公开(公告)号：CN119669658B

公开(公告)日：2025-05-13

申请号：CN202510198718.4

申请日：2025-02-24

Applicant: 兰州交通大学 ,  山东交通学院

Inventor： 林立 ,  孟学雷 ,  宋克伟 ,  韩正 ,  夏溪蔓 ,  杨雯雯

IPC: G06F18/10 ,  G06F18/25

Abstract: 本发明涉及数据融合技术领域，具体涉及一种面向四网融合的多源异构数据治理方法，该方法首先初步确定待整合数据类型下每个交通网络来源的数据进行标准化时的缩小倍数，而后在唯一性、采样频率精确性以及采样频率独立性的角度上对每个交通网络来源进行不可替代性的衡量；进一步地初步整合所有交通网络来源的数据确定整合数据序列；在整合数据序列的基础上分析每个多来源数据时间点在选取每个参考网络来源数据时表征替换合理性和真实性的替换真实权重；而后基于不同数据清洗组合下参考网络来源的替换真实权重和不可替代性的整体分布情况进行数据清洗真实性的计算，从而确定最终所需要的真实性更高且更加准确的融合数据序列。

公开(公告)号：CN119669658A

公开(公告)日：2025-03-21

申请号：CN202510198718.4

申请日：2025-02-24

Applicant: 兰州交通大学 ,  山东交通学院

Inventor： 林立 ,  孟学雷 ,  宋克伟 ,  韩正 ,  夏溪蔓 ,  杨雯雯

IPC: G06F18/10 ,  G06F18/25

Abstract: 本发明涉及数据融合技术领域，具体涉及一种面向四网融合的多源异构数据治理方法，该方法首先初步确定待整合数据类型下每个交通网络来源的数据进行标准化时的缩小倍数，而后在唯一性、采样频率精确性以及采样频率独立性的角度上对每个交通网络来源进行不可替代性的衡量；进一步地初步整合所有交通网络来源的数据确定整合数据序列；在整合数据序列的基础上分析每个多来源数据时间点在选取每个参考网络来源数据时表征替换合理性和真实性的替换真实权重；而后基于不同数据清洗组合下参考网络来源的替换真实权重和不可替代性的整体分布情况进行数据清洗真实性的计算，从而确定最终所需要的真实性更高且更加准确的融合数据序列。

公开(公告)号：CN119904099A

公开(公告)日：2025-04-29

申请号：CN202411989019.3

申请日：2024-12-31

Applicant: 兰州交通大学

Inventor： 曹思宇 ,  孟学雷 ,  刘希锴 ,  彭浩 ,  亓天舒 ,  王豆豆 ,  夏溪蔓

IPC: G06Q10/0635 ,  G06Q10/0639 ,  G06Q50/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/025 ,  G06N5/04

Abstract: 本发明属于铁路调度管理技术领域，针对现有的机器学习方法无法应对铁路复杂多变调度环境，使得无法精准识别并量化风险等级的技术问题，本发明提出了一种基于因果推断和异构图神经网络的铁路调度安全风险评估方法，包括以下步骤：S1、构建铁路调度风险指标体系；S2、构建风险事件因果图；S3、计算因果效应权重；S4、构建基于因果推断的异构图神经网络模型；S5、构建多源异质数据；S6、将多源异质数据输入到基于因果推断的异构图神经网络模型中，得到各关键风险变量的风险等级。本发明通过将因果推断和异构图神经网络相结合，针对铁路调度系统中的复杂时空交互与节点因果关系建模分析，提升了风险识别的准确性和评估模型的精准性。

公开(公告)号：CN119886808A

公开(公告)日：2025-04-25

申请号：CN202411875222.8

申请日：2024-12-19

Applicant: 兰州交通大学 ,  中国铁路兰州局集团有限公司

Inventor： 彭浩 ,  方立海 ,  孟学雷 ,  方兴军 ,  夏溪蔓 ,  曹思宇 ,  王豆豆 ,  亓天舒

IPC: G06Q10/0635 ,  G06Q10/0631 ,  G06Q50/40 ,  G06F18/2411 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供一种基于GA‑LSSVM的铁路运输调度风险等级识别方法与系统，属于铁路运输调度安全技术领域。针对目前的机器学习算法存在计算复杂度高、难以满足实时性需求等问题，本发明包括：获取多源风险数据，提取待识别特征，构建风险因素样本集并对其不平衡问题进行处理，通过自编码器对风险因素样本集进行数据降维，基于LSSVM算法构建风险等级识别模型，利用GA算法对其中参数进行调优，得到GA‑LSSVM模型，将处理后的风险因素样本集输入GA‑LSSVM模型进行训练、测试与验证，得到优化后的GA‑LSSVM模型，输入实时数据进行预测，得到实时数据的风险等级。本发明能够有效提高铁路运输系统的风险识别准确性。

公开(公告)号：CN119904675A

公开(公告)日：2025-04-29

申请号：CN202411859033.1

申请日：2024-12-17

Applicant: 兰州交通大学 ,  中国铁路兰州局集团有限公司

Inventor： 刘希锴 ,  方立海 ,  孟学雷 ,  方兴军 ,  曹思宇 ,  夏溪蔓 ,  亓天舒 ,  王豆豆

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/40

Abstract: 本发明属于铁路调度事故分类预测技术领域，具体涉及一种基于特征图像的铁路调度事故预测方法。包括：S1：构建事故底事件数据库；S2：基于S1的事故底事件数据库，构建对应事故的底事件坐标库；S3：绘制方格底图，按照S2中所构建的对应事故的底事件坐标库，将方格底图中对应位置填充由S1中确定的底事件颜色，生成对应事故的特征图像；S4：对S3的特征图像进行分类，构建卷积神经网络事故分类预测模型，并对模型进行训练；训练完成后，调用模型进行铁路调度事故预测。本发明能够在事故未发生时，依据少数已发生的底事件对可能发生的事故进行预测，给出各类事故可能发生概率，从而及时预防事故发生，降低安全风险。