-
公开(公告)号:CN116433281A
公开(公告)日:2023-07-14
申请号:CN202310310403.5
申请日:2023-03-24
IPC分类号: G06Q30/0204 , G06F18/15 , G06F18/2415 , G06F18/2431 , G06F16/215 , G06F16/29
摘要: 本发明提供了一种商圈功能特性分类方法及系统,所述方法包括:获取多源数据集并对多源数据集进行标准化处理,得到标准化数据集;根据标准化数据集对商圈的商圈边界进行规则化处理,得到规则化商圈边界数据集;根据规则化商圈边界数据集,提取不同商圈的商圈兴趣点POI属性特征并进行归一化处理和数据筛选处理,以形成POI数据和路网多种属性特征数据;根据POI数据和路网多种属性特征数据,对商圈功能特性进行分类。本发明对商圈边界进行了全面化、精细化、规则化的划分,具有一定的实用性。
-
公开(公告)号:CN117743871A
公开(公告)日:2024-03-22
申请号:CN202311661262.8
申请日:2023-12-05
IPC分类号: G06F18/23 , G06F18/213
摘要: 本发明公开了一种考虑故障影响的城市轨道交通车站聚类方法、系统及装置,所述方法包括:S1、获取车站车辆故障特征指标和设备设施车辆故障特征指标;S2、计算车站车辆故障特征指标之间的曼哈顿距离得到车辆故障不同特征表现的数目;S3、计算设备设施车辆故障特征指标中各车站数据之间的曼哈顿距离得到设备设施故障不同特征表现的数目;S4、基于车辆故障不同特征表现的数目、设备设施故障不同特征表现的数目和特征指标分别对车辆故障车站和设备设施故障车站进行聚类得到每一个车站对应类别。本发明可以实现故障聚类的车站划分。
-
公开(公告)号:CN117669820A
公开(公告)日:2024-03-08
申请号:CN202311667594.7
申请日:2023-12-06
摘要: 本说明书实施例提供了一种基于多因素的影响行车故障预测方法及系统,其中,方法包括:获取历史行车数据,确定导致影响行车故障的影响因素;建立是否影响行车判断模型,根据所述历史行车数据判断各影响因素对故障的影响程度,得到判断结果;建立基于多因素分析的影响行车故障预测模型,根据所述历史行车数据及对应判断结果对所述影响行车故障预测模型进行训练;获取当前行车数据,输入所述影响行车故障预测模型,得到故障预测结果。本发明按照日期属性、天气状况、风力、温度等多影响因素分别对车辆、设备设施故障进行统计分析,建立预测模型,提高了行车故障预测准确率。
-
公开(公告)号:CN117611417A
公开(公告)日:2024-02-27
申请号:CN202311577164.6
申请日:2023-11-23
IPC分类号: G06Q50/40 , G06N3/0464 , G06N3/08 , G08G1/01 , G06F17/16
摘要: 一种面向交通系统仿真应用的行人轨迹预测方法及装置,通过从数据中推断隐藏的相互依赖关系,引入在图上定义的空间卷积操作、图卷积操作,将空间图卷积扩展为时空图卷积,使用时间扩展器卷积神经网络,将时间扩展器卷积神经网络的输出通过全连接层进行降维,生成具体的行人未来轨迹,预测轨迹表示,从而相较于现有方法在预测误差、计算时间和参数数量等关键方面均有所提升,有效提升了计算效率。
-
公开(公告)号:CN115952951A
公开(公告)日:2023-04-11
申请号:CN202211269742.5
申请日:2022-10-18
IPC分类号: G06Q10/063 , G06Q50/30 , G08G1/01
摘要: 本发明提出了一种基于渗流的城市轨道交通系统线路韧性评估方法,该方法提出适用于轨道交通系统站点级和线路级的系统性能指标,综合考虑网络结构和系统运营状况等不同方面的影响。并应用基于韧性三角形的韧性定义方法,建立不同层级的轨道交通系统的韧性评价指标,满足城市轨道交通系统韧性评估分析的具体要求,客观评价了地铁系统不同站点和线路在早高峰时段的性能受影响程度。该方法将线路的韧性值与韧性过程中的性能恢复速度做对比分析,可以有效发现韧性相似的不同线路表现出来的不同特性,使得能够对于城市轨道交通系统线路在早晚高峰的韧性有一个更为精准的把握,给城市轨道交通相关管理部门提供了更好的决策依据。
-
公开(公告)号:CN115169638A
公开(公告)日:2022-10-11
申请号:CN202210591407.0
申请日:2022-05-27
摘要: 本发明提供一种基于相似日选择的城市轨道交通客流预测方法。本发明根据预测日期为普通日或特殊日而进行前向逐日检索或双向定位检索,取其中相似度较高的d天作为相似日样本,进而对相似日采用平均值法和二次指数平滑法进行预测和误差分析,获得客流预测值。本申请采用定量转化、归一化、构造函数法等方法,分别计算温度、星期类型、节假日属性、日期距离等因素的相似度,构建出包含多类型参数的累乘函数。结合城市轨道交通客流数据对本申请的预测方法进行拟合及验证,结果表明本文提出的相似日选择模型准确可靠,对提高客流预测精度具有重要价值。
-
-
-
-
-