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！

龙图腾网恭喜同济大学申请的专利一种基于改进GCN-attention算法的交通流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：CN114970336B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210542205.7，技术领域涉及：G06F30/27；该发明授权一种基于改进GCN-attention算法的交通流预测方法是由韩丰夏;赵生捷;冯玉山设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种基于改进GCN-attention算法的交通流预测方法在说明书摘要公布了：本发明涉及一种基于改进GCN‑attention算法的交通流预测方法，建立GSTA模型，GSTA模型包括若干个ST‑Block和一个输出模块，每个ST‑Block包括GCN子模块、时间子模块和门控融合子模块，并将历史交通流数据输入其中一个ST‑Block；通过GCN子模块提取空间特征；通过时间子模块提取时序特征；使用门控融合子模块融合空间特征和时序特征，得到时空特征；将该时空特征与初始历史交通流数据经过残差链接融合作为下一个ST‑Block的输入，返回重新提取空间特征，直至获取所有ST‑Block的时空特征；将所有ST‑Block的时空特征输入至输出模块，线性变换后得到预测交通流数据。与现有技术相比，本发明具有预测结果更准确等优点。

本发明授权一种基于改进GCN-attention算法的交通流预测方法在权利要求书中公布了：1.一种基于改进GCN-attention算法的交通流预测方法，其特征在于，包括以下步骤：S1、将历史交通流数据输入GSTA模型，GSTA模型包括若干个ST-Block和一个输出模块，每个ST-Block包括GCN子模块、时间子模块和门控融合子模块，历史交通流数据输入其中一个ST-Block；S2、通过GCN子模块提取空间特征；S3、通过时间子模块提取时序特征；S4、使用门控融合子模块融合空间特征和时序特征，得到时空特征；S5、将该时空特征与初始历史交通流数据经过残差链接融合作为下一个ST-Block的输入，返回执行步骤S2，直至获取所有ST-Block的时空特征；S6、将所有ST-Block的时空特征输入至输出模块，线性变换后得到预测交通流数据；其中，所述GCN子模块提取空间特征的步骤如下：S21、建立历史交通流数据的邻接矩阵；S22、将历史交通流数据及其邻接矩阵依次进行信息扩散和信息聚合，将所有图卷积层的输出链接，得到城市路网空特征；所述信息扩散和信息聚合的表达式分别如下：信息扩散： 其中，θ1、θ2、b1、b2为可学习参数，Hl为历史交通流数据，m为当前卷积层数，为当前卷积层的输出，A为邻接矩阵，σ表示sigmoid函数；信息聚合： 其中，S为空间特征，W、c为可学习参数，M为卷积层总层数；所述时间子模块提取时序特征的步骤如下：S31、获取历史交通流数据对应的时间步信息；S32、将时间步进行经过embedding得到时间向量；S33、根据时间向量和历史交通流数据，计算注意力向量；S34、根据注意力向量，计算得到时序特征；所述注意力向量的计算表达式如下： 其中，Q、K、V均表示一种注意力向量，k表示第k头注意力，vi表示城市路网节点，tj表示第j个时间步，Relu为激活函数，均为可学习参数矩阵；步骤S34具体计算表达式如下：d＝DK 其中，为时序表示向量，为时序特征，为相关性参数，为注意力分数，D表示输入矩阵的隐藏维度，K表示多头注意力中注意力的数量，为可学习参数。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。