[發(fā)明專利]基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110480368.2
• 申請(qǐng)日: 2021-04-30
• 公開（公告）號(hào): CN113371037A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 張輝;郝耕華;劉二榮;鄧能文
• 申請(qǐng)（專利權(quán)）人: 北京城建智控科技有限公司
• 主分類號(hào): B61L27/00
• 分類號(hào): B61L27/00;B61L27/04;G06N3/04;G06N3/08
• 代理公司: 北京天奇智新知識(shí)產(chǎn)權(quán)代理有限公司 11340
• 代理人: 王澤云

1.一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制方法，其特征在于，包括：

基于GRU神經(jīng)網(wǎng)絡(luò)預(yù)測出未來預(yù)定時(shí)段內(nèi)的客流量的預(yù)計(jì)值y；

判斷預(yù)計(jì)值y是否滿足當(dāng)前運(yùn)營要求，若是，則按照當(dāng)前實(shí)際運(yùn)行圖運(yùn)營；

若所述預(yù)計(jì)值y不能滿足當(dāng)前運(yùn)營要求，則通過GRU神經(jīng)網(wǎng)絡(luò)重新預(yù)測出y+N的預(yù)計(jì)值，并動(dòng)態(tài)調(diào)整列車運(yùn)行圖；其中，N為正整數(shù)。

2.根據(jù)權(quán)利要求1所述的一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制方法，其特征在于，包括：基于GRU神經(jīng)網(wǎng)絡(luò)預(yù)測出預(yù)計(jì)值y具體包括：

步驟1，匯總客流流量后進(jìn)行預(yù)處理，運(yùn)用最小與最大標(biāo)準(zhǔn)化技術(shù)向[0,l]區(qū)間內(nèi)映射；

步驟2，獲得準(zhǔn)確的GRU神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括：GRU層數(shù)、每層上的神經(jīng)元數(shù)量；

步驟3，選取一個(gè)漸進(jìn)式神經(jīng)網(wǎng)絡(luò)算法與預(yù)期值當(dāng)作激活函數(shù)；

步驟4，運(yùn)用訓(xùn)練集數(shù)據(jù)優(yōu)化神經(jīng)網(wǎng)絡(luò)后即可獲得對(duì)應(yīng)預(yù)測模型；

步驟5，通過驗(yàn)證數(shù)據(jù)集對(duì)模型預(yù)測效果驗(yàn)證，如果調(diào)整后客流量滿足預(yù)期運(yùn)營需求，則按照流程執(zhí)行，否則重新執(zhí)行步驟2-5；

步驟6，選擇預(yù)測值與實(shí)際值相差為預(yù)設(shè)值的模型與測試數(shù)據(jù)對(duì)交通流量預(yù)測值進(jìn)行預(yù)測。

3.根據(jù)權(quán)利要求2所述的一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制方法，其特征在于，所述步驟2中的GRU層數(shù)值為3，神經(jīng)元數(shù)量為8。

4.一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制系統(tǒng)，其特征在于，包括：

客流量預(yù)計(jì)模塊，用于基于GRU神經(jīng)網(wǎng)絡(luò)預(yù)測出未來預(yù)定時(shí)段內(nèi)的客流量的預(yù)計(jì)值y；

負(fù)荷判斷模塊，用于判斷y的預(yù)計(jì)值y是否滿足當(dāng)前運(yùn)營要求，若是，則按照當(dāng)前實(shí)際運(yùn)行圖運(yùn)營；若所述預(yù)計(jì)值y不能滿足當(dāng)前運(yùn)營要求，則通過GRU神經(jīng)網(wǎng)絡(luò)重新預(yù)測出y+N的預(yù)計(jì)值，并動(dòng)態(tài)調(diào)整列車運(yùn)行圖；其中，N為正整數(shù)。

5.根據(jù)權(quán)利要求4所述的一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制系統(tǒng)，其特征在于，負(fù)荷判斷模塊基于GRU神經(jīng)網(wǎng)絡(luò)預(yù)測出預(yù)計(jì)值y的具體過程包括：

步驟1，匯總客流流量后進(jìn)行預(yù)處理，運(yùn)用最小與最大標(biāo)準(zhǔn)化技術(shù)向[0,l]區(qū)間內(nèi)映射；

步驟2，獲得準(zhǔn)確的GRU神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括GRU層數(shù)、每層上的神經(jīng)元數(shù)量；

步驟3，選取一個(gè)漸進(jìn)式神經(jīng)網(wǎng)絡(luò)算法與預(yù)期值當(dāng)作激活函數(shù)；

步驟4，運(yùn)用訓(xùn)練集數(shù)據(jù)優(yōu)化神經(jīng)網(wǎng)絡(luò)后即可獲得對(duì)應(yīng)預(yù)測模型；

步驟5，通過驗(yàn)證數(shù)據(jù)集對(duì)模型預(yù)測效果驗(yàn)證，如果調(diào)整后客流量滿足預(yù)期運(yùn)營需求，則按照流程執(zhí)行，否則重新執(zhí)執(zhí)行步驟2-5；

步驟6，選擇預(yù)測值與實(shí)際值相差為預(yù)設(shè)值的模型與測試數(shù)據(jù)對(duì)交通流量預(yù)測值進(jìn)行預(yù)測。

6.根據(jù)權(quán)利要求4所述的一種基于GRU神經(jīng)網(wǎng)絡(luò)的運(yùn)行圖編制系統(tǒng)，其特征在于，所述步驟2中的GRU層數(shù)值為3，神經(jīng)元數(shù)量為8。