公开(公告)号：CN115146843A

公开(公告)日：2022-10-04

申请号：CN202210735898.1

申请日：2022-06-27

Applicant: 北京交通大学

Inventor： 张金雷 ,  韩阔 ,  朱春琪 ,  李小红 ,  李松松 ,  黄晓宇

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于元学习的地铁新开车站短期客流预测方法。该方法包括：将目标车站的短期客流预测问题进行建模；构建元学习器，以通过多个元学习任务从数据丰富的源站点学习知识，并将学到的知识转移到数据有限的新开车站，实现对目标车站的短期客流预测。利用本发明，能够准确预测新开地铁车站的客流，并且可以推广到数据缺乏条件下的非新开地铁车站后，提升了预测性能。

公开(公告)号：CN112001548B

公开(公告)日：2023-10-20

申请号：CN202010861302.3

申请日：2020-08-25

Applicant: 北京交通大学

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

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q50/30 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的OD客流预测方法。该方法包括：获取历史的OD矩阵信息和实时的进站客流时间序列信息，将所述历史的OD矩阵信息和所述实时的进站客流时间序列信息输入至经训练的深度学习模型，获得预测的后续时间段的OD矩阵信息，其中所述深度学习模型包括主干结构和分支结构，该主干结构以所述历史的OD矩阵信息作为输入以提取高级特征，该分支结构以所述实时的进站客流时间序列作为输入，并通过对该主干结构的输出进行调整，进而获得预测的后续时间段的OD矩阵信息。本发明能够提高OD短时客流预测的实时性和精确度。

公开(公告)号：CN115099055A

公开(公告)日：2022-09-23

申请号：CN202210832046.4

申请日：2022-07-15

Applicant: 北京交通大学

Inventor： 朱亚迪 ,  陈峰 ,  韩烽凡 ,  王子甲 ,  李小红

IPC: G06F30/20 ,  G06F30/28 ,  G06Q50/26 ,  G06F113/08 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明提供一种地铁站火灾人员疏散仿真方法及系统，属于轨道交通技术领域，根据格子‑波尔兹曼方法，并融合了大涡模拟法得到的格子‑波尔兹曼亚格子模型，结合障碍物绕流模拟模型以及烟雾扩散模型，构建得到格子‑波尔兹曼火灾模型；基于格子‑波尔兹曼火灾模型构建感官模型、心理模型和生理模型，结合社会力模型构建得到人员疏散模型；格子‑波尔兹曼火灾模型与人员疏散模型相结合，实现疏散人员对火灾烟雾的实时躲避仿真模拟。本发明实现了火灾烟雾演变和人员疏散过程中实质性融合，模拟两者的交互影响，更好的还原了实际火灾场景，对工程实践提供了一定的帮助。

公开(公告)号：CN112001548A

公开(公告)日：2020-11-27

申请号：CN202010861302.3

申请日：2020-08-25

Applicant: 北京交通大学

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

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/30 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的OD客流预测方法。该方法包括：获取历史的OD矩阵信息和实时的进站客流时间序列信息，将所述历史的OD矩阵信息和所述实时的进站客流时间序列信息输入至经训练的深度学习模型，获得预测的后续时间段的OD矩阵信息，其中所述深度学习模型包括主干结构和分支结构，该主干结构以所述历史的OD矩阵信息作为输入以提取高级特征，该分支结构以所述实时的进站客流时间序列作为输入，并通过对该主干结构的输出进行调整，进而获得预测的后续时间段的OD矩阵信息。本发明能够提高OD短时客流预测的实时性和精确度。