基于空间-形态学建模的多属性城市街区缺失值插值方法
机器学习
2026-02-12 v1 计算机与社会
摘要
城市形态指标缺失值精准重建对于城市规划和数据驱动分析至关重要。本研究提出了空间-形态学 (SM) 插值工具，结合数据驱动的形态聚类与邻域方法，用于重建城市街区层面的楼面空间指数 (FSI) 和地面空间指数 (GSI)。该方法灵感来源于 SpaceMatrix 框架，将城市尺度的形态模式作为全局先验，结合局部空间信息进行情境依赖的插值。评估结果表明，SM 方法单独使用即可捕捉到有意义的形态结构；而将其与逆距离加权 (IDW) 或空间 k 近邻 (sKNN) 方法组合，可优于现有 SOTA 模型。复合方法显示了形态方法与空间方法的互补优势。
引用
@article{arxiv.2602.10923,
title = {Spatial-Morphological Modeling for Multi-Attribute Imputation of Urban Blocks},
author = {Vasilii Starikov and Ruslan Kozliak and Georgii Kontsevik and Sergey Mityagin},
journal= {arXiv preprint arXiv:2602.10923},
year = {2026}
}