基于图神经网络的交通情景规划
机器学习
2021-10-27 v1 人工智能
计算机与社会
摘要
提供高效的人类出行服务与基础设施是世界上大多数中型至大型城市的主要关切之一。因此，恰当理解通勤流的动态是更好地规划城市区域的先决条件。在此背景下，一项重要任务是研究评估可能未来变化的假设情景。例如，某街区住宅单元或交通模式的增加将如何改变往返该区域的通勤流？本文中，我们提议利用近期提出的图神经网络模型 GMEL，在考虑不同土地利用与基础设施情景下评估通勤流的变化。我们通过设置于巴西两座大城市的真实案例研究验证了方法的有用性。
引用
@article{arxiv.2110.13202,
title = {Transportation Scenario Planning with Graph Neural Networks},
author = {Ana Alice Peregrino and Soham Pradhan and Zhicheng Liu and Nivan Ferreira and Fabio Miranda},
journal= {arXiv preprint arXiv:2110.13202},
year = {2021}
}
备注
Presented at the 10th International Workshop on Urban Computing, 2021