Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京航空航天大学田琼获国家专利权

北京航空航天大学田琼获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京航空航天大学申请的专利一种基于公交IC卡刷卡数据的通勤人群识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117056803B

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311014855.5,技术领域涉及:G06F18/241;该发明授权一种基于公交IC卡刷卡数据的通勤人群识别方法是由田琼;蒋晓桐;刘懿纳;刘天亮;刘鹏设计研发完成,并于2023-08-11向国家知识产权局提交的专利申请。

一种基于公交IC卡刷卡数据的通勤人群识别方法在说明书摘要公布了:本发明提供了一种基于公交IC卡刷卡数据的通勤人群识别方法。该方法包括:判断乘客一天内公交IC卡的相邻的两次刷卡记录是否为连续的公交出行;计算乘客所有刷卡记录在下车站点处的逗留时间,根据逗留时间判断乘客的换乘行为,提取乘客的出行信息,利用乘客的出行信息生成乘客的每日出行轨迹;用动态时间调整方法衡量乘客的每日出行轨迹之间的距离,根据乘客的每日出行轨迹之间的距离使用谱聚类方法从乘客所有出行轨迹中提取乘客的代表性规律出行轨迹,获取乘客的通勤出行类别信息和规律出行类别信息。本发明方法使用出行轨迹可以更全面地分析乘客的出行模式,并且适应不同长度和形状的轨迹,以便更准确地分析乘客的出行行为。

本发明授权一种基于公交IC卡刷卡数据的通勤人群识别方法在权利要求书中公布了:1.一种基于公交IC卡刷卡数据的通勤人群识别方法,其特征在于,包括: 判断乘客一天内公交IC卡的相邻的两次刷卡记录是否为连续的公交出行; 计算乘客所有刷卡记录在下车站点处的逗留时间,根据逗留时间判断乘客的换乘行为,提取乘客的出行信息,利用乘客的出行信息生成乘客的每日出行轨迹; 用动态时间调整方法衡量乘客的每日出行轨迹之间的距离,根据乘客的每日出行轨迹之间的距离使用谱聚类方法从乘客所有出行轨迹中提取乘客的代表性规律出行轨迹,获取乘客的通勤出行类别信息和规律出行类别信息; 所述的根据乘客的每日出行轨迹之间的距离使用谱聚类方法从乘客所有出行轨迹中提取乘客的代表性规律出行轨迹,包括: 针对每位乘客构造一个样本集G={trace1,trace2,……,tracen},n为该名乘客的出行天数,tracei是该名乘客在第i天的一个m×3维的轨迹矩阵,行数m是当天的上车站点总数,轨迹中的每行数据包括了站点经度、站点纬度以及上下站点的时间,利用动态时间调整方法计算出样本集G中两两轨迹之间的距离DTWtracei,tracej,并利用高斯核函数将距离DTWtracei,tracej转换为相似度,构建一个n×n维的相似矩阵S,相似矩阵S中每个元素的计算公式如下: 根据相似矩阵S利用全链接方法生成一个n×n维的邻接矩阵W: 根据邻接矩阵W构建n×n维的度矩阵D,D是一个对角阵,对角线上的元素代表了 节点的度,即所有与该节点相连的边的权重之和,计算公式如下: 计算拉普拉斯矩阵L,将拉普拉斯矩阵L标准化为Lsym: L=D-W 计算标准化后的拉普拉斯矩阵Ls的全部特征值vals与特征向量cols,将所有计算出的特征值均放缩到0-10之间,取出前k个最小特征值对应的特征向量,构成n×k维的特征矩阵F,对F中的每一行作为一个k维的样本,共n个样本,用K-Means聚类方法进行聚类,聚类维数为k,得到簇划分C={C1,C2,……,Cn},取出包含的轨迹数最多的一个簇,若该簇中的轨迹数量占乘客在工作日内所有轨迹总数的一半以上,将该簇作为乘客的规律出行轨迹簇进行提取;否则,认为该名乘客并无规律出行; 将乘客的规律出行轨迹簇中的每条轨迹按出行次数分类,分别统计不同出行次数下的轨迹数量,选取轨迹数量最多的多类轨迹,从该多类轨迹中随机抽取一条轨迹作为乘客的代表性出行轨迹。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京航空航天大学,其通讯地址为:100191 北京市海淀区学院路37号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。