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！

龙图腾网获悉淮阴工学院申请的专利一种基于改进时空耦合KA-LSTM的交通流量预测方法及系统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：CN120260264B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202510269770.4，技术领域涉及：G08G1/01；该发明授权一种基于改进时空耦合KA-LSTM的交通流量预测方法及系统是由张浩;徐中华;潘莲珊;韩智杰;周淑玉;周婉豫;吴迪;包旭;周桂良;陈嘉辉;苏泓睿设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种基于改进时空耦合KA-LSTM的交通流量预测方法及系统在说明书摘要公布了：本发明公开了一种基于改进时空耦合KA‑LSTM的交通流量预测方法及系统，属于智能交通与人工智能技术领域。该方法针对传统模型在复杂交通场景中适应性差、预测精度低及计算效率不足的问题，通过构建KA‑LSTM模型，利用KANs动态优化LSTM的遗忘门、输入门及记忆更新机制，增强对长周期依赖的捕捉能力，系统包含数据采集、模型训练、异常检测及实时优化模块。实验表明，在MAE、RMSE等指标上较传统LSTM降低40.1%以上，且训练效率提升显著，适用于城市交通管理与优化。本发明的核心优势在于通过动态门控优化、多模态数据融合及在线更新策略，在预测精度、实时性和复杂场景适应性具有很好的表现效果，为交通流量预测提供了高效可靠的解决方案。

本发明授权一种基于改进时空耦合KA-LSTM的交通流量预测方法及系统在权利要求书中公布了：1.一种基于改进时空耦合KA-LSTM的交通流量预测方法，其特征在于，包括以下步骤： 步骤1数据采集与预处理：获取数据并对数据进行处理，生成标准化三维时空张量； 步骤2改进LSTM结构：利用Kolmogorov-Arnold网络对长短时记忆网络的遗忘门、输入门、输出门及记忆更新机制进行动态优化，生成时空特征加权表示； 步骤3时空注意力机制融合：通过多头注意力计算与门控融合技术，融合多尺度时空特征，生成增强的隐状态表示； 步骤4模型训练与预测：利用全连接层，联合损失函数训练模型，利用训练后的模型预测未来时间段的交通流量， 所述步骤2的改进LSTM结构具体包括： 2.1基于路网邻接矩阵和当前输入，通过图卷积生成全局空间特征： 其中，为带自环的邻接矩阵，为度矩阵，为可训练权重，为空间特征维度，与后续KANs输入一致， 2.2遗忘门改进：通过KANs生成动态遗忘权重，融合到遗忘门中，得到新的遗忘门，计算公式为： 其中，为节点i在时刻t的遗忘门输出，和分别为权重矩阵和偏置，为KANs子网络基于全局空间特征的输出，表示Sigmoid激活函数； 2.3输入门动态加权：通过KANs生成特征加权向量，计算公式为： 融合到输入门中，更新为： 其中，为特征加权向量，⊙为逐元素相乘，为加权后的输入特征，为权重矩阵，为偏置，为输入门输出，表示新信息的接受程度,表示Sigmoid激活函数； 2.4多尺度记忆融合：全局空间特征通过KANs子网络生成的增强候选记忆向量，生成新的候选记忆状态： 进而，长时隐状态通过KANs的子网络，生成动态平衡短时波动与长时周期性长时记忆权重：，进而，将记忆状态公式更新为： 其中，为当前记忆状态，融合短时更新和长时记忆； 2.5输出门优化:KANs子网络接收全局空间特征，生成动态遗忘偏置，融合到输出门中，得到： 其中，和为权重和偏置，为KANs子网络，输出动态偏置，维度为，表示Sigmoid激活函数； 2.5隐状态输出: 其中，为节点i在时刻t的隐状态， 所述步骤3的时空注意力机制融合具体包括： 3.1多头注意力计算：基于隐状态与空间特征生成查询、键和值向量，计算公式为： 其中，H为注意力头数，为键向量维度； 3.2门控融合：通过门控单元平衡状态与注意力输出，生成门控单元与最终隐状态，计算公式为： 其中，为最终输出隐状态，，为Sigmoid激活函数； 所述步骤4的模型训练与预测具体包括： 4.1损失函数设计：采用MAE与时空一致性损失联合优化，计算公式为： 其中，为真实值，为预测值，λ为正则化系数，是总时间步数；是节点总数； 4.2优化策略：使用Adam优化器，初始学习率0.001，指数衰减，每20轮减半，梯度裁剪阈值5.0； 4.3预测输出：通过全连接层生成未来K步预测值，计算公式为： 其中： 为最终隐状态； 为输出权重矩阵，为偏置。

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淮阴工学院，其通讯地址为：223400 江苏省淮安市涟水县海安路10号安东大厦8楼；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。