许心越
- 作品数：94 被引量：178H指数：8
- 供职机构：北京交通大学交通运输学院更多>>
- 发文基金：国家自然科学基金北京市自然科学基金国家科技支撑计划更多>>
- 相关领域：交通运输工程自动化与计算机技术文化科学理学更多>>
- 城市轨道交通预约进站方法、系统、电子设备及存储介质
- 本发明提供一种城市轨道交通预约进站方法、系统、电子设备及存储介质。其中方法包括步骤：在预约系统内部预先建立城市轨道交通乘客多元预约模式；基于乘客在预约系统上的预约行为，系统内部主动获取乘客卡账户和用户画像信息；在预约系统...
- 许心越张可蔡昌俊张佳音刘军
- 文献传递
- 一种跨线列车多站到达晚点预测的方法及装置
- 本发明提供的一种跨线列车多站到达晚点预测的方法及装置，首先获取并处理跨线列车实绩运行数据、外界天气数据和车站配线数据进行处理和清洗；使用69种常见的分布拟合函数对跨线列车的影响列车数量和总晚点时间进行分布拟合，确定跨线列...
- 许心越丁忻李建民
- 基于轨检车检测数据的轨道状态预测模型研究
- 安全是铁路运输永恒的主题。要保证铁路运输的安全，必须确保线路设备完整和质量均衡。本文以轨检车检测数据为研究对象，在分析国内外轨检车检测数据和轨道状态变化模型的基础上，针对我国轨检车检测数据存在的问题，提出了轨检车检测数据...
- 许心越
- 关键词：铁路运输轨检车检测数据
- 文献传递
- 基于混合深度学习模型的城轨短时客流预测被引量：11
- 2022年
- 准确预测短时客流对城市轨道交通管理者组织客流、有效分配运力资源具有重要意义。构建一种融合注意力机制和时空图卷积门控递归单元的轨道交通短时客流预测模型(STGGA)。基于旅行时间及OD量构建邻接矩阵,采用图卷积神经网络(GCN)捕获客流空间关系。同时,将注意力机制融入门控递归单元(GRU),提取客流时间相关性。进一步引入外部因素,采用GRU进行特征提取,捕捉外部因素对客流的影响。选取北京地铁客流数据进行案例分析。研究结果表明:与自回归移动平均(ARIMA)、支持向量回归(SVR)以及GRU相比,提出的STGGA在总体预测、单站预测效果方面最优,其精度分别至少提高了22.3%,19.3%与8.0%;加入的外部因素能有效提高STGGA预测性能,使其均方根误差至少降低3.4%;引入的注意力机制能识别客流相关输入时间步,增强模型解释性,有效降低STGGA的均方根误差达16.4%;与基于地理连接关系的模型(STGGA_GC)相比,基于旅行时间与OD量的模型(STGGA_TT和STGGA_OD)在均方根误差方面分别降低了35.5%和24.1%;对不同时段预测效果进行分析:与STGGA_OD相比,STGGA_TT在晚高峰展现出了明显的预测优势。所提出的STGGA能够实现轨道交通短时客流的高精度预测,为管理者分析、控制客流提供一定的数据支撑。
- 王雪琴许心越伍元凯刘军
- 关键词：城市轨道交通
- 一种地铁乘客出行时间选择行为分析方法
- 本发明公开了一种地铁乘客出行时间选择行为分析方法，所述方法包括：S1：调研并筛选用于调研的地铁乘客出行场景属性，划分所述场景属性水平并分配属性水平值；S2：确定出行场景选择集数，根据D‑OPTIMAL设计方法设计地铁乘客...
- 许心越李宪李海鹰刘军
- 文献传递
- 基于城市轨道交通的乘客一体化智慧出行方法和系统
- 本发明涉及轨道交通领域，提供了一种基于城市轨道交通的乘客一体化智慧出行方法和系统，其中方法包括步骤：采集多源数据，根据多源数据建立乘客属性预测模型，预测乘客属性，建立与乘客属性匹配的需求场景，根据多源数据得到车站类型并生...
- 许心越闫业凡李海鹰蔡昌俊刘军叶红霞王纪芳张佳音张安忠林俊宏李浩然孔庆雪
- 一种轨道交通新线客流预测方法、系统、电子设备及介质
- 本发明公开一种轨道交通新线客流预测方法、系统、电子设备及介质，涉及轨道交通客流预测领域，方法包括：首先获取与车站客流相关的建成环境特征，根据待预测客流的新线车站的建成环境特征，确定新线车站的车站类型；利用车站类型对应的客...
- 许心越张鹏羽李海鹰孔庆雪
- 一种基于大站停车和多站协同限流的地铁客流组织方法
- 本发明公开一种基于大站停车和多站协同限流的地铁客流组织方法，该方法包括如下步骤：统计地铁线路上各车站的客流特性；根据各车站的客流特性，设置地铁线路的列车停站方案；根据各地铁车站的客流特性和地铁线路的列车停站方案，构建列车...
- 李海鹰姜曼许心越刘军
- 文献传递
- 基于广义动态模糊神经网络的短时车站进站客流量预测被引量：17
- 2015年
- 针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点,结合逻辑推理能力强的模糊技术与自学习能力强的神经网络,提出一种基于广义动态模糊神经网络(GD-FNN)的短时进站客流量预测方法。以北京轨道交通各车站的进站客流量数据为例,分析轨道交通车站的进站客流特征,确定影响短时客流分布的主要因素;然后采用GD-FNN方法构建车站短时进站量的预测模型,实现对北京轨道交通系统若干车站进站量的预测。预测结果表明:该方法与传统的神经网络相比,预测效果更准确(最大相对误差小于8%),稳定性好。
- 李春晓李海鹰蒋熙许心越赵阿群
- 关键词：轨道交通广义动态模糊神经网络
- 基于多阶段特征优选的高速铁路列车晚点预测模型被引量：1
- 2023年
- 为克服大规模高维数据集不相关和冗余信息对列车晚点预测模型性能的影响,提出一种融合多阶段(MS)特征优选方法和改进深度神经网络(IDNN)模型的高速铁路列车晚点预测模型(简称MS-IDNN模型)。首先,利用MS特征优选方法,基于列车运行实绩提取影响列车晚点的相关特征,构建初始特征集,并对其进行数据清洗和特征优选,生成最优特征子集;其次,将列车晚点特征映射为IDNN模型的神经元,采取全连接方式提取特征间的交互关系,并叠加多个浅层神经网络以克服深度神经网络反向传播过程中梯度消失的缺陷,实现列车到达晚点的精准预测;最后,以武广高速铁路列车运行实绩为例,验证MS-IDNN模型的有效性。结果表明:相比初始特征集,构建得到的最优特征子集特征维度降低了54.29%;相比6种基线模型,MS-IDNN模型的平均绝对误差和均方根误差分别至少降低4.85%和8.97%,在沿线至少66.66%的车站中表现出更高的预测性能;MS-IDNN模型能够有效剔除数据集中的不相关和冗余信息,提升列车晚点预测精度。
- 李建民许心越丁忻
- 关键词：高速铁路
