申请/专利权人：苏州大学

申请日：2023-05-16

公开（公告）日：2024-06-07

公开（公告）号：CN116822706B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/0464;G06N3/048;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本发明涉及一种候选地址流行度预测方法，包括获取城市路网中所有候选地址；基于不同候选地址在城市路网中的最近距离、道路链接总数、区域统计信息向量与流入流出行程轨迹数量序列，构建路网距离图、路网拓扑图、区域信息图、流量趋势图与流量交互图，并进行卷积融合，得多图卷积融合输出矩阵；基于时间序列，获取候选地址各向量对应的天气张量、日期周期性张量、同类设施张量与流行度张量，汇总为汇总编码张量，维度转换，获取二维时序先验特征矩阵；获取时间域与空间域的位置编码矩阵；基于获取的特征图与矩阵，得候选地址的深度时空隐特征张量，并进行卷积，转化为深度时空隐特征二维矩阵，其表示每个候选地址在未来不同时间段内的流行度。

主权项：1.一种候选地址流行度预测方法，其特征在于，包括：获取城市路网中的所有候选地址，构建候选地址集合；基于不同候选地址在城市路网中的最近距离、道路链接总数、区域统计信息向量、流入行程轨迹数量序列与流出行程轨迹数量序列，分别构建路网距离图、路网拓扑图、区域信息图、流量趋势图与流量交互图；基于历史时间序列，获取候选地址的时序天气特征向量、日期周期性特征向量、同类设施签到记录特征向量与流行度向量；将每类向量的集合分别表示为天气张量、日期周期性张量、同类设施张量与流行度张量；分别对所述路网距离图、所述路网拓扑图与所述区域信息图进行图卷积，获取对应的图节点隐特征矩阵，利用三个预设参数矩阵调节对应的图节点隐特征矩阵后，进行融合，得到多图卷积融合输出矩阵；将所述天气张量、所述日期周期性张量、所述同类设施张量与所述流行度张量汇总为一个汇总编码张量，并进行维度转换，获取二维时序先验特征矩阵；在时间域，对所述多图卷积融合输出矩阵进行位置编码，获取时间域位置编码矩阵；在空间域，对候选地址在路网拓扑图上的图节点进行位置编码，获取空间域位置编码矩阵；基于所述流量趋势图、所述流量交互图、所述多图卷积融合输出矩阵、所述二维时序先验特征矩阵、所述时间域位置编码矩阵与所述空间域位置编码矩阵，获取候选地址的深度时空隐特征张量；对所述深度时空隐特征张量进行卷积，转化为深度时空隐特征二维矩阵；所述深度时空隐特征二维矩阵表示候选地址集合中每个候选地址在未来不同时间段内的流行度。

全文数据：

权利要求：

百度查询： 苏州大学 一种候选地址流行度预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD