[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

说明书

本申请公开了一种建成环境对交通系统运行状态影响的评估方法及设备，用以解决如下技术问题：现有的评估方法不能精准刻画建成环境对交通系统运行状态的影响。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。

技术领域

本申请涉及交通系统技术领域，尤其涉及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。

背景技术

城市建成环境与交通系统存在复杂的互动关系，两个系统的协调发展不仅有助于实现城市可持续发展，还有助于提升交通系统运行水平、缓解交通拥堵等问题。所谓建成环境是指对自然环境作出改造后形成的人为环境，而交通系统的运行状态一般指道路交通服务水平、车辆运行速度、道路拥堵指数等。研究显示，建成环境会对交通系统的运行状态存在一定的影响，且影响程度随空间变化而存在不同，也即建成环境会对交通系统运行状态的影响存在空间异质性。

已有研究多采用传统地理加权回归模型(Geographical Weighted Regression,GWR)捕捉空间异质性，但该模型存在三个主要局限：一是对空间距离的测量较为单一，多采用直接坐标距离或地理拓扑空间距离，导致对实体间复杂的距离关系描述不够精准；二是核函数多采用高斯核函数对空间关系衰减波动变化的描绘能力较弱，导致建成环境对交通系统运行状态影响程度的不规律衰减被掩盖；三是不同变量的带宽统一，导致不能捕捉不同自变量与因变量关系在空间尺度上的变化。

虽然在其他领域有了一系列的改进模型，如半参数地理加权回归模型、多尺度地理加权回归模型等，但并未完全改善GWR模型的局限性。如半参数地理加权回归模型虽然考虑了不同自变量对因变量的影响程度，但仅是把变量分为全局变量和局部变量两种类型，依然不能充分捕捉每个自变量的带宽特征；而多尺度地理加权回归模型虽然考虑了每个自变量的带宽特征，但初始带宽确定和带宽优化均是基于GWR模型，其核函数依然对空间关系变化描述过于规律。

因此，探索研究更具有适应性的GWR改进模型有利于更精准刻画建成环境对交通系统运行状态的影响。

发明内容

本申请实施例提供了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，用以解决如下技术问题：现有的评估方法不能精准刻画建成环境对交通系统运行状态的影响。

一方面，本申请实施例提供了一种建成环境对交通系统运行状态影响的评估方法，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。

在本申请说明书的一个或多个实施例中，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。

在本申请说明书的一个或多个实施例中，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。

在本申请说明书的一个或多个实施例中，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。