​诱增交通量用"有无项目对比法“，采用重力模型，分为现状区间交通出行为0和两种情况。有无项目前后，仅考虑对诱增的影响，产业、地区性质发生的变化不考虑在内。

未来年的数据仅有预测的P、A值。根据现状OD标定的b值，K因子矩阵作为矩阵运算参数，做P、A双约束的重力模型分布，完成交通分布预测。根据GDP和交通需求的弹性系数，得出未来交通需求的增长率，以现状P、A为基数，求未来各特征年的P、A值。（得出的P、A仍需要做平衡）TransCAD6.0在进行带K因子矩阵重力模型应用时，会出现闪退。只能利用excel按照计算原理进行迭代。如果未来年路网发生变化，参数

对比反推结果和现状数据，大概10%以内的误差（这个误差可接受，因为现状数据之间可能存在匹配性误差，比如路段和收费站数据统计口径的问题）如果存在较大误差，需要分析流量流向，手动调整OD单元→再分配→再修正，直至误差控制在10%以内。在介绍初始OD矩阵之间，先讲一下公路/交通规划主流的重力模型（双约束逆幂重力模型）,对应TransCAD中的inverse power重力模型。模型主要考虑两个因素：距离

为了获得更加稳健的深度学习训练模型，一些庞大的训练在个人电脑上无法实现，本文主要以在LiCO中实现tensorflow2.0-gpu训练模型为例，为读者提供参考，若文档存在问题，请读者提出宝贵的意见。提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、在ubuntu中下载docker二、利用docker下载镜像三、构造自己的容器四、修改容器名，生成镜像五、发布自定义镜像六、

lanenet模型的复现文章有很多，原文的代码是基于tensorflow1.0版本实现的。本文将在以tensorflow2.0版本为后端的keras上对lanenet模型进行复现，实现细节和原文有出入，但是实现目的和原文是一致的。希望读者能够为本文提出宝贵的建议。