원래 이름 기록: 北京易智时代数字科技有限公司

本发明属于交通流量预测技术领域，提供一种基于时间趋势动态增强注意力机制的交通流量预测方法，包括：获取待预测区域的交通流标准化数据；对交通流标准化数据进行时间趋势动态增强处理，得到正负时间趋势增强矩阵；利用全局注意力与局部卷积双处理机制，对正负时间趋势增强矩阵进行全局与局部时序特征捕捉，得到正负向综合特征矩阵；将正负向综合特征矩阵中的正时间趋势特征与负时间趋势特征进行融合，得到未来设定时段的交通流量预测结果。本发明提供的方案，通过正负趋势特征的精准融合提升了对不同交通场景的适应性，降低了短期与长期预测的误差，增强了预测结果的稳定性与准确性，能够为智能交通应用提供更可靠的数据支撑。

本发明提供一种基于多源数据融合的交通流量智能预测方法，包括：根据历史时间序列数据，计算浮动车流量与实际交通流量在不同时段和不同节点的历史比例关系；识别渗透率的变化模式并计算得到基准动态渗透率值；基于基准动态渗透率值，建立渗透率时间关系矩阵；将浮动车流量数据输入渗透率时间关系矩阵，得到查询动态渗透率值；将浮动车流量数据除以对应的查询动态渗透率值，得到全路网交通流量的连续估计序列；将连续估计序列与多源历史交通数据融合，生成时空融合特征；基于时空融合特征，输出未来时间段的交通流量预测结果，显著提高交通流量预测精度、增强模型泛化能力和提升预测实时性与连续性的技术效果，有效解决了预测偏差大的问题。

本说明书实施例提供面向小样本工业场景的双通道自适应持续学习方法及装置，包括：构建双通道自适应持续学习引擎，双通道自适应持续学习引擎包括结构知识注入通道和语义认知优化通道，结构知识注入通道用于将规则子集编码为工业领域适配器并嵌入预训练模型中，语义认知优化通道用于基于工业指令模板对多模态输入进行知识增强提示工程；执行带噪声过滤的增量微调，包括使用动态置信度过滤器对小样本工业训练数据集中的样本进行噪声识别和降权，并采用任务感知参数隔离机制仅微调与新任务相关的子网络，以及结合弹性权重固化和回放缓冲区防止灾难性遗忘。通过“结构知识注入”与“语义认知优化”双通道协同机制，实现高效、鲁棒、无遗忘的持续学习。