-
公开(公告)号：CN118863984A
公开(公告)日：2024-10-29
申请号：CN202410889934.9
申请日：2024-07-04
申请人： 浙江大学
IPC分类号： G06Q30/0202 , G06Q30/0201 , G06F18/2321 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/088 , G06Q50/26 , G06Q50/47
摘要： 本发明属于客流预测技术领域，具体的说是基于时空动态图聚类的节假日地铁客流预测方法及系统，包括获取节假日特性变量信息；根据站点客流特性变量信息，利用动态图聚类算法实现地铁网络站点组团特征，将相似的出行模式的站点进行聚类；基于获取到的节假日特性变量信息，利用动态图聚类算法的结果，在不同站点聚类簇中，构建客流预测模型，对地铁站点的节假日客流进行预测，本发明采用了将Transformer架构和图神经网络相结合的GTN方法对地铁节假日全网进站客流进行预测。该方法将自注意机制扩展到地铁出行网络图节点和边上，对不同站点和站点间连接关系进行加权关注，更准确把握不同站点间客流模式关联性，提高预测精度。
-
公开(公告)号：CN118863147A
公开(公告)日：2024-10-29
申请号：CN202410889994.0
申请日：2024-07-04
申请人： 浙江大学
IPC分类号： G06Q10/04 , G06Q10/0631 , G06Q50/47 , G06F18/2415 , G06N3/0455 , G06N3/08
摘要： 本发明属于物联网预测技术领域，具体的说是基于用户出行行为的共享单车目的地预测方法及系统，包括获取用户宏观区域的出行需求预测信息，用于输入用户历史时间段的出现需求信息以获得用户未来时间段的出行需求信息，获取用于微观个体出行目的地预测信息；基于用户宏观区域的出行需求预测信息获取用户宏观出行需求的预测提升信息，本发明利用研究区域的宏观共享单车出行需求预测量，基于算法与历史频率融合的概率矩阵对于个体出行预测目的地进行调整及重新分配，以达到目的地预测准确率提升的目的。
-
公开(公告)号：CN118258417A
公开(公告)日：2024-06-28
申请号：CN202410415243.5
申请日：2024-04-08
申请人： 浙江大学
摘要： 本发明涉及智慧出行技术领域，具体的说是一种融合不同出行方案的出行路线推荐系统及方法，包括：获取第一信息，所述第一信息包括用户端出行信息、行程状态信息和计算方法选择信息；获取第二信息，所述第二信息包括非用户端交通系统状态信息、公交服务信息和天气信息；基于所述第一信息和第二信息，利用推荐系统生成差异化推荐出行方案，本发明利用交通流演化机理，基于交通状态推演、统计分析和机器学习等方法，形成并融合实时、预测、可靠性、分流算法，构建推荐算法模块，提出多种算法共存机制范式。
-
公开(公告)号：CN106571032A
公开(公告)日：2017-04-19
申请号：CN201610935968.2
申请日：2016-11-01
申请人： 浙江大学
IPC分类号： G08G1/01
CPC分类号： G08G1/0125
摘要： 本发明涉及一种利用手机信令大数据和动态交通分配的居民出行OD矩阵标定方法，其主要步骤包括：构建城市道路仿真网络模型，利用微波和卡口数据对构建的城市道路网络中各路段的仿真参数进行标定，利用微波检测器获取实际道路网中的真实交通流量，利用手机信令数据获取初始的OD矩阵的交通流量，通过动态交通分配方法，对初始交通流量进行动态调整使之趋近于路网中的真实交通流量，计算仿真估计交通流量和真实交通流量之间误差，如满足阈值则标定结束，否则继续进行基于仿真的动态分配，直至标定结束。本发明采用手机信令大数据对居民出行的动态OD矩阵进行标定，具有数据信息来源稳定客观、样本量大、覆盖范围广、数据精度高、动态性强等特点。
-
公开(公告)号：CN118278169A
公开(公告)日：2024-07-02
申请号：CN202410258722.0
申请日：2024-03-07
申请人： 浙江大学
IPC分类号： G06F30/20 , G06F30/13 , G06Q10/063 , G06Q10/0631 , G06Q10/10 , G06Q50/40
摘要： 本发明公开了一种面向机场综合交通枢纽的多模式交通仿真评估方法与系统，包括：获取机场规划建设方案，多模式换乘中心的运营流程规划，以及多模式换乘中心每一交通模式的客流数据；根据机场规划建设方案，构建机场综合交通枢纽基础设施模型；根据多模式换乘中心的运营流程规划，在机场综合交通枢纽基础设施模型的基础上配置换乘交通模型；以换乘乘客的第一人称视角，运行换乘交通模型，基于多模式换乘中心每一交通模式的客流数据，获取换乘过程中的排队长度、行人密度、行程时间、完成行程人数、热力图；计算每一换乘交通模型对应的平均排队长度、平均排队时间长、最大排队长度，以此对每一换乘交通模型进行评估。
-
公开(公告)号：CN116629637A
公开(公告)日：2023-08-22
申请号：CN202310611599.1
申请日：2023-05-26
申请人： 浙江大学
IPC分类号： G06Q10/0637 , G06Q50/26 , G08G1/01
摘要： 本发明涉及一种基于LBS/AOI/POI数据的多特征融合出行目的估计方法及系统，本发明构建了隐式特征，即出行起终点之间的出行目的地类别差异，充分利用AOI和POI数据所蕴含的时空信息来辅助估计分段出行的出行目的，并通过出行特征、活动特征和隐式特征等多特征融合实现出行目的估计。本发明提升了出行目的估计的可解释性，实现了利用位置服务数据推断出行目的的目标，降低了网络资源分配的实现成本，其实现方法可行性和适用性强，能够保证出行目的估计的有效性。
-
公开(公告)号：CN116308653A
公开(公告)日：2023-06-23
申请号：CN202310244474.X
申请日：2023-03-07
申请人： 浙江大学
IPC分类号： G06Q30/0601 , G06Q50/30
摘要： 本说明书提供了一种基于交通仿真的拼车方法及相关设备。该方法包括：获取第一时段内的多个拼车订单各自的订单信息；基于预先训练得到的交通仿真模型，获取目标区域在第二时段内的交通仿真结果；所述第二时段包含所述第一时段；所述交通仿真结果包括仿真得到的所述目标区域在所述第二时段内的动态交通状况；基于所述多个拼车订单各自的订单信息以及所述交通仿真结果，为所述目标区域内的多个服务车辆中的空闲车辆匹配所述多个拼车订单中对应的至少一个拼车订单。
-
公开(公告)号：CN110299005A
公开(公告)日：2019-10-01
申请号：CN201910496746.9
申请日：2019-06-10
申请人： 浙江大学
摘要： 本发明涉及一种基于深度集成学习的城市大规模路网交通速度预测方法，其主要步骤包括：获取路网中所有检测点的交通流检测数据；将速度时间序列分解成多个本征模态函数和残差序列；加入外部变量构建三维时空深度输入张量，将检测器堆叠至第三维深度维上；对卷积神经网络模型参数进行标定，利用标定好的模型对由本征模态函数和残差序列构成的矩阵进行预测；对预测后的速度时间子序列进行重建，恢复为路网层面所有检测点位的预测速度时间序列。本发明方法通过将复杂的非线性、非平稳速度时间序列分解为多个具有更强周期性的子序列，在实现城市大规模路网交通速度一次性多步预测的同时，提高了预测精度和预测效率，具有良好的空间拓展性。
-
公开(公告)号：CN106960406A
公开(公告)日：2017-07-18
申请号：CN201710073402.8
申请日：2017-02-10
申请人： 浙江大学
IPC分类号： G06Q50/26
CPC分类号： G06Q50/26
摘要： 本发明公开了一种考虑居民出行OD的公交服务覆盖率计算方法。该方法的核心思想是基于通过手机信令、出行调查等方式获取的居民出行OD，借助开放地图服务，获取每一个出行OD对的公交服务数据，构造以交通小区为单位的覆盖率指标来反映交通小区的公交服务水平。本发明包括：结合交通小区划分对居民出行OD数据预处理；利用开放地图服务获取OD对的公交出行数据；构造以OD对为单位的覆盖率指标；计算得到总体及各交通小区的公交服务覆盖率。相比传统的公交覆盖率计算方法，本发明面向实际居民出行需求，注重公交对单个出行的服务覆盖，更能体现城市公交的服务水平，为引导公交资源的科学配置提供技术支撑。
-
公开(公告)号：CN106504528A
公开(公告)日：2017-03-15
申请号：CN201610946925.4
申请日：2016-11-02
申请人： 浙江大学
IPC分类号： G08G1/01
CPC分类号： G08G1/0104
摘要： 本发明涉及一种利用手机信令大数据和动态交通分配的居民出行OD矩阵标定方法，其主要步骤包括：构建城市道路仿真网络模型，利用微波和卡口数据对构建的城市道路网络中各路段的仿真参数进行标定，利用微波检测器获取实际道路网中的真实交通流量，利用手机信令数据获取初始的OD矩阵的交通流量，通过动态交通分配方法，对初始交通流量进行动态调整使之趋近于路网中的真实交通流量，计算仿真估计交通流量和真实交通流量之间误差，如满足阈值则标定结束，否则继续进行基于仿真的动态分配，直至标定结束。本发明采用手机信令大数据对居民出行的动态OD矩阵进行标定，具有数据信息来源稳定客观、样本量大、覆盖范围广、数据精度高、动态性强等特点。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.018 秒)
