-
公开(公告)号：CN117454208A
公开(公告)日：2024-01-26
申请号：CN202311327161.7
申请日：2023-10-13
Applicant: 北京交通大学
IPC: G06F18/23213 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于深度学习的共享单车出行网络社团挖掘方法。该方法包括：对指定区域内的路网数据信息、共享单车数据信息和用户的出行数据进行分析统计，构建交通出行网络；对共享单车出行网络中用户的出行特征进行定量化描述，将用户出行量化指标作为图神经网络模型的网络度量指标，构建图神经网络模型；基于图神经网络模型用ClusterNet算法进行社团聚类分析，挖掘社区结构。本发明方法根据不同时间段构建动态出行网络，分析不同阶段出行需求的时空分布。利用空间统计和复杂网络方法构建指标来量化出行特征，从而清晰地了解不同时期用户出行模式的变化，动态挖掘出行网络中的社团结构。
-
公开(公告)号：CN115374855B
公开(公告)日：2024-05-14
申请号：CN202211010989.5
申请日：2022-08-23
Applicant: 北京交通大学
IPC: G06F18/23213
Abstract: 本发明提供了一种基于聚类的对铁路突发事件进行分级的方法。该方法包括：获取铁路突发事件分级指标，从铁路突发事件分级指标中提取铁路突发事件情景要素；构建基于k近邻与拐点优化的密度峰值聚类铁路事故分级算法IDPC‑KNN‑TP，将所述铁路突发事件情景要素输入到IDPC‑KNN‑TP算法中，得到铁路突发事件的分级结果信息。本发明方法通过提取铁路突发事件的情景要素信息作为分级指标，采用基于k近邻与拐点优化的密度峰值聚类分级算法求得事故的严重等级，能有效地划分铁路日常事故的严重等级。
-
公开(公告)号：CN117408737A
公开(公告)日：2024-01-16
申请号：CN202311391093.0
申请日：2023-10-25
Applicant: 北京交通大学
IPC: G06Q30/0202 , G06Q30/0204 , G06Q50/40 , G06F16/9537 , G06F18/2321 , G06F18/2431 , G06N3/088
Abstract: 本发明提供一种城市轨道交通新开线路精细化客流预测方法及系统，属于基于机器学习的城轨交通客流预测技术领域，构建既有线站点周边精细化土地利用数据库，构建新线客流预测匹配模型为新站进行特征匹配，并训练客流养成后的新站进出站量、换乘量及客运量，基于基于密度的聚类算法，结合既有车站点性质差异对既有线客流量进行调整；利用考虑土地利用性质匹配度的既有线OD客流矩阵调整模型对既有线OD客流矩阵进行调整。本发明训练地铁乘客出行行为，掌握既有轨道交通线网、线路、车站运营客流规律；将新线接入下城市轨道交通既有车站点客流解构为自然变化客流、诱增客流及转移客流；实现了针对自然变化客流进行精细化预测，提高了预测精度。
-
公开(公告)号：CN119540988A
公开(公告)日：2025-02-28
申请号：CN202411519549.1
申请日：2024-10-29
Applicant: 济南轨道交通集团有限公司 , 北京交通大学
IPC: G06V40/10 , G06V20/70 , G06V10/774 , G06V10/778 , G06V10/764
Abstract: 本发明提供一种城市轨道交通乘客重识别方法及系统，属于目标识别技术领域，获取待识别的图片；利用城市轨道交通乘客重识别模型对获取的待识别的图片进行处理，得到所述待识别的图片中行人重识别结果；其中，所述城市轨道交通乘客重识别模型为利用由乘客图片集与更新后的图片集融合得到增量训练数据集训练得到。本发明针对乘客的多样化外貌特征，建立了一个轨道交通乘客特征图片库，根据轨道交通的运行特点，实现了动态模型训练的方法，不断优化乘客重识别的准确性，提高乘客重识别的准确率。
-
公开(公告)号：CN117455038A
公开(公告)日：2024-01-26
申请号：CN202311327160.2
申请日：2023-10-13
Applicant: 北京交通大学
Abstract: 本发明提供了一种城市轨道交通短时客流智能预测方法。该方法包括：对城市轨道交通智能卡交易数据进行分析，通过概率平行四边形算法提取乘客的出行行为特征；根据城市轨道交通线路结构、站点及周边信息刻画城市轨道站点的公交可达性特征；获取城市轨道站点周边的POI数据；构建集成乘客的出行行为特征、列车时刻表数据、公交可达性特征和POI数据的城市轨道交通短时客流预测模型；利用训练好的城市轨道交通短时客流预测模型预测城市轨道交通未来时刻的客流量。本发明方法采用可解释人工智能方法从“黑箱”模型中提取和解释信息，并量化每个特征的贡献。能很好地表征客流数据的因果关系和长期依赖关系，提高进站客流预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119540854A
公开(公告)日：2025-02-28
申请号：CN202411519553.8
申请日：2024-10-29
Applicant: 北京交通大学 , 济南轨道交通集团有限公司
IPC: G06V20/52 , G06V20/40 , G06V10/10 , G06Q10/047
Abstract: 本发明提供一种乘客轨迹识别方法及系统，属于目标识别技术领域，构建监控摄像机网络拓扑结构，根据人流密度原则划分区域，基于排队论模型，计算每个监控摄像机顶点的权重；根据计算得到的顶点权重，对构建的监控摄像机网络拓扑结构进行顶点加权操作，构建顶点加权有向图；将权重分配给顶点加权有向图中的顶点，结合使用改进的最短路径算法，综合考虑各个顶点之间的权重、历史路径权重和路径长度，构建综合评估函数，选择最优视频流路径，根据最优视频流路径确定目标乘客。本发明通过应用排队论模型和顶点加权有向图理论，实现对监控摄像机视频的智能选择，提高了视频处理效率和资源利用率，提高了乘客行为轨迹还原的效率和准确率。
-
公开(公告)号：CN118333319A
公开(公告)日：2024-07-12
申请号：CN202410476910.0
申请日：2024-04-19
Applicant: 北京交通大学
IPC: G06Q10/0631 , G06Q50/40 , G06N3/126
Abstract: 本发明提供了一种城市轨道列车群高峰时段的能耗峰值优化方法，通过构建列车群能源消耗峰值消除策略建立多目标整数规划模型，以最大化成功换乘和最小化列车总能耗为目标函数，以各条线路列车的发车时刻为决策变量。本发明基于优先级分层算法和自适应调节种群规模算法设计了改进的非支配排序遗传算法Ⅲ来求解模型，通过案例验证来验证了模型和算法的有效性，并给出优化后的列车时刻表。本发明方法通过设计城市轨道交通内乘客错峰出行奖励方案，协同优化列车开行方案和列车时刻表，旨在减少乘客出行时间，削减列车高强度运行时段的列车能耗峰值，促进城市交通系统可持续发展。
-
公开(公告)号：CN120012976A
公开(公告)日：2025-05-16
申请号：CN202411991011.0
申请日：2024-12-30
Applicant: 交控航空科技(深圳)有限公司 , 北京交通大学
Abstract: 本发明提供一种飞行巴士停机坪选址优化方法及装置，其中方法包括：基于交通流网络，对目标区域进行栅格化，并获取所述目标区域的用户行为数据；基于所述目标区域的各个栅格计算风险值，得到所述目标区域的风险地图；基于总成本、所述用户行为数据和所述风险地图，通过双层规划模型得到飞行巴士的停机坪选址优化方案；其中，所述双层规划模型的上层模型为多目标离散选址模型，用于确定飞行巴士的停机坪选址集合；所述双层规划模型的下层模型为交通流分配模型，用于分配交通流量。从而有效降低飞行巴士的建设和运营成本，减少飞行路径的风险，提高低空立体交通系统的安全性和运行效率，适用于未来城市低空交通系统中的基础设施规划。
-
公开(公告)号：CN117455019A
公开(公告)日：2024-01-26
申请号：CN202311327164.0
申请日：2023-10-13
Applicant: 北京交通大学
IPC: G06Q10/02 , G06Q10/047 , G06Q10/0631 , G06Q50/43
Abstract: 本发明提供了一种基于行程时间预测的网约车合乘动态匹配方法。该方法包括：获取网约车订单的数据集；构建基于可解释机器学习的出行时间预测模型，利用所述数据集使用可解释机器学习模型SHAP方法对所述出行时间预测模型进行训练，得到训练好的出行时间预测模型；构建共享网络，通过训练好的出行时间预测模型预测出各个订单的出行时间，根据按需合乘动态匹配算法匹配合乘订单；以碳减排为导向，进行合乘匹配订单的动态派单。本发明方法利用乘客的需求信息和位置数据，通过合理的算法和优化策略，将符合条件的乘客订单进行匹配，并通过合乘行程来减少车辆的空驶和重复行驶，提高网约车服务效率并减少碳排放。
-
公开(公告)号：CN115374855A
公开(公告)日：2022-11-22
申请号：CN202211010989.5
申请日：2022-08-23
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于聚类的对铁路突发事件进行分级的方法。该方法包括：获取铁路突发事件分级指标，从铁路突发事件分级指标中提取铁路突发事件情景要素；构建基于k近邻与拐点优化的密度峰值聚类铁路事故分级算法IDPC‑KNN‑TP，将所述铁路突发事件情景要素输入到IDPC‑KNN‑TP算法中，得到铁路突发事件的分级结果信息。本发明方法通过提取铁路突发事件的情景要素信息作为分级指标，采用基于k近邻与拐点优化的密度峰值聚类分级算法求得事故的严重等级，能有效地划分铁路日常事故的严重等级。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
