-
公开(公告)号：CN107563540A
公开(公告)日：2018-01-09
申请号：CN201710609933.4
申请日：2017-07-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于随机森林的短时公交上车客流量的预测方法，包括：获取研究区域内乘客乘车信息和公交车位置信息；通过获得的乘客乘车信息和公交车位置信息推算出乘客的上车站点；划分区域公交站点和时间窗；训练随机森林分类器，建立回归预测模型；构建预测样本，将所述预测样本输入回归预测模型，获得目标区域公交站点在目标时间窗的预测上车客流量。本发明通过提出区域公交站点概念，采用随机森林算法，获得高精度预测结果，具有现实指导意义。
-
公开(公告)号：CN104821086B
公开(公告)日：2017-02-01
申请号：CN201510274851.X
申请日：2015-05-26
Applicant: 中南大学
Abstract: 本发明公开了一种定位大规模交通网络中低效路段组合的方法，基于城市道路交通网络和城市居民通勤交通中机动车出行的高峰小时出行量。按照Wardrop平衡第一原理，采用Frank-Wolfe算法求解在平衡条件下初始路网G0的总出行时间成本T；采用Closer-Test方法，遍历旧金山市城市道路交通初始网络G0的所有路段，标记各路段的属性，得到初始网络G0的低效路段集合M；最后，利用自适应遗传算法结合Closer-Test方法，定位网络G0中的低效路段组合；本方法采用自适应的遗传算法能快速地定位网络中的低效路段组合；使用手机通讯数据预测城市居民机动车出行信息能有效的解决大规模出行信息难以获取的问题。
-
公开(公告)号：CN107563540B
公开(公告)日：2021-03-30
申请号：CN201710609933.4
申请日：2017-07-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于随机森林的短时公交上车客流量的预测方法，包括：获取研究区域内乘客乘车信息和公交车位置信息；通过获得的乘客乘车信息和公交车位置信息推算出乘客的上车站点；划分区域公交站点和时间窗；训练随机森林分类器，建立回归预测模型；构建预测样本，将所述预测样本输入回归预测模型，获得目标区域公交站点在目标时间窗的预测上车客流量。本发明通过提出区域公交站点概念，采用随机森林算法，获得高精度预测结果，具有现实指导意义。
-
公开(公告)号：CN109572763A
公开(公告)日：2019-04-05
申请号：CN201811511181.9
申请日：2018-12-11
Applicant: 中南大学
IPC: B61L27/00
Abstract: 本发明公开了一种基于恶劣天气和晚点条件下列车车次安全性评估方法，包括如下步骤：S1：采集历史时段内待研究车次下的列车信息、行政区域信息以及区域天气信息并基于采集的信息构建铁路路网；S2：计算在所述历史时段内待研究车次在铁路路网中的总晚点影响度；S3：计算在所述历史时段内待研究车次在恶劣天气下的总暴露时长；S4：对S2中的总晚点影响度和S3中的总暴露时长计算出待研究车次的安全性指标；S5：依据步骤S4计算出的待研究车次的安全性指标得到待研究车次的安全性评估结果，待研究车次的安全性指标越高，待研究车次的安全性越高。本发明同时考虑恶劣天气和晚点信息来评估列车车次的安全性，得到了可靠度更高的评估结果。
-
公开(公告)号：CN107331164B
公开(公告)日：2018-08-28
申请号：CN201710613932.7
申请日：2017-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种高速公路收费站入口车辆数的预测方法，包括步骤1：获取ETC数据；步骤2：对ETC数据进行时间窗的分组并统计每个收费站在每天的每个时间窗内的出、入车辆数；步骤3：根据步骤2统计的车辆数构建目标收费站在目标时间窗的样本集；步骤4：采用递归消除算法从样本集中选择出N个特征；步骤5：根据N个特征构建训练集，并将训练集的数据输入支持向量回归机来建立目标收费站在目标时间窗的回归模型；步骤6：将预测当日中与步骤4中的N个特征相同的特征的数据输入回归模型，得到预测当日中目标收费站在目标时间窗内驶入车辆量的预测值。本发明通过上述方法可以实现精确预测收费站入口车辆数。
-
Patent Agency Ranking
公开(公告)号：CN104821086A
公开(公告)日：2015-08-05
申请号：CN201510274851.X
申请日：2015-05-26
Applicant: 中南大学
CPC classification number: G08G1/0133 , G06N3/126
Abstract: 本发明公开了一种定位大规模交通网络中低效路段组合的方法，基于城市道路交通网络和城市居民通勤交通中机动车出行的高峰小时出行量。按照Wardrop平衡第一原理，采用Frank-Wolfe算法求解在平衡条件下初始路网G0的总出行时间成本T；采用Closer-Test方法，遍历旧金山市城市道路交通初始网络G0的所有路段，标记各路段的属性，得到初始网络G0的低效路段集合M；最后，利用自适应遗传算法结合Closer-Test方法，定位网络G0中的低效路段组合；本方法采用自适应的遗传算法能快速地定位网络中的低效路段组合；使用手机通讯数据预测城市居民机动车出行信息能有效的解决大规模出行信息难以获取的问题。
-
公开(公告)号：CN109572763B
公开(公告)日：2020-02-18
申请号：CN201811511181.9
申请日：2018-12-11
Applicant: 中南大学
IPC: B61L27/00
Abstract: 本发明公开了一种基于恶劣天气和晚点条件下列车车次安全性评估方法，包括如下步骤：S1：采集历史时段内待研究车次下的列车信息、行政区域信息以及区域天气信息并基于采集的信息构建铁路路网；S2：计算在所述历史时段内待研究车次在铁路路网中的总晚点影响度；S3：计算在所述历史时段内待研究车次在恶劣天气下的总暴露时长；S4：对S2中的总晚点影响度和S3中的总暴露时长计算出待研究车次的安全性指标；S5：依据步骤S4计算出的待研究车次的安全性指标得到待研究车次的安全性评估结果，待研究车次的安全性指标越高，待研究车次的安全性越高。本发明同时考虑恶劣天气和晚点信息来评估列车车次的安全性，得到了可靠度更高的评估结果。
-
公开(公告)号：CN107291668B
公开(公告)日：2018-08-17
申请号：CN201710573357.2
申请日：2017-07-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于机器学习的地铁短时客流预测方法，通过基于地铁拍卡数据，假设所有乘客均按照最短路径出行，统计所有区间，所有站点在单位时间窗内的流量。以单位时间窗内的地铁站点客流为节点，以单位时间窗内的地铁区间客流为边的权重，建立地铁客流网络。针对单一目标区间，挑选出对其影响最重要的特征纳入后续的回归预测模型。本方法采用递归特征消除算法完成特征选择，挑选出目标区间在目标时间窗内的重要特征。采用梯度提升回归树方法建立回归预测模型，实现地铁短时客流预测。本方法可以在数据源单一的情况下，达到较高的预测精度。利用历史数据建立回归预测模型，结合实时数据预测地铁短时客流，对城市轨道交通运营编组设计优化提供帮助。
-
公开(公告)号：CN107331164A
公开(公告)日：2017-11-07
申请号：CN201710613932.7
申请日：2017-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种高速公路收费站入口车辆数的预测方法，包括步骤1：获取ETC数据；步骤2：对ETC数据进行时间窗的分组并统计每个收费站在每天的每个时间窗内的出、入车辆数；步骤3：根据步骤2统计的车辆数构建目标收费站在目标时间窗的样本集；步骤4：采用递归消除算法从样本集中选择出N个特征；步骤5：根据N个特征构建训练集，并将训练集的数据输入支持向量回归机来建立目标收费站在目标时间窗的回归模型；步骤6：将预测当日中与步骤4中的N个特征相同的特征的数据输入回归模型，得到预测当日中目标收费站在目标时间窗内驶入车辆量的预测值。本发明通过上述方法可以实现精确预测收费站入口车辆数。
-
公开(公告)号：CN107291668A
公开(公告)日：2017-10-24
申请号：CN201710573357.2
申请日：2017-07-14
Applicant: 中南大学
CPC classification number: G06Q10/04 , G06F17/18 , G06N99/005
Abstract: 本发明公开了一种基于机器学习的地铁短时客流预测方法，通过基于地铁拍卡数据，假设所有乘客均按照最短路径出行，统计所有区间，所有站点在单位时间窗内的流量。以单位时间窗内的地铁站点客流为节点，以单位时间窗内的地铁区间客流为边的权重，建立地铁客流网络。针对单一目标区间，挑选出对其影响最重要的特征纳入后续的回归预测模型。本方法采用递归特征消除算法完成特征选择，挑选出目标区间在目标时间窗内的重要特征。采用梯度提升回归树方法建立回归预测模型，实现地铁短时客流预测。本方法可以在数据源单一的情况下，达到较高的预测精度。利用历史数据建立回归预测模型，结合实时数据预测地铁短时客流，对城市轨道交通运营编组设计优化提供帮助。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.015 seconds)
