基于概率分布的出站客流预测方法及装置

    公开(公告)号:CN112488388A

    公开(公告)日:2021-03-12

    申请号:CN202011371303.6

    申请日:2020-11-30

    摘要: 本申请实施例公开了基于概率分布的出站客流预测方法及装置。本申请实施例提供的技术方案,通过获取线网实时客流运行数据,基于给定的预测时间段统计线网的站内乘客,并基于历史客流运行数据统计任意两个站点的站间运行时间概率分布信息。进一步基于站间运行时间概率分布信息确定站内乘客到达各个出站站点的时刻到达概率,并确定站内乘客到达各个出站站点的站点到达概率,基于给定的预测时间段、预测站点和对应的站内乘客数量,使用时刻到达概率和站点到达概率计算预测站点在预测时间段内的出站客流量。采用上述技术手段,可以结合不同进站时间,进站站点以及乘客个体行为习惯对出站客流预测的影响,实现更精准的出站客流预测。

    基于时间特征权重和线网拓扑的客流预测方法及装置

    公开(公告)号:CN112418518A

    公开(公告)日:2021-02-26

    申请号:CN202011312845.6

    申请日:2020-11-20

    摘要: 本申请实施例公开了一种基于时间特征权重和线网拓扑的客流预测方法及装置。本申请实施例提供的技术方案,通过提取指定时间段的历史客流运行数据,基于预设定的时间权重公式和历史客流运行数据构建时间权重客流预测模型,基于预先构建的关联站点拓扑模型确定预测站点的关联站点,并基于时间权重客流预测模型确定各个关联站点的第一预测客流量。最终,根据时间权重客流预测模型、第一预测客流量以及预先训练的参数因子构建站点客流预测模型,并根据站点客流预测模型计算预测站点的第二预测客流量。采用上述技术手段,可以结合关联站点以及不同日期历史客流运行数据对客流预测的影响,实现更精准的客流预测,优化客流运营效果。

    地铁站台闸门的检测方法、装置、计算机设备和存储介质

    公开(公告)号:CN111999580A

    公开(公告)日:2020-11-27

    申请号:CN202010819590.6

    申请日:2020-08-14

    IPC分类号: G01R31/00 G01R31/34 G06K9/62

    摘要: 本发明实施例公开了一种地铁站台闸门的检测方法、装置、计算机设备和存储介质,该方法包括:获取电机在驱动地铁站台的闸门开启或关闭时的电流,作为目标电流数据,从目标电流数据提取表征沿时间分布趋势的特征,作为目标趋势特征,从目标电流数据中提取表征电机在驱动地铁站台的闸门开启或关闭时运行的特征,作为目标运行状态特征,从目标电流数据中提取属于统计维度的特性,作为目标统计特征,确定与地铁站台的闸门开启或关闭适配的梯度提升决策树,将目标电流数据、目标趋势特征与目标统计特征输入梯度提升决策树中进行处理,以识别地铁站台的闸门在开启或关闭时所受阻力的状态,可实时预测地铁站台的闸门的性能变化趋势,提升维修闸门的效率。

    振动预测及模型训练方法、装置、计算机设备和存储介质

    公开(公告)号:CN112001482A

    公开(公告)日:2020-11-27

    申请号:CN202010819584.0

    申请日:2020-08-14

    IPC分类号: G06N3/04 G06N3/08 G06K9/00

    摘要: 本发明实施例公开了一种振动预测及模型训练方法、装置、计算机设备和存储介质,该振动预测方法包括:检测电机连续n次通过皮带驱动地铁站台的闸门开启或关闭时、皮带的振幅,获得n条原始振动曲线;将n条原始振动曲线分别输入卷积神经网络中进行处理,以分别提取n个原始振动特征;将n个原始振动特征按照顺序依次输入n个链式依赖的长短期记忆网络中进行处理,以依次输出n个原始隐含特征;将n个原始隐含特征输入深度神经网络中进行处理,以生成电机下一次通过皮带驱动地铁站台的闸门开启或关闭时、皮带的振幅,获得目标振动曲线。实现实时监测皮带在闸门开启或关闭时的状态,有助于提升开启或关闭闸门的控制效果,从而提升检修皮带的效率。

    地铁屏蔽门故障间隔时间预测模型建立及预测方法

    公开(公告)号:CN110428109B

    公开(公告)日:2020-11-03

    申请号:CN201910728058.0

    申请日:2019-08-07

    IPC分类号: G06F16/00

    摘要: 本发明涉及一种地铁屏蔽门故障间隔时间预测模型建立及预测方法,地铁屏蔽门故障间隔时间预测模型建立,包括以下步骤:步骤1:获取地铁屏蔽门的历史运行数据,对历史运行数据进行预处理;步骤2:对预处理后的历史运行数据建立特征工程,得到特征工程数据;步骤3:对特征工程数据进行WOE和IV计算,得到每一条特征工程数据的IV值;步骤4:筛选出当前站点的当前屏蔽门的若干个IV值作为训练模型的训练数据,将训练数据输入GBDT模型进行训练,得到当前站点的当前屏蔽门的训练模型,得到的训练模型作为预测模型。本发明基于数据驱动对地铁屏蔽门故障进行预测,能够针对性的为每个屏蔽门建立对应的预测模型,预测准确性高,通用性好。

    一种地铁客流预测方法、装置、电子设备及存储介质

    公开(公告)号:CN110991607A

    公开(公告)日:2020-04-10

    申请号:CN201911120453.7

    申请日:2019-11-15

    摘要: 本申请实施例公开了一种地铁客流预测方法,包括:获取乘车数据源;将乘车数据源整合为对应的乘车数据,并根据乘车数据构建时间特征;整合分析以获得若干模型输入量;基于模型输入量构建若干个距离待测时刻不同时刻范围的数据特征集并进行归一化处理,构建每一个时间范围分别对应的RTNN模型,且按照时间范围距离待测时刻由远至近的顺序,将每个RTNN模型中的每一个数据特征依次进行传递。本方案中,基于RTNN网络模型不仅克服了现有技术中只能挖掘一个张量内各元素之间的相互关系或时序关系,而可以刻画多个张量间的时序变化,且结合了时间序列之间的传递性,可以有效避免网络中长时间间隔信息损失的问题。