“阴佳腾”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果21个，建议您升级VIP下载更多相关专利

[发明专利]基于自适应多图卷积的多模式交通系统短时客流预测方法-CN202310108449.9有效
发明人：张金雷;杨立兴;杨咏杰;阴佳腾;戚建国;高自友 -专利权人：北京交通大学
申请日： 2023-02-01 - 公布日： 2023-10-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于自适应多图卷积的多模式交通系统短时客流预测方法。该方法包括：针对多模式交通系统，获取历史客流序列、自相关图和互相关图；以历史客流序列、自相关图和互相关图作为输入，利用经训练的短时客流预测模型输出预测的每种交通模式的未来客流。本发明能够协同考虑城市多模式交通系统范围内多个不同区域对于多种交通模式的未来客流，解决了多模式交通客流异质性问题，并且实现了不同交通模式的信息交互，提升了计算效率。
基于自适应图卷模式交通系统客流预测方法

[发明专利]一种城市轨道交通事故致因识别方法、系统及电子设备-CN202310632353.2在审
发明人： 阴佳腾;刘泽海;杨立兴;唐涛;高自友;张金雷;戚建国 -专利权人：北京交通大学
申请日： 2023-05-31 - 公布日： 2023-10-03 - 主分类号： G06F18/20 文献下载
摘要：本发明提供了一种城市轨道交通事故致因识别方法、系统及电子设备，属于轨道交通管理领域，方法包括：获取待识别交通事故的疑似致因集合；基于待识别交通事故的疑似致因集合及HFACS模型，建立事故致因分类模型；采用决策试验和评价试验法计算事故致因分类模型中各二级致因间的影响程度，得到综合影响矩阵；根据综合影响矩阵，采用解释结构模型法对各二级致因进行层级划分，得到多层次递阶网络结构模型；基于事故致因分类模型及多层次递阶网络结构模型，采用网络分析法计算各二级致因的综合权重；对各二级致因的综合权重排序，以确定待识别交通事故的主要致因。本发明能够准确识别出交通事故的主要致因，提高了轨道交通运行的安全性。
一种城市轨道交通事故识别方法系统电子设备

[发明专利]一种基于生成对抗网络的城市轨道交通短时客流预测方法-CN202210188660.1有效
发明人：张金雷;杨立兴;李华;戚建国;阴佳腾;陈瑶;高自友 -专利权人：北京交通大学
申请日： 2022-02-28 - 公布日： 2023-09-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于生成对抗网络的城市轨道交通短时客流预测方法。该方法包括：针对城市轨道交通网络构建图结构，并将客流量作为车站的属性特征；基于所述图结构获取多个模式下反映历史客流信息的时间序列数据，所述多个模式根据与客流预测时刻的不同时间间隔进行划分；将所述多个模式下的时间序列数据输入至图卷积神经网络获取各模式下客流的时空相关性；将所述图卷积神经网络输出的不同模式数据进行合并后输入到生成器，以生成城市轨道交通网络中目标车站在后续时刻的交通客流信息，其中所述生成器利用设定的目标函数通过训练生成对抗网络获得。本发明提高了客流预测精度，并降低了模型的复杂度。
一种基于生成对抗网络城市轨道交通客流预测方法

[发明专利]一种列车智能调度优化方法、系统及电子设备-CN202310467034.0在审
发明人： 阴佳腾;吴卫;陈星;范礼乾;张金雷;杨立兴 -专利权人：北京交通大学;南昌轨道交通集团有限公司;中铁第四勘察设计院集团有限公司
申请日： 2023-04-27 - 公布日： 2023-08-08 - 主分类号： G06Q10/0631 文献下载
摘要：本发明公开了一种列车智能调度优化方法、系统及电子设备，涉及列车智能调度技术领域。方法包括获取待测列车当前时刻的实绩运行数据；将实绩运行数据，输入到多任务深度强化学习模型中，得到待测列车下一时刻的调度策略；多任务深度强化学习模型是利用多场景下的列车的历史运行数据，对双对偶神经网络模型进行训练后得到的；根据待测列车下一时刻的调度策略，控制待测列车运行。本发明通过构建多任务深度强化学习模型能够完成对多场景下的列车调度，提高列车调度的合理性。
一种列车智能调度优化方法系统电子设备

[发明专利]一种基于深度学习的网络级多模式交通短时客流预测方法-CN202211660409.7在审
发明人：杨立兴;张金雷;杨咏杰;阴佳腾;高自友 -专利权人：北京交通大学
申请日： 2022-12-23 - 公布日： 2023-07-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度学习的网络级多模式交通短时客流预测方法。该方法包括：获取目标城市网络范围内三种交通模式的历史时间序列客流数据，包括地铁和公交的进站客流历史时间序列，以及出租车的流入客流历史时间序列；将所获取的三种交通模式的历史时间序列客流数据输入到预测模型，输出后续时间段的进站客流信息，其中所述预测模型包含三个分支结构，每一分支结构对应一种交通模式下的客流预测任务。本发明能够协同地考虑多种交通方式的进站客流，实现对网络级多模式交通短时客流的准确预测。
一种基于深度学习网络模式交通客流预测方法

[发明专利]一种城市轨道交通突发事件智能调度方法和系统-CN202310311427.2有效
发明人：范礼乾;邓志翔;阴佳腾;陈星;石先明;杨安玉;梁九彪 -专利权人：中铁第四勘察设计院集团有限公司;北京交通大学;南昌轨道交通集团有限公司
申请日： 2023-03-28 - 公布日： 2023-07-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种城市轨道交通突发事件智能调度方法及系统，该方法包括：S1）根据城市轨道交通突发事件历史数据构建计算图；S2）将计算图进行实例化得到实例化计算图；S3）基于实例化计算图构建列车智能调度优化模型；S4）求解列车智能调度优化模型得到列车调度指挥决策方案；S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。在出现突发事件的情况下，相较于传统的调度员人工管控方法，本发明可更精确、科学地调度列车运行，确保突发事件的处置效率；突发事件下的列车智能调度方案可由模型计算得出，大幅度减小调度员的工作量，提高了行车调度指挥系统的智能化程度。
一种城市轨道交通突发事件智能调度方法系统

[发明专利]一种城市轨道交通突发事件影响预测方法、系统及产品-CN202211704852.X在审
发明人：陈星;阴佳腾;范礼乾;柴思敏;张金雷;杨立兴 -专利权人：南昌轨道交通集团有限公司;江西财经大学;北京交通大学;中铁第四勘察设计院集团有限公司
申请日： 2022-12-29 - 公布日： 2023-04-07 - 主分类号： G08G1/01 文献下载
摘要：本发明公开一种城市轨道交通突发事件影响预测方法、系统及产品，涉及城市轨道交通管理与控制技术领域，包括：获取历史训练数据集；利用历史训练数据集对贝叶斯网络进行训练，得到基于贝叶斯网络的突发事件影响预测模型；将待预测的突发事件开始时间、待预测的天气状况、待预测的线路状况和待预测的故障模式输入基于贝叶斯网络的突发事件影响预测模型中，得到突发事件的影响时间和影响范围。本发明能够利用轨道交通历史数据，在出现突发事件的情况下，利用计算机自动预测突发事件的影响时间和影响范围。
一种城市轨道交通突发事件影响预测方法系统产品

[发明专利]基于GCN-Transformer的城市轨道交通节假日短时客流预测方法-CN202210733762.7在审
发明人：张金雷;杨立兴;章树鑫;金广垠;阴佳腾;李树凯;高自友 -专利权人：北京交通大学
申请日： 2022-06-27 - 公布日： 2022-09-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于GCN‑Transformer的城市轨道交通节假日短时客流预测方法。该方法包括：将交通网络视为图结构，构建用于表征各站点之间拓扑关系的线网图；获取历史客流矩阵和社交媒体数据矩阵，其中所述历史客流数据矩阵利用自动售检票系统获得，所述社交媒体数据矩阵利用互联网社交媒体获得；将所述线网图、所述历史客流矩阵和所述社交媒体数据矩阵输入到经训练的深度学习模型，预测出后续时刻的客流数据。本发明将假期客流数据、假期相关社交媒体数据量以及交通线网拓扑结构有机地整合至一起，能够充分捕捉客流的时空特征和假期特性，在满足短时客流预测“实时性”要求的同时，提高了假期客流的预测精度。
基于 gcn transformer 城市轨道交通节假日客流预测方法

[发明专利]一种高速列车有限时间自适应协调控制方法及系统-CN202210020681.2有效
发明人：宿帅;王迪;韩连鸽;曹源;李开成;刘宏杰;吕继东;阴佳腾 -专利权人：北京交通大学
申请日： 2022-01-10 - 公布日： 2022-08-12 - 主分类号： G05B19/418 文献下载
摘要：本发明涉及一种高速列车有限时间自适应协调控制方法及系统，先构建高速列车的多质点动力学模型，并利用Lipschitz连续映像算法和径向基函数神经网络对多质点动力学模型中的不确定参数进行估计，得到估计后模型，同时根据期望运行速度计算局部虚拟误差。基于估计后模型和局部虚拟误差为高速列车中的每一动力单元设计自适应有限时间协调控制器，以对动力单元进行控制，该方法具有良好的实时性，能够在有限时间内实现高速列车的协调控制，且抗干扰能力强，遇到干扰后可以控制列车快速恢复到各动力单元速度一致且列车内力趋于零的稳定运行状态。
一种高速列车有限时间自适应协调控制方法系统

[发明专利]基于计算机视觉的轨道交通站内客流识别与预测方法-CN202210187871.3在审
发明人：张金雷;杨立兴;陈瑶;阴佳腾;戚建国;李华;高自友 -专利权人：北京交通大学
申请日： 2022-02-28 - 公布日： 2022-06-10 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于计算机视觉的轨道交通站内客流识别与预测方法。该方法包括：采集轨道交通站内目标场景下的视频信息；将所述视频信息输入到经训练的目标检测模型，获得视频中每帧图片内目标的坐标信息，其中该目标检测模型以识别乘客头部为检测目标；将所述目标的坐标信息输入到目标跟踪模型，对目标进行逐帧跟踪，得到目标的运行轨迹信息；统计所述目标的运行轨迹信息，获得多个历史时间段的客流时间序列，并将该客流时间序列输入到长短期记忆网络，预测出后续时间段的客流信息。本发明能够准确的实时识别和预测轨道交通站内精细化场景下的短时客流信息，为智能交通建设提供了新方向。
基于计算机视觉轨道交通站内客流识别预测方法

[发明专利]基于时空网络的拥堵地铁线路客流协调控制方法-CN201910504530.2有效
发明人：杨立兴;孟凡婷;高自友;李树凯;高原;阴佳腾 -专利权人：北京交通大学
申请日： 2019-06-12 - 公布日： 2022-05-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于城市轨道交通技术领域，涉及一种基于时空网络的拥堵地铁线路客流协调控制方法，方法综合考虑既定运行图下的列车时空轨迹、各OD乘客动态需求、列车装载能力、乘客路径选择、等待时间等，在不影响既有运行图的前提下，优化乘客出行，保证轨道交通安全高效运营，降低乘客等待时间，并均衡轨道交通资源。具体通过时间离散化方法，在运行图确定的前提下，构建列车运行时空网络，将客流控制问题转换为乘客出行时刻选择问题，建立准确刻画问题的数学优化模型。进一步借助拉格朗日松弛方法将模型转换为基于个体乘客的出行最短路路径选择问题，并设计求解问题的算法，高效求解既定运行图下的轨道交通线路协同限流策略。
基于时空网络拥堵地铁线路客流协调控制方法

[发明专利]一种高速列车智能调度控制方法和系统-CN202110825368.1有效
发明人： 阴佳腾;吴卫;宿帅;宁晨鹤;杨立兴;唐涛 -专利权人：北京交通大学
申请日： 2021-07-21 - 公布日： 2022-02-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种高速列车智能调度控制方法和系统，属于高速列车调度领域，方法包括：获取并存储列车的历史运行数据；根据所述历史运行数据建立Q‑Evaluate Net结构模型；根据所述历史运行数据建立Q‑Target Net结构模型；对由所述Q‑Evaluate Net结构模型和所述Q‑Target Net结构模型形成的DDDQN模型进行训练，得到优化后的DDDQN模型；将列车的当前状态信息输入至所述优化后的DDDQN模型，得到列车在当前状态下的最优执行动作，根据所述最优执行动作对列车进行调度调整，从而避免了发生列车冲突和死锁的情况，有效缩短列车的延误时间，提升了乘客的出行感受。
一种高速列车智能调度控制方法系统

[发明专利]一种城市轨道交通网络化运营管理方法及系统-CN202111334332.X在审
发明人： 阴佳腾;蒲凡;宿帅;王苗;杨立兴;唐涛 -专利权人：北京交通大学
申请日： 2021-11-11 - 公布日： 2022-01-21 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种城市轨道交通网络化运营管理方法及系统，先获取路网数据和客流数据，路网数据包括列车运营数据和线路拓扑数据。然后根据路网数据和客流数据计算分时全交路车次集合和分时小交路车次集合。最后根据分时全交路车次集合和分时小交路车次集合对运行线进行铺画，得到运行图，进而在考虑到动态客流变化和交通网络复杂性的基础上，能够高效自动编制出乘客需求与运营资源精准匹配的运行图。
一种城市轨道交通网络化运营管理方法系统

[发明专利]基于深度神经网络结构模型的轨道列车运行状态预测方法-CN201910044758.8有效
发明人： 阴佳腾;任现梁;宿帅;荀径;李开成;唐涛 -专利权人：北京交通大学
申请日： 2019-01-17 - 公布日： 2021-10-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于深度神经网络结构模型的轨道列车运行状态预测方法，包括：获取轨道列车运行状态的实时数据，对数据进行预处理；根据预处理后的数据，建立深度神经网络结构模型；将预处理后的数据划分为训练数据集和验证数据集，通过训练数据集和验证数据集对所述的深度神经网络结构模型进行训练和验证；通过验证后的深度神经网络结构模型对轨道交通列车进行在线预测。本发明的方法在综合考虑车辆个体和运行环境差异因素的基础上，建立一种动力学模型，为列车在复杂环境下的运行提供有力支撑。
基于深度神经网络结构模型轨道列车运行状态预测方法

[发明专利]一种基于深度学习的高速列车停车控制方法及系统-CN202011172086.8有效
发明人： 阴佳腾;宁晨鹤;宿帅;李开成;唐涛 -专利权人：北京交通大学
申请日： 2020-10-28 - 公布日： 2021-05-14 - 主分类号： G05B13/04 文献下载
摘要：本发明公开一种基于深度学习的高速列车停车控制方法及系统，涉及轨道交通管理与控制技术领域，方法包括：获取训练数据集；建立卷积神经网络；利用所述训练数据集对所述卷积神经网络进行训练和优化，得到优化后的卷积神经网络；获取待控制列车的实际运行数据；将所述实际运行数据输入所述优化后的卷积神经网络中，得到待控制列车的停车位置；判断所述待控制列车的停车位置是否为0；若是，则输出制动命令；若否，则返回“获取待控制列车的实际运行数据”。本发明无需大量成本即可实现高速列车精确停车。
一种基于深度学习高速列车停车控制方法系统

1
2
下一页»
尾页
共 21 条