无路网的行程时间估计：一种城市形态布局表示方法

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