-
Patent Agency Ranking
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。
-
公开(公告)号：CN116128122A
公开(公告)日：2023-05-16
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。
-
公开(公告)号：CN117593878B
公开(公告)日：2024-12-20
申请号：CN202311345507.6
申请日：2023-10-17
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种突发事件下的城市轨道交通短时OD需求预测方法。该方法包括：在当前时间段t，获取观测到的OD需求序列、实时进站流数据和轨道交通网络图；将所述OD需求序列、所述实时进站流数据和所述轨道交通网络图输入到经训练的预测模型，预测下一个时间段的轨道交通系统的OD需求。本发明能够有效整合周时和日时OD需求模式，以捕捉长短时历史OD分布信息，在满足短时OD需求预测实时性要求的同时，提高了突发事件下OD需求的预测精度。
-
公开(公告)号：CN117593878A
公开(公告)日：2024-02-23
申请号：CN202311345507.6
申请日：2023-10-17
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种突发事件下的城市轨道交通短时OD需求预测方法。该方法包括：在当前时间段t，获取观测到的OD需求序列、实时进站流数据和轨道交通网络图；将所述OD需求序列、所述实时进站流数据和所述轨道交通网络图输入到经训练的预测模型，预测下一个时间段的轨道交通系统的OD需求。本发明能够有效整合周时和日时OD需求模式，以捕捉长短时历史OD分布信息，在满足短时OD需求预测实时性要求的同时，提高了突发事件下OD需求的预测精度。
-
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。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
