-
公开(公告)号:CN119338507A
公开(公告)日:2025-01-21
申请号:CN202411261093.3
申请日:2024-09-10
Applicant: 东南大学
IPC: G06Q30/0202 , G06Q50/40 , G06F18/15 , G06F18/2135 , G06F18/25 , G06F18/22 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种基于节假日客流趋势相似性的城际客流预测方法,涉及城际客流预测领域。首先,通过数据采集获得城际客流数据,并计算趋势特征矩阵,将趋势特征矩阵与城际客流数据融合得到初始训练数据;其次,利用初始训练数据获取未来预测时段的视野变量组并定义主要视野变量,在空间和时间维度上聚合信息特征,得到时空变量;紧接着,根据时空变量和视野变量组计算并转化时空编码信息;最后,基于节假日客流趋势相似性特征,计算假期特征矩阵,提取并融合假期趋势特征,最终得到未来假期的城际客流预测结果。本发明提高了预测的准确性和可靠性。
-
公开(公告)号:CN118822185A
公开(公告)日:2024-10-22
申请号:CN202410906324.5
申请日:2024-07-08
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q50/40 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于多源交通大数据和计算图的交通需求估计方法,具体为:步骤1:将交通网络拓扑结构数据划分为若干个交通小区,获取交通小区中的相关数据;步骤2:构建五层交通需求估计的神经网络框架,将步骤1中的数据映射至五层交通需求估计的神经网络框架;步骤3:交通出行综合优化估计模型;步骤4:将交通出行综合优化估计模型扩展为计算图上的5TCG联合估计模型;步骤5:训练5TCG联合估计模型;步骤6:采用训练好的5TCG联合估计模型对交通需求进行实时估计。本发明能够更好的分析城市网络上的交通演化态势和规律,有助于为交通管理者或规划者提出的管控、效率、拥堵识别等方向的交通策略提供参考。
-
公开(公告)号:CN117648783A
公开(公告)日:2024-03-05
申请号:CN202311526236.4
申请日:2023-11-15
Applicant: 东南大学
IPC: G06F30/18 , G06F16/29 , G06F16/9537
Abstract: 本发明公开了一种基于OSM的区域综合交通网络融合构建方法,提取OSM地图数据中的区域综合交通网络要素,并设置不同解析精度与网络要素的对应关系,处理形成区域综合交通网络中路段、线路、节点、拓扑点的空间数据及属性数据文件,并根据用户设置的解析精度,构建可包含公路路段与节点、铁路线路与节点、水运线路与节点及相关属性的一体化区域综合交通网络。本发明可以让用户融合构建包含公路网络、铁路网络、水运网络在内的多方式大规模区域综合交通网络,为区域综合交通分析快速提供计算机表达形式的基础数据,大大节省人工绘制区域综合交通网络的时间和工作量。
-
公开(公告)号:CN116090687A
公开(公告)日:2023-05-09
申请号:CN202310089499.7
申请日:2023-02-09
Applicant: 东南大学
IPC: G06Q10/047 , G06Q50/26 , G06F30/20 , G06F30/18 , G06F119/02
Abstract: 本发明公开一种轨道交通网络级联失效模型的建立方法,属于计算、推算或计数的技术领域。该方法包括以下步骤:获取数据,构建轨道交通网络模型;移除故障节点,生成新的轨道交通网络模型;模拟考虑需求变化和时延作用的节点状态;计算级联失效影响指标。本发明建立的级联失效模型可以同时考虑轨道交通网络级联失效状态下的需求变化和时延作用,揭示现实世界中的级联失效机制。
-
公开(公告)号:CN114639239B
公开(公告)日:2023-04-18
申请号:CN202210172739.5
申请日:2022-02-24
Applicant: 东南大学
Abstract: 本发明提出一种改进重力模型交通出行分布预测方法,该方法包括如下步骤:首先,采集城市交通出行需求分布相关数据;其次,依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同类别;然后,对不同类别交通小区间的需求分布采用改进的重力模型进行模型参数标定;最后,利用标定好的重力模型进行城市交通出行需求分布预测。本发明既充分继承了重力模型的优势,又提高了对现状出行需求分布信息的利用程度,考虑了不同交通小区之间的社会经济发展水平与功能定位的差异,更加符合实际情况,可以为城市交通运输的规划与管理提供参考依据。
-
公开(公告)号:CN115600751A
公开(公告)日:2023-01-13
申请号:CN202211334262.2
申请日:2022-10-28
Applicant: 东南大学(CN)
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆网络的个体轨迹数据出行目的预测方法,包括以下步骤:获取用户的出行数据;对出行数据进行预处理;采用城市兴趣点数据扩充出行数据的空间特征;搭建LSTM模型;选择LSTM模型的结构和迭代次数;训练模型,评估模型结果。本发明方法重点关注个体出行序列,弥补了现有方法通常只单独考虑某次出行的局限性,更加注重出行序列之间的因果关系;本发明预测方法不仅能潜在分析出行链的分布特征,达到较好模型结果,且更能体现整体的出行规律,同时可以对其预测的出行目的进行验证。
-
公开(公告)号:CN114707805A
公开(公告)日:2022-07-05
申请号:CN202210222328.2
申请日:2022-03-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于AOI数据的交通小区各类型用地面积获取方法及设备,该方法通过对所有类型的AOI数据进行选取与合并操作,筛选出和交通需求关联性较大的n种用地类型对应的AOI数据,对其中每一种用地类型的AOI数据进行预处理,生成n种用地类型各自对应的AOI小区数据文件、所有AOI标志点数据汇总文件,以交通小区的中心点为圆心生成固定半径的圆形缓冲区,根据缓冲区内的AOI标志点信息找到对应的AOI小区数据,通过交通小区与此AOI小区相交的面积,确定出交通小区内部对应类型的用地面积。本发明通过对AOI数据中点面元素的灵活构建与转化,能够高效和高精度地实现交通小区各类型用地面积的快速获取。
-
公开(公告)号:CN114547131A
公开(公告)日:2022-05-27
申请号:CN202210008984.2
申请日:2022-01-06
Applicant: 东南大学
IPC: G06F16/2458 , G06F16/22 , G06F16/29 , G06Q10/04 , G06Q50/26
Abstract: 本发明公开了一种考虑联程出行的综合交通分方式OD获取方法,包含了数据采集、效用计算、比例分析和OD获取共计四个步骤,通过采集分析区域范围内出行OD矩阵数据,根据公式计算出两地之间所有可行出行方式组合的出行效用,在此基础上计算两地之间所有可行出行方式组合的出行比例,最终通过计算得到两地之间出行方式的分方式OD矩阵,以实际数据为支撑,考虑了城市之间联程出行的可能性,具有很强的实用性及可操作性,对于进行综合交通出行方式划分预测和交通规划具有重要意义,也为城市群间客运枢纽的规划改造以及枢纽间运力的调度优化提供切合实际的科学依据,更加科学合理的提升运输服务的供给能力和质量,改善旅客的出行体验。
-
公开(公告)号:CN114462310A
公开(公告)日:2022-05-10
申请号:CN202210064509.7
申请日:2022-01-20
Applicant: 东南大学
Abstract: 本发明公开了一种综合交通系统优势出行距离标定方法,通过采集需要标定的区域范围内城市间的出行选择数据和出行分布数据,并针对每一个直线距离统计各种出行方式的出行比例,基于宏观交通仿真软件搭建宏观交通仿真平台拟合形成优势出行距离函数,在此基础上进行不同出行方式的分方式OD交通分配,不断优化分配结果的精度,最终得到城市间不同出行方式在优势出行距离函数参数标定结果。以实际数据为支撑,考虑了城市之间各种出行方式的优势出行距离,整个过程思路清晰,具有很强的实用性及可操作性,为制定适应城市交通发展需求的建设规划提供合理依据,弥补常用交通方式划分方法的不足,促进资源的优化配置,实现城市交通网络经济效益良性发展。
-
公开(公告)号:CN113299061A
公开(公告)日:2021-08-24
申请号:CN202110481678.6
申请日:2021-04-30
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种智能网联环境双车道高速公路车道资源配置方法。统计双车道高速公路的车道资源配置区域的匝道数量,记为N‑1;将双车道高速公路的车道资源配置区域空间分成N段;将双车道高速公路的车道资源配置区域时间分成M段;采集道路交通信息数据;确定车道资源配置策略;确定车道资源配置策略的实施区域长度与过渡段。本发明通过对需要进行车道资源配置的高速公路区域进行时间与空间的分段,针对每个分段的智能网联汽车比例确定车道资源配置策略,实现对高速公路车道的控制管理。
-
-
-
-
-
-
-
-
-