כתבה
arXiv cs.LG ·
ספאציו-טמפורליות של זרמי תנועה תקינים על ידי AI והתקשרות עם שימוש בקרקע: ניתוח GeoAI של תנועה עירונית מרובה-מודלים
Spatiotemporal Heterogeneity of AI-Driven Traffic Flow Patterns and Land Use Interaction: A GeoAI-Based Analysis of Multimodal Urban Mobility
מסגרת GeoAI חדשה מדגימה ספאציו-טמפורליות של זרמי תנועה תקינים והתקשרות עם שימוש בקרקע. המסגרת, שפותחה על ידי צוות של חוקרים, משלבת שלושה כלים: MGWR, RF ו-ST-GCN. המסגרת נבדקה ב-350 זירות בחינה של תנועה ב-6 ערים, והתוצאות היו טובות. המסגרת יכולה לשמש כאלקטרוניקה לתכנון ולניהול תנועה עירונית.
תקציר מקורי באנגליתarXiv:2603.05581v2 Announce Type: replace Abstract: Urban traffic flow is governed by the complex, nonlinear interaction between land use configuration and spatiotemporally heterogeneous mobility demand. Conventional global regression and time-series models cannot simultaneously capture these multi-scale dynamics across multiple travel modes. This study proposes a GeoAI Hybrid analytical framework that sequentially integrates Multiscale Geographically Weighted Regression (MGWR), Random Forest (RF), and Spatio-Temporal Graph Convolutional Networks (ST-GCN) to model the spatiotemporal heterogeneity of traffic flow patterns and their interaction with land use across three mobility modes: motor vehicle, public transit, and active transport. Applying the framework to an empirically calibrated d
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית