PulseAugur
中
实时 10:29:01

新型生成模型合成人类出行模式，助力城市规划

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为深度活动模型（Deep Activity Model, DAM）的新型生成式Transformer模型，用于合成人类出行模式。该模型通过利用社会人口统计学和家庭属性来生成日常活动链和空间轨迹，克服了现有深度学习和基于活动的模型的局限性。DAM在向新区域迁移知识方面表现出有效性，并通过大规模交通模拟得到了验证，在准确性和适应性方面优于传统模型。 AI

影响 该模型通过实现更准确的交通系统和发展影响模拟，为城市规划和政策决策提供了改进的工具。

排序理由 该集群包含一篇学术论文，详细介绍了一种新的人类出行模式生成模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新型生成模型合成人类出行模式，助力城市规划

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xishun Liao, Qinhua Jiang, Brian Yueshuai He, Yifan Liu, Chenchen Kuai, Jiaqi Ma ·

    深度活动模型：用于人类移动模式合成的生成方法

    arXiv:2405.17468v3 Announce Type: replace-cross Abstract: Human mobility plays a crucial role in transportation, urban planning, and public health, but current approaches face important limitations. Existing deep learning models tend to overlook the semantic interdependencies amo…

相关实体

相关话题