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

Inventor： 张金雷 ,  杨立兴 ,  章树鑫 ,  邹丹 ,  孙思齐 ,  李树凯 ,  戚建国 ,  高自友

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

Inventor： 张金雷 ,  杨立兴 ,  章树鑫 ,  邹丹 ,  孙思齐 ,  李树凯 ,  戚建国 ,  高自友

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：CN118278976A

公开(公告)日：2024-07-02

申请号：CN202410359529.6

申请日：2024-03-27

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  钟晓辉 ,  邹丹 ,  孙思齐 ,  罗钦 ,  梁莹 ,  高自友

IPC: G06Q30/0202 ,  G06Q10/02 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0442

Abstract: 本发明公开了一种基于深度学习的网约车短时OD需求预测方法。该方法包括：获取OD需求信息和网约车起终点关系交通网络图信息；将所述OD需求信息和所述网约车起终点关系交通网络图信息输入到经训练的深度学习模型，获得预定时间段的目标区域范围内的OD需求。本发明通过设计改进的可解释的深度学习模型，提高了OD需求预测的准确性，并且使得用户能够更清晰地理解模型的决策过程，提高了用户信任度，对于推动模型在实际决策中的应用具有积极意义。