从道路网络学习表征用于端到端城市增长模拟
人工智能
2018-02-08 v3
摘要
根据过去的经验，我们观察到城市增长在很大程度上依赖于交通网络。在大城市中，交通网络在很大程度上决定了人们将迁往何处以及房屋将建于何处。因此，交通网络数据对于城市增长预测系统至关重要。现有工作基于道路网络使用人工导出的基于距离的特征来构建城市增长模型。但由于人工特征工程过程的非通用性与费力性质，我们可以转向不依赖人工特征工程的端到端系统。在本文中，我们提出一种方法，将道路网络数据集成到现有的基于规则的端到端框架中而无需人工特征工程。我们的方法采用循环神经网络以结构化方式表示道路网络，从而可插入先前提出的端到端框架。所提方法在优良度指数、生产者精度、用户精度以及总体精度方面提升了现有的基于规则的端到端框架的性能。
引用
@article{arxiv.1712.06778,
title = {Learning Representations from Road Network for End-to-End Urban Growth Simulation},
author = {Saptarshi Pal and Soumya K Ghosh},
journal= {arXiv preprint arXiv:1712.06778},
year = {2018}
}