-
公开(公告)号：CN115690257B
公开(公告)日：2024-11-29
申请号：CN202211237494.6
申请日：2022-10-10
Applicant: 北京城建设计发展集团股份有限公司 , 北京交通大学
Abstract: 本发明涉及一种GIS图的生成方法及系统，属于地理信息数据处理领域。本发明采用了矢量化算法对PNG格式的用地规划色块图进行矢量化，实现了计算机自动化操作，将人力资源从传统的CAD描边绘制工作中解放出来；本发明将二值化后的栅格图片导入运算获得矢量化图片的算法。该方法因为采用了先二值化再矢量化运算最后重新对颜色赋值的方案，降低了硬件系统的短时信息处理量，也提高了结果的稳定性和可靠性。采用了基于仿射变换的配准算法，将矢量化图片调整至设计人员所需要的空间位置。该方法有算法简单可靠、运算速度高的优点。
-
公开(公告)号：CN115690257A
公开(公告)日：2023-02-03
申请号：CN202211237494.6
申请日：2022-10-10
Applicant: 北京城建设计发展集团股份有限公司 , 北京交通大学
Abstract: 本发明涉及一种GIS图的生成方法及系统，属于地理信息数据处理领域。本发明采用了矢量化算法对PNG格式的用地规划色块图进行矢量化，实现了计算机自动化操作，将人力资源从传统的CAD描边绘制工作中解放出来；本发明将二值化后的栅格图片导入运算获得矢量化图片的算法。该方法因为采用了先二值化再矢量化运算最后重新对颜色赋值的方案，降低了硬件系统的短时信息处理量，也提高了结果的稳定性和可靠性。采用了基于仿射变换的配准算法，将矢量化图片调整至设计人员所需要的空间位置。该方法有算法简单可靠、运算速度高的优点。
-
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
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：CN114493201B
公开(公告)日：2024-07-02
申请号：CN202210031246.X
申请日：2022-01-12
Applicant: 北京交通大学
IPC: G06Q10/0637 , G06Q10/0631 , G06Q30/0201 , G06Q30/0202 , G06Q50/40 , G06F18/23 , G06F18/214 , G06F18/2411 , G06F123/02
Abstract: 本发明公开了一种基于城市轨道交通网络服务韧性测度方法以及具体的应用，本发明提出了两个计算基本量，分别是面向供给侧的车公里数和面向需求侧的人公里数。并基于这两个基本量分别提出对应的城市轨道交通网络韧性测度指标。计算原理简易、过程方便、结果有效。本发明提出的测度方法对城市轨道交通运营管理部门进行全网韧性水平评估具有重要的借鉴意义，构建的“运营事故识别‑恢复曲线聚类‑事故恢复预测”的应急处理框架，对轨道交通运营管理部门提前部署事故应急处置措施有很好的指导意义，共同保障了突发事故下城市轨道交通系统的正常运营，提前做好预防，降低网络服务损失。
-
公开(公告)号：CN114545932B
公开(公告)日：2023-06-06
申请号：CN202210106850.4
申请日：2022-01-28
Applicant: 北京交通大学
IPC: G05D1/02
Abstract: 本发明提供了一种路径修正方法、装置、设备及可读存储介质，涉及虚拟现实技术领域，包括对所述疏散场景建立导航网格，待疏散人员进行全局路径规划；提取路径关键点，根据路段长度、行人密度进行局部疏散路线修正；计算移动速度和方向；向目标点移动，出现环境变化则进行路线的再修正；直至到达安全出口，得到修正后的路径。一方面利用导航网格更新体现站务人员对动态障碍物的状态变更，体现乘客对交互式虚拟环境的响应；另一方面建立路径和密度的路段评价函数，乘客根据视场范围内的环境信息进行路线调整，并且移动过程充分考虑恐慌因素和其他行人的影响，进行移动速度和移动方向的动态调整。
-
Patent Agency Ranking
公开(公告)号：CN114545932A
公开(公告)日：2022-05-27
申请号：CN202210106850.4
申请日：2022-01-28
Applicant: 北京交通大学
IPC: G05D1/02
Abstract: 本发明提供了一种路径修正方法、装置、设备及可读存储介质，涉及虚拟现实技术领域，包括对所述疏散场景建立导航网格，待疏散人员进行全局路径规划；提取路径关键点，根据路段长度、行人密度进行局部疏散路线修正；计算移动速度和方向；向目标点移动，出现环境变化则进行路线的再修正；直至到达安全出口，得到修正后的路径。一方面利用导航网格更新体现站务人员对动态障碍物的状态变更，体现乘客对交互式虚拟环境的响应；另一方面建立路径和密度的路段评价函数，乘客根据视场范围内的环境信息进行路线调整，并且移动过程充分考虑恐慌因素和其他行人的影响，进行移动速度和移动方向的动态调整。
-
公开(公告)号：CN111507879A
公开(公告)日：2020-08-07
申请号：CN202010296525.X
申请日：2020-04-15
Applicant: 北京交通大学
IPC: G06Q50/26 , G06Q10/06 , G06F16/215 , G06F16/29 , G06F16/28
Abstract: 本申请属于轨道交通技术领域，特别是涉及一种城市空间结构识别方法。目前关于城市活动空间结构研究不符合现今城市发展的节奏；在城市活动空间结构方面研究尚缺；与目前城市发展的现状不符；使聚类结果产生一些误差，甚至可能与实际不符。本申请提供了一种城市空间结构识别方法，所述方法包括：基于交通方式的出行数据进行出行OD数据的提取，并和交通小区进行空间匹配，获取基于交通小区的OD矩阵，作为模型输入的原始数据；构建基于交通小区OD数据进行不同交通方式需求分布的空间结构特征识别模型；对交通网络进行聚类分析，评估所述模型在活动空间识别方面的有效性及实用性。多角度分析城市活动空间层次结构，符合现如今出行现状。
-
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
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
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：CN114154695B
公开(公告)日：2024-04-30
申请号：CN202111399617.1
申请日：2021-11-19
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/40 , G06F18/23
Abstract: 本发明提供了一种基于迁移学习的城市轨道交通短时客流预测方法。该方法包括：基于城市轨道交通的各个车站的历史报表数据建立各个车站的客流特征评价指标体系；基于各个车站的客流特征评价指标体系采用聚类算法对所有车站进行聚类；对各个类别的聚类中心车站的全年进出站客流量进行时间序列分析，计算出聚类中心车站的客流指标，得到各个聚类中心车站的最优客流预测模型；将各个聚类中心车站的最优客流预测模型代入同类别的其余车站，通过迁移学习方法对最优客流预测模型进行调整，得到最优客流预测模型。本发明通过构建地铁客流特征评价指标体系，实现了对车站客流特征的有效刻画。能够考虑不同车站的客流特点，提高模型的预测精度和预测效率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.045 seconds)
