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动态Kolmogorov-Arnold网络的交通流时空特征自适应提取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：CN120164326B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510334572.1，技术领域涉及：G08G1/01；该发明授权一种基于动态Kolmogorov-Arnold网络的交通流时空特征自适应提取方法是由徐中华;张浩;周淑玉;潘莲珊;韩智杰;周婉豫;吴迪;包旭;周桂良;陈嘉辉;苏泓睿设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本一种基于动态Kolmogorov-Arnold网络的交通流时空特征自适应提取方法在说明书摘要公布了：本发明提出一种基于动态Kolmogorov‑Arnold网络的交通流时空特征自适应提取方法，旨在解决传统模型在动态时空建模、结构适应性及特征表达效率方面的不足。该方法通过可微分拓扑搜索与参数化基函数库动态调整网络结构，设计双流耦合架构分别提取空间和时间依赖特征，并利用门控机制实现时空特征的自适应融合。具体步骤包括：时空归一化与图结构编码生成节点特征矩阵；动态图卷积KANs和时序卷积KANs并行提取多尺度时空特征；基于局部相关性矩阵与双向交互注意力机制实现特征对齐与协同增强；轻量化KAN解码器结合动态基函数库输出预测结果。实验表明，该方法在PeMS08数据集上突发交通事件场景下，MAE降低至1.78辆分钟，推理速度提升1.8倍，适用于智能交通管理与车路协同系统。

本发明授权一种基于动态Kolmogorov-Arnold网络的交通流时空特征自适应提取方法在权利要求书中公布了：1.一种基于动态Kolmogorov-Arnold网络的交通流时空特征自适应提取方法，其特征在于，包括以下步骤： 步骤1：对输入交通时间序列数据进行时空归一化处理生成交通时间序列数据中间特征矩阵，基于交通网络的拓扑结构，构建静态邻接矩阵，将归一化后的交通时间序列数据中间特征矩阵与静态邻接矩阵结合，生成初始节点特征矩阵； 步骤2：将当前层节点特征矩阵输入Kolmogorov-Arnold网络KANs生成动态邻接矩阵，采用KANs基函数库替换图卷积网络GCN的传统激活函数形成新的图卷积KANs网络GC-KANs，通过动态邻接矩阵输入新GC-KANs网络输出空间特征；采用KANs基函数库替换时序卷积网络TCN的传统激活函数并引入初始节点特征矩阵对膨胀系数进行改进，形成新的时序卷积KANs网络TC-KANs，将初始节点特征矩阵输入新TC-KANs网络输出时间特征， 生成动态邻接矩阵的具体方法为： 通过KANs超网络根据当前层节点特征矩阵生成未经规范化的邻接矩阵，对其进行逐行Softmax规范化，得到动态邻接矩阵，其中所述动态邻接矩阵表示节点间的动态连接强度， 使用动态邻接矩阵执行多阶图卷积GCN， ； 其中，为第层的输入特征；表示阶邻接矩阵幂，捕捉跳邻居的影响；为第阶的卷积权重矩阵；为最大阶数， 动态图卷积KANsGC-KANs通过所述动态邻接矩阵执行多阶图卷积： ； ； 其中，为第阶的贡献权重，为门控单元参数，表示沿时间维度对288个时间步取平均，捕捉不同空间范围的依赖关系，并引入门控机制根据输入数据的空间特性自适应调整卷积阶数， 所述KANs基函数库包括B样条函数、正弦函数和Bessel函数： ； 其中，为第i个基函数如；为可训练系数，表示各基函数的贡献；M为基函数数量，通过轻量选择网络根据当前层输入动态调整基函数的组合权重，并在每层卷积后应用层归一化以保证训练稳定性， 所述动态时序卷积KANsTC-KANs采用动态膨胀卷积，通过可训练参数调整膨胀系数以捕捉长短时依赖： ； 并在卷积后引入残差连接和层归一化以保留时间信息，其中，为可训练参数，为初始节点特征矩阵；为最大膨胀系数；Round将连续值离散化为整数； 步骤3：通过轻量变换网络将空间和时间特征在语义空间中对齐，引入双向交互注意力机制，结合基函数、残差连接得到融合特征； 步骤4：通过轻量化KAN解码器对融合特征降维扩展，基于动态基函数库和非线性变换生成未来多时间步预测结果，并通过误差反馈机制修正输出。

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：223000 江苏省淮安市经济技术开发区枚乘东路1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”。

以上内容由龙图腾AI智能生成。