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！

申请/专利权人：大连理工大学

摘要：本发明属于城市交通规划的技术领域，具体为基于交叉口转向流量的静态OD反推方法。该方法使用交叉口转向流量替代路段流量作为约束，并使用BP神经网络替代传统反推模型进行静态OD反推。具体而言，通过预设随机OD矩阵，并通过交通分配软件进行交通分配得到交叉口转向流量，将预设随机OD矩阵与对应的交叉口转向流量数据作为训练开发集数据，并将训练开发集数据划分为训练集和验证集，使用训练集的数据进行BP神经网络的训练，再利用验证集和训练好的BP神经网络进行预测，验证反推精度；最后形成的BP神经网络可用于静态OD反推。该方法可以有效提高交通流量预测的准确性和可靠性。

主权项：1.基于交叉口转向流量的静态OD反推方法，其特征在于，通过预设随机OD矩阵，并通过交通分配软件进行交通分配得到交叉口转向流量，将预设随机OD矩阵与对应的交叉口转向流量数据作为训练开发集数据，并将训练开发集数据划分为训练集和验证集，使用训练集的数据进行BP神经网络的训练，再利用验证集和训练好的BP神经网络进行预测，验证反推精度；最后形成的BP神经网络可用于静态OD反推；具体步骤如下：步骤一、交通测量数据准备收集目标区域交通网络上特定时间段内的交叉口转向流量的观测数据；获取目标区域的路网结构和相关交通信息，包括目标区域路网的路段长度、车道容量、速度限制、通行时间和双向流量；步骤二、建立路网模型步骤2-1：路网基础结构搭建采用交通仿真软件进行路网模型搭建，在软件中绘制目标区域路网，确保路网地图位置与实际坐标匹配；并为路网中路段和交通小区输入属性数据，包括路段长度、车道容量、速度限制、通行时间和双向流量；步骤2-2：交叉口拓扑结构优化（1）对交叉口进行结构性拆分，将单一节点转化为多个子节点，由n条路段交汇形成的交叉口对应拆分成n个子节点；（2）在拆分得到的子节点两两之间建立双向连接，形成新的网络拓扑结构；通过交叉口拓扑结构的优化，直接获取配流得到的交叉口转向流量数据，用于后续BP神经网络的训练；步骤三、获取训练开发集数据随机数预设一个OD矩阵，并通过交通仿真软件在步骤二建立好的路网模型上进行交通分配，从而生成一组训练开发集数据：每个交叉口处的转向流量；重复这个流程得到大量训练开发集数据；步骤四、BP网络模型架构搭建采用BP神经网络算法进行静态OD反推，BP网络模型具体如下：输入层：将交叉口转向流量作为输入，并根据交叉口转向流量数据维度设定节点数；隐含层：设置两层隐含层，节点数通过经验公式确定，采用Tan-Sigmoid函数作为激活函数；隐含层数x，输入层节点数m与输出层节点数n的关系如式（1）； （1）其中，表示取整数；输出层：输出所设定的节点数所对应OD矩阵元素，并采用Purelin函数作为激活函数；步骤五、BP网络模型训练为了评估模型的性能，训练开发集数据被进一步划分为训练集和验证集；使用训练集对BP神经网络进行训练；在每次迭代中，执行以下操作：（1）执行前向传播，计算输出层的预测结果；（2）计算损失函数，评估预测结果与实际结果的差异；（3）执行反向传播，根据损失函数的梯度更新网络参数；在训练过程中，设定一个周期，使用验证集对模型进行评估；选择均方误差作为指标，根据指标进行评估模型的性能，从而调整BP网络参数；步骤六、OD反推使用训练好的BP神经网络模型进行OD矩阵的反推，具体为：将所研究区域的观测交叉口转向流量输入BP网络的输入层，通过训练好的BP网络模型，得到预测的OD矩阵。

全文数据：

权利要求：

百度查询： 大连理工大学 基于交叉口转向流量的静态OD反推方法