-
公开(公告)号：CN115938124A
公开(公告)日：2023-04-07
申请号：CN202211704852.X
申请日：2022-12-29
Applicant: 南昌轨道交通集团有限公司 , 江西财经大学 , 北京交通大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开一种城市轨道交通突发事件影响预测方法、系统及产品，涉及城市轨道交通管理与控制技术领域，包括：获取历史训练数据集；利用历史训练数据集对贝叶斯网络进行训练，得到基于贝叶斯网络的突发事件影响预测模型；将待预测的突发事件开始时间、待预测的天气状况、待预测的线路状况和待预测的故障模式输入基于贝叶斯网络的突发事件影响预测模型中，得到突发事件的影响时间和影响范围。本发明能够利用轨道交通历史数据，在出现突发事件的情况下，利用计算机自动预测突发事件的影响时间和影响范围。
-
公开(公告)号：CN115034496A
公开(公告)日：2022-09-09
申请号：CN202210733762.7
申请日：2022-06-27
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于GCN‑Transformer的城市轨道交通节假日短时客流预测方法。该方法包括：将交通网络视为图结构，构建用于表征各站点之间拓扑关系的线网图；获取历史客流矩阵和社交媒体数据矩阵，其中所述历史客流数据矩阵利用自动售检票系统获得，所述社交媒体数据矩阵利用互联网社交媒体获得；将所述线网图、所述历史客流矩阵和所述社交媒体数据矩阵输入到经训练的深度学习模型，预测出后续时刻的客流数据。本发明将假期客流数据、假期相关社交媒体数据量以及交通线网拓扑结构有机地整合至一起，能够充分捕捉客流的时空特征和假期特性，在满足短时客流预测“实时性”要求的同时，提高了假期客流的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114612860A
公开(公告)日：2022-06-10
申请号：CN202210187871.3
申请日：2022-02-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于计算机视觉的轨道交通站内客流识别与预测方法。该方法包括：采集轨道交通站内目标场景下的视频信息；将所述视频信息输入到经训练的目标检测模型，获得视频中每帧图片内目标的坐标信息，其中该目标检测模型以识别乘客头部为检测目标；将所述目标的坐标信息输入到目标跟踪模型，对目标进行逐帧跟踪，得到目标的运行轨迹信息；统计所述目标的运行轨迹信息，获得多个历史时间段的客流时间序列，并将该客流时间序列输入到长短期记忆网络，预测出后续时间段的客流信息。本发明能够准确的实时识别和预测轨道交通站内精细化场景下的短时客流信息，为智能交通建设提供了新方向。
-
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
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：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
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：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
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：CN110428508A
公开(公告)日：2019-11-08
申请号：CN201910716940.3
申请日：2019-08-05
Applicant: 北京交通大学
Abstract: 本发明涉一种基于卡数据的公交车逃票乘客甄别技术。一种基于卡数据的公交车逃票乘客甄别技术，主要包括以下步骤：1)确定公交车到站时间及潜在逃票乘客；2)确定潜在逃票乘客的实际下车站点；3)对比实际支付票价和应支付票价，确定实际逃票乘客及逃票数额。本发明利用机器学习算法和既有的卡数据进行模块化的数据分析，筛选，大大提高乘客筛查范围，相比人工检查的方式极大降低了成本，提高了检查效率，其检查结果准确定位到单一乘客，且能够实现对逃票乘客的长期监测，有利于工作可持续开展。
-
-
-
-
-
-
Search Results
37
records
(took 0.026 seconds)
