排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
针对北京2022年冬奥会和冬残奥会期间北京—张家口高速铁路(简称:京张高铁)的运营特征,为满足办赛/观赛方和高铁运营方的多元化运输需求,分析铁路新一代客票系统时期和铁路电子客票时期两阶段的铁路票务模式,以需求引领业务创新的方法,从多模态信息融合、多模态感知交互、多模态智能计算3个方面开展一系列票务关键技术研究,构建京张高铁多模态智能票务模式,形成售票、验票、检票及客服全行程国际化服务闭环,实现京张高铁售票服务国际化和智能化再提升,解决跨区域赛事场景下多元出行需求与高铁多模态票务的协同问题。 相似文献
2.
经过20多年的技术更迭,中国铁路客票发售和预订系统(简称:铁路客票系统)已成为全球最大的综合性票务系统。为支撑铁路客票系统联程联运业务,助力现代综合交通运输体系发展,亟需借鉴出行即服务(MaaS,Mobility as a Service)实践的先进经验,开展MaaS+智能服务体系研究。文章围绕资源配置最优化、信息共享标准化、联运产品体系化、出行服务一体化、联运保障协同化等业务,在MaaS服务平台的基础上,设计铁路客票系统Maas+智能服务模式,构建铁路客票系统Maas+智能服务体系架构。研究成果对于巩固和提升铁路在综合交通运输体系中的骨干作用,加快实现交通强国战略目标具有重要意义。 相似文献
3.
针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。 相似文献
4.
本文提出了以Hadoop为核心的大数据分析平台架构,并设计了基于MapReduce的分布式预测算法、动态票额预分、敏捷票额调整等流程,构建了动态票额智能预分系统,使得客票销售形成“预测、预分、监控、调整、再预测”的闭环流程,实验数据证明,该系统可有效提升铁路客运产品收益。 相似文献
5.
6.
7.
8.
9.
10.