典型文献
基于人群出行行为轨迹的城市功能区识别
文献摘要：
城市功能区识别对于城市规划和管理具有重要的支撑作用,目前大部分研究主要依赖于影像和兴趣点(POI)分布数据进行识别,但多将区域内不同出行行为的人群混杂在一起,没有考虑不同群体对区域产生的不同影响.结合物以类聚、人以群分的思想构建城市功能区识别模型UFAI,通过学习不同功能区人群出行活动的特征识别相应功能区.基于大样本粗粒度的匿名轨迹数据,刻画并提取个体出行特征,依据个体的出行特征划分人群类型.在此基础上,构建并训练多任务深度学习模型,实现城市功能区识别.选取北京市2000万匿名用户10个月的手机信令数据作为人群出行轨迹数据,使用UFAI模型进行计算,并与决策树、随机森林、集成学习梯度提升决策树等7种传统分类模型进行对比.实验结果表明,UFAI模型的Fl值达到0.95,与对比模型相比提升了 0.10～0.29,具有更好的识别性能.
文献关键词：
城市功能区;时空数据;行为轨迹;城市感知;深度学习
中图分类号：
作者姓名：
凌鹏;诸彤宇;周轶;吴爱枝;张鹏
作者机构：
北京航空航天大学软件开发环境国家重点实验室,北京100191;北京市安全生产科学技术研究院,北京101101
文献出处：
引用格式：
[1]凌鹏;诸彤宇;周轶;吴爱枝;张鹏-.基于人群出行行为轨迹的城市功能区识别)[J].计算机工程,2022(07):36-41
A类：
UFAI,匿名用户
B类：
出行行为,行为轨迹,城市功能区识别,城市规划,兴趣点,POI,同出,不同群体,结合物,物以类聚,人以群分,识别模型,不同功能区,出行活动,特征识别,大样本,粗粒度,轨迹数据,出行特征,多任务,深度学习模型,手机信令数据,出行轨迹,集成学习,梯度提升决策树,分类模型,Fl,对比模型,识别性,时空数据,城市感知
AB值：
0.313351
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
