龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京交通大学
摘要：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。
主权项：1.一种考虑事故状态的城市轨道交通短时OD客流预测方法，其特征在于，所述方法步骤包括：利用包含ConvLSTM单元和Self-Attention单元的历史编码器从历史OD客流序列中获取历史OD客流量编码特征；基于实时进站客流量，利用基于注意力的局部连接图卷积模块获取当前实时进站客流特征，包括：基于实时进站客流量和轨道交通网，利用跳跃连接的图卷积和基于关系的注意力机制，来获取车站与实时乘客量之间的长期交互特征；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，包括：获取当前天气信息和时间周期信息作为外部特征，将其与所述当前实时进站客流特征进行拼接后进行特征提取，将提取的特征去线性化后与事故特征进行拼接，并进一步进行特征提取，获得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，利用线性解码器进行城市轨道交通短时OD客流预测输出；在训练阶段，在基于线性解码器的预测输出之后，所述方法还进行掩码损失计算；其中：所述多种因素包括天气信息、时间周期信息以及事故信息；所述ConvLSTM单元，采用基于卷积的LSTM从历史OD客流量数据中获取初步历史OD客流量时序特征，所述基于卷积的LSTM在激活函数中将原来的乘法运算改用卷积；所述Self-Attention单元，通过采用聚合注意力和特征融合操作，基于初步历史OD客流量时序特征获得深度历史OD客流量时序特征。
全文数据：
权利要求：
百度查询： 北京交通大学 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
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号