整合旅行行为预测与生成模型：预测未来城市灵活性与空间转型
计算机视觉与模式识别
2025-03-28 v1
摘要
交通规划在塑造城市发展、经济灵活性和基础设施可持续性方面发挥着关键作用。然而，传统规划方法往往难以准确预测长期城市增长和交通需求。这有时会导致基础设施拆除，以腾出空间用于当前交通规划需求。本研究将 Temporal Fusion Transformer 用于从人口统计数据预测旅行模式，同时将生成对抗网络用于通过卫星影像预测未来城市环境。该框架在旅行行为预测中取得 0.76 的 R-square 分数，并生成的高保真卫星影像取得结构相似性指数为 0.81。结果表明，整合预测分析和空间可视化可以显著提高决策过程，促进更可持续和高效的城市发展。本研究突显了数据驱动方法在现代交通规划中的重要性，并为优化基础设施布局、容量和长期可行性迈出了一步。
引用
@article{arxiv.2503.21158,
title = {Integrating Travel Behavior Forecasting and Generative Modeling for Predicting Future Urban Mobility and Spatial Transformations},
author = {Eugene Denteh and Andrews Danyo and Joshua Kofi Asamoah and Blessing Agyei Kyem and Twitchell Addai and Armstrong Aboah},
journal= {arXiv preprint arXiv:2503.21158},
year = {2025}
}