公开(公告)号：CN111667092B

公开(公告)日：2023-06-23

申请号：CN202010316862.0

申请日：2020-04-21

Applicant: 北京交通大学

Inventor： 陈峰 ,  张金雷 ,  李小红 ,  朱亚迪 ,  胡舟

IPC: G06Q10/04 ,  G06Q50/26 ,  G06Q10/067 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积神经网络的轨道交通短时客流预测方法和系统。该方法包括：以图结构G＝(V，E，A)表征城市轨道交通网络，并以t时刻的特征矩阵F＝(Xt，Xt‑1，Xt‑2，…Xt‑m+1)表示t时刻之前m个时间间隔的历史客流情况，其中V表示地铁车站的数目，车站与车站之间有E条边，A∈Rn×n是表征车站之间是否相邻的邻接矩阵，F的维度为n×m，n为车站数目；构建深度学习模型，学习t时刻的特征矩阵F和邻接矩阵A与预测的t+1时刻各车站客流情况之间的映射关系。本发明能够准确预测轨道交通的短时客流情况，对城市轨道交通运营管理部门进行全网水平的短时客流监测、实时管理和工程实践具有重要的指导意义。

公开(公告)号：CN111667092A

公开(公告)日：2020-09-15

申请号：CN202010316862.0

申请日：2020-04-21

Applicant: 北京交通大学

Inventor： 陈峰 ,  张金雷 ,  李小红 ,  朱亚迪 ,  胡舟

IPC: G06Q10/04 ,  G06Q50/26 ,  G06Q10/06 ,  G06N3/04

Abstract: 本发明公开了一种基于图卷积神经网络的轨道交通短时客流预测方法和系统。该方法包括：以图结构G＝(V，E，A)表征城市轨道交通网络，并以t时刻的特征矩阵F＝(Xt，Xt-1，Xt-2，…Xt-m+1)表示t时刻之前m个时间间隔的历史客流情况，其中V表示地铁车站的数目，车站与车站之间有E条边，A∈Rn×n是表征车站之间是否相邻的邻接矩阵，F的维度为n×m，n为车站数目；构建深度学习模型，学习t时刻的特征矩阵F和邻接矩阵A与预测的t+1时刻各车站客流情况之间的映射关系。本发明能够准确预测轨道交通的短时客流情况，对城市轨道交通运营管理部门进行全网水平的短时客流监测、实时管理和工程实践具有重要的指导意义。

公开(公告)号：CN110443422B

公开(公告)日：2021-11-19

申请号：CN201910717323.5

申请日：2019-08-05

Applicant: 北京交通大学

Inventor： 陈峰 ,  张金雷 ,  王蕊 ,  朱亚迪 ,  胡舟

IPC: G06Q10/04 ,  G06Q50/30

Abstract: 本发明提供一种基于OD吸引度的城市轨道交通OD客流预测方法。该方法包括：根据历史数据统计轨道交通网中不同时段OD对间的吸引度值和对应的OD对间的客流，分别表示为OD吸引度矩阵和第一OD矩阵，其中吸引度值反映OD对间吸引客流的程度；基于所述OD对间的吸引度值划分为多个吸引度等级并选取参考等级；根据所述OD吸引度矩阵，从所述第一OD矩阵中提取吸引度值超过所述参考等级的OD对，构成第二OD矩阵；将所述第二OD矩阵输入至深度学习模型，经训练获得OD对间的预测客流。本发明的方法能够提高客流预测的准确性、有效性和实时性。

公开(公告)号：CN110443422A

公开(公告)日：2019-11-12

申请号：CN201910717323.5

申请日：2019-08-05

Applicant: 北京交通大学

Inventor： 陈峰 ,  张金雷 ,  王蕊 ,  朱亚迪 ,  胡舟

IPC: G06Q10/04 ,  G06Q50/30

Abstract: 本发明提供一种基于OD吸引度的城市轨道交通OD客流预测方法。该方法包括：根据历史数据统计轨道交通网中不同时段OD对间的吸引度值和对应的OD对间的客流，分别表示为OD吸引度矩阵和第一OD矩阵，其中吸引度值反映OD对间吸引客流的程度；基于所述OD对间的吸引度值划分为多个吸引度等级并选取参考等级；根据所述OD吸引度矩阵，从所述第一OD矩阵中提取吸引度值超过所述参考等级的OD对，构成第二OD矩阵；将所述第二OD矩阵输入至深度学习模型，经训练获得OD对间的预测客流。本发明的方法能够提高客流预测的准确性、有效性和实时性。