(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210674629.9 (22)申请日 2022.06.14 (71)申请人 厦门筑成信创城市规划设计有限公 司 地址 361115 福建省厦门市 火炬高新区软 件园三期诚毅北 大街50号401室A002 (72)发明人 王茹　吴珂琪　张春辉　刘磊　 王昌　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 专利代理师 苏利 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/02(2006.01) G06Q 50/26(2012.01)G06F 119/02(2020.01) (54)发明名称 交通设施承载力评估方法和系统 (57)摘要 本发明实施例公开了一种交通设施承载力 评估方法和系统以及电子设备、 存储介质， 包括 量化交通设施承 载力为多个指标， 并根据量化的 指标对比获取的用户输入的交通 设施数据， 输出 基础评估结果； 获取评估的所述交通设施周边预 设范围内的其他交通设施的期望交通流量 以及 实际交通流量的差距， 根据神经网络模型分析差 距得到人员选择偏好； 根据所述人员选择偏好重 新计算评估的所述交通设施的承 载力期望， 得到 评估结果。 本申请解决了相关技术中评估交通设 施承载力没有考虑人员自主选择性， 导致评估精 准度不够的问题。 权利要求书2页 说明书6页 附图1页 CN 115114774 A 2022.09.27 CN 115114774 A 1.一种交通设施承载力评估方法， 其特 征在于， 包括： 量化交通设施承载力为多个指标， 并根据量化的指标对比获取的用户输入的交通设施 数据， 输出基础评估结果， 输出基础评估结果； 获取评估的所述交通设施周边预设范围内的其他交通设施的期望交通流量以及实际 交通流量的差距， 根据神经网络模型分析差距得到人员选择偏好； 根据所述人员选择偏好重新计算评估的所述交通设施的承载力期望， 得到 评估结果。 2.根据权利要求1所述的方法， 其特征在于， 所述量化交通设施承载力为多个指标， 并 根据量化的指标对比获取的用户输入的交通设施数据， 输出基础评估结果， 包括： 将交通设施 的建设目标分解为多个指标， 其中， 所述指标包括道路线网交通流量饱和 度上限、 交通 流量密集区域数量下限、 地段 人口容积率上限； 获取用户输入的交通设施数据并与所述指标进行对比， 其中， 所述交通设施数据包括 道路线网交通 流量饱和度、 交通 流量密集区域数量、 地段 人口容积率； 根据交通设施数据与指标的比例， 得到基础评估结果。 3.根据权利要求1所述的方法， 其特征在于， 所述获取评估的所述交通设施周边预设范 围内的其他交通设施的期 望交通流量以及实际交通流量的差距， 根据神经网络模型分析差 距得到人员选择偏好， 包括： 通过深度学习得到用于分析人员选择偏好的神经网络模型， 其中， 神经网络模型的计 算中设置有交通 流量参数， 用于调整计算结果； 获取需要评估的交通设施周边的其他交通设施的设计方案， 读取设计方案 中的期望交 通流量， 其中， 所述期望交通流量包括每日期望车流量、 每日期望人流量、 交通流量密集区 域期望数量、 地段 人口期望容积率； 获取周边的该交通设施的实 际交通流量， 其中， 所述实 际交通流量包括每日实 际车流 量、 每日实际人流 量、 交通流量密集区域实际数量、 地段 人口实际容积率； 对比交通流量密集区域的数量和分布位置， 得到实际人员选择与期望的交通密集区域 的差值， 将该差值作为人员选择偏好。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述人员选择偏好重新计算评估 的所述交通设施的承载力期望， 得到 评估结果， 包括： 获取人员选择偏好， 得到人员选择与交通设施设计方案中的交通密集 区域的分布位置 的差值； 根据该差值调整评估的所述交通设施的期望交通密集区域的分布位置以及数量； 计算调整后的期望交通密集 区域的交通流量以及人口期望容积率， 并将计算结果作为 所述交通设施的承载力期望 。 5.一种交通设施承载力评估系统， 其特 征在于， 包括： 基础评估模块， 用于量化交通设施承载力为多个指标， 并根据量化的指标对比获取的 用户输入的交通设施数据， 输出基础评估结果； 偏好获取模块， 用于获取评估的所述交通设施周边预设范围内的其他交通设施的期望 交通流量以及实际交通 流量的差距， 根据神经网络模型分析差距得到人员选择偏好； 最终评估模块， 用于根据所述人员选择偏好重新计算评估的所述交通设施的承载力期 望， 得到评估结果。权　利　要　求　书 1/2 页 2 CN 115114774 A 26.根据权利要求5所述的系统， 其特 征在于， 所述基础评估 模块， 包括： 指标设置单元， 用于将交通设施的建设目标分解为多个指标， 其中， 所述指标包括道路 线网交通 流量饱和度上限、 交通 流量密集区域数量下限、 地段 人口容积率上限； 指标对比单元， 用于获取用户输入的交通设施数据并与所述指标进行对比， 其中， 所述 交通设施数据包括道路线网交通 流量饱和度、 交通 流量密集区域数量、 地段 人口容积率； 基础评估生成单 元， 用于根据交通设施数据与指标的比例， 得到基础评估结果。 7.根据权利要求5所述的系统， 其特 征在于， 所述偏好获取模块， 包括 模型设置单元， 用于通过深度 学习得到用于分析人员选择偏好的神经网络模型， 其中， 神经网络模型的计算中设置有交通 流量参数， 用于调整计算结果； 周边期望计算单元， 用于获取需要评估的交通设施周边的其他交通设施的设计方案， 读取设计方案中的期 望交通流量， 其中， 所述期 望交通流量包括每日期望车流量、 每日期 望 人流量、 交通流量密集区域期望数量、 地段 人口期望容积率； 周边流量计算单元， 用于获取周边的该交通设施的实际交通流量， 其中， 所述实际交通 流量包括每日实际车流量、 每日实际人流量、 交通流量密集区域 实际数量、 地段人口实际容 积率； 周边差值计算单元， 用于对比交通流量密集区域的数量和分布位置， 得到实 际人员选 择与期望的交通密集区域的差值， 将该差值作为人员选择偏好。 8.根据权利要求5所述的系统其特 征在于， 所述 最终评估 模块， 包括： 偏好获取单元， 用于获取人员选择偏好， 得到人员选择与交通设施设计方案中的交通 密集区域的分布位置的差值； 期望区域调 整单元， 用于根据 该差值调 整评估的所述交通设施的期望交通密集 区域的 分布位置以及数量； 最终评估生成单元， 用于计算调 整后的期望交通密集区域的交通流量以及人口期望容 积率， 并将计算结果作为所述交通设施的承载力期望 。 9.一种电子设备， 包括存储器和 处理器， 所述存储器存储计算机程序， 其特征在于， 所 述计算机程序在所述处 理器中执 行可实现权利要求1至4中任一种方法。 10.一种存储介质， 存储计算机程序， 其特征在于， 所述计算机程序在处理器中执行可 实现权利要求1至4中任一种方法。权　利　要　求　书 2/2 页 3 CN 115114774 A 3