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！

龙图腾网获悉湖南师范大学申请的专利一种基于多尺度动态分解与时空Transformer的交通流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：CN121034085B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511554144.6，技术领域涉及：G08G1/01；该发明授权一种基于多尺度动态分解与时空Transformer的交通流预测方法及系统是由杨家红;宁宏天;金宇杰;李成轩;肖柳明设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于多尺度动态分解与时空Transformer的交通流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多尺度动态分解与时空Transformer的交通流预测方法及系统。该方法首先将原始交通流序列分解为趋势成分与季节成分。随后，采用多层感知机对趋势成分进行建模以捕捉全局变化；同时运用时空Transformer对季节成分进行建模，该架构通过集成时空自适应嵌入与自适应SwiGLU门控机制，有效提取动态时空依赖特征。最终，融合趋势与季节特征表示生成预测结果。本发明通过分解有效分离噪声，集成线性增强时空自适应嵌入、自适应SwiGLU门控机制以及统一时空自注意力的Transformer架构，增强对复杂时空依赖的建模能力，显著提高了预测精度与稳健性，可广泛应用于智能交通管理与控制领域。

本发明授权一种基于多尺度动态分解与时空Transformer的交通流预测方法及系统在权利要求书中公布了：1.一种基于多尺度动态分解与时空Transformer的交通流预测方法，其特征在于，包括将原始交通流时间序列数据利用预先训练好的多尺度动态分解与时空Transformer模型来获得输出的交通流预测结果，所述多尺度动态分解与时空Transformer模型生成预测结果包括以下步骤： S1：获取输入的原始交通流时间序列数据，利用多尺度动态分解方法将原始交通流数据分解为趋势成分与季节成分； S2：利用多层感知机对所述趋势成分进行建模，得到全局趋势特征表示； S3：利用时空Transformer对所述季节成分进行建模，提取其动态时空依赖特征，得到季节特征表示；所述时空Transformer集成有嵌入层、时间和空间自注意力机制、自适应SwiGLU门控前馈模块和统一的时空自注意力编码方法；具体包括： S3.1，嵌入层融合机制构建隐藏的时空表示：首先通过线性层将季节项映射为特征嵌入，其中是时间步数，是空间节点数量，以保留原始特征信息；其次设计结合周期模式与日内模式的双重嵌入机制，通过可学习的星期嵌入表和时间戳嵌入表提取周期特征并融合为；进一步提出线性增强的时空自适应嵌入，通过初始化随机嵌入矩阵并经线性层投影，使模型能自适应学习节点时空信息并表征复杂动态特征；最终通过沿特征维度拼接上诉嵌入，形成统一的隐藏时空表示，其中隐藏维度=，从而在不依赖预定义图结构的情况下有效建模复杂时空关系； S3.2，时空自注意力机制层用于从隐藏时空表示中分别捕获复杂的时间与空间依赖关系；该层通过时间自注意力模块分析不同时间步之间的动态关联，有效识别交通流量中的长期与短期时间模式；同时，通过空间自注意力模块自动学习节点之间的全局空间相关性，无需依赖预定义的图结构；两个模块均采用层规范化、剩余连接及多头机制以增强训练稳定性和表示能力，最终输出融合时空特征的增强表示，为后续预测提供关键信息支撑； S3.3，自适应SwiGLU门控前馈层用于替代传统Transformer中的标准前馈网络，通过引入动态门控机制增强模型对季节成分中有效信息的提取与噪声抑制能力；该模块首先使用SiLU激活函数和线性变换分别生成门控信号与数值向量，并利用可学习标量参数动态调节门控强度，从而灵活控制信息流动；最终经Dropout和线性投影输出增强后的特征表示，有效提升模型对复杂交通时序模式的表达能力和鲁棒性； S4：融合所述全局趋势特征表示与季节特征表示，并通过输出层生成最终的交通流预测结果。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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。