面向社区商业集群韧性空间规划的空间交互模型深度学习表征
计量经济学
2024-01-11 v1 人工智能
摘要
现有空间交互模型（SIMs）在捕捉商业集群与商圈之间复杂且情境感知的交互方面存在局限。为解决这一局限，我们提出 SIM-GAT 模型，用于预测社区商业集群与其商圈之间的时空访问流。该模型创新性地使用连通图表示城市区域内商业集群、商圈和交通基础设施的集成系统。然后，采用基于图的深度学习模型，即图注意力网络（GAT），来捕捉商业集群的复杂性和相互依赖性。我们利用佛罗里达州迈阿密都市区收集的数据开发了此模型。随后，通过可解释人工智能方法，我们展示了其在捕捉商业集群对不同居民区以及跨场景变化的吸引力方面的有效性。我们贡献了一种补充传统 SIMs 的新方法，用于预测和分析相互连接的社区商业集群的动态。分析结果可为基于数据证据和特定地点的规划策略提供信息，帮助社区商业集群在不同场景下更好地服务其客户，从而提升社区商业的韧性。
引用
@article{arxiv.2401.04849,
title = {A Deep Learning Representation of Spatial Interaction Model for Resilient Spatial Planning of Community Business Clusters},
author = {Haiyan Hao and Yan Wang},
journal= {arXiv preprint arXiv:2401.04849},
year = {2024}
}