-
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：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
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：CN116128122B
公开(公告)日：2023-09-12
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。
-
Patent Agency Ranking
公开(公告)号：CN116432808A
公开(公告)日：2023-07-14
申请号：CN202211660409.7
申请日：2022-12-23
Applicant: 北京交通大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/26
Abstract: 本发明公开了一种基于深度学习的网络级多模式交通短时客流预测方法。该方法包括：获取目标城市网络范围内三种交通模式的历史时间序列客流数据，包括地铁和公交的进站客流历史时间序列，以及出租车的流入客流历史时间序列；将所获取的三种交通模式的历史时间序列客流数据输入到预测模型，输出后续时间段的进站客流信息，其中所述预测模型包含三个分支结构，每一分支结构对应一种交通模式下的客流预测任务。本发明能够协同地考虑多种交通方式的进站客流，实现对网络级多模式交通短时客流的准确预测。
-
公开(公告)号：CN116227668A
公开(公告)日：2023-06-06
申请号：CN202211660412.9
申请日：2022-12-23
Applicant: 北京交通大学
IPC: G06Q10/04 , G06N3/08 , G06Q50/30 , G06Q50/26 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于注意力机制的城市轨道交通多步短时客流预测方法。该方法包括：获取目标区域的客流数据信息；将所述客流数据信息输入到经训练的时空综合预测模型，预测出后续多个时间步的短时客流信息，其中所述时空综合预测模型包含三个分支结构，分别为Inflow分支、OD分支和POI分支，Inflow分支基于多头注意力机制处理进站客流时间序列数据，捕捉时间维度特征；OD分支用于提取出进出站信息矩阵所携带的时间和空间相关性；POI分支用于利用感兴趣点的客流矩阵捕捉空间特征，并增强空间特征与时间特征之间的联系。本发明能够提高了短时客流预测的准确度，并扩宽预测的时间跨度。
-
公开(公告)号：CN116109234A
公开(公告)日：2023-05-12
申请号：CN202211526434.6
申请日：2022-12-01
Applicant: 北京交通大学
IPC: G06Q10/087 , G06Q10/04 , G06Q10/0631 , G06F18/23213 , G06F16/29 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于预测与决策一体化的快递系统智能订单分配方法。该方法包括：构建预测模型，该预测模型基于历史订单量获得后续时间段的预测订单数量；构建聚类优化模型，该聚类优化模型使用所述预测订单数量和感兴趣区域的地理位置信息，在设定的优化目标和约束条件下将感兴趣区域聚类为多个类别；基于所述预测模型和所述聚类优化模型构建端到端的订单预测深度学习模型；训练所述订单预测深度学习模型，其中在前向传播中，将聚类结果转换为离散解，以获得最终聚类结果，反向传播的目标是通过所述聚类优化模型和所述预测模型将损失函数反向传播。本发明提高了订单分配的效率和准确性。
-
公开(公告)号：CN114626585A
公开(公告)日：2022-06-14
申请号：CN202210188660.1
申请日：2022-02-28
Applicant: 北京交通大学
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。
-
公开(公告)号：CN118521952A
公开(公告)日：2024-08-20
申请号：CN202410335535.8
申请日：2024-03-22
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火灾检测与定位方法。该方法包括：获取待检测场景的视频数据流；将所述视频数据流输入到经训练的火灾检测定位模型，获得火灾检测结果和定位结果，其中所述火灾检测定位模型包含事件检测模型和目标定位模型，所述事件检测模型以所述视频数据流作为输入，检测该场景是否处于疑似火灾状态以及疑似火灾状态所对应的视频帧；在判定为疑似火灾状态的情况下，所述目标定位模型基于所述事件检测模型的检测结果，锁定火灾发生的位置信息。本发明实时性强、准确率高、泛化能力强，可部署于轨道交通站内场景或其他场景的火灾检测和定位。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.021 seconds)
