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！

龙图腾网获悉北京交通大学申请的专利一种融合不确定性建模的行程时间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：CN116502778B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310280076.3，技术领域涉及：G06Q10/047；该发明授权一种融合不确定性建模的行程时间预测方法是由郭晟楠;申泽楷;宁轩霆;朱益聪;吕聪康;万怀宇;林友芳设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种融合不确定性建模的行程时间预测方法在说明书摘要公布了：本发明提供了一种融合不确定性建模的行程时间预测方法，属于智慧交通与导航领域。所述方法先获取静态路网特征、动态交通特征及路段外部特征，构建路网有向图以及定义路线R，找到与R中的路段对应的特征值，构建初始节点嵌入和初始边嵌入，并构建预测模型；初始值经预处理后，每层图卷积网络通过建模节点和边之间的交互作用，更新节点嵌入和边嵌入，并得到迭代的最终节点嵌入和边嵌入；对处理后的路线进行位置编码，构建矩阵PE；通过最终节点嵌入和PE相加得到路线嵌入，对路线嵌入做多头注意力后再做平均池化，得到到达时间表示，对到达时间表示进行不确定性量化和修正，得到预测的到达时间和上下界。本发明量化出时间预测结果的不确定性。

本发明授权一种融合不确定性建模的行程时间预测方法在权利要求书中公布了：1.一种融合不确定性建模的行程时间预测方法，其特征在于，所述预测方法包括： 步骤S1，获取待预测区域的静态路网特征、动态交通特征及路段外部特征； 步骤S2，基于地图匹配算法，将车辆GPS坐标下的采样序列转换为电子地图上的路段序列，并根据路段序列构建路网有向图G； 步骤S3，定义路网有向图G中的路线R＝t，L，F，其中t为请求时刻，L＝[l1，l2，l3，...，lN]表示路线R中的路段集合，N为路线R中包含的路段数，F为路线R中所有路段的外部特征； 步骤S4，从静态路网特征、动态交通特征、路段外部特征中找到与路线R中的路段对应的特征值构成路线特征，作为模型的输入数据；所述路线特征包括：请求时刻、路段类型、路段长度、路段限速、路段车道数、行驶方向、路段关系、车辆速度和交通流量； 步骤S5，构建预测模型，所构建的预测模型包括时空数据集成模块、时空建模编码模块、互信息模块、不确定性融合模块以及输出层； 步骤S6，时空数据集成模块对所述输入数据进行预处理，根据特征值构建初始节点嵌入和初始边嵌入，其中初始节点嵌入的维度是Dnode，初始边嵌入的维度是Dedge； 步骤S7，将所述初始节点嵌入和初始边嵌入作为所述时空建模编码模块的初始值，通过时空建模编码模块中的每层图卷积网络建模节点嵌入和边嵌入之间的交互作用，同时更新节点嵌入和边嵌入，得到迭代后的节点嵌入Pe； 步骤S8，互信息模块对路线R中的路段集合L进行位置编码，用位置编码矩阵提供顺序信息，构建矩阵PE；再采用位置编码矩阵PE和节点嵌入Pe构建路线嵌入Re，由路线嵌入形成多个D维路线嵌入向量，并做多头注意力后再输出路线嵌入再对所输出的路线嵌入Re′做平均池化，池化层的维度为N×1，池化后得到维度为1×D的到达时间表示；D为指定的维度大小，表示维度大小为N×D的数域； 步骤S9，不确定融合模块对所述到达时间表示进行处理，通过线性层得到到达时间和到达时间的上下界，再通过损失函数对所述到达时间及其上下界进行修正，得到预测的到达时间及上下界； 步骤S10，输出层输出所预测的到达时间及上下界。

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北京交通大学，其通讯地址为：100044 北京市海淀区上园村3号北京交通大学计算机科学与信息技术学院；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。