[发明专利]一种公交出行OD矩阵反推的组合方法

摘要

本发明公开了公交出行OD矩阵反推的组合方法，包含了收集基本相关信息、确定基于乘客出行行为特征的OD反推矩阵、确定基于站点附近用地性质的OD反推矩阵、确定使用粒子群算法计算两种反推方法对应的权重、确定使用BP神经网络预测公交出行OD反推矩阵最终结果五个步骤。该方法充分考虑传统两种公交出行OD矩阵反推技术的优缺点，采用惯性权重线性递减的粒子群算法和BP神经网络等方法将两种OD反推方法组合运用，建立一种充分利用已有数据，综合考虑多种站点客流发生影响因素的精确度高、普适性广的公交出行OD矩阵反推的组合方法，具有重要的现实意义。

主权项

1.一种公交出行OD矩阵反推的组合方法，其特征在于：该方法包括依次进行的收集基本相关信息步骤、确定基于乘客出行行为特征的OD反推矩阵步骤、确定基于站点附近用地性质的OD反推矩阵步骤、确定使用粒子群算法计算两种反推方法对应的权重步骤、确定使用BP神经网络预测公交出行OD反推矩阵最终结果步骤；步骤一所述收集基本相关信息步骤中，具体收集以下数据：单条公交线路的一定量的历史数据，对于每一组历史数据应当包括：线路单方向运行各停靠站点的序号i、各站点上车人数yi、各站点下车人数zi、各站点附近400米范围内各用地性质面积、人工调查得到的公交出行OD矩阵；步骤二所述确定基于乘客出行行为特征的OD反推矩阵步骤中，根据乘客出行行为特征，用乘客乘车站数来描述出行距离，基于乘客出行行为特征的OD矩阵中的元素可用以下方法求得：其中，z_i为第i站下车的人数，Y(i,j)为在第i站上车、从第j‑1站到第j站过程中仍在公交车上的乘客人数，为从第i站上车、在第j站下车的乘客人数；步骤三所述确定基于站点附近用地性质的OD反推矩阵步骤中，站点j的吸引能力tj由下式计算得到：其中，s_jl表示第j个车站以400米为半径的领域内的编号为l的用地性质的面积，S_j表示400米内各类用地的总面积，d_l表示编号l的用地性质对客流的吸引系数，基于站点附近用地性质的OD矩阵中的元素用以下方法求得：步骤四所述确定使用粒子群算法计算两种反推方法对应的权重步骤中，利用惯性权重线性递减的粒子群算法PSO‑W计算两种反推方法得到的OD矩阵对目标矩阵的影响权重；步骤五所述确定使用BP神经网络预测公交出行OD反推矩阵最终结果步骤中，基于已有数据建立面向公交出行OD矩阵的BP神经网络模型，输入层由对已有数据采用基于乘客出行行为特征的OD矩阵反推方法得到的带有权重系数的OD矩阵和对已有数据采用基于站点附近用地性质的OD矩阵反推方法得到的带有权重系数的OD矩阵等两部分构成，模型的隐藏层节点数由实际测试过程中取得最佳效果来确定，权重系数初始值随机生成，模型的输出层即为所要求的公交出行OD矩阵。使用和的部分数据训练该神经网络，即可建立相应的可预测公交出行OD矩阵的神经网络模型。