PulseAugur
中
实时 01:00:17
English(EN) Fusing Urban Structure and Semantics: A Conditional Diffusion Model for Cross-City OD Matrix Generation

扩散模型融合城市数据，提升通勤流量预测精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SEDAN，一种新颖的条件扩散模型，旨在生成跨城市通勤流量的起点-终点（OD）矩阵。该模型将城市表示为属性图，整合了人口统计和兴趣点特征以及邻接和距离矩阵等空间结构。SEDAN融合了语义和空间信息，以创建更准确、更具泛化能力的OD矩阵，在U.S.城市数据集上的RMSE表现比现有方法提高了7.38%。 AI

影响 通过改进OD矩阵生成，为城市规划和资源分配提供了一种更准确、更具泛化能力的方法。

排序理由 这是一篇详细介绍OD矩阵生成新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

扩散模型融合城市数据，提升通勤流量预测精度

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bin Chen, Zhuoya Meng, Fang Yang, Runkang Guo, Jingtao Ding, Yin Zhang, Chuan Ai, Zhengqiu Zhu ·

    融合城市结构与语义：一种用于跨城市OD矩阵生成的条件扩散模型

    arXiv:2605.00938v1 Announce Type: new Abstract: Accurate modeling of commuting flows is important for urban governance, traffic planning, and resource allocation. However, the combined influence of individual intentions, geographic constraints, and social dynamics leads to consid…

相关实体

相关话题