CN119740891A 基于深度学习的多空间轨道交通客流预测方法_第1页
CN119740891A 基于深度学习的多空间轨道交通客流预测方法_第2页
CN119740891A 基于深度学习的多空间轨道交通客流预测方法_第3页
CN119740891A 基于深度学习的多空间轨道交通客流预测方法_第4页
CN119740891A 基于深度学习的多空间轨道交通客流预测方法_第5页
已阅读5页，还剩36页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请有限公司61346(54)发明名称获取站点在预设历史时间段内的客流数据获取站点在预设历史时间段内的客流数据根据客流数据，获取站点到其他各个站点的可达概率以及平均可达时间站点的日周期常态化客流指数和周周期常态化客流指数获取站点在第一预设时间区间内每日的空间相似站点，并根据同一空间相似站点的最大数量得到站点的日周期重要性程度基于日周期重要性程度，对日周期常态化客流指数和周周期常态化客流指数进行加权求和，得到站点的常态化客流指数基于常态化客流指数，得到站点的常态化客流和非常态化客流23融合所述第一预设数量的连续日中所有的所述456获取第二预设数量的连续周中第一站点的任两个相邻周的同一日的可达概率差7附图说明89时)。根据客流数据，获取站点到其他各个站点的可达概率以间根据站点任两日的可达概率的差异，以及平均可达时间的差异，得到获取站点在第一预设时间区间内每日的空间相似站点，并根据同一空基于日周期重要性程度，对日周期常态化客流指流指数进行加权求和，得到站点的常态化客流指数内乘客由第一站点到达第二站点的可达概率获取第二乘客数量对应的各个乘客所用的时间，得到第一可达时间获取第二乘客数量对应的各个乘客所用的时间，得到第一可达时间基于站点到其他各个站点的可达概率，构建站点基于站点到其他各个站点的平均可达时间，构建线路1线路2线路3第一站第五站第六站获取第一站点每日的可达概率矩阵序列，以及平均可达时间矩阵序列获取第一站点每日的可达概率矩阵序列，以及平均可达时间矩阵序列阵的差异，得到可达概率差异，并获取第一站点的第一日和第二日的平均可达时间矩阵序列中对应位置的矩阵的差异，得到平均可达时间根据可达概率差异和平均可达时间差异，得到第一站点的日周期常态获取第一预设数量的连续日中第一站点的任两个相获取第一预设数量的连续日中第一站点的任两个相邻两日的可达概率融合任两个相邻两日的可达概率差异和平均可达时间差异，得到任两融合第一预设数量的连续日中所有的任两个相邻两日的常态化客流差异，得到第一站点的日周期常态化客流指数获取第二预设数量的连续周中第一站点的任两个相邻获取第二预设数量的连续周中第一站点的任两个相邻周的同一日的可达概率差异和平均可达时间差异融合任两个相邻周的同一日的可达概率差异和平均可达时间差异，得融合第二预设数量的连续周中所有的同一日的常态化客流差异，得到融合可达概率差异和平均可达时间差异，得到第一站点与其他各个站获取第一站点与其他各个站点每日的常态化客流差异中最小的常态化客流差异所对应的站点，作为第一站点在第一预设时间区间内每日的空间相似站点22根据第一站点在第一预设时间区间内每日的空间相似站点根据第一站点在第一预设时间区间内每日的空间相似站点，获取最大数量的空间相似站点将最大数量与第一预设时间区间的天数的比值，作为第一站点的日周获取站点预设历史时间段的常态化客流矩阵，获取站点预设历史时间段的常态化客流矩阵，以及非常态化客流矩阵按照预设窗口大小对常态化

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论