使用变分自编码器建模城市网络

城市与区域规划者长期面临的一个问题是如何定量描述城市模式。城市的交通基础设施，特别是街道网络，提供了关于人们移动及其互动所生成的城市模式的宝贵信息源。随着街道网络数据集可用性的提升以及深度学习方法的进步，我们迎来了前所未有的机遇，将城市建模的前沿推向更具数据驱动性和更精确的城市形态模型。本研究中，我们呈现了将深度生成模型应用于城市街道网络数据以创建空间显式城市模型的初步工作。我们的工作基于变分自编码器（VAE）——一类因能生成逼真图像而近年广受欢迎的深度生成模型。初步结果表明，VAE能够使用低维向量捕捉关键的高层城市网络度量，并生成复杂度与街道网络数据中所捕获城市相匹配的新城市形态。