一种端到端的兴趣点(POI)融合框架
机器学习
2021-09-14 v1 数据库
摘要
兴趣点(POI)数据作为感兴趣地点的语义信息的宝贵来源，在房地产、交通与城市规划中具有许多地理空间应用。随着不同数据源的可得性，POI融合作为一种通过合并多源POI数据来丰富数据质量与覆盖度的有价值技术应运而生。本研究提出一种新颖的端到端POI融合框架，包含六个步骤：数据获取、模式标准化、分类法映射、POI匹配、POI统一与数据验证。所提框架的可行性通过在新加坡东部地区开展的案例研究得以展示，该研究中来自五个数据源的POI数据被融合以形成统一的POI数据集。基于所进行的评估，所得统一数据集比任一单独的五个POI数据源都更为全面与完整。此外，所提出的用于识别不同数据源间POI匹配的方法以97.6%的匹配准确率优于所有基线方法，在将超过12,000个POI进行匹配以得到8,699个唯一POI时平均运行时间低于3分钟，从而证明了该框架在密集城市环境中大规模实施的扩展性。
引用
@article{arxiv.2109.06073,
title = {An End-to-end Point of Interest (POI) Conflation Framework},
author = {Raymond Low and Zeynep D. Tekler and Lynette Cheah},
journal= {arXiv preprint arXiv:2109.06073},
year = {2021}
}
备注
20 pages, 6 figures, 5 tables