研究论文

开放式访问

通过在多个城市中嵌入POI转移城市人口流动性

作者:

泽坤蔡，以及

文章编号：4，页数1-26

https://doi.org/10.1145/3416914

出版:2021年1月3日出版历史

所有格式 PDF格式

摘要

快速发展的位置获取技术为理解和预测城市中的人的流动性提供了一个强大的工具，这对城市规划、交通管制和应急管理具有重要意义。然而，根据现有的方法，仍然很难准确预测东京、上海和香港等大城市地区数百万人的流动性，尤其是当用于模型训练的收集数据往往仅限于总人口的一小部分时。显然，城市中的人类活动与兴趣点（point-of-interest，POI）信息密切相关，可以反映人类活动的语义。这促使我们将人类活动数据和城市POI数据进行融合，以提高有限训练数据的预测性能，但当前的融合技术很难处理这两种异构数据。因此，我们提出了一种独特的POI嵌入机制，该机制按类别聚合区域POI，为每个城市网格生成一个人工POI图像，并以类似于短视频的方式将每个轨迹片段丰富为四维张量。然后，我们设计了一个结合CNN和LSTM的深度学习架构，从丰富的轨迹中同时捕获时空和地理信息。此外，利用转移学习将流动性知识从一个城市转移到另一个城市，这样我们就可以充分利用其他城市的数据，在有限的数据可用的情况下为目标城市训练一个更强大的模型。最后，我们使用有限数量的轨迹作为训练数据，在全市范围内实现了令人满意的人口流动预测性能，并在五个不同类型和规模的城市地区进行了验证。

工具书类

[1]

马丁·阿巴迪、阿什什·阿加瓦尔、保罗·巴勒姆、尤金·布雷维多、陈志峰、克雷格·雪铁罗、格雷格·科拉多、安迪·戴维斯、杰弗里·迪恩、马蒂厄·德文、桑杰·盖马瓦特、伊恩·古德费罗、安德鲁·哈普、杰弗里·欧文、迈克尔·伊萨德、杨庆嘉、拉法尔·约泽福维奇、卢卡斯·凯泽、曼朱纳特·库德勒、乔什·莱文伯格、丹·马内、拉贾特·蒙加、雪利·摩尔，德里克·默里（Derek Murray）、克里斯·奥拉（Chris Olah）、迈克·舒斯特（Mike Schuster）、乔纳森·施伦斯（Jonathon Shlens）、贝诺伊特·施泰纳（Benoit Steiner）、伊利亚·萨茨克弗（Ilya Sutskever）、库纳尔·塔尔瓦尔（Kunal Talwar）、保罗·塔克（Paul Tucker）、文森特·范霍克（Vincent Vanhoucke）、维杰伊·瓦苏。2015年，TensorFlow：异构系统上的大规模机器学习。检索自http://tensorflow.org。

摘要

工具书类

引用人

索引术语

建议

什么是新城市中的人力流动：跨城市转移流动知识

使用人类流动性和POI发现城市中不同功能的区域

基于深度ROI的城市人口流动预测模型

评论

问询处

发布于

出版商

出版历史

权限

检查更新

作者标记

限定符

资金来源

贡献者

其他指标

文献计量学

文章指标

其他指标

引文

引用人

视图选项

PDF格式

电子阅读器

HTML格式格式

获取访问权限

登录选项

完全访问权限

数字

其他

分享

共享此出版物链接

在社交媒体上分享

附属公司