加强城市数据分析:利用基于图形的卷积神经网络为视觉语义决策支持系统.

科学领域:

• 城市规划 城市规划
• 数据科学数据科学数据科学
• 计算机视觉 计算机视觉

背景情况:

• 现代城市环境从各种传感器生成大量数据,在数据集成,可视化和利用方面面临挑战.
• 有效的城市规划需要为商业活动,公用事业和基础设施再利用选择最佳地点,需要先进的数据分析技术.

研究的目的:

• 评估卷积神经网络 (CNN) 的有效性,以基于图表的城市数据表示为城市规划决策支持.
• 使用一致的数据集,将CNN与以前的方法,特别是随机森林的性能进行比较.

主要方法:

• 利用基于图形的城市数据表示,利用其固有的视觉特征.
• 采用卷积神经网络 (CNN) 进行分类任务,以其基于图像的数据处理能力为灵感.
• 将CNN的表现与在标准化城市数据集上的随机森林进行了比较,以选择位置.

主要成果:

• 与随机森林基线相比,CNN方法在几个关键指数中表现得更好.
• 结合CNN和基于图形的城市数据,证明了城市规划决策支持的有效性.
• 结果表明,这种方法在应对复杂的城市规划挑战方面具有有希望的潜力.

结论:

• 与基于图形的城市数据集成的CNN为城市规划决策支持提供了卓越的方法.
• 这种方法提高了为城市发展和基础设施选择合适地点的能力.
• 这些发现表明,在利用复杂的城市数据进行知情规划方面取得了重大进展.