公开(公告)号：CN111860951B

公开(公告)日：2023-09-26

申请号：CN202010540661.9

申请日：2020-06-12

Applicant: 北京工业大学

Inventor： 张勇 ,  王竟成 ,  魏运 ,  胡永利 ,  尹宝才

IPC: G06Q10/04 ,  G06Q50/30 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提出一种基于动态超图卷积网络的轨道交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。该方法在利用超图对轨道交通网络拓扑关系进行高阶表示的基础上，通过超图卷积模块实现图卷积网络的引入，并通过挖掘客流OD的内在时空特征构建动态超边，实现动态超图卷积网络机制。相较于传统的数学模型以及机器学习方法，该方法对于轨道交通特征的提取更加深入和准确。完成了轨道交通客流预测的任务，提高了预测准确率。

公开(公告)号：CN113326974A

公开(公告)日：2021-08-31

申请号：CN202110492567.5

申请日：2021-05-01

Applicant: 北京工业大学

Inventor： 张勇 ,  王竟成 ,  魏运 ,  胡永利 ,  尹宝才

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G08G1/01

Abstract: 本发明提出了一种基于多任务超图卷积网络的多源交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。本方法适用于时空对齐的多源异构交通流数据，多源异构交通流数据相互影响该方法包含一个主要任务和一个相关任务。两项任务均基于超图卷积神经网络，并由通过一个特征压缩单元连接，该特征压缩单元对任务之间的相关性进行建模并共享潜在特征，以增强主要任务的性能。相较于单一数据驱动模型，该方法可适用于多源异构交通数据。完成了轨道交通客流预测的任务，提高了预测准确率。

公开(公告)号：CN113326974B

公开(公告)日：2024-04-09

申请号：CN202110492567.5

申请日：2021-05-01

Applicant: 北京工业大学

Inventor： 张勇 ,  王竟成 ,  魏运 ,  胡永利 ,  尹宝才

IPC: G06Q10/04 ,  G06F18/232 ,  G08G1/01 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明提出了一种基于多任务超图卷积网络的多源交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。本方法适用于时空对齐的多源异构交通流数据，多源异构交通流数据相互影响该方法包含一个主要任务和一个相关任务。两项任务均基于超图卷积神经网络，并由通过一个特征压缩单元连接，该特征压缩单元对任务之间的相关性进行建模并共享潜在特征，以增强主要任务的性能。相较于单一数据驱动模型，该方法可适用于多源异构交通数据。完成了轨道交通客流预测的任务，提高了预测准确率。

公开(公告)号：CN111860951A

公开(公告)日：2020-10-30

申请号：CN202010540661.9

申请日：2020-06-12

Applicant: 北京工业大学

Inventor： 张勇 ,  王竟成 ,  魏运 ,  胡永利 ,  尹宝才

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

Abstract: 本发明提出一种基于动态超图卷积网络的轨道交通客流预测方法，涉及深度学习等领域，尤其是面向超图表示以及图卷积网络的流量预测任务。该方法在利用超图对轨道交通网络拓扑关系进行高阶表示的基础上，通过超图卷积模块实现图卷积网络的引入，并通过挖掘客流OD的内在时空特征构建动态超边，实现动态超图卷积网络机制。相较于传统的数学模型以及机器学习方法，该方法对于轨道交通特征的提取更加深入和准确。完成了轨道交通客流预测的任务，提高了预测准确率。