申请/专利权人:北京交通大学
申请日:2024-01-31
公开(公告)日:2024-05-17
公开(公告)号:CN118052319A
主分类号:G06Q10/04
分类号:G06Q10/04;G06F18/243;G06Q50/40;G06N3/084;G06N3/0455;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明涉及一种基于自注意力机制的多列车延误同步预测方法,方法包括S1、采集目标地区铁路每一线路的历史列车运行数据;S2、分别针对每一线路,基于所述历史列车运行数据,筛选每一延误事件中的列车运行数据;S3、基于所述列车运行数据进行重要性分析,获取每一线路中列车的信息特征;S4、基于所述非时序信息特征、前序列车和后续列车的时序信息特征,对预先构建的初始延误预测模型进行训练,得到延误预测模型;S5、将采集的目标地区铁路线路的实时列车运行数据输入到所述延误预测模型中,获取列车到站的预测延误时间。其有益效果是,对高速列车的延迟及时预测响应,稳定铁路网的运行。
主权项:1.一种基于自注意力机制的多列车延误同步预测方法,其特征在于,包括:S1、采集目标地区铁路每一线路的历史列车运行数据;S2、分别针对每一线路,基于所述历史列车运行数据,筛选每一延误事件中的列车运行数据;出现列车延误视为一个延误事件;在每一延误事件中,首次发生延误的列车作为当前列车;在当前列车之前正点到达的列车为前序列车;在所述当前列车之后待到达的列车为后续列车;S3、基于所述列车运行数据进行重要性分析,获取每一线路中列车的信息特征;所述信息特征包括当前列车的非时序信息特征、前序列车的时序信息特征和后续列车的时序信息特征;S4、基于所述非时序信息特征、前序列车和后续列车的时序信息特征,对预先构建的初始延误预测模型进行训练,得到延误预测模型;S5、将采集的目标地区铁路线路的实时列车运行数据输入到所述延误预测模型中,获取列车到站的预测延误时间。
全文数据:
权利要求:
百度查询: 北京交通大学 一种基于自注意力机制的多列车延误同步预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。