原文题目:Travel Time Estimation without Road Networks: An Urban Morphological Layout Representation Approach
摘要:旅行时间可能不仅是个人出行计划的重要内容,也是城市规划的重要内容。以往的方法主要集中在对路段或子路径的建模,然后对最终的预测进行总结,这些预测最近被端到端训练的深度神经模型所取代。通常,这些方法都是基于显式特征表示,包括时空特征、交通状态等。本文认为,局部交通状况与土地利用和建设环境,即地铁站、干道、交叉口、商业区、居住区等有着密切的联系,但这种关系是时变的,过于复杂,难以明确有效地进行建模。为此,本文提出了一种端到端的多任务深度神经网络模型-“深度图像到时间”(DeepI2T),主要从构建的环境图像中学习出行时间。形态布局图像,并在两个城市的真实世界数据集上展示新的最先进的表现。此外,我们的模型是针对测试阶段的路径感知和路径盲场景设计的。这项工作开辟了新的机会,利用公开提供的形态布局图像作为大量的信息,在多种地理相关的智能城市应用。
原文地址:https://arxiv.org/abs/1907.03381
作者:Wuwei Lan, Yanyan Xu, Bin Zhao
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。