共享信息；ART、ATR分别表示出租车和网约车需求之间的自适应邻接矩阵，其中ART表示一个区域的出租车需求与其他区域的网约车需求之间的关系，ATR表示一个区域的网约车需求与其他区域的出租车需求之间的关系；X′TA、X′RS分别表示出租车需求时间特征矩阵和网约车需求时间特征矩阵；表示两个特征转换矩阵；ETq、表示为出租车需求设置的区域特征；ERq、表示为网约车需求设置的区域特征；N表示区域数量；对于出租车组件的单个时空块：将出租车需求时间特征矩阵作为空间卷积层的输入并结合对应的自适应邻接矩阵进行空间卷积，生成对应的出租车需求时空特征矩阵；然后将出租车需求时空特征矩阵与网约车时空共享信息融合，得到最终的出租车需求时空特征矩阵；公式描述为： 通过图学习子层来自动发现不同区域之间的依赖关系，并生成对应的自适应邻接矩阵；公式描述为： 式中：X″TA表示出租车需求时空特征矩阵；X′TA表示出租车需求时间特征矩阵；ATT表示N个区域之间出租车需求的自适应邻接矩阵；表示用于特征转换的投影；σ·表示GLU激活函数；Fs表示图卷积层的输出维度；表示网约车时空共享信息；ETq、表示为出租车需求设置的区域特征；N表示区域数量；对于网约车组件的单个时空块：将网约车需求时间特征矩阵作为空间卷积层的输入并结合对应的自适应邻接矩阵进行空间卷积，生成对应的网约车需求时空特征矩阵；然后将网约车需求时空特征矩阵与出租车时空共享信息融合，得到最终的网约车需求时空特征矩阵；公式描述为： 通过图学习子层来自动发现不同区域之间的依赖关系，并生成对应的自适应邻接矩阵；公式描述为： 式中：X″RS表示网约车需求时空特征矩阵；X′RS表示网约车需求时间特征矩阵；ARR表示N个区域之间网约车需求的自适应邻接矩阵；表示用于特征转换的投影；σ·表示GLU激活函数；Fs表示图卷积层的输出维度；表示出租车时空共享信息；ERq、表示为网约车需求设置的区域特征；N表示区域数量；时空块中设置有残差连接结构；对于出租车组件的单个时空块：将出租车历史需求矩阵和对应的出租车需求时空特征矩阵融合，生成该时空块的出租车需求矩阵；公式描述为： 式中：表示出租车组件中第b+1个时空块的出租车需求矩阵；表示出租车组件中第b个时空块输入的出租车历史需求矩阵；表示出租车组件中第b个时空块的时间卷积；表示出租车组件中第b个时空块的空间卷积；对于网约车组件的单个时空块：将网约车历史需求矩阵和对应的网约车需求时空特征矩阵融合，生成该时空块的网约车需求矩阵；公式描述为： 式中：表示网约车组件中第b+1个时空块的网约车需求矩阵；表示网约车组件中第b个时空块输入的网约车历史需求矩阵；表示网约车组件中第b个时空块的时间卷积；表示网约车组件中第b个时空块的空间卷积；时空块之间设置有跳跃连接结构；出租车组件和网约车组件分别将其所有时空块的出租车需求矩阵和网约车需求矩阵对应连接在一起，生成对应的出租车未来需求矩阵和网约车未来需求矩阵；输出层通过如下公式计算出租车未来需求预测值和网约车未来需求预测值： 式中：分别表示出租车未来需求预测值和网约车未来需求预测值；分别表示出租车组件和网约车组件中第b个时空块输出的出租车未来需求矩阵和网约车未来需求矩阵；B表示时空块的数量；分别表示将出租车组件和网约车组件输出的出租车未来需求矩阵和网约车未来需求矩阵进行连接；和表示可学习权重；σ·表示ReLU激活函数；S3：将出租车未来需求预测值和网约车未来需求预测值作为出租车和网约车的需求联合预测结果，基于需求联合预测结果为多种交通方式的需求联合预测提供思路。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。