[发明专利]一种建成环境对交通系统运行状态影响的评估方法与设备

权利要求书

1.一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述方法包括：

构建空间邻近关系深度神经网络SPDNN模型，并通过所述SPDNN模型得到所述建成环境对应的融合空间距离；

构建空间加权空洞卷积神经网络SWACNN模型；

将所述融合空间距离输入至所述SWACNN模型中，以得到所述建成环境对应的空间权重。

2.根据权利要求1所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述SPDNN模型包括输入层、隐藏层以及输出层；其中，

所述输入层用于输入所述建成环境对应的直角坐标距离与拓扑空间距离；

所述隐藏层用于拟合所述直角坐标距离与所述拓扑空间距离之间的非线性关系；

所述输出层用于输出所述直角坐标距离与所述拓扑空间距离之间的融合空间距离。

3.根据权利要求2所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述SPDNN模型的隐藏层包括隐藏层-a与隐藏层-b；其中，

所述隐藏层-a与所述输入层连接，其中包含6个神经元；

所述隐藏层-b与所述输出层连接，其中包含3个神经元。

4.根据权利要求1所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述SWACNN模型包括输入层、空洞卷积层、全连接层以及输出层；其中，

所述输入层用于输入所述融合空间距离；

所述空洞卷积层用于对所述融合空间距离进行卷积操作，以得到特征矩阵；

所述全连接层用于对所述特征矩阵进行非线性映射；

所述输出层用于输出所述建成环境对应的空间权重。

5.根据权利要求4所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述空洞卷积层包含空洞卷积层-a、空洞卷积层-b与空洞卷积层-c；其中，所述空洞卷积层-a与所述输入层连接；

所述空洞卷积层-a的卷积核是3×3，空洞率是1，通道数是32；

所述空洞卷积层-b的卷积核是3×3，空洞率是2，通道数是16；

所述空洞卷积层-c的卷积核是3×3，空洞率是3，通道数是8。

6.根据权利要求5所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，所述全连接层包括全连接层-a与全连接层-b；其中，

所述全连接层-a与所述空洞卷积层-c连接，其中包含256个神经元；

所述全连接层-b与所述输出层连接；其中包含128个神经元；并且，所述输出层包含6个神经元。

7.根据权利要求1所述的一种建成环境对交通系统运行状态影响的评估方法，其特征在于，在构建空间加权空洞卷积神经网络SWACNN模型之后，所述方法还包括：

将所述SPDNN模型与所述SWACNN模型整合成地理空洞卷积神经网络加权回归GACNNWR模型；

对所述GACNNWR模型进行优化训练，具体包括：

获取预设地理范围内的建成系统指标数据与交通系统运行状态指标数据，构成训练数据；

将所述训练数据划分为训练集、验证集以及测试集；

将所述训练集进行切分，得到若干子训练集，并通过所述若干子训练集对所述GACNNWR模型进行训练，完成一次模型迭代，得到输出的拟合交通系统运行状态指标数据；

通过模型迭代过程中得到的所述GACNNWR模型的损失函数值，构建损失函数趋势图，并基于所述损失函数趋势图判断所述GACNNWR模型是否收敛；

若是，则将所述测试集与所述验证集输入至所述GACNNWR模型中，以验证所述GACNNWR模型的泛化能力；

若所述GACNNWR模型对所述测试集与所述验证集的预测结果差距小于预设差距阈值，则确定所述GACNNWR模型训练完毕。