-
公开(公告)号：CN120069271A
公开(公告)日：2025-05-30
申请号：CN202411915151.X
申请日：2024-12-24
Applicant: 大连海事大学
IPC: G06Q10/063 , G08G1/065 , G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于双动态图注意力网络的交通预测方法，属于交通预测方法的技术领域。本发明方法，包括以下步骤：对输入的交通信号附加时空信息并通过线性变换生成动态图邻接矩阵，同时对动态图对偶变换生成对偶动态超图邻接矩阵；将待预测的交通信号和双动态图邻接矩阵输入到空间特征提取模块，捕获并整合空间相关特征；使用时间特征提取模块，通过堆叠的多个门控注意力线性单元在不同时间尺度上捕获时间相关特征，获取到当前时空特征提取模块捕获的时空相关特征；输出模块对提取到的时空相关特征进行线性处理和残差分解，得到当前模块的预测结果和下一块的信号输入，整合所有时空特征提取模块输出得到最终预测值。本发明方法采用时空卷积网络架构来学习交通信号中的动态特性，提高交通预测精度。
-
公开(公告)号：CN117708241A
公开(公告)日：2024-03-15
申请号：CN202311724068.X
申请日：2023-12-14
Applicant: 大连海事大学
IPC: G06F16/27 , G06F16/2458 , G06F16/28
Abstract: 本发明提供一种历史数据支持的动态轨迹分区方法、存储介质及电子设备，方法包括：读取历史数据集，历史数据集包括多个轨迹点，轨迹点包括移动物体标识；根据移动物体标识对多个轨迹点进行分类，得到多条轨迹，轨迹与移动物体标识一一对应；对多条轨迹进行相似计算，得到多个分区；计算每个分区的平衡因子，比较平衡因子和参照值，对分区进行调整，形成预分区；当预分区划分完成后，动态轨迹点按照其移动物体标识寻找对应的预分区进行存储。对于同一移动物体所产生的动态轨迹数据与历史数据存在空间相似，则可以直接以移动物体的唯一标识进行分区匹配，从而具有较优的分区负载能力。
-
公开(公告)号：CN113326972B
公开(公告)日：2024-01-05
申请号：CN202110491821.X
申请日：2021-05-06
Applicant: 大连海事大学
IPC: G08G1/01 , G06Q10/067 , G06Q50/40 , G08G1/052 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明提供一种基于实时公交车速度统计数据的公交专用道短时速度预测方法。根据公交路段实时车速统计数据，结合历史车速统计数据，采用基于灰度关系分析方法、一维卷积神经网络、自适应极限学习机和双层门限递归单元循环神经网络的时空复合预测模型，简称DHSTN，预测公交路段未来短时公交车速变化情况。本发明充分考虑到相邻或相近公交路段对目标路段公交车速的影响，并分析实时和历史公交车速统计数据的时间和空间依赖特性，最后，引入自适应极限学习机神经网络分析目标路段长期和短时依赖特征，能够有效提高公交路段短时公交车速的预测精度。
-
公开(公告)号：CN119783880A
公开(公告)日：2025-04-08
申请号：CN202411802260.0
申请日：2024-12-09
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/006
Abstract: 本发明提供基于CPO算法优化深度神经网络的公交线路客流预测方法，属于公共交通的技术领域。包括以下步骤：数据收集与整理；获取多源数据并对数据进行预处理；挖掘公交系统中特征；将公交系统中特征融入到客流预测模型中；使用训练集对获取的CNN‑LSTM‑Attention模型进行训练；通过验证集，计算CPO优化层的适应度函数，输出性能评价与客流预测结果，获取验证后的CNN‑LSTM‑Attention模型；应用验证后的CNN‑LSTM‑Attention模型对公交线路客流进行预测。本发明方法有效的实现多因素综合考虑：有效融合多种影响公交客流的因素。通过深度神经网络强大的特征学习能力，挖掘这些因素与客流之间的潜在关系，从而全面、细致地反映客流变化的内在驱动机制，使预测结果更贴合实际运营场景。
-
公开(公告)号：CN118035575A
公开(公告)日：2024-05-14
申请号：CN202410145414.7
申请日：2024-02-01
Applicant: 大连海事大学
IPC: G06F16/9537 , G06F16/9536 , G06F16/951 , G06F16/2458 , G06F16/27 , G06F18/22
Abstract: 本发明提供一种基于枢轴点的时空轨迹相似查询方法，包括：获取E条时空轨迹，E为整数且E≥2；将E条时空轨迹划分至F个分区内，F为整数且1≤F≤E；分别根据每条时空轨迹的起始点建立第一边界，分别根据每条时空轨迹的终止点建立第二边界；分别获取E条时空轨迹对应的索引点序列；查询第Q条时空轨迹时，Q为整数且1≤Q≤E，在第Q条时空轨迹所在的分区，以第Q条时空轨迹的第一边界和第二边界找到候选轨迹集合；根据第Q条时空轨迹的索引点序列和候选轨迹集合，从候选轨迹中筛选出第Q条时空轨迹的相似轨迹，从而实现分布式时空轨迹相似查询的优化。
-
Patent Agency Ranking
公开(公告)号：CN113901087A
公开(公告)日：2022-01-07
申请号：CN202111188239.2
申请日：2021-10-12
Applicant: 大连海事大学
IPC: G06F16/2455 , G06F16/22 , G06F16/27
Abstract: 本发明提出了一种空间大数据分区重复数据的剪枝方法，该剪枝方法可以内置在分布式空间大数据查询系统中并无需对候选结果执行细化操作。包括以下步骤：首先读取空间大数据的分区信息pi，得到每个分区数据覆盖的空间最小边界矩形ri，将ri与空间查询矩形窗口q做交运算，得到每个分区的查询范围si；其次，对si和sj(i≠j)做交运算，得到分区查询范围si和sj之间的重叠矩形区域si∩sj＝sij，引入参照点reference_point，通过reference_point决定区域sij的归属分区，返回pi和pj去重后的查询范围tri和trj，形式为＜pi,tri＞；然后，对同一分区p下的tr执行交运算，得到p的最终查询范围；最后，将每个分区的最终查询范围作为新的约束条件对分区数据进行剪枝，得到的查询结果即为最终结果。
-
公开(公告)号：CN113901087B
公开(公告)日：2024-05-10
申请号：CN202111188239.2
申请日：2021-10-12
Applicant: 大连海事大学
IPC: G06F16/2455 , G06F16/22 , G06F16/27
Abstract: 本发明提出了一种空间大数据分区重复数据的剪枝方法，该剪枝方法可以内置在分布式空间大数据查询系统中并无需对候选结果执行细化操作。包括以下步骤：首先读取空间大数据的分区信息pi，得到每个分区数据覆盖的空间最小边界矩形ri，将ri与空间查询矩形窗口q做交运算，得到每个分区的查询范围si；其次，对si和sj(i≠j)做交运算，得到分区查询范围si和sj之间的重叠矩形区域si∩sj＝sij，引入参照点reference_point，通过reference_point决定区域sij的归属分区，返回pi和pj去重后的查询范围tri和trj，形式为＜pi,tri＞；然后，对同一分区p下的tr执行交运算，得到p的最终查询范围；最后，将每个分区的最终查询范围作为新的约束条件对分区数据进行剪枝，得到的查询结果即为最终结果。
-
公开(公告)号：CN111428934B
公开(公告)日：2023-11-24
申请号：CN202010245046.5
申请日：2020-03-31
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/045 , G06N3/047 , G06N3/096 , G06F18/2135 , G06F18/27 , G06F123/02
Abstract: 本发明提供一种基于实时统计数据的公交站点短时客流预测方法，包括：将客流时间序列分解为线性趋势部分与非线性特征部分；使用时间序列模型对客流时间序列的线性趋势部分进行预测；利用深度信念网络对客流时间序列非线性特征部分进行预测；利用改进极限学习机算法建立基于客流时间序列的线性趋势部分预测结果以及客流时间序列非线性特征部分预测结果的组合预测模型；基于所述组合预测模型各单一时间尺度客流时间序列预测结果，利用改进极限学习机算法建立混合关系预测模型；利用所述混合关系预测模型预测短时客流变化。本发明综合分析客流统计数据线性特性和非线性特性，有效提高站点客流预测精度。
-
公开(公告)号：CN113326972A
公开(公告)日：2021-08-31
申请号：CN202110491821.X
申请日：2021-05-06
Applicant: 大连海事大学
Abstract: 本发明提供一种基于实时公交车速度统计数据的公交专用道短时速度预测方法。根据公交路段实时车速统计数据，结合历史车速统计数据，采用基于灰度关系分析方法、一维卷积神经网络、自适应极限学习机和双层门限递归单元循环神经网络的时空复合预测模型，简称DHSTN，预测公交路段未来短时公交车速变化情况。本发明充分考虑到相邻或相近公交路段对目标路段公交车速的影响，并分析实时和历史公交车速统计数据的时间和空间依赖特性，最后，引入自适应极限学习机神经网络分析目标路段长期和短时依赖特征，能够有效提高公交路段短时公交车速的预测精度。
-
公开(公告)号：CN117634718A
公开(公告)日：2024-03-01
申请号：CN202311616185.4
申请日：2023-11-29
Applicant: 大连海事大学
IPC: G06Q10/047 , G06Q50/40 , G06Q50/26
Abstract: 本发明提供一种基于和声搜索算法的公交线路规划方法，包括：获取当前公交线网、当前路网、当前出行需求矩阵和待添加站点；根据待添加站点将当前出行需求矩阵更新为更新出行需求矩阵、将当前路网更新为更新路网；根据更新出行需求矩阵和更新路网，对当前公交线网进行和声搜索算法计算，得到公交线路规划序列，能够将新的公交站点巧妙融合到现有公交线网中，并具有较高的求解速度，并且规划方法理论推导，易于实现。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
