研究论文

利用拥挤增加的出行调查数据学习城市空间的功能构成

作者:

朱莉娅赛特、和

格哈德特罗斯特作者信息和声明

SIGSPATIAL’15：第23届SIGSPADIAL国际地理信息系统进展会议记录

2015年11月

条款编号：22，页数1-10

https://doi.org/10.1145/2820783.2820832

出版:2015年11月3日出版历史

获取访问权限

摘要

城市环境中的地区通常提供不同的公用事业。它们的识别使城市规划师能够利用对城市新兴功能动态的重要见解。随着人类流动数据和其他形式的在线数字导航的可用性不断增加，我们现在可以用多源特征来描述城市区域。在这项工作中，我们通过融合描述其时间、空间和人口方面的特征，形成了对城市区域的全面看法。将47K个明确规定的出行目的汇总到各自的目的地区域，我们获得了关于城市空间功能的多维基础知识。给定融合特征和训练标签，我们可以通过多输出回归进行监督学习，以估计城市空间的功能组成。我们的方法使用了14个功能维度，使用拥挤增加的出行调查预测因子，平均绝对误差为3.9，约为基于平均值的稻草人方法产生的误差的一半（平均绝对误差7.9）。对估计的区域功能进行聚类，与直接在区域功能标签上进行聚类相比，我们发现了高度一致的聚类分配（调整后的兰德指数为0.81）。最后，我们提供了一个示例研究，其中估计的区域功能聚类可用于直观区分大型大都市的典型空间街区。

工具书类

[1]

H.Borchani、G.Varando、C.Bielza和P.Larrañaga。关于多输出回归的调查。WIRE数据挖掘和知识发现, 2015.

数字图书馆

[2]

L.布雷曼。随机森林。机器学习, 45(1):5--32, 2001.

数字图书馆

[3]

P.Brindley、J.Goulding和M.L.Wilson。以数据驱动的方法绘制城市街区。在第22届ACM SIGSPATIAL地理信息系统进展国际会议论文集，SIGSPATIAL’14，第437-440页，美国纽约州纽约市，2014年。ACM公司。

数字图书馆

[4]

C.Coffey和A.Pozdnoukhov。流动流的时间分解和语义丰富。在第六届ACM SIGSPATIAL基于位置的社交网络国际研讨会会议记录，LBSN’13，第34-43页，美国纽约州纽约市，2013年。ACM公司。

数字图书馆

[5]

V.Frias-Martinez、V.Soto、H.Hohwald和E.Frias-Mortinez。使用地理定位推文描述城市景观。在2012年ASE/IEEE社会计算国际会议和2012年ASE/CEEE隐私、安全、风险和信任国际会议记录SOCIALCOM-PASSAT’12，第239--248页，美国华盛顿特区，2012年。IEEE计算机学会。

数字图书馆

[6]

P.Geurts、D.Ernst和L.Wehenkel。极度随机的树。机器学习, 63(1):3--42, 2006.

数字图书馆

[7]

S.Glantz和B.Slinker。应用回归与方差分析入门。麦格劳-希尔教育，2000年。

[8]

T.Hastie、R.Tibshirani和J.Friedman。统计学习的要素。统计学中的斯普林格系列。施普林格纽约公司，美国纽约州纽约市，2001年。

[9]

S.Jiang、J.Ferreira和M.González。城市中人类活动的日常模式。数据挖掘与知识发现, 25(3):478--510, 2012.

[10]

Y.Kim、F.C.Pereira、F.Zhao、A.Ghorpade、P.C.Zegras和M.E.Ben-Akiva。基于跨用户历史数据的智能手机旅行调查的活动识别。在2014年8月24日至28日在瑞典斯德哥尔摩举行的第22届国际模式识别大会，第432-437页，2014年。

数字图书馆

[11]

F.Kling和A.Pozdnoukhov。当一个城市讲述一个故事：城市主题分析。在第20届国际地理信息系统进展会议记录《SIGSPATIAL’12》，第482--485页，美国纽约州纽约市，2012年。ACM公司。

数字图书馆

[12]

J.Krumm和D.Rouhana。放置器：日志数据中的语义位置标签。在2013年ACM普适计算国际联合会议记录《UbiComp’13》，第163-172页，美国纽约州纽约市，2013年。ACM公司。

数字图书馆

[13]

R.Lee、S.Wakamiya和K.Sumiya。基于推特上人群行为生活日志的城市区域特征。个人和普适计算, 17(4):605--620, 2013.

数字图书馆

[14]

X.Liu、L.Gong、Y.Gong和Y.Liu。利用出租车出行数据揭示出行模式和城市结构。交通地理学杂志, 43(0):78--90, 2015.

[15]

G.Pan、G.Qi、Z.Wu、D.Zhang和S.Li。利用出租车gps轨迹进行土地利用分类。智能运输系统，IEEE汇刊, 14(1):113--123, 2013.

数字图书馆

[16]

F.Pedregosa、G.Varoqueaux、A.Gramfort、V.Michel、B.Thirion、O.Grisel、M.Blondel、P.Prettenhofer、R.Weiss、V.Dubourg、J.Vanderplas、A.Passos、D.Cournapeau、M.Brucher、M.Perrot和E.Duchesnay。Scikit-learn：Python中的机器学习。机器学习研究杂志, 12:2825--2830, 2011.

数字图书馆

[17]

T.Pei、S.Sobolevsky、C.Ratti、S.-L.Shaw、T.Li和C.Zhou。基于聚合手机数据的土地利用分类新见解。国际地理信息科学杂志, 28(9):1988--2007, 2014.

数字图书馆

[18]

W.M.兰德。评价聚类方法的客观标准。美国统计协会杂志, 66(336):846--850, 1971.

[19]

P.J.卢梭。轮廓：用于解释和验证聚类分析的图形辅助工具。计算与应用数学杂志, 20:53--65, 1987.

数字图书馆

[20]

N.斯米尔诺夫。经验分布拟合优度估算表。安。数学。统计师。, 19(2):279--281, 06 1948.

[21]

J.L.Toole、M.Ulm、M.C.González和D.Bauer。从手机活动推断土地使用。在ACM SIGKDD城市计算国际研讨会会议记录，UrbComp’12，第1-8页，美国纽约州纽约市，2012年。ACM公司。

数字图书馆

[22]

S.Wakamiya、R.Lee和K.Sumiya。基于推特中人群活动语义的城市区域特征描述。在地理空间语义，第108-123页。施普林格，2011年。

[23]

袁N.J.，Y.Zheng，X.Xie，Y.Wang，K.Zheng.和H.Xiong。利用潜在活动轨迹发现城市功能区。知识与数据工程，IEEE汇刊, 27(3):712--725, 2015.

[24]

X.Zhan、S.Ukkusuri和F.Zhu。使用大规模社交媒体登记数据推断城市土地使用。网络与空间经济学, 14(3--4):647--667, 2014.

[25]

W.Zhang、S.Li和G.Pan。使用出租车轨迹挖掘原始目的地流的语义。在2012年ACM普及计算会议记录《UbiComp’12》，第943-949页，美国纽约州纽约市，2012年。ACM公司。

数字图书馆

引用人

张Y徐Y崔L严Z(2023)城市区域表示的多视图图形对比学习2023年国际神经网络联合会议（IJCNN）10.1109/IJCNN54540.2023.10191432(1-8)在线发布日期：2023年6月18日
https://doi.org/10.1109/IJCNN54540.2023.10191432
Houssou N公司纪尧姆JPrigent A公司悬挂C帕帕佐普洛斯G(2019)一种基于图形的城市功能区划分方法第34届ACM/SIGAPP应用计算研讨会论文集10.1145/3297280.3297341(652-658)在线发布日期：2019年4月8日
https://dl.acm.org/doi/10.1145/3297280.3297341
Belesiotis A公司帕帕达基斯GSkoutas D公司(2018)利用众包和开放数据分析和预测犯罪空间分布ACM空间算法和系统汇刊10.1145/3190345三:4(1-31)在线发布日期：2018年4月27日
https://dl.acm.org/doi/10.1145/3190345
显示更多引用者

索引术语

利用拥挤增加的出行调查数据学习城市空间的功能构成
1. 信息系统
  1. 信息系统应用

建议

空间城市数据系统：用于社会和经济城市分析的云计算大数据基础设施
摘要
空间城市数据系统（SUDS）是一个空间大数据基础设施，用于支持英国范围内对城市和城市区域的社会和经济方面的分析。它利用传统数据、新数据和。。。
集锦
- 一个新的全国城市小面积分析系统。
- 支持云的空间。。。
阅读更多信息
利用旅游调查数据确定城市功能中心的空间结构：新加坡的案例研究
COMP’13：第一届ACM SIGSPATIAL国际场所计算模型研讨会会议记录

识别城市运动产生的空间结构有助于更好地理解城市动态，对城市规划应用至关重要。尽管有许多关于功能性城市空间的研究，但相关研究仍在继续。。。
阅读更多信息
城市数据建模，机器学习应用程序
SimAUD’20：第十一届建筑与城市设计模拟年会论文集

如今，城市是依赖复杂系统的主要人类聚居地。城市环境中的技术增长产生了大量数据。通过分析和可视化这些数据，可以深入了解这个复杂的环境。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

SIGSPATIAL’15：第23届SIGSPADIAL国际地理信息系统进展会议记录

2015年11月

646页

国际标准图书编号：9781450339674

内政部：10.1145/2820783

一般主席：
穆罕默德·阿里
华盛顿大学塔科马分校
,
炎黄
北德克萨斯大学
,
课程主席：
迈克尔·格茨
德国海德堡大学
,
马蒂亚斯·伦茨
德国慕尼黑LMU
,
贾根·桑卡拉纳拉亚南
NEC实验室

版权所有©2015 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重作者以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护].

赞助商

SIGSPATIAL:ACM空间信息特别兴趣小组

合作中

SIGGRAPH:ACM计算机图形和交互技术特别兴趣小组

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2015年11月3日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章

会议

2015年SIGSPATIAL

赞助商：

SIGSPATIAL公司

SIGSPATIAL’15：第23届SIGSPADIAL国际地理信息系统进展会议

2015年11月3日至6日

华盛顿，西雅图

接受率

SIGSPATIAL’15论文接受率212份提交文件中的38份，18%；

1116份提交文件的总体接受率为220，20%

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

4
引文总数
查看引文
239
总下载次数

下载次数（过去12个月）4
下载次数（最近6周）1

其他指标

查看作者指标

引文

引用人

张Y徐Y崔L严Z(2023)城市区域表示的多视图图形对比学习2023年国际神经网络联合会议（IJCNN）10.1109/IJCNN54540.2023.10191432(1-8)在线发布日期：2023年6月18日
https://doi.org/10.1109/IJCNN54540.2023.10191432
豪苏N纪尧姆JPrigent A公司悬挂C帕帕佐普洛斯G(2019)基于图的城市功能区划分方法第34届ACM/SIGAPP应用计算研讨会论文集10.1145/3297280.3297341(652-658)在线发布日期：2019年4月8日
https://dl.acm.org/doi/10.1145/3297280.3297341
Belesiotis A公司帕帕达基斯GSkoutas D公司(2018)利用众包和开放数据分析和预测犯罪空间分布ACM空间算法和系统汇刊10.1145/3190345三:4(1-31)在线发布日期：2018年4月27日
https://dl.acm.org/doi/10.1145/3190345
杨杰（Yang J）埃克霍夫C(2018)面向用户和位置建模的节约通用嵌入的无监督学习美国计算机学会信息系统汇刊10.1145/318216536:3(1-33)在线发布日期：2018年3月13日
https://dl.acm.org/doi/10.1145/3182165

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子