-
公开(公告)号：CN115565376B
公开(公告)日：2024-05-03
申请号：CN202211206533.6
申请日：2022-09-30
Applicant: 福州大学
IPC: G08G1/01 , G08G1/048 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种融合graph2vec、双层LSTM的车辆行程时间预测方法及系统，该方法包括：获取车辆历史出行轨迹数据，解析轨迹的相关特征信息，转换成键值对的形式存放，构建轨迹特征数据集；获取城市路网的路段唯一标识名与路段之间的邻接关系，构建拓扑空间数据集；对轨迹特征数据集中的特征因子与车辆行程时间进行相关性分析，选取强相关性的特征因子，并与拓扑空间数据集进行匹配，获取预测行程时间数据集；构建融合graph2vec、双层LSTM的车辆行程时间预测模型，将预测行程时间数据集输入到模型中，对车辆的行程时间进行预测，输出车辆行程时间。该方法及系统有利于更加精准的预测车辆行程时间，提高资源利用效率。
-
公开(公告)号：CN114328675B
公开(公告)日：2025-01-14
申请号：CN202210007787.9
申请日：2022-01-06
Applicant: 福州大学
IPC: G06Q10/04 , G06F18/213 , G06F18/10 , G06F18/22 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/08 , G06Q50/26 , G06Q50/40 , G08G1/00 , G06F123/02
Abstract: 本发明涉及一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，步骤S1:获取公交车属性数据和进出站数据,构建行程时间基础数据集；步骤S2:获取公交车的基础特征、运行时间及运行时的天气特征，构建行程时间特征数据集；步骤S3:基于相关系数和方差分析，对行程时间特征数据集中的特征因子与行程时间进行相关性分析，舍去不相关和相关性差的特征因子，并与行程时间基础数据集进行匹配，获取行程时间预测数据集；步骤S4:构建双注意力机制和双向双层LSTM神经网络公交车行程时间预测模型，将行程时间预测数据集输入到模型中，对公交车的行程时间进行预测，输出公交车的预计行程时间。本发明能够更准确的公交车预计行程时间，实现高效的公交调度。
-
公开(公告)号：CN115565376A
公开(公告)日：2023-01-03
申请号：CN202211206533.6
申请日：2022-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种融合graph2vec、双层LSTM的车辆行程时间预测方法及系统，该方法包括：获取车辆历史出行轨迹数据，解析轨迹的相关特征信息，转换成键值对的形式存放，构建轨迹特征数据集；获取城市路网的路段唯一标识名与路段之间的邻接关系，构建拓扑空间数据集；对轨迹特征数据集中的特征因子与车辆行程时间进行相关性分析，选取强相关性的特征因子，并与拓扑空间数据集进行匹配，获取预测行程时间数据集；构建融合graph2vec、双层LSTM的车辆行程时间预测模型，将预测行程时间数据集输入到模型中，对车辆的行程时间进行预测，输出车辆行程时间。该方法及系统有利于更加精准的预测车辆行程时间，提高资源利用效率。
-
公开(公告)号：CN114328675A
公开(公告)日：2022-04-12
申请号：CN202210007787.9
申请日：2022-01-06
Applicant: 福州大学
Abstract: 本发明涉及一种基于双注意力机制和双向双层LSTM的公交车行程时间预测方法，步骤S1:获取公交车属性数据和进出站数据,构建行程时间基础数据集；步骤S2:获取公交车的基础特征、运行时间及运行时的天气特征，构建行程时间特征数据集；步骤S3:基于相关系数和方差分析，对行程时间特征数据集中的特征因子与行程时间进行相关性分析，舍去不相关和相关性差的特征因子，并与行程时间基础数据集进行匹配，获取行程时间预测数据集；步骤S4:构建双注意力机制和双向双层LSTM神经网络公交车行程时间预测模型，将行程时间预测数据集输入到模型中，对公交车的行程时间进行预测，输出公交车的预计行程时间。本发明能够更准确的公交车预计行程时间，实现高效的公交调度。
-
-
-
Search Results
4
records
(took 0.012 seconds)
