机器学习能否从建成环境中揭示车辆出行需求的洞见？
机器学习
2023-11-14 v1 人机交互
摘要
在本文中，我们提出一种基于机器学习的方法，以解决设计者缺乏从车辆出行需求角度优化城市土地利用规划能力的问题。研究表明，我们的计算模型可帮助设计者快速获取车辆出行需求的反馈，包括基于设计者设计的城市功能分布的总量及其时间分布。它还从车辆出行角度辅助城市功能分布的设计优化与评估。我们通过收集城市兴趣点（POI）数据和在线车辆数据，获取城市功能分布信息和车辆行驶小时数（VHT）信息。选取预测性能最佳的人工神经网络（ANNs）。通过使用不同地区收集的数据集进行相互预测并将预测结果重映射至地图进行可视化，我们评估了该计算模型跨地区使用的程度，试图减轻未来城市研究人员的工作负担。最后，我们展示了该计算模型的应用，帮助设计者获取建成环境中车辆出行需求的反馈，并将其与遗传算法结合以优化城市环境现状，从而为设计者提供建议。
引用
@article{arxiv.2311.06321,
title = {Can Machine Learning Uncover Insights into Vehicle Travel Demand from Our Built Environment?},
author = {Zixun Huang and Hao Zheng},
journal= {arXiv preprint arXiv:2311.06321},
year = {2023}
}