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！

龙图腾网获悉中南大学申请的专利人流量空间分布预测方法及区域公共安全预警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：CN119940658B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510417809.2，技术领域涉及：G06Q10/04；该发明授权人流量空间分布预测方法及区域公共安全预警方法是由刘宝举;曾智威;谭骁勇;邓敏设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本人流量空间分布预测方法及区域公共安全预警方法在说明书摘要公布了：本发明公开了一种人流量空间分布预测方法及区域公共安全预警方法，包括获取现有的人流量观测样本数据和地理环境因素数据并预处理以构建训练数据集；基于多层感知机、注意力机制和深度神经网络构建人流量空间分布预测初始模型并训练得到人流量空间分布预测模型；采用得到的人流量空间分布预测模型进行目标区域的人流量空间分布预测。本发明通过学习区域人流量特征来提取模式矩阵，结合地理环境因素数据进行权重挖掘，不仅实现了人流量空间分布预测和对应的区域公共安全预警，而且可靠性更高，精确性更好。

本发明授权人流量空间分布预测方法及区域公共安全预警方法在权利要求书中公布了：1.一种人流量空间分布预测方法，其特征在于包括如下步骤： S1.获取现有的人流量观测样本数据和地理环境因素数据； S2.对步骤S1获取的数据信息进行预处理，以构建训练数据集； S3.基于多层感知机、注意力机制和深度神经网络，构建包括特征模式提取模块、空间特征距离权重提取模块和特征融合回归模块的人流量空间分布预测初始模型； 其中，特征模式提取模块用于学习人流量数据的时间序列特征，并得到对应的模式矩阵；空间特征距离权重提取模块用于对地理环境因素信息的权重进行挖掘，并得到对应的空间特征距离权重；特征融合回归模块用于融合模式矩阵和空间特征距离权重，并计算得到最终的人流量空间分布预测数据； 特征模式提取模块的处理过程，具体包括如下步骤： 采用如下算式计算得到模式矩阵：式中为模式矩阵P中的第k列；MLP为多层感知机神经网络的处理函数；X为输入的网格数据；为输入的网格i的经度；为输入的网格i的纬度； 空间特征距离权重提取模块的处理过程，具体包括如下步骤： 采用如下算式计算样本点数据中，样本点i与样本点j的空间距离：式中为网格i与网格j的空间距离；为输入的网格j的经度；为输入的网格j的纬度； 采用如下算式计算网格数据中，网格i与网格j的特征维度距离向量：式中为网格i与网格j的特征维度距离向量；为网格i的特征向量；为网格j的特征向量； 基于注意力机制，采用如下算式对得到的空间距离和特征维度距离向量进行融合，得到统一空间特征距离矩阵：式中为网格i对其余空间各点的统一空间特征距离；a为自注意力机制系数；b为偏置项；Q为自注意力机制中的查询向量，且，为查询向量变换线性权重；K为自注意力机制中的键向量，且，为键向量变换线性权重；V为自注意力机制中的值向量，且，为值向量变换线性权重；F为拼接矩阵，且，为F中第i2个元素；为特征维度； 基于深度神经网络，采用如下算式计算得到空间特征距离权重矩阵：式中为空间特征距离权重矩阵中表示坐标为的网格i空间特征距离权重；为网格i与网格n之间的统一空间特征距离；SFWNN为基于深度神经网络构建的空间特征距离权重提取网络的处理函数； 特征融合回归模块的处理过程，具体包括如下步骤： 基于维度转换方案，采用如下算式计算得到第i个网格的人流量预测值：式中为第i个网格的人流量预测值；为空间特征距离权重矩阵中的第h列；为模式矩阵P中的第h列；为设定的系数向量；为输入的第i个网格的特征向量；为输入的第i个网格的偏置项； S4.采用步骤S2构建的训练数据集，对步骤S3构建的人流量空间分布预测初始模型进行训练，得到人流量空间分布预测模型； S5.采用步骤S4得到的人流量空间分布预测模型，进行目标区域的人流量空间分布预测。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。