gtfs2vec——用于比较微区域公共交通供给的GTFS嵌入学习
机器学习
2021-11-04 v2 人工智能
摘要
我们选取了48个欧洲城市并收集了其GTFS格式的公共交通时刻表。我们利用Uber的H3空间索引将每个城市划分为六边形微区域。基于时刻表数据，我们创建了描述各区域公共交通可用数量与种类的特征。接下来，我们训练了一个自关联深度神经网络来嵌入每个区域。得到此类表示后，我们使用层次聚类方法识别相似区域。为此，我们采用凝聚聚类算法，以区域间欧氏距离和Ward方法最小化簇内方差。最后，我们在不同层级分析所得聚类，以确定若干能定性描述公共交通可用性的簇。我们表明，我们的类型学与分析城市的特征相符，并支持成功搜索具有相似公共交通时刻表特征的区域。
引用
@article{arxiv.2111.00960,
title = {gtfs2vec -- Learning GTFS Embeddings for comparing Public Transport Offer in Microregions},
author = {Piotr Gramacki and Szymon Woźniak and Piotr Szymański},
journal= {arXiv preprint arXiv:2111.00960},
year = {2021}
}
备注
Accepted at 1st ACM SIGSPATIAL International Workshop on Searching and Mining Large Collections of Geospatial Data (GeoSearch 2021)