公开(公告)号：CN116776277A

公开(公告)日：2023-09-19

申请号：CN202310610756.7

申请日：2023-05-26

Applicant: 北京交通大学

Inventor： 张金雷 ,  梁莹 ,  陈奕洁 ,  杨立兴 ,  杨洋 ,  高自友

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06Q30/0202 ,  G06Q50/26 ,  G06F123/00 ,  G06F123/02

Abstract: 本发明公开了一种基于多源数据的多层融合城市轨道交通客流预测方法。该方法包括：获取时间序列客流、基于时间步的OD数据以及POI数据作为多源数据；将所述多源数据输入到客流预测模型，获得未来多个时间步的客流预测结果。其中客流预测模型利用多层融合结构实现多源数据之间的交互与协作。本发明能够有效地从多源数据中提取时空特征，提升了客流预测精度，并具备优越性与鲁棒性。

公开(公告)号：CN118278976A

公开(公告)日：2024-07-02

申请号：CN202410359529.6

申请日：2024-03-27

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  钟晓辉 ,  邹丹 ,  孙思齐 ,  罗钦 ,  梁莹 ,  高自友

IPC: G06Q30/0202 ,  G06Q10/02 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0442

Abstract: 本发明公开了一种基于深度学习的网约车短时OD需求预测方法。该方法包括：获取OD需求信息和网约车起终点关系交通网络图信息；将所述OD需求信息和所述网约车起终点关系交通网络图信息输入到经训练的深度学习模型，获得预定时间段的目标区域范围内的OD需求。本发明通过设计改进的可解释的深度学习模型，提高了OD需求预测的准确性，并且使得用户能够更清晰地理解模型的决策过程，提高了用户信任度，对于推动模型在实际决策中的应用具有积极意义。