• / 14

城市轨道交通短时客流容错预测系统及方法

关 键  词:
城市轨道 交通 客流 容错 预测 系统 方法
资源描述:

《城市轨道交通短时客流容错预测系统及方法》文档由会员分享,可在线阅读,更多相关《城市轨道交通短时客流容错预测系统及方法(14页珍藏版)》请在白瓜网上搜索。

1、客流容错预测方法, 其特征在于: 所述 监督模块 (1-2)采用小波神经网络搭建, 所述监督模块(1征在于: 所述e1 由下式得到: 所述e2由下式得到: 9.根据权利要求6或7所述的城市轨道交通短时21; w1和w2均为预设值。 8.根据权利要求6或7所述的城市轨道交通短时客流容错预测方法, 其特 其中, w1为对应y2的权重系数, w2为对应y3的权重系数, 0w11, 0w21, 且w1+w值y由下式得到: yw1y2+w2y3 权利要求书 3/4 页 4 CN 107491838 A 4预测数据。 7.根据权利要求6所述的城市轨道交通短时客流容错预测方法, 其特征在于: 所述加权 处理。

2、行反归一化处理, 得到客流量预测数据; 4B)容错处理模块(4)对y1进行反归一化处理, 得到客流量); 4A)容错处理模块(4)对y2和y3进行加权处理, 得到加权处理值y, 然后对加权处理值y进 4); 进入步骤4A) 3B)筛选模块(3)通过通道一将y1输出至容错处理模块(4); 进入步骤4B通道二将y2输出至容错处理模块(4), 同时, 筛选模块(3)通过通道 三将y3输出至容错处理模块( 预测故障检测模块(2)向筛选模块(3)输出控制信号二并进入步 骤3B); 3A)筛选模块(3)通过大于误差阈值 , 则预测故障检测模块(2)向筛选模块(3)输出控制信 号一并进入步骤3A), 否则,。

3、)根据y1、 y2和y3计算出e1和e2, 然后将e1和e2与一误差阈值 进行比较, 若e1和e2均检测模块(2), 同时, 将y1、 y2和y3输出至筛选模块 (3); 2)所述预测故障检测模块(2络模块中, 3个神经网络模块即可得到相应的 y1、 y2和y3; 将y1、 y2和y3输出至预测故障测系统投入运营; 运营过程中, 按如下方式对客流量进行预测: 1)将相应的输入向量分别输入3个神经网 神经网络模块训练好后, 搭建出城市轨道交通短时客流容错预测系统, 并将城市 轨道交通短时客流容错预, Ri,j与输出层神经元对应; 多个样本即形成样本库, 用样本库分别对3个神经网络模块 进行训练;。

4、-1,j+1、 Ri,j-1和Ri,j-2与5个输入层神经元一一对应, Ri,j为训练时的输出 向量-1,j+1、 Ri,j-1和Ri,j-2即为输入 向量, Ri-1,j-1、 Ri-1,j、 Rii,j-1、 Ri,j-2和Ri,j作为一个样本, 其中, Ri-1,j-1、 Ri-1,j、 Ri, ri,j的归一化结果记为Ri,j; 将Ri-1,j-1、 Ri-1,j、 Ri-1,j+1、 R示第i个循环周期中第j个时段的客流量数据; 积累了大量的 客流量数据后, 对客流量数据进行归一化处理号; 对各个时段的客流量数据ri,j进行统计, i为循环周期 的序号, j为时段的序号, ri,j表。

5、计周期将单个循环周期划分为多个时段; 将多个循环周期顺次编号, 将单个 循环周期所辖的多个时段顺次编定统计周期和循环周期; 所述循环周期的时长为7天, 所述统计周期的时长远小于循环周 期的时长; 按统 所述方法包括: 所述神经网络模块的输入层神经元数量为5个, 神经网络模块的输出层神经元为1个; 设理, 得到加 权处理值y, 然后对加权处理值y进行反归一化处理, 得到客流量预测数据; 其特征在于:通过通道二和 通道三向容错处理模块(4)输出y2和y3, 则容错处理模块(4)对y2和y3进行加权处出y1, 则容错处理 模块(4)对y1进行反归一化处理, 得到客流量预测数据; 若筛选模块(3)分别。

6、号生成客流量预测数据并将客流 量预测数据向外输出: 若筛选模块(3)通过通道一向容错处理模块(4)输3)通过通道一将y1输出至 容错处理模块(4); 所述容错处理模块(4)能根据筛选模块(3)的输出信通道三将y3输出至容错处理模块 (4); 若预测故障检测模块(2)输出的是控制信号二, 则筛选模块(制信号一, 则筛选模块(3)通过通 道二将y2输出至容错处理模块(4), 同时, 筛选模块(3)通过信号, 选择性地将y1、 y2和y3输出 至容错处理模块(4): 若预测故障检测模块(2)输出的是控/4 页 3 CN 107491838 A 3 所述筛选模块(3)能根据预测故障检测模块(2)输出的。

7、测故障检测模块(2)输出控制信号一, 否则, 预测故障检测模块(2)输出控制信号二; 权利要求书 23计算出e1和e2, 然后将e1和e2与一误差阈值 进行比较, 若e1和e2均大于误差阈值 , 则预对误差记为e1, y1和y3的相对误差记为e2; 所述预测故障检测模块(2)能根据 y1、 y2和y相应的输出向量, 输出向量 记为y3; 所述输入向量由客流量数据经归一化处理后得到; y1和y2的相 输出相应的输出向量, 输出向量 记为y2; 所述监督模块(1-3)能根据外部输入的输入向量, 输出 输出相应的输出向量 , 输出向量 记 为y1; 所述监督模块 (1-2)能根据外部输入的输入向量,。

8、的三条传输通道分别记为通道一、 通 道二和通道三; 所述预测模块(1-1)能根据外部输入的输入向量,)的三个输入端一一对应地连接; 由筛选模块(3)的 三个输出端和容错处理模块(4)的三个输入端所形成有三个输出端, 所述容错处理模块(4)有三个输入端, 筛选模 块(3)的三个输出端与容错处理模块(4输入端连接; 所述预测故障检测模块(2)的输出端与筛选模块(3)的 控制部连接; 所述筛选模块(3)输入端连接; 所述监督模块(1-3)的输出端分别与预测故障检测模块(2)的输 入端和筛选模块(3)的入端连接; 所述监督模块 (1-2)的输出端分别与预测故障检测模块(2)的输入端和筛选 模块(3)的。

9、- 3); 所述预测模块(1-1)的输出端分别与预测故障检测模块(2)的输入端和筛选模块(3)的 输数各不 相同; 所述3个神经网络模块分别记为预测模块(1-1)、 监督模块 (1-2)和监督模块(1块、 预测故 障检测模块(2)、 筛选模块(3)和容错处理模块(4); 所述3个神经网络模块的目标函硬件包括城市轨道交通短时客 流容错预测系统; 所述城市轨道交通短时客流容错预测系统包括3个神经网络模 21, 且 1+ 21,1和 2均为预设值。 6.一种城市轨道交通短时客流容错预测方法, 所涉及的为期望输出向量, 1为监督模块 所对应的权重因子, 2为监督模块所对应的权重因 子, 0 11, 0。

10、N为样本个数, n为样本编号, 1nN; f1(n)为输出向量, f2(n)为输出向量, d (n) 搭建所述监督模块(1-3)时, 采用目标函数J2(n)对监督模块(1-3)进行协同训练: 其中, 于: 搭建所述 监督模块 (1-2)时, 采用目标函数J1(n)对监督模块 (1-2)进行协同训练:-3)采用径向基神经网络搭建。 5.根据权利要求4所述的城市轨道交通短时客流容错预测系统, 其特征在客流容错预测系统, 其特征在于: 所述 监督模块 (1-2)采用小波神经网络搭建, 所述监督模块(1CN 107491838 A 2 所述e2由下式得到: 4.根据权利要求1或2所述的城市轨道交通短时。

11、市轨道交通短时客流容错预测系统, 其特征在于: 所述e1 由下式得到: 权利要求书 1/4 页 2 , 0w11, 0w21, 且w1+w21; w1和w2均为预设值。 3.根据权利要求1或2所述的城值y由下式得到: yw1y2+w2y3 其中, w1为对应y2的权重系数, w2为对应y3的权重系数预测数据。 2.根据权利要求1所述的城市轨道交通短时客流容错预测系统, 其特征在于: 所述加权 处理)对y2和y3进行加权处理, 得到加 权处理值y, 然后对加权处理值y进行反归一化处理, 得到客流量; 若筛选模块(3)分别通过通道二和 通道三向容错处理模块(4)输出y2和y3, 则容错处理模块(4。

12、一向容错处理模块(4)输出y1, 则容错处理 模块(4)对y1进行反归一化处理, 得到客流量预测数据据筛选模块(3)的输出信号生成客流量预测数据并将客流 量预测数据向外输出: 若筛选模块(3)通过通道制信号二, 则筛选模块(3)通过通道一将y1输出至 容错处理模块(4); 所述容错处理模块(4)能根时, 筛选模块(3)通过通道三将y3输出至容错处理模块 (4); 若预测故障检测模块(2)输出的是控检测模块(2)输出的是控制信号一, 则筛选模块(3)通过通 道二将y2输出至容错处理模块(4), 同故障检测模块(2)输出的信号, 选择性地将y1、 y2和y3输出 至容错处理模块(4): 若预测故障。

13、(2)输出控制信号一, 否则, 预测故障检测模块(2)输出控制信号二; 所述筛选模块(3)能根据预测e2, 然后将e1和e2与一误差阈值 进行比较: 若e1和e2均大于误差阈值 , 则预测故障检测模块, y1和y3的相对误差记为e2; 所述预测故障检测模块(2)能根据 y1、 y2和y3计算出e1和, 输出向量 记为y3; 所述输入向量由客流量数据经归一化处理后得到; y1和y2的相对误差记为e1出向量, 输出向量 记为y2; 所述监督模块(1-3)能根据外部输入的输入向量, 输出相应的输出向量出向量 , 输出向量 记 为y1; 所述监督模块 (1-2)能根据外部输入的输入向量, 输出相应的输。

14、道分别记为通道一、 通道二和通道三; 所述预测模块(1-1)能根据外部输入的输入向量, 输出相应的输端一一对应地连接; 由筛选模块(3)的三个输出端和容错处理模块(4)的三个输入端所形 成的三条传输通 所述 容错处理模块(4)有三个输入端, 筛选模块(3)的三个输出端与容错处理模块(4)的三个输 入所述预测故障 检测模块(2)的输出端与筛选模块(3)的控制部连接; 所述筛选模块(3)有三个输出端,所述监督模块(1-3)的 输出端分别与预测故障检测模块(2)的输入端和筛选模块(3)的输入端连接; 述监督模块 (1-2)的输出端分别 与预测故障检测模块(2)的输入端和筛选模块(3)的输入端连接; 。

15、述预测模块(1-1)的输出端分别与预测故 障检测模块(2)的输入端和筛选模块(3)的输入端连接; 所 所述3个神经网络模块分别记为预测模 块(1-1)、 监督模块 (1-2)和监督模块(1-3); 所障检测模块(2)、 筛选模块(3)和容错处理模 块(4); 所述3个神经网络模块的目标函数各不相同;流容错预测系统, 其特征在于: 所述城市轨道交通短时客 流容错预测系统包括3个神经网络模块、 预测故07491838 A 2017.12.19 CN 107491838 A 1.一种城市轨道交通短时客效提高系统稳定性和容错能力, 让预测 结果更为准确。 权利要求书4页 说明书8页 附图1页 CN 1。

16、模块; 本发明的有益技术效果是: 提出了一种 城市轨道交通短时客流容错预测系统及方法, 本 技术可有容错预测系统及方法, 其中, 系统包括3个神经网 络模块、 预测故障检测模块、 筛选模块和容错处 理名称 城市轨道交通短时客流容错预测系统及方 法 (57)摘要 本发明提出了一种城市轨道交通短时客流 01) G06F 11/16(2006.01) G06F 11/20(2006.01) (54)发明 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.t.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 何周阳赵梅 (74)专利代理机构 重庆辉腾律师事务所 50215 代理人 侯春乐蔡静 (51)In重庆交通大学 地址 400074 重庆市南岸区学府大道66号 (72)发明人 徐凯杨飞凤徐文轩姚翥远(21)申请号 201710706237.5 (22)申请日 2017.08.17 (71)申请人 (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  白瓜网所有资源均用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:城市轨道交通短时客流容错预测系统及方法
链接地址:https://www.baigua.net/doc/836570.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 白瓜网版权所有

经营许可证编号:粤ICP备20005300号-1