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。

公开(公告)号：CN115965163A

公开(公告)日：2023-04-14

申请号：CN202310115130.9

申请日：2023-02-07

Applicant: 北京交通大学

Inventor： 杨立兴 ,  张金雷 ,  李华 ,  金广垠 ,  李树凯 ,  高自友

IPC: G06Q10/04 ,  G06Q50/30 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/049 ,  G06N3/094

Abstract: 本发明公开了一种基于时空图生成对抗损失的轨道交通短时客流预测方法。该方法包括：将城市轨道交通网络定义为图；将客流量作为城市轨道交通网络中地铁站的属性特征，其中每个地铁站包含进站客流矩阵和出站客流矩阵作为特征值；通过训练深度学习模型学习映射函数，以利用在历史时刻各地铁站的特征值来预测未来时刻的客流，其中深度学习模型包括生成器网络和判别器网络，该生成器网络以多模式历史客流数据作为输入，用于捕获每个模式中客流的时间和空间相关性，并合并多模式的输出传递至所述判别器网络；所述判别器网络用于区分真实的客流量和生成器网络所预测的客流量。本发明在时空尺度的约束下提升了预测精度和效率，并降低了内存占用。

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

Inventor： 张金雷 ,  杨立兴 ,  章树鑫 ,  金广垠 ,  阴佳腾 ,  李树凯 ,  高自友

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/08 ,  G06N3/04

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。