基于 OpenStreetMap 数据利用迁移学习进行共享单车系统站点选址规划
机器学习
2021-11-02 v1 人工智能
摘要
共享单车系统（BSS）已成为发达地区较大较富裕城市许多市民的日常现实。然而，规划共享单车站点布局通常需昂贵的数据采集、出行行为调查与出行建模，继以站点布局优化。许多较小城市与城镇，尤其在发展中地区，可能难以为此类项目融资。BSS 规划亦耗时甚巨。然而正如疫情所示，市政当局将面临快速适应出行方式转变的需求，其中包括市民由公共交通转向自行车。快速布局共享单车系统将成为应对自行车需求增长的关键。本文针对 BSS 布局设计中的成本与时间问题，提出一种利用空间嵌入方法简化并促进此类规划流程的新方案。仅基于 OpenStreetMap 公开数据及欧洲 34 个城市的站点布局，开发了利用 Uber H3 离散全球网格系统将城市划分为微区域、并基于不同城市现有系统通过迁移学习指示值得布设站点的区域之方法。本工作成果为一种在规划站点布局时辅以参考城市选择的决策支持机制。
引用
@article{arxiv.2111.00990,
title = {Transfer Learning Approach to Bicycle-sharing Systems' Station Location Planning using OpenStreetMap Data},
author = {Kamil Raczycki and Piotr Szymański},
journal= {arXiv preprint arXiv:2111.00990},
year = {2021}
}
备注
Accepted to 4th ACM SIGSPATIAL International Workshop on Advances in Resilient and Intelligent Cities