-
公开(公告)号：CN108564227B
公开(公告)日：2021-08-06
申请号：CN201810382245.3
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征的轨道交通客流量预测方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3将步骤S2中0至t时刻目标站点历史数据的空间特征和时序特征对应的合成0至t时刻目标站点的二维向量；S4建立LSTM人工神经网络模型，将0至t时刻目标站点的二维向量作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的二维向量输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
公开(公告)号：CN108564228A
公开(公告)日：2018-09-21
申请号：CN201810382266.5
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时序特征预测轨道交通OD客流量的方法，包括如下步骤：S1:采集轨道交通客流OD的历史数据，提取顺序时间序列与历史同期序列；S2：将顺序时间序列与历史同期序列结合得到新的时间客流量序列；S3：建立LSTM模型，将0至t时刻新的时间客流量序列作为输入对LSTM模型进行训练，然后再将t时刻新的时间客流量序列输入训练后的LSTM模型，得到t+1时刻的OD客流量。本发明方法将顺序时间序列与历史同期序列进行结合，形成新的特征组，用于预测轨道交通OD客流量，预测精度高。
-
公开(公告)号：CN108564227A
公开(公告)日：2018-09-21
申请号：CN201810382245.3
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征的轨道交通客流量预测方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3将步骤S2中0至t时刻目标站点历史数据的空间特征和时序特征对应的合成0至t时刻目标站点的二维向量；S4建立LSTM人工神经网络模型，将0至t时刻目标站点的二维向量作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的二维向量输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
公开(公告)号：CN110232670B
公开(公告)日：2023-05-12
申请号：CN201910534021.4
申请日：2019-06-19
申请人： 重庆大学
IPC分类号： G06T5/00
摘要： 本发明涉及基于高低频分离的图像视觉效果增强的方法，步骤包括：S1采集图像，采集的所有高清图像构成原始图像集合；S2对原始图像进行后期处理增强视觉效果，得到后期处理的图像集合；S3采用高斯滤波器对原始图像和后期处理图像进行平滑处理，提取两者的低频分量；S4建立基于全卷积的上下文聚合网络模型，将原始图像和后期处理图像的低频分量作为图像序列输入网络进行训练，更新上下文聚合网络模型中的参数，得到训练后的网络模型；S5将待处理的图像的高频分量和经过训练后的网络模型处理后低频分量进行叠加，得到待处理图像的视觉效果增强图。本发明方法简单有效，可以尽可能地保留原图像中的细节，最后得到的视觉效果增强图效果更好。
-
公开(公告)号：CN110232670A
公开(公告)日：2019-09-13
申请号：CN201910534021.4
申请日：2019-06-19
申请人： 重庆大学
IPC分类号： G06T5/00
摘要： 本发明涉及基于高低频分离的图像视觉效果增强的方法，步骤包括：S1采集图像，采集的所有高清图像构成原始图像集合；S2对原始图像进行后期处理增强视觉效果，得到后期处理的图像集合；S3采用高斯滤波器对原始图像和后期处理图像进行平滑处理，提取两者的低频分量；S4建立基于全卷积的上下文聚合网络模型，将原始图像和后期处理图像的低频分量作为图像序列输入网络进行训练，更新上下文聚合网络模型中的参数，得到训练后的网络模型；S5将待处理的图像的高频分量和经过训练后的网络模型处理后低频分量进行叠加，得到待处理图像的视觉效果增强图。本发明方法简单有效，可以尽可能地保留原图像中的细节，最后得到的视觉效果增强图效果更好。
-
公开(公告)号：CN108537392A
公开(公告)日：2018-09-14
申请号：CN201810382271.6
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征预测轨道交通站点出站客流量的方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3建立LSTM人工神经网络模型，将0至t时刻目标站点的空间特征和时序特征作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的空间特征和时序特征输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
公开(公告)号：CN108537392B
公开(公告)日：2021-08-17
申请号：CN201810382271.6
申请日：2018-04-26
申请人： 重庆大学
摘要： 本发明涉及一种基于时空特征预测轨道交通站点出站客流量的方法，包括如下步骤：S1采集轨道交通客流量的历史数据；S2从S1步骤采集的历史数据中，提取0至t时刻目标站点的空间特征和时序特征；S3建立LSTM人工神经网络模型，将0至t时刻目标站点的空间特征和时序特征作为输入对LSTM人工神经网络模型进行训练，然后再将t时刻目标站点的空间特征和时序特征输入训练后的LSTM人工神经网络模型，得到t+1时刻目标站点的出站客流量。本发明方法将空间特征和时序特征进行结合，用于预测轨道交通目标站点的客流量，预测精度高。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.023 秒)
