| 论文题目: | 先验与数据双引导的城市居民活动强度预测模型 |
|---|---|
| 第一作者: | 钟诚, 吴升, 王培晓, 张恒才, 程诗奋, 陆锋 |
| 联系作者: | |
| 发表年度: | 2025 |
| 摘 要: | 【意义】城市居民活动强度的精准预测是地理空间人工智能的基础研究命题,在城市规划、交通管理及公共安全等领域具有重要应用价值。尽管已有多种城市居民活动强度预测模型被提出,但如何挖掘城市混合功能区之间的功能相似性作为先验引导预测仍是一大挑战。由于其复合功能特性,混合功能区在不同时段对居民活动呈现出差异化影响,通过多种功能特征度量多元功能相似性,并将其作为先验引导空间依赖建模,有望提升预测精度。【方法】本研究提出一种新颖的先验与数据双引导的时空预测模型(Prior-and Data-Guided Spatio-Temporal Prediction Model, PDGSTPM)。首先,本研究基于超图理论框架设计了面向城市功能语义的超边构建机制,利用自监督学习将POI表征的混合城市功能特性显式编码为可量化分析的高阶多元关联网络进而表征多元功能相似性先验,实现了城市区域间空间依赖建模由一阶对偶关系向高阶多元结构的突破;然后,本研究利用一阶瓦瑟斯坦距离建立了历史观测数据的多粒度相似性度量方法,通过捕捉居民活动强度序列中的形态一致性挖掘观测数据中隐含的变化特性来进行数据层面的相似性表征,以实现数据层面相似性与功能相似性先验的互补;最后,本研究融合先验引导与数据驱动的双重建模机制,通过先验-数据双引导的图神经网络架构,实现复杂时空依赖关系的精准建模。【结果】本研究采用2023年3月的厦门市手机定位数据进行了城市居民活动强度预测实验,相比于基线方法,PDGSTPM模型在RMSE和MAE两项指标上,单步预测精度分别提升了3.2%和9.1%,双步预测精度分别提升了5.6%和9.8%。【结论】实验结果验证了PDGSTPM模型在精准建模时空依赖关系方面的优势。 |
| 英文摘要: | |
| 刊物名称: | 地球信息科学学报 |
| 全文链接: | |
| 论文类别: | CSCD |