研究人员开发了先进的AI框架来分析城市出行模式及其与土地利用的相互作用。一项研究提出了一个GeoAI混合框架,集成了MGWR、Random Forest和ST-GCN来模拟不同交通模式的交通流,实现了高精度并优于基准。另一种方法使用一个具有不确定性感知和物理信息感知的框架,从聚合计数推断出行起点-终点矩阵,减少对个体追踪的依赖,并实现更具可部署性的城市智能。 AI
影响 这些AI框架提供了改进的理解和管理城市出行的方法,可能带来更高效的交通系统和更好的土地利用规划。
排序理由 arXiv上发表的两篇研究论文,详细介绍了分析城市出行的AI新方法。
- arXiv
- China
- DBSCAN
- GeoAI Hybrid
- Ordinary Least Squares
- Multiscale Geographically Weighted Regression (MGWR)
- Random Forest
- Spatio-Temporal Graph Convolutional Networks (ST-GCN)
- United States
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →