基于机器学习方法的城市区块活力指数为城市规划师所需
机器学习
2025-03-05 v1 人工智能
摘要
城市领导者面临关于预算分配和投资优先事项的关键决策。他们如何确定哪些城市区块需要复兴？为此提出了当前活力指数和长期活力指数。这两个指数基于精心挑选的指标构建。通过 K 近邻插值处理缺失数据，采用随机森林识别最可靠和最重要的特征。此外，采用 K 均值聚类生成有意义的数据分组，以增强对长期活力的监控。当前活力通过交互式地图进行可视化，长期活力随时间推移进行跟踪，预测模型采用多层感知器或线性回归。经城市规划师批准的结果已显示出良好的前景，对提升公众生活质量具有潜在意义。本文提出利用机器学习方法优化城市规划。
引用
@article{arxiv.2503.01878,
title = {District Vitality Index Using Machine Learning Methods for Urban Planners},
author = {Sylvain Marcoux and Jean-Sébastien Dessureault},
journal= {arXiv preprint arXiv:2503.01878},
year = {2025}
}