MetroGAN：利用生成对抗网络模拟城市形态
计算机与社会
2022-07-07 v1
摘要
利用区位属性模拟城市形态是城市科学中的一项挑战性任务。近期研究表明生成对抗网络（GANs）有潜力为此任务提供启示。然而，现有基于GAN的模型受限于城市数据的稀疏性与模型训练的不稳定性，阻碍了其应用。在此，我们提出一种具地理知识的GAN框架，即大都市GAN（MetroGAN），用于城市形态模拟。我们引入渐进增长结构以学习层次化特征，并设计一种地理损失来施加水域约束。此外，我们针对城市系统的复杂结构提出了一套综合评估框架。结果表明，MetroGAN在所有指标上均超越最先进的城市模拟方法逾20%。令人鼓舞的是，仅使用自然地理特征，MetroGAN仍能生成城市形状。这些结果表明MetroGAN解决了先前城市模拟GAN的不稳定性问题，并可泛化以处理各类城市属性。
引用
@article{arxiv.2207.02590,
title = {MetroGAN: Simulating Urban Morphology with Generative Adversarial Network},
author = {Weiyu Zhang and Yiyang Ma and Di Zhu and Lei Dong and Yu Liu},
journal= {arXiv preprint arXiv:2207.02590},
year = {2022}
}