-
公开(公告)号：CN118780700A
公开(公告)日：2024-10-15
申请号：CN202410790767.2
申请日：2024-06-19
IPC: G06Q10/083 , G06Q10/0631 , G06Q10/0637
Abstract: 本发明公开了一种基于混合编组的轨道交通客货协同运输一体化优化方法。该方法包括：针对轨道交通客货协同运输策略，以最小化运营成本、乘客滞留人数和货物延误时间为目标，确定目标函数；在设定的约束条件下，求解所述目标函数，以决策优化的运输策略，所述优化的运输策略包括列车时刻表、跳停策略、列车编组策略、车底运用计划、乘客运输策略和货物运输策略，能够高效获得城市轨道交通列车运行计划和客货运输方案。
-
公开(公告)号：CN116842334A
公开(公告)日：2023-10-03
申请号：CN202310632353.2
申请日：2023-05-31
Applicant: 北京交通大学
IPC: G06F18/20 , G06F18/241 , G08G1/01
Abstract: 本发明提供了一种城市轨道交通事故致因识别方法、系统及电子设备，属于轨道交通管理领域，方法包括：获取待识别交通事故的疑似致因集合；基于待识别交通事故的疑似致因集合及HFACS模型，建立事故致因分类模型；采用决策试验和评价试验法计算事故致因分类模型中各二级致因间的影响程度，得到综合影响矩阵；根据综合影响矩阵，采用解释结构模型法对各二级致因进行层级划分，得到多层次递阶网络结构模型；基于事故致因分类模型及多层次递阶网络结构模型，采用网络分析法计算各二级致因的综合权重；对各二级致因的综合权重排序，以确定待识别交通事故的主要致因。本发明能够准确识别出交通事故的主要致因，提高了轨道交通运行的安全性。
-
公开(公告)号：CN116050640A
公开(公告)日：2023-05-02
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。
-
公开(公告)号：CN113112055A
公开(公告)日：2021-07-13
申请号：CN202110300229.7
申请日：2021-03-22
Applicant: 北京交通大学 , 北京玖琏科技有限公司
Abstract: 本发明以单条城市轨道交通线路为研究对象，公开了地铁客货共享车厢动态分配与运行计划一体化优化方法。本申请综合考虑了乘客和货物的到达时间、乘客和货物的OD、列车的到发时间、列车的容量、客货共享车厢使用权限分配等因素，能够根据客货需求，协同优化列车运行计划，并实现运营时段内列车资源的动态分配，以达到运输的时效性和高效性。具体地，采用0‑1辅助变量表示客货共享车厢的使用状态，搭建客货共享车厢实际装载对象与辅助变量的关系，将原问题转换为客货共享车厢使用状态与时刻表协同优化问题，并以最小化等待乘客数量和货物运输延误惩罚为目标，构建列车时刻表、乘客运输、货物运输和客货共享车厢使用权限分配的混合整数规划模型。
-
公开(公告)号：CN112784204A
公开(公告)日：2021-05-11
申请号：CN202011577170.8
申请日：2020-12-28
Applicant: 北京交通大学
Abstract: 本发明属于城市轨道交通运营管理技术领域，涉及一种面向不确定需求的列车时刻表与客流控制鲁棒优化方法，包含如下步骤：采用基于场景的随机动态数据描述客流特征，并将客流需求划分为确定性需求和额外需求；根据额外需求，确定各车站动态鲁棒性保护水平；基于上述客流数据表示，引入时间、列车和车站相关的决策变量；根据决策变量，构建场景耦合约束、鲁棒客流控制变量和列车运行决策变量间的关联约束；根据约束，以极小化加入鲁棒性保护水平所需额外列车容量为目标，构建鲁棒优化模型；求解鲁棒优化模型，得到适用于大城市轨道交通客流控制的鲁棒控制策略，为实际轨道交通安全、高效运营提供理论支撑。
-
Patent Agency Ranking
公开(公告)号：CN107330539A
公开(公告)日：2017-11-07
申请号：CN201710350694.5
申请日：2017-05-18
Applicant: 北京交通大学
CPC classification number: G06Q10/04 , G06Q10/0631 , G06Q50/30
Abstract: 本发明公开一种基于客流分配的铁路列车运行图与停站方案协同优化方法，该方法以OD客流为基础，从系统优化的角度出发，在列车运行图优化模型中引入新的表示客流分配和列车停站的决策变量，通过分析并构建列车运行图、列车停站、客流分配决策变量之间的关联约束，提出新的基于客流分配的铁路列车运行图与停站方案一体化方法。本发明改进了现有方法分步独立优化列车停站方案与列车运行图并产生局部最优解的问题，明显提高了列车运行图和停站方案的系统优化质量，避免了两者之间的多次重复调整。同时，分配到每一列车的OD客流数量亦可以作为实际运营过程中客票分配的有效参考。
-
公开(公告)号：CN119313067A
公开(公告)日：2025-01-14
申请号：CN202411342596.3
申请日：2024-09-25
Applicant: 北京交通大学
IPC: G06Q10/0631 , G06Q50/40
Abstract: 本发明涉及一种城市轨道交通网络列车运用与乘务计划协同优化方法。本发明基于时空网络模型，构建了列车运用与乘务计划时空网络，采用分支‑定价‑切割算法框架，形成了上述协同优化方法。本发明改善了现有因分阶段编制列车运用与乘务计划，而产生的乘务计划调整空间过小和多次反馈调整列车运用计划。另外，本发明所提出的基于时空网络模型的分支‑定价‑切割算法方法，可在短于整数规划求解软件的计算时间内，求解得到精确最优解并给出上下界值收敛曲线。本发明所提出的方法可推广至更多的交通时空路径耦合优化问题，充分挖掘因不同计划分别编制而产生的冗余运输能力。对提高当前轨道交通网络化运营效率、乘客服务水平、运营企业降本增效等问题具有重要意义。
-
公开(公告)号：CN117593878B
公开(公告)日：2024-12-20
申请号：CN202311345507.6
申请日：2023-10-17
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种突发事件下的城市轨道交通短时OD需求预测方法。该方法包括：在当前时间段t，获取观测到的OD需求序列、实时进站流数据和轨道交通网络图；将所述OD需求序列、所述实时进站流数据和所述轨道交通网络图输入到经训练的预测模型，预测下一个时间段的轨道交通系统的OD需求。本发明能够有效整合周时和日时OD需求模式，以捕捉长短时历史OD分布信息，在满足短时OD需求预测实时性要求的同时，提高了突发事件下OD需求的预测精度。
-
公开(公告)号：CN117593878A
公开(公告)日：2024-02-23
申请号：CN202311345507.6
申请日：2023-10-17
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种突发事件下的城市轨道交通短时OD需求预测方法。该方法包括：在当前时间段t，获取观测到的OD需求序列、实时进站流数据和轨道交通网络图；将所述OD需求序列、所述实时进站流数据和所述轨道交通网络图输入到经训练的预测模型，预测下一个时间段的轨道交通系统的OD需求。本发明能够有效整合周时和日时OD需求模式，以捕捉长短时历史OD分布信息，在满足短时OD需求预测实时性要求的同时，提高了突发事件下OD需求的预测精度。
-
公开(公告)号：CN114626585B
公开(公告)日：2023-09-08
申请号：CN202210188660.1
申请日：2022-02-28
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0442 , G06N3/084 , G08G1/01
Abstract: 本发明公开了一种基于生成对抗网络的城市轨道交通短时客流预测方法。该方法包括：针对城市轨道交通网络构建图结构，并将客流量作为车站的属性特征；基于所述图结构获取多个模式下反映历史客流信息的时间序列数据，所述多个模式根据与客流预测时刻的不同时间间隔进行划分；将所述多个模式下的时间序列数据输入至图卷积神经网络获取各模式下客流的时空相关性；将所述图卷积神经网络输出的不同模式数据进行合并后输入到生成器，以生成城市轨道交通网络中目标车站在后续时刻的交通客流信息，其中所述生成器利用设定的目标函数通过训练生成对抗网络获得。本发明提高了客流预测精度，并降低了模型的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.025 seconds)
