一种基于改进时空耦合KA-LSTM的交通流量预测方法及系统

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。