基于公共交通时刻表的无监督微区域嵌入与相似性检测
机器学习
2021-11-05 v1
摘要
近年来，空间数据在应对城市相关任务中的作用日益增强。为了在机器学习模型中使用它们，通常需要将其转换为向量表示，这推动了空间数据表示学习领域的发展。同时，提出表示学习方法的空间数据类型也日益多样化。迄今为止，公共交通时刻表尚未被用于城市区域表示学习的任务。本工作开发了一种将公共交通可达性信息嵌入向量空间的方法。为对其应用进行实验，从48个欧洲城市收集了公共交通时刻表。使用H3空间索引方法将其划分为微区域。还提出了一种识别具有相似公共交通供给特征区域的方法。在此基础上，定义了区域公共交通供给的多层级类型学。本文表明，所提出的表示方法能够识别城市间具有相似公共交通特征的微区域，并可用于评估城市可用公共交通的质量。
引用
@article{arxiv.2111.02405,
title = {Unsupervised embedding and similarity detection of microregions using public transport schedules},
author = {Piotr Gramacki},
journal= {arXiv preprint arXiv:2111.02405},
year = {2021}
}
备注
Master's thesis submitted at the Wroc{\l}aw University of Science and Technology