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！

龙图腾网获悉同济大学申请的专利一种基于深度学习的城市居民出行分布建模方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116992281B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310795754.X，技术领域涉及：G06F18/214；该发明授权一种基于深度学习的城市居民出行分布建模方法及系统是由杨超;万志杨;陈绎同;袁泉设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于深度学习的城市居民出行分布建模方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的城市居民出行分布建模方法及系统，包括：根据居民出行调查数据获取城市居民出行第一OD矩阵，并根据手机信令数据获取城市居民出行第二OD矩阵，结合人口普查数据对矩阵进行扩样，得到第一出行矩阵扩样以及第二出行矩阵扩样；将第一出行矩阵扩样以及第二出行矩阵扩样进行多维度验证，得到第三OD矩阵；根据第三OD矩阵，结合城市居民出行的影响因素，提取城市居民出行分布建模的所需特征；根据城市居民出行分布建模的所需特征，结合传统重力模型和基于深度学习的出行分布模型进行建模，考虑综合评价指标体系实现对模型的最终建立。本发明方法提高了预测准确度，为城市居民出行分布建模提供了更合理的决策依据。

本发明授权一种基于深度学习的城市居民出行分布建模方法及系统在权利要求书中公布了：1.一种基于深度学习的城市居民出行分布建模方法，其特征在于，包括： 根据居民出行调查数据获取城市居民出行第一OD矩阵，并根据手机信令数据获取城市居民出行第二OD矩阵，结合人口普查数据对所述矩阵进行扩样，得到第一出行矩阵扩样以及第二出行矩阵扩样； 所述根据居民出行调查数据获取城市居民出行第一OD矩阵包括，居民出行调查数据预处理、起终点映射以及基于人口普查数据扩样得到第一出行矩阵扩样； 所述根据手机信令数据获取城市居民出行第二OD矩阵包括，手机信令数据预处理、停驻点识别、出行链提取、常住用户识别以及基于人口普查数据扩样得到第二出行矩阵扩样； 将所述第一出行矩阵扩样以及第二出行矩阵扩样进行多维度验证，得到第三OD矩阵；将所述第一出行矩阵扩样以及第二出行矩阵扩样进行多维度验证，包括：空间分布相似度验证和人均日出行次数验证， 利用扩样后的第一OD矩阵、第二OD矩阵扩样结果计算人均日出行次数，与现有出行调查数据的人均日出行次数比对； 若差异次数小于第一阈值，则验证成功； 若差异次数大于第一阈值，则验证失败； 利用扩样后的第一OD矩阵、第二OD矩阵扩样结果计算出行量空间分布； 若扩样后的第一OD矩阵、第二OD矩阵扩样结果计算出的出行量空间分布相似度大于第二阈值，则验证成功； 若扩样后的第一OD矩阵、第二OD矩阵扩样结果计算出的出行量空间分布相似度小于第二阈值，则验证失败； 基于验证成功的空间分布相似度以及人均日出行次数得到第三OD矩阵； 根据所述第三OD矩阵，结合城市居民出行的影响因素，提取城市居民出行分布建模的所需特征； 根据所述城市居民出行分布建模的所需特征，基于深度学习的出行分布模型进行建模，考虑综合评价指标体系实现对模型的最终建立；基于深度学习的出行分布模型进行建模，包括：出行分布模型网络设计、超参数设置和模型优化； 模型网络设计包括输入层、中间隐藏层和输出层； 输入层使用Embedding层将起终点的空间编号进行低维向量空间转换，并对起终点区域的空间关系进行表征，与所述城市居民出行分布建模的所需特征变量输入出行分布模型； 中间隐藏层以全连接层为主体，通过激活函数引入特征变量非线性，通过Dropout层控制过拟合；输出层，采用ReLU激活函数控制输出结果为非负数； 超参数设置至少包括学习率、批次大小、迭代次数和优化器； 学习率设置采用指数衰减法，每5个迭代轮次后下降为原学习率的30％；批次大小根据计算设备性能和模型预测精度进行设置，批次大小的设置不超过设备显卡内存且损失函数收敛；迭代次数根据模型数据量确定，且迭代次数与损失函数收敛次数相同，优化器采用Adam优化器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。