highway2vec——基于路网特征表示 OpenStreetMap 微区域的方法
机器学习
2023-04-28 v1 人工智能
摘要
近年来，使用神经网络对各种语言或视觉现象进行表示学习取得了进展。新方法将 data scientists 从为常见任务手工设计特征中解放出来。类似地，需要考虑空间变量的问题也可受益于预训练的地图区域表示，而非手动创建为解决任务所需的特征表。然而，现有地图区域表示方法极少，尤其是针对路网特征的。本文提出一种基于路网基础设施特征生成微区域嵌入的方法。我们的表示基于选定城市的 OpenStreetMap 路网，并使用 H3 空间索引以实现可复现且可扩展的表示学习。我们获得的向量表示能够检测所含路网中地图六边形之间的相似度。此外，我们观察到嵌入产生了一个具有有意义算术操作的潜空间。最后，聚类方法使我们能够起草所获得表示的高层类型学。我们相信这一贡献将助力从事基础设施相关预测任务且涉及空间变量的 data scientists。
引用
@article{arxiv.2304.13865,
title = {highway2vec -- representing OpenStreetMap microregions with respect to their road network characteristics},
author = {Kacper Leśniara and Piotr Szymański},
journal= {arXiv preprint arXiv:2304.13865},
year = {2023}
}
备注
Accepted at GeoAI '22: Proceedings of the 5th ACM SIGSPATIAL International Workshop on AI for Geographic Knowledge Discovery