[发明专利]一种基于公路网货车流量数据估算区域货运OD分布的方法

权利要求书

1.一种基于公路网货车流量数据估算区域货运OD分布的方法，其特征在于：该方法包括如下步骤，

步骤1：划分交通小区，将研究区域划分为交通小区和外部小区；

步骤2：获取区域路网中，交调站点采集到的重型货车交通流量断面观测数据；

步骤3：获取交调站点数据，在对交调站点数据进行稳定性检验的基础上，选定满足稳定性检验的交调站点作为输入数据集合；交调站点集合与建立基于神经网络模型时确定的交调站点集合保持一致；

步骤4：基于步骤3中确定的输入数据集合，即重型货车交通流量断面观测数据，采用构建好的OD反推模型对区域交通小区货运OD分布进行估算；建立交调站点流量数据与区域交通小区OD分布之间的关系；

步骤4中所提到的OD反推模型通过以下方法建立：

4.1）根据步骤1中已划分的交通小区，作为构建基于神经网络模型的输入；

4.2）交调站点数据稳定性筛选：考虑到交调站点数据的缺失和错误，选取两个月的交调站点数据作为稳定性检验基础数据，对交调站点数据的稳定进行检验，最终筛选出覆盖所有稳定性检验日期的交调站点数据作为神经网络模型的输入参数；

4.3）对基于神经网络模型的OD反推模型进行框架设计，其中设置隐含层为二层、模型总层数为四层；

4.4）获取基于神经网络模型的训练数据和验证数据，选取不同日期的数据分别作为训练数据和验证数据，均包括输入数据和目标数据；其中输入数据为经过稳定性检验的交调站点数据；目标数据按如下流程获取：第一步，根据道路货运车辆公共监管与服务平台获取高频货运车辆GPS位置数据，匹配得到单辆货车单次出行的行驶轨迹；第二步，根据一天内所有货车单次出行的行驶轨迹，对行程进行划分，提取起讫城市后统计得到不同交通小区间的OD分布量；

4.5）基于神经网络模型的训练和调参，将基于神经网络模型训练到满意状态；满意状态按照如下两个步骤进行限定：第一步，选取学习速率、均方误差MSE和迭代次数三个指标，当神经网络模型学习速率小于0.05、或者迭代次数大于3000次、或者均方误差MSE小于1*10^-3，此时训练模型进入下一步继续判定是否为满意状态；第二步，采用验证数据对神经网络模型进行检验，估计误差小于20%时，模型即训练至满意状态。

2.根据权利要求1所述的一种基于公路网货车流量数据估算区域货运OD分布的方法，其特征在于：步骤1中，步骤1.1：根据研究区域范围的大小，以不同的区划边界划分交通小区；所述不同的区划是地市或者区县行政区划，或者是自定义的空间范围；

步骤1.2：考虑交通小区的空间结构，筛选各交通小区的对外交通节点，均作为交通小区的质心点。