陈喜群/高自友Patterns:建立城市群多尺度统一的人类移动模型 | Cell Press论文速递
交叉学科
Interdisciplinary
浙江大学智能交通研究所陈喜群教授团队与北京交通大学系统科学学院高自友教授团队合作在Cell Press细胞出版社期刊Patterns上发表了题为“A multi-scale unified model of human mobility in urban agglomerations”的研究论文,通过模拟人们对物理空间的心理表征,建立了面向城市群的多空间尺度、个群体统一的人类移动预测模型,为理解和复现城市间和城市内部的个体与群体出行模式提供了新方法。
▲长按图片识别二维码阅读原文
研究亮点
1. 提出了城市群多尺度统一的人类移动模型
2. 构造级联深度神经网络来模拟个体出行行为选择
3. 构造图生成对抗网络提取位置吸引力特征
4. 同时复现多空间尺度的个体与群体出行模式
论文简介
随着城市经济的快速发展,特大城市、都市圈及其周边城市逐渐趋同,形成高度发达的一体化城市空间形态——城市群。在城市群内部,人们因各种出行需求,在不同的空间尺度上开展活动。现有的人类移动模型可以刻画城市内部或城市间单尺度的出行模式,但针对城市群内多尺度人类流动性的统一建模难题,相关的分析和计算方法仍存在巨大挑战。
人们在对空间区域进行表征、判断和选择时,通常会用一种嵌套的组织结构(如国家、省份、市、县和社区信息)来分层描述区域空间位置,揭示了人们对物理空间的心理表征具有清晰的层次结构。本研究以此为出发点,通过将人类的出行行为选择建模为一个级联多分类问题,统一复现了城市群内个体和群体跨多个空间尺度的出行移动模式。
图1 城市群多尺度统一出行移动模型
多空间尺度的出行移动预测任务具有数据维度高、稀疏性强等研究难点。作者通过模拟人类分层次的出行行为选择过程(图1),构建了级联卷积神经网络,通过概率约束和误差反馈机制来缩减求解空间,最终提升移动预测的准确性。为考虑不同个体和群体的出行偏好,模型耦合了个体多维历史记忆特征,并嵌入了基于图生成对抗网络的出行分布预测网络来表征不同地点的群体吸引力特征。
在三个世界级城市群(图2)出行数据上进行模型性能评估和对比,相比于现有的出行移动模型,本文模型能够同时对个体(图3)、群体(图4)出行模式进行精准预测。该研究成果突破了出行行为建模领域长久以来悬而未决的跨尺度统一预测难题,为多尺度出行移动建模提供了新的数据驱动研究范式,进而可为城市群交通运输管理、资源配置、疾病控制、交通枢纽优化等应用提供决策支持。
图2 三大城市群出行分布特征
图3 个体水平的多尺度人口流动性预测性能对比
图4 群体水平的多尺度人口流动性预测性能对比
作者介绍
陈勇
博士研究生
陈喜群
长聘教授
高自友
教授
高自友,论文通讯作者,北京交通大学教授、博士生导师、长江学者特聘教授、国家杰出青年科学基金获得者。现任北京交通大学校学术委员会副主任、北京交通大学系统科学学院名誉院长、城市轨道交通北京实验室学术委员会主任、交通系统科学与工程研究院院长。先后主持国家973计划项目、国家自然科学基金创新研究群体、国家自然科学基金重点项目及国家自然科学基金基础科学中心项目等。兼任管理科学与工程学会理事长、国务院第六、七届学科评议组成员、俄罗斯自然科学院外籍院士、英国IET的Fellow等。在城市交通管理理论创新与实际应用方面业绩突出,是复旦管理学杰出贡献奖(2015)和首届全国创新争先奖状(2017)获得者。发表学术论文300余篇,作为第一完成人获得国家自然科学二等奖等。
相关文章信息
相关文章发表在Cell Press旗下
Patterns期刊上,点击“阅读全文”或扫描下方二维码查看论文。
▌论文标题:
A multi-scale unified model of human mobility in urban agglomerations
▌论文网址:
https://www.cell.com/patterns/fulltext/S2666-3899(23)00246-5
▌DOI:
https://doi.org/10.1016/j.patter.2023.100862
长按图片识别二维码阅读原文
Cell Press Multi-Journal Submission的前身Cell Press Community Review模式于2021年推出。对于通过Cell Press Multi-Journal Submission“一稿多投”模式投稿的作者,我们将提供稿件同时被27本期刊考虑的机会。超过80%通过Cell Press Multi-Journal Submission“一稿多投”模式投稿的文章获得了至少一个或多个期刊的评审。
CellPress细胞出版社
推荐阅读
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。