超越数量：基于机器学习的城市基础设施供给质量不平等特征刻画
计算机与社会
2024-03-25 v2 机器学习
摘要
本研究旨在刻画城市地区间基础设施质量的不平等。尽管越来越多的文献认识到刻画城市基础设施不平等的重要性，并提供了量化的指标以指导城市规划，但现有的大多数方法主要侧重于衡量基础设施的数量，假设基础设施越多越好。此外，现有研究主要集中在基于指数的方法上，在这些方法中，城市地区基础设施供给的状况是基于假定的主观权重来确定的。对基础设施数量的关注以及对主观权重指数的使用，阻碍了人们正确审视与城市不平等和环境正义考量相关的基础设施不平等的能力。认识到这一空白，我们提出了一种基于机器学习的方法，识别了塑造环境危害暴露的基础设施特征，并利用模型获得的权重计算了城市空间区域的基础设施供给质量，进而量化了基础设施质量不平等的程度。该模型在美国五个大都市区的实施表明，所提方法能够刻画基础设施质量不平等，并捕捉基础设施特征权重的城市特定差异。结果还表明，低收入人口居住的地区基础设施供给质量较低，表明较低的基础设施供给质量是城市差异的一个决定因素。因此，所提方法可以有效地用于指导综合城市设计战略，以基于数据驱动和机器智能的见解促进基础设施公平和环境正义。
引用
@article{arxiv.2403.12074,
title = {Beyond Quantities: Machine Learning-based Characterization of Inequality in Infrastructure Quality Provision in Cities},
author = {Bo Li and Ali Mostafavi},
journal= {arXiv preprint arXiv:2403.12074},
year = {2024}
}