探索混合模型,以使用实时空间Delphi和GANs识别活跃移动路径的位置

科学领域:

• 城市规划和空间分析
• 人工智能在城市发展中的作用
• 可持续的交通基础设施

背景情况:

• 空间规划是复杂的,需要多学科的方法来实现有效的城市发展.
• 优先考虑自行车道,车站和行人区可以提高城市的可持续性,公共卫生和安全.
• 当前的规划方法可能缺乏可视化拟议干预措施的现实影响的工具.

研究的目的:

• 提出并验证一种混合模型,用于确定自行车道,自行车站和行人区的最佳位置.
• 将专家的共识与人工智能驱动的可视化整合在一起,以提高空间规划.
• 支持城市交通基础设施发展的决策.

主要方法:

• 这是一个混合模型,结合了实时空间Delphi (RTSD) 和生成对抗网络 (GAN).
• 通过实时反和可视化,RTSD促进专家就最佳位置达成共识.
• 基于专家的判断,GANs生成了拟议的城市干预措施的视觉表示.

主要成果:

• 混合模型有效地确定了自行车道,车站和行人区的最佳位置.
• 在都柏林的应用证明了该模型在可视化拟议变化的影响方面的实用性.
• 利益相关者,政策制定者和公民可以更好地理解和评估拟议的城市干预措施.

结论:

• 拟议的混合模型为复杂的空间规划挑战提供了一种新且有效的方法.
• 将专家知识与人工智能可视化工具相结合,可以改善可持续城市基础设施的规划和实施.
• 这种方法增强了合作决策和公众参与城市发展项目.