-
公开(公告)号：CN118643949B
公开(公告)日：2024-11-01
申请号：CN202411117220.2
申请日：2024-08-15
Applicant: 北京航空航天大学 , 中国移动通信集团北京有限公司
IPC: G06Q10/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/067 , G06Q50/26
Abstract: 本发明属于时空数据挖掘领域，公开了一种基于时间引导的因果结构学习的城市时空数据预测方法。所述预测方法首先收集待预测地域内的城市时空数据，并以此构造标准数据集；接着构建基于时间引导的因果结构学习的预测模型，所述预测模型包括多个串联的增强时空因果特征提取模块和一个融合预测模块；采用标准数据集对所述预测模型完成训练；最后将训练好的预测模型应用于未来城市时空数据的预测。本发明的预测方法能够有效提升预测模型的精度、鲁棒性和泛化性。
-
公开(公告)号：CN118627702A
公开(公告)日：2024-09-10
申请号：CN202411117155.3
申请日：2024-08-15
Applicant: 北京航空航天大学 , 中国移动通信集团北京有限公司
Abstract: 本发明属于时空数据挖掘领域，公开了一种基于先验因果传递的城市出行需求预测方法。所述预测方法首先收集历史城市出行需求数据，构造训练集；接着构建基于先验因果传递的深度学习模型，包括因果去偏模块、因果图学习器、先验因果传递模块和融合预测模块；采用训练集对深度学习模型完成训练；最后将训练好的深度学习模型应用于未来城市出行需求数据的预测。本发明的预测方法能够有效提升预测模型的精度和鲁棒性。
-
公开(公告)号：CN112799128A
公开(公告)日：2021-05-14
申请号：CN202110151055.2
申请日：2021-02-03
Applicant: 北京航空航天大学
Abstract: 本发明是一种地震信号检测和震相提取的方法，用于基于边缘设备的地震检测系统。本发明的边缘设备采用Jetson Nano芯片实现，构建轻量级深度学习模型LCANet布置在边缘设备上；设备端采集的地震波形数据输入边缘设备，实时输出地震信号时间序列、纵波震相和横波震相。本发明的LCANet模型将输入的地震波形数据经基于逆向瓶颈残差块的编码器提取描述地震数据内在物理含义的特征向量序列，再经上下文感知注意模块获取三个任务下的关注时间序列上下文信息的特征向量序列，最后经多尺度异构解码器将特征向量映射到对应任务的特征空间。本发明模型非常适合部署在边缘设备上，满足地震预警系统对数据处理低延迟、高性能的要求。
-
Patent Agency Ranking
公开(公告)号：CN118643949A
公开(公告)日：2024-09-13
申请号：CN202411117220.2
申请日：2024-08-15
Applicant: 北京航空航天大学 , 中国移动通信集团北京有限公司
IPC: G06Q10/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/067 , G06Q50/26
Abstract: 本发明属于时空数据挖掘领域，公开了一种基于时间引导的因果结构学习的城市时空数据预测方法。所述预测方法首先收集待预测地域内的城市时空数据，并以此构造标准数据集；接着构建基于时间引导的因果结构学习的预测模型，所述预测模型包括多个串联的增强时空因果特征提取模块和一个融合预测模块；采用标准数据集对所述预测模型完成训练；最后将训练好的预测模型应用于未来城市时空数据的预测。本发明的预测方法能够有效提升预测模型的精度、鲁棒性和泛化性。
-
公开(公告)号：CN115204477A
公开(公告)日：2022-10-18
申请号：CN202210769335.4
申请日：2022-06-30
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种上下文感知图递归网络的自行车流量预测方法，用于智能交通管理。本发明使用模式约束聚类方法将独立的停靠站聚类成组，每个停靠站组是一个功能区域，统计每个区域停靠站的自行车进出流量，并获取天气数据作为外部信息；采用上下文感知图递归网络构建基于区域的自行车流量预测模型，包括由上下文感知图递归单元组成的编码器和解码器，每个单元通过将上下文嵌入层和自适应图生成器集成到门控递归单元GRU中，并将GRU中的线性变换层替换为自适应图卷积形成；将训练好的预测模型部署在共享单车管理系统上。本发明方法提升了自行车流量预测的准确度，能有效抵抗由外部因素产生的流量波动，有利于自行车调度系统发展和策略制定。
-
公开(公告)号：CN115222247A
公开(公告)日：2022-10-21
申请号：CN202210846150.9
申请日：2022-07-04
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种建模异质出行模式的网约出租车需求预测方法，属于交通流预测领域。本发明方法建立了网约出租车需求的预测模型HTPSTGCN，将历史订单数据经过数据清洗和重构转化为栅格网约出租车需求量输入预测模型，该模型通过同质区域生成器对栅格聚合为同质区域，输出区域的历史网约出租车需求量，再经异质固有影响提取器提取表征不同区域异质固有影响的特征向量，经外部影响提取器提取表征相近区域和高交互区域影响的两组特征向量输入融合预测器，融合两组特征向量并映射到需求量空间，输出需求预测值。经试验证明，本发明对于高需求量区域和低需求量区域都有较好的预测效果，具有鲁棒性，可以满足网约出租车需求预测的要求。
-
公开(公告)号：CN115204478A
公开(公告)日：2022-10-18
申请号：CN202210771084.3
申请日：2022-06-30
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种结合城市兴趣点和时空因果关系的公共交通流量预测方法，属于交通流预测技术领域。本发明方法首先对公共交通流量数据进行周期性预处理；其次，对城市兴趣点地理坐标数据进行信息提取并完成站点群的分类；最后，利用一个基于时空因果关系的深度学习模型对未来时间窗的公共交通站点流量做出预测，其中不同的站点群将使用不同的可训练参数。本发明的应用解决了传统交通流量预测中无法有效应对城市交通复杂时空因果关系的问题，还将交通系统外部因素兴趣点融入了深度学习模型的构建和训练阶段，适用于城市的公共交通流量预测，具有很好的预测准确性和较小的误差。
-
公开(公告)号：CN112799128B
公开(公告)日：2021-10-22
申请号：CN202110151055.2
申请日：2021-02-03
Applicant: 北京航空航天大学
Abstract: 本发明是一种地震信号检测和震相提取的方法，用于基于边缘设备的地震检测系统。本发明的边缘设备采用Jetson Nano芯片实现，构建轻量级深度学习模型LCANet布置在边缘设备上；设备端采集的地震波形数据输入边缘设备，实时输出地震信号时间序列、纵波震相和横波震相。本发明的LCANet模型将输入的地震波形数据经基于逆向瓶颈残差块的编码器提取描述地震数据内在物理含义的特征向量序列，再经上下文感知注意模块获取三个任务下的关注时间序列上下文信息的特征向量序列，最后经多尺度异构解码器将特征向量映射到对应任务的特征空间。本发明模型非常适合部署在边缘设备上，满足地震预警系统对数据处理低延迟、高性能的要求。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.053 seconds)
