-
公开(公告)号：CN116776277A
公开(公告)日：2023-09-19
申请号：CN202310610756.7
申请日：2023-05-26
Applicant: 北京交通大学
IPC: G06F18/25 , G06F18/213 , G06F18/2415 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06Q30/0202 , G06Q50/26 , G06F123/00 , G06F123/02
Abstract: 本发明公开了一种基于多源数据的多层融合城市轨道交通客流预测方法。该方法包括：获取时间序列客流、基于时间步的OD数据以及POI数据作为多源数据；将所述多源数据输入到客流预测模型，获得未来多个时间步的客流预测结果。其中客流预测模型利用多层融合结构实现多源数据之间的交互与协作。本发明能够有效地从多源数据中提取时空特征，提升了客流预测精度，并具备优越性与鲁棒性。
-
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
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：CN116128122A
公开(公告)日：2023-05-16
申请号：CN202310001447.X
申请日：2023-01-03
Applicant: 北京交通大学
Abstract: 本发明公开了一种考虑突发因素的城市轨道交通短时客流预测方法。该方法包括：获取第T‑1时段内的历史客流特征矩阵，社交媒体矩阵，突发确诊病例矩阵以及城市轨道交通多重图网络；利用构建的深度学习模型学习映射函数，以融合客流数据、社交媒体数据和突发确诊病例数据，预测下一个时间步的客流信息。本发明有效提升了突发事件期间客流预测的准确性，可以为城市轨道交通系统客流数据预测提供有效工具。
-
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
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：CN119989882A
公开(公告)日：2025-05-13
申请号：CN202510047096.5
申请日：2025-01-13
Applicant: 北京交通大学
IPC: G06F30/27 , G06F17/11 , G06N3/048 , G06N3/092 , G06N3/084 , G06Q50/26 , B61L27/16 , B61L27/60 , B61B1/00 , G06F111/04 , G06F119/06 , G06F119/14 , G06F111/06
Abstract: 本申请公开了一种虚拟编组列车节能优化方法、设备及产品，涉及虚拟编组列车节能技术领域，该方法包括获取线路数据以及不同型号列车的列车历史运行数据，并计算不同型号列车的列车运行能耗；基于虚拟编组技术和混合整数规划方法，根据列车运行能耗，构建列车运行图模型；列车运行图模型包括约束条件和目标函数，约束条件包括列车时刻表约束、客流量约束和列车耦合约束，目标函数以平衡乘客等待时间和列车运行能耗为目标；对列车运行图模型进行求解，得到列车运行图；根据列车历史运行数据、列车运行图和线路数据，采用双深度Q网络算法，生成最优列车运行速度曲线。通过运用虚拟编组技术、混合整数规划方法和强化学习，实现了对列车能耗的优化。
-
Patent Agency Ranking
公开(公告)号：CN118278976A
公开(公告)日：2024-07-02
申请号：CN202410359529.6
申请日：2024-03-27
Applicant: 北京交通大学
IPC: G06Q30/0202 , G06Q10/02 , G06Q50/40 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习的网约车短时OD需求预测方法。该方法包括：获取OD需求信息和网约车起终点关系交通网络图信息；将所述OD需求信息和所述网约车起终点关系交通网络图信息输入到经训练的深度学习模型，获得预定时间段的目标区域范围内的OD需求。本发明通过设计改进的可解释的深度学习模型，提高了OD需求预测的准确性，并且使得用户能够更清晰地理解模型的决策过程，提高了用户信任度，对于推动模型在实际决策中的应用具有积极意义。
-
公开(公告)号：CN117521420A
公开(公告)日：2024-02-06
申请号：CN202410008034.9
申请日：2024-01-04
Applicant: 北京交通大学
IPC: G06F30/20 , G06F30/15 , G06F119/14
Abstract: 本发明公开一种轨道交通虚拟编组列车动力学模型构建、应用方法及系统，涉及轨道交通列车控制技术领域。本发明利用列车运行过程中采集到的运行数据，在考虑了空气阻力系数的情况下进行虚拟编组列车动力学模型的构建。并且，在模型构建过程中，进行模型参数寻优以及模型性能的评估与验证，能够在列车间跟随距离较小时准确估算列车的动力学行为，以解决由于模型精度带来的控制器调试困难、控制模型难以评估、主要额外成本等问题。
-
公开(公告)号：CN117236689A
公开(公告)日：2023-12-15
申请号：CN202311193962.9
申请日：2023-09-15
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/52
Abstract: 本发明提供了基于轨道交通站内高密度客流的多指标风险量化方法，包括：步骤S1：获取行人的基础数据；步骤S2：基于行人的基础数据来计算行人相关指标；步骤S3：描述场景拥挤水平；衡量混乱水平；步骤S4：对衡量拥挤水平的密度和衡量混乱水平的熵值进行归一化处理，得到拥挤风险值和混乱风险值，并根据场景区域特点，对拥挤风险的和混乱风险分配权重系数，将人群风险化为四个风险等级；步骤S5：得到风险等级对应的时间段，加强监控风险等级高的时间段。可以实现：从不同角度使用多项指标进行风险分析和评价，在踩踏风险的研究中，提出了密度熵指标以衡量高密度条件下人群密度空间位置的波动性，丰富了熵值在人群风险研究中的作用。
-
公开(公告)号：CN116050640B
公开(公告)日：2023-10-13
申请号：CN202310108449.9
申请日：2023-02-01
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/042 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于自适应多图卷积的多模式交通系统短时客流预测方法。该方法包括：针对多模式交通系统，获取历史客流序列、自相关图和互相关图；以历史客流序列、自相关图和互相关图作为输入，利用经训练的短时客流预测模型输出预测的每种交通模式的未来客流。本发明能够协同考虑城市多模式交通系统范围内多个不同区域对于多种交通模式的未来客流，解决了多模式交通客流异质性问题，并且实现了不同交通模式的信息交互，提升了计算效率。
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.025 seconds)
