[發明專利]基于MRA-BAS-BP算法的城市商辦綜合體建筑停車需求預測方法

在審

• 申請號: 202110997333.6
• 申請日: 2021-08-27
• 公開（公告）號: CN113705891A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 湯祥;馬健霄;周順;單天賜
• 申請（專利權）人: 南京林業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G08G1/14;G06N3/04;G06N3/08
• 代理公司: 南京科闊知識產權代理事務所(普通合伙) 32400
• 代理人: 王清義

1.一種基于MRA-BAS-BP算法的城市商辦綜合體建筑停車需求預測方法，其特征在于：包括：

步驟1：收集城市多個商辦綜合體建筑的停車需求數據與停車需求影響因素數據；

步驟2：將步驟1收集的停車需求數據與停車需求影響因素數據作為MRA模型的訓練樣本，建立商辦綜合體建筑停車需求預測回歸MRA模型，計算商辦綜合體建筑停車需求預測回歸MRA模型預測出的停車需求數據與真實的停車需求數據之間的殘差ε_i；

步驟3：初始化天牛須算法和BP神經網絡中的相關參數；

步驟4：天牛須算法通過迭代更新獲取BP神經網絡的最優初始權值與閾值，建立BAS-BP神經網絡殘差值預測模型；

步驟5：將原始停車需求影響因素數據作為BAS-BP神經網絡殘差值預測模型的輸入值，殘差ε_i作為BAS-BP神經網絡殘差值預測模型的輸出值，進行訓練與預測，并判斷訓練誤差是否達到預設精度，若符合則輸出預測殘差結果ζ_i，得到訓練完成的BAS-BP神經網絡殘差值預測模型，執行步驟6，否則返回步驟4重新進行迭代更新；

步驟6：利用訓練完成的BAS-BP神經網絡殘差值預測模型預測得到的殘差ζ_i對商辦綜合體建筑停車需求預測回歸MRA模型進行修正。

2.根據權利要求1所述的基于MRA-BAS-BP算法的城市商辦綜合體建筑停車需求預測方法，其特征在于：

所述的步驟1中停車需求影響因素數據包括：小汽車出行比例、千人擁車率、區位因素指標、道路網容量、公交可達性、建筑開發強度、建筑商業部分面積、建筑可容納崗位、停車收費標準及共享泊位數。

3.根據權利要求1所述的基于MRA-BAS-BP算法的城市商辦綜合體建筑停車需求預測方法，其特征在于：

所述的步驟2中還包括：

使用min-max標準化法對步驟1收集的停車需求數據與停車需求影響因素數據進行歸一化，生成MRA模型的訓練樣本，建立商辦綜合體建筑停車需求預測回歸MRA模型；

其中商辦綜合體建筑停車需求預測回歸MRA模型的回歸公式為：

P_回(I)＝A₀+A₁y₁(i)+…+A_jy_j(i)+ε_i (1)；

其中A₁，…，A_j為回歸系數；y₁(i)，…，y_j(i)為自變量，具體指停車需求影響因素數據，ε_i為服從正態分布的隨機誤差；

利用上述回歸公式對停車需求數據進行預測并計算殘差ε_i：

ε_i＝P_回(i)-P(i) (2)；

其中P_回(i)為商辦綜合體建筑停車需求預測回歸MRA模型預測的第i個樣本停車需求數據，P(i)為真實的第i個樣本停車需求數據。

4.根據權利要求1所述的基于MRA-BAS-BP算法的城市商辦綜合體建筑停車需求預測方法，其特征在于：

所述的步驟3還包括：

初始化天牛的空間位置，隨機選取天牛的初始位置x^s，保存在X_best中，并記s＝0，s為迭代次數；計算當前適用度函數值，保存在Y_best中；

定義天牛須算法的空間維度k為：

k＝(m+n+1)×L+1 (3)；

其中m為輸入層神經元的個數，n為輸出層神經元的個數，L為隱含層神經元的個數。