-
公开(公告)号：CN114330526B
公开(公告)日：2024-04-19
申请号：CN202111590755.8
申请日：2021-12-23
Applicant: 北京交通大学
IPC: G06F18/23213 , G06N3/006
Abstract: 本发明提供了基于TGO‑SSA‑FCM算法的交通流量缺失数据修复方法。该方法包括：获取交通流量的输入数据矩阵，并输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为输入数据矩阵中的缺失数据的预测值。本发明方法弥补了传统FCM算法参数m和K随机选取、初始聚类中心随机选取，可以实现有效地修复交通流量数据中的缺失数据。
-
Patent Agency Ranking
公开(公告)号：CN118536640B
公开(公告)日：2024-11-19
申请号：CN202410434364.4
申请日：2024-04-11
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/40 , G06Q50/26 , G06F18/27 , G06N3/0464
Abstract: 本发明提供了一种基于多任务级联深度学习的轨道交通客流预测方法。该方法包括：多任务级联深度学习客流预测模型构建轨道交通网络的长期拓扑邻接图与长期地理邻接图，并输入到构建的自适应供需共享嵌入网络中，多任务级联深度学习客流预测模型自适应供需共享嵌入网络多任务级联深度学习客流预测模型输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对预测得到的进站客流、出站客流以及OD对间的线级阻抗指标，按照自适应供需共享嵌入网络学习到的起终站点供需特征的维度进行密集嵌入，并按照OD对的起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流。本发明方法可以提供更准确、泛化能力更强的端到端的客流预测。
-
公开(公告)号：CN114333307A
公开(公告)日：2022-04-12
申请号：CN202111592500.5
申请日：2021-12-23
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于PSO‑ELM算法的交叉口交通状态识别方法。该方法包括：获取有标签的交叉口连接路段的历史交通流量数据集；利用极限学习机ELM算法对所述历史交通流量数据集进行学习，利用粒子群优化算法PSO对ELM的参数进行寻优，PSO的适应度函数设置为ELM预测值和实际值的均方误差MSE，取最佳适应度值时的参数作为ELM最终参数，将最终ELM模型作为交叉口交通状态识别模型；利用交叉口交通状态识别模型对待识别的交叉口交通状态进行识别。本发明将PSO‑ELM算法应用到交通状态识别领域，通过利用交叉口连接道路的交通状态识别交叉口交通状态，有助于交叉口连接道路的交通管控措施的制定。
-
公开(公告)号：CN114330526A
公开(公告)日：2022-04-12
申请号：CN202111590755.8
申请日：2021-12-23
Applicant: 北京交通大学
Abstract: 本发明提供了基于TGO‑SSA‑FCM算法的交通流量缺失数据修复方法。该方法包括：获取交通流量的输入数据矩阵，并输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为输入数据矩阵中的缺失数据的预测值。本发明方法弥补了传统FCM算法参数m和K随机选取、初始聚类中心随机选取，可以实现有效地修复交通流量数据中的缺失数据。
-
公开(公告)号：CN118536640A
公开(公告)日：2024-08-23
申请号：CN202410434364.4
申请日：2024-04-11
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/40 , G06Q50/26 , G06F18/27 , G06N3/0464
Abstract: 本发明提供了一种基于多任务级联深度学习的轨道交通客流预测方法。该方法包括：多任务级联深度学习客流预测模型构建轨道交通网络的长期拓扑邻接图与长期地理邻接图，并输入到构建的自适应供需共享嵌入网络中，多任务级联深度学习客流预测模型自适应供需共享嵌入网络多任务级联深度学习客流预测模型输出起点站点的供给特征和终点站点的需求特征；将起点站点的供给特征输入到进站客流预测器，得到预测的进站客流；将终点站点的需求特征输入到出站客流预测器，得到预测的出站客流；对预测得到的进站客流、出站客流以及OD对间的线级阻抗指标，按照自适应供需共享嵌入网络学习到的起终站点供需特征的维度进行密集嵌入，并按照OD对的起终点进行连接，得到OD对的属性特征，根据所述OD对的属性特征通过多头自注意力网络捕捉不同特征间的高阶交互关系，得到预测的OD客流。本发明方法可以提供更准确、泛化能力更强的端到端的客流预测。
-
公开(公告)号：CN307026813S
公开(公告)日：2021-12-24
申请号：CN202130619948.6
申请日：2021-09-17
Applicant: 北京交通大学海滨学院
Designer： 李鹏程
Abstract: 1.本外观设计产品的名称：电磁阀。
2.本外观设计产品的用途：用于液体和气体管路的开关控制。
3.本外观设计产品的设计要点：在于形状与色彩的结合。
4.最能表明设计要点的图片或照片：立体图1。
5.请求保护的外观设计包含色彩。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
