首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于区块多源时空数据的道路网密度预测模型
引用本文:黄士琛,邵春福,王晟由.基于区块多源时空数据的道路网密度预测模型[J].北京交通大学学报(自然科学版),2021,45(5):93-100.
作者姓名:黄士琛  邵春福  王晟由
作者单位:北京交通大学 交通运输学院,北京 100044
摘    要:城市化进程与人口增速的不协调导致了城市蔓延现象,为科学合理地统筹引导道路建设,缓解城市蔓延引发的交通拥堵和环境污染,需要对建成区的道路网指标进行精细化管理.以道路网密度为例,考虑道路建设进度和政策实施惯性,构建基于深度学习的区块化时空数据预测模型Bi-Convlstm2DNet,与之对应地构造基于区块的多源数据融合流程,并以某市为例进行实验.将该市时序的土地覆盖、人口和道路网拓扑结构融合为时空多源数据集,而后在数据集上将本模型同其他经典预测模型进行参数标定和对比.研究结果表明,BiConvlstm2DNet在该数据集上得到的准确率为91.5%,较支持向量回归和随机森林回归等模型的准确率平均提升了8.0%,是一种分区块预测建成区道路网指标的可靠模型.

关 键 词:智能交通  道路网密度预测  深度学习  用地覆盖  多源数据融合

Road network density prediction model based on block multi-source spatio-temporal data
HUANG Shichen,SHAO Chunfu,WANG Shengyou.Road network density prediction model based on block multi-source spatio-temporal data[J].JOURNAL OF BEIJING JIAOTONG UNIVERSITY,2021,45(5):93-100.
Authors:HUANG Shichen  SHAO Chunfu  WANG Shengyou
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号