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

Inventor： 杨立兴 ,  张金雷 ,  杨咏杰 ,  阴佳腾 ,  高自友

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：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

Inventor： 张金雷 ,  杨立兴 ,  杨咏杰 ,  阴佳腾 ,  戚建国 ,  高自友

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：CN116050640B

公开(公告)日：2023-10-13

申请号：CN202310108449.9

申请日：2023-02-01

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  杨咏杰 ,  阴佳腾 ,  戚建国 ,  高自友

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：CN115146844A

公开(公告)日：2022-10-04

申请号：CN202210735909.6

申请日：2022-06-27

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  杨咏杰 ,  金广垠 ,  李小红 ,  李树凯 ,  高自友

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

Abstract: 本发明公开了一种基于多任务学习的多模式交通短时客流协同预测方法。该方法包括：获取目标区域内三种交通模式的客流数据，包括地铁和公交的进站客流时间序列，以及出租车的流入时间序列：将获取的三种模式的客流时间序列输入到经训练的预测模型，输出后续时间段三种交通模式的流入客流信息。本发明协同考虑地铁、出租车和公交三种交通方式的进站客流并分别准确地预测不同交通方式的未来时段客流，实现对区域内多模式交通短时客流的准确预测。

公开(公告)号：CN116246457B

公开(公告)日：2024-10-08

申请号：CN202211622742.9

申请日：2022-12-16

Applicant: 北京交通大学

Inventor： 张金雷 ,  金广垠 ,  杨立兴 ,  沙恒宇 ,  黄金才 ,  杨咏杰 ,  高自友

IPC: G08G1/01 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明公开一种路口联合建模的对偶图卷积网络的行程时间估计方法。该方法包括：获取目标路径和对应的出发时间；针对所述目标路径和对应的出发时间，利用对偶图卷积网络估计行程时间，该对偶图卷积网络以设定的损失函数最小化为目标，利用历史轨迹数据集训练获得，其中所述对偶图卷积网络包括嵌入层、时空图学习层和多任务学习层，所述时空图学习层通过对节点图和边图进行对偶图卷积捕获时空特征，所述节点图的每个节点和边分别代表一个路口和路段，所述边图的节点是节点图中的对应边。本发明采用对偶图卷积方法来捕获路口和路段的复杂关系，能够对交叉路口和路段进行联合建模，提升了行程估计时间的准确性。

公开(公告)号：CN116246457A

公开(公告)日：2023-06-09

申请号：CN202211622742.9

申请日：2022-12-16

Applicant: 北京交通大学

Inventor： 张金雷 ,  金广垠 ,  杨立兴 ,  沙恒宇 ,  黄金才 ,  杨咏杰 ,  高自友

IPC: G08G1/01 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明公开一种路口联合建模的对偶图卷积网络的行程时间估计方法。该方法包括：获取目标路径和对应的出发时间；针对所述目标路径和对应的出发时间，利用对偶图卷积网络估计行程时间，该对偶图卷积网络以设定的损失函数最小化为目标，利用历史轨迹数据集训练获得，其中所述对偶图卷积网络包括嵌入层、时空图学习层和多任务学习层，所述时空图学习层通过对节点图和边图进行对偶图卷积捕获时空特征，所述节点图的每个节点和边分别代表一个路口和路段，所述边图的节点是节点图中的对应边。本发明采用对偶图卷积方法来捕获路口和路段的复杂关系，能够对交叉路口和路段进行联合建模，提升了行程估计时间的准确性。