-
公开(公告)号：CN118898905B
公开(公告)日：2024-12-10
申请号：CN202411398359.9
申请日：2024-10-09
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心) , 中国科学院自动化研究所
IPC: G08G1/01 , G08B31/00 , G06Q10/04 , G06Q50/47 , G06F16/29 , G06F18/213 , G06F18/2433 , G06F123/02
Abstract: 本发明涉及一种网约车异常聚集识别与预警方法及系统，属于交通预警的技术领域，其方法包括：基于网约车运营时序数据，构建目标区域的网约车网格图像数据集，网约车网格图像数据集表征了不同时间的所有的网约车的分布情；基于网约车网格图像数据集、地铁客流时序数据和公交客流时序数据、历史环境时序数据和预设的特征提取规则，确定目标区域的特征数据集；将特征数据集输入至预设的网约车数量预测模型中，预测在目标时间段内的各个位置的网约车到达量和道路拥堵指数；将目标时间段内各个位置的网约车到达量和道路拥堵指数输入至网约车预警模型中，得到预警信息。本申请能够对网约车异常聚集行为的精准识别和有效预警。
-
公开(公告)号：CN118898905A
公开(公告)日：2024-11-05
申请号：CN202411398359.9
申请日：2024-10-09
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心) , 中国科学院自动化研究所
IPC: G08G1/01 , G08B31/00 , G06Q10/04 , G06Q50/47 , G06F16/29 , G06F18/213 , G06F18/2433 , G06F123/02
Abstract: 本发明涉及一种网约车异常聚集识别与预警方法及系统，属于交通预警的技术领域，其方法包括：基于网约车运营时序数据，构建目标区域的网约车网格图像数据集，网约车网格图像数据集表征了不同时间的所有的网约车的分布情；基于网约车网格图像数据集、地铁客流时序数据和公交客流时序数据、历史环境时序数据和预设的特征提取规则，确定目标区域的特征数据集；将特征数据集输入至预设的网约车数量预测模型中，预测在目标时间段内的各个位置的网约车到达量和道路拥堵指数；将目标时间段内各个位置的网约车到达量和道路拥堵指数输入至网约车预警模型中，得到预警信息。本申请能够对网约车异常聚集行为的精准识别和有效预警。
-
公开(公告)号：CN115953186B
公开(公告)日：2023-05-16
申请号：CN202310159395.9
申请日：2023-02-24
Applicant: 北京化工大学 , 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q30/0202 , G06F18/23213 , G06F18/25 , G06Q50/30
Abstract: 本发明公开了一种网约车需求模式识别与短时需求预测方法，一、对城市客运枢纽的网约车需求数据以及相关特征数据进行预处理，形成基础数据集；二、基于基础数据集，开发改进的时间序列K‑means聚类算法，得到网约车的典型需求模式集合；三、面向不同类型的网约车需求模式，设计了ARIMA、XGBoost、RF、BiLSTM、CNN等短时需求预测方法，构建了数据特征驱动的网约车需求预测系统；四、基于实时获取的特征数据匹配网约车需求模式，并调用该模式下的需求预测算法，预测短时的网约车需求量。本发明采用上述一种网约车需求模式识别与短时需求预测方法，综合利用多源数据，提出了数据特征驱动的网约车需求模式分析和短时需求预测方法，为城市客运枢纽的客流管理提供决策依据。
-
公开(公告)号：CN115438840B
公开(公告)日：2023-05-12
申请号：CN202210974374.8
申请日：2022-08-15
Applicant: 北京化工大学 , 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种平均等待时间可控的电动汽车换电站选址优化方法，其方法包括：步骤S1：基于电动汽车驾驶员更换电池的行为偏好，以换电站可服务范围和建设预算为约束，最大化驾驶员电池更换需求为目标，构建服务能力差异化背景下的换电站选址优化模型；步骤S2：基于驾驶员电池更换需求及换电站电池更换用时，利用排队论方法将换电站选址优化模型扩充为换电站选址优化模型；步骤S3：采用变量替换与等价转化重构换电站选址优化模型，使其能够被精确算法求解。本发明公开的方法考虑了驾驶员电池更换需求的随机性，构建了基于排队论与设施选址规划理论的数学优化模型，同时满足驾驶员的需求偏好和等待时间阈值约束，具有实用性强、服务效率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN115438840A
公开(公告)日：2022-12-06
申请号：CN202210974374.8
申请日：2022-08-15
Applicant: 北京化工大学 , 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
Abstract: 本发明涉及一种平均等待时间可控的电动汽车换电站选址优化方法，其方法包括：步骤S1：基于电动汽车驾驶员更换电池的行为偏好，以换电站可服务范围和建设预算为约束，最大化驾驶员电池更换需求为目标，构建服务能力差异化背景下的换电站选址优化模型；步骤S2：基于驾驶员电池更换需求及换电站电池更换用时，利用排队论方法将换电站选址优化模型扩充为换电站选址优化模型；步骤S3：采用变量替换与等价转化重构换电站选址优化模型，使其能够被精确算法求解。本发明公开的方法考虑了驾驶员电池更换需求的随机性，构建了基于排队论与设施选址规划理论的数学优化模型，同时满足驾驶员的需求偏好和等待时间阈值约束，具有实用性强、服务效率高的优点。
-
公开(公告)号：CN119398562A
公开(公告)日：2025-02-07
申请号：CN202411783748.3
申请日：2024-12-06
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q10/0637 , G06F40/284 , G06Q50/40 , G06F16/35 , G06F18/22 , G06F18/23213 , G08G1/01
Abstract: 本发明涉及一种网约车运营事件的分类分级及动态应急预案生成方法，属于智能交通管理的技术领域，其方法包括：获取网约车运营事件以及网约车运营事件对应的交通数据和舆情数据，网约车运营事件为描述网约车运营的文本信息；对网约车运营事件进行特征识别，得到网约车运营事件的特征信息；基于特征信息和预设的分类模型，确定网约车运营事件的事件类别；基于特征信息、交通数据、舆情数据和预设的分级规则，确定网约车运营事件的事件等级；基于事件类别和事件等级，生成网约车运营事件的应急预案，并基于应急预案向相关部门发送应急处理信息。本申请具有提高网约车运营事件处理效率的效果。
-
公开(公告)号：CN117875521B
公开(公告)日：2024-05-28
申请号：CN202410275038.3
申请日：2024-03-12
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种实时铁路客流量预测方法、系统、介质以及电子设备，包括：获取在目标时间段下的特征信息；将特征信息输入至LSTM预测模型目标时间段对应的记忆单元的第一遗忘门中，获取第一遗忘门的输出；将第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及特征信息共同作为sigmoid神经网络层的输入，并得到第二遗忘门激活值；结合第二遗忘门激活值、输入门和输出门，确定目标时间段的记忆单元输出；根据目标时间段的记忆单元输出，预测在目标时间段下的客流量。本发明提解决了现有技术中存在预测精度较差，无法满足现有交通管理决策、交通规划、路径诱导等方面的技术需求的问题。
-
公开(公告)号：CN117875521A
公开(公告)日：2024-04-12
申请号：CN202410275038.3
申请日：2024-03-12
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种实时铁路客流量预测方法、系统、介质以及电子设备，包括：获取在目标时间段下的特征信息；将特征信息输入至LSTM预测模型目标时间段对应的记忆单元的第一遗忘门中，获取第一遗忘门的输出；将第一遗忘门的输出、目标时间段前一时间段的记忆单元输出以及特征信息共同作为sigmoid神经网络层的输入，并得到第二遗忘门激活值；结合第二遗忘门激活值、输入门和输出门，确定目标时间段的记忆单元输出；根据目标时间段的记忆单元输出，预测在目标时间段下的客流量。本发明提解决了现有技术中存在预测精度较差，无法满足现有交通管理决策、交通规划、路径诱导等方面的技术需求的问题。
-
公开(公告)号：CN115953186A
公开(公告)日：2023-04-11
申请号：CN202310159395.9
申请日：2023-02-24
Applicant: 北京化工大学 , 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06Q30/0202 , G06F18/23213 , G06F18/25 , G06Q50/30
Abstract: 本发明公开了一种网约车需求模式识别与短时需求预测方法，一、对城市客运枢纽的网约车需求数据以及相关特征数据进行预处理，形成基础数据集；二、基于基础数据集，开发改进的时间序列K‑means聚类算法，得到网约车的典型需求模式集合；三、面向不同类型的网约车需求模式，设计了ARIMA、XGBoost、RF、BiLSTM、CNN等短时预测方法，构建了数据特征驱动的网约车需求预测系统；四、基于实时获取的特征数据匹配网约车需求模式，并调用该模式下的需求预测算法，预测短时的网约车需求量。本发明采用上述一种网约车需求模式识别与短时需求预测方法，综合利用多源数据，提出了数据特征驱动的网约车需求模式分析和短时需求预测方法，为城市客运枢纽的客流管理提供决策依据。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.052 seconds)
