公开(公告)号：CN118297419B

公开(公告)日：2024-10-01

申请号：CN202410396910.X

申请日：2024-04-02

Applicant: 北京交通大学

Inventor： 王子甲 ,  邹林沐 ,  冯丹泳 ,  朱亚迪 ,  陈峰

IPC: G06Q10/0637 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种考虑事故状态的城市轨道交通短时OD客流预测方法及系统，属于人工智能在城市轨道交通的应用，用于解决现有技术轨道交通在突发事件发生时因对复杂的非线性时空依赖性捕捉不足，短时OD客流量预测准确性大幅降低的问题。本案通过基于当前实时进站客流特征与多种因素特征，获取在多种因素下的实时进站客流特征；基于历史OD客流量编码特征和在多种因素下的实时进站客流特征，进行城市轨道交通短时OD客流预测，提高事故期间的预测准确性和稳定性，对提升城市轨道交通系统的应急响应能力和整体安全性具有重要意义。

公开(公告)号：CN114511143A

公开(公告)日：2022-05-17

申请号：CN202210110316.0

申请日：2022-01-29

Applicant: 北京交通大学

Inventor： 王子甲 ,  邹林沐 ,  冯丹泳 ,  任兵杰

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26

Abstract: 本发明提出一种基于城市空间结构的城市轨道交通线网生成方法，生成与城市空间相匹配的线网方案：选择距离修正的InfoMap算法进行城市组团划分，按照“组团间线网生成——组团内线网生成——线网整合与优化”技术路线生成线网。采用回归分析、灰色关联度分析、熵值法等方式对线网密度，线网客流强度和线网规模三个参数进行推算；基于组团间Logit方法的客流分配结果，生成组团间的连接关系；应用自适应遗传算法得到组团内部的备选路段集合；根据组团间的连接关系从全网层面得到最终的优化线网布局。

公开(公告)号：CN118536640A

公开(公告)日：2024-08-23

申请号：CN202410434364.4

申请日：2024-04-11

Applicant: 北京交通大学

Inventor： 赵璐 ,  王子甲 ,  陈峰 ,  邹林沐 ,  李鹏程 ,  李瑞

IPC: G06Q10/04 ,  G06Q50/40 ,  G06Q50/26 ,  G06F18/27 ,  G06N3/0464

Abstract: 本发明提供了一种基于多任务级联深度学习的轨道交通客流预测方法。该方法包括：多任务级联深度学习客流预测模型构建轨道交通网络的长期拓扑邻接图与长期地理邻接图，并输入到构建的自适应供需共享嵌入网络中，多任务级联深度学习客流预测模型自适应供需共享嵌入网络多任务级联深度学习客流预测模型输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对预测得到的进站客流、出站客流以及OD对间的线级阻抗指标，按照自适应供需共享嵌入网络学习到的起终站点供需特征的维度进行密集嵌入，并按照OD对的起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流。本发明方法可以提供更准确、泛化能力更强的端到端的客流预测。

公开(公告)号：CN118536640B

公开(公告)日：2024-11-19

申请号：CN202410434364.4

申请日：2024-04-11

Applicant: 北京交通大学

Inventor： 赵璐 ,  王子甲 ,  陈峰 ,  邹林沐 ,  李鹏程 ,  李瑞

IPC: G06Q10/04 ,  G06Q50/40 ,  G06Q50/26 ,  G06F18/27 ,  G06N3/0464

Abstract: 本发明提供了一种基于多任务级联深度学习的轨道交通客流预测方法。该方法包括：多任务级联深度学习客流预测模型构建轨道交通网络的长期拓扑邻接图与长期地理邻接图，并输入到构建的自适应供需共享嵌入网络中，多任务级联深度学习客流预测模型自适应供需共享嵌入网络多任务级联深度学习客流预测模型输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对预测得到的进站客流、出站客流以及OD对间的线级阻抗指标，按照自适应供需共享嵌入网络学习到的起终站点供需特征的维度进行密集嵌入，并按照OD对的起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流。本发明方法可以提供更准确、泛化能力更强的端到端的客流预测。

公开(公告)号：CN118297419A

公开(公告)日：2024-07-05

申请号：CN202410396910.X

申请日：2024-04-02

Applicant: 北京交通大学

Inventor： 王子甲 ,  邹林沐 ,  冯丹泳 ,  朱亚迪 ,  陈峰

IPC: G06Q10/0637 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种考虑事故状态的城市轨道交通短时OD客流预测方法及系统，属于人工智能在城市轨道交通的应用，用于解决现有技术轨道交通在突发事件发生时因对复杂的非线性时空依赖性捕捉不足，短时OD客流量预测准确性大幅降低的问题。本案通过基于当前实时进站客流特征与多种因素特征，获取在多种因素下的实时进站客流特征；基于历史OD客流量编码特征和在多种因素下的实时进站客流特征，进行城市轨道交通短时OD客流预测，提高事故期间的预测准确性和稳定性，对提升城市轨道交通系统的应急响应能力和整体安全性具有重要意义。