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

Inventor： 翟华伟 ,  曹洢凡 ,  崔立成 ,  袁小东 ,  邱敬宝

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：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

Inventor： 翟华伟 ,  袁小东 ,  崔立成 ,  张子健 ,  曹洢凡 ,  杨文超

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。