麻豆 夏雨荷 北京大学马剑竹课题组发表商榷论文《基于图神经网罗的城市说念路网空间均匀性量化》
日前麻豆 夏雨荷,北京大学东说念主工智能商榷院马剑竹副教讲课题组在Nature Machine Intelligence(NMI)上发表了题为《基于图神经网罗的城市说念路网空间均匀性量化》(“Quantifying the spatial homogeneity of urban road networks via graph neural networks”)的商榷论文。
Nature Machine Intelligence于2019年1月认真上线,每月一期,每期发表2—4篇著作。NMI主要接纳的论文主题主要包括机器学习表面与时势的商榷,东说念主工智能期骗于其它鸿沟的商榷以及东说念主工智能的发展对于社会、伦理等方面影响的商榷等。行为一个新杂志,NMI比较提神交叉学科的商榷。
论文截图
通过量化城市说念路网罗不同部分的拓扑同样性,东说念主们不错了解城市说念路增长格局。尽管传统的统计数据提供了对于单个节点的径直邻居或通盘这个词网罗特征的灵验信息,但此类宗旨无法估量子网罗的同样性,也无法捕捉局部、障碍的邻居关系。为惩办这一问题,北京大学马剑竹课题组提议了一种基于图的机器学习时势来量化子网罗的空间同质性。课题组成员将该时势期骗于行家30个城市的11790个城市说念路网,以测量每个城市内和不同城市之间说念路网的空间同质性。课题组发现,城市里面的空间同质性与国内分娩总值和东说念主口增长等社会经济地位宗旨高度相干。此外,通过在不同城市间传递模子获取的城际空间同质性值揭示了发祥于欧洲、传递给好意思国和亚洲城市的城市网罗结构的城际同样性。该课题组的时势揭示的社会经济发展和城市间的同样性不错用来交融和传递城市之间的见解。这种时势还使东说念主们大略应答城市计谋挑战,包括快速城市化地区的网罗经营和地区不对等。
论断一:用GNN模子测量30个城市的空间同质性
课题组通过诡计“连气儿预计”问题的F1分数(这是机器学习任务中浩荡使用的圭臬预计精度宗旨,范围在0到1之间),量化了网罗的空间同质性,并使用GNN模子凭证其两个端点的结构脚色预计了连气儿的存在,即关系图卷积网罗(R-GCN)。课题组成员对来自好意思国、欧洲和亚洲30个城市的11790个URN进行连气儿预计,并获取了合座的平均F1分数值。
课题组当先展示了空间同质性度量是一种复合度量,它拿获了各样现存的网罗统计信息,包括平均度和介数。课题组成员发现,平均介数较低、平均度值较高的城市(举例,纽约、芝加哥和圣安东尼奥)具有较高的空间同质性(P值)。这是因为更多路段的交叉口通过GNN模子中的音信传递机制接纳到更多的邻里信息,从而提升了可预计性。课题组成员将预计遵循与现存使命中的说念路网罗聚类计议起来,对其进行解释。
各城市F1收货的各别不错用说念路类型来解释。因此,课题组成员假定一个城市具有很大比例的网格型“瓮型”具有很高的可预计性。为了考证这一假定,课题组成员诡计了每个城市的“瓮型”组成。正如预期的那样,一个城市的F1平平分数与网格类型的比例正相干。商榷发现URN聚类遵循高度一致。
好意思国城市大范围东说念主口不时的历史相对较短,它们的说念路网是凭证圭臬化的地皮条例计谋修建的,这些计谋不错记忆到18世纪初宾夕法尼亚州费城的网格筹备。比拟之下,幼女白丝欧洲和亚洲的特大城市(如伦敦和北京)阅历了恒久的从上至下的经营计谋,既有来自当局的经营计谋,也有来自住户的自组织计谋,这同期塑造了城市原型。芝加哥普遍存在网格状街区,而巴黎和新加坡则被不限定街区的说念路所占据。
论断二:空间同质性揭示社会经济发展
说念路网是城市空间的骨架,在经济发展和空间东说念主口会聚的历史历程中不断演变。为了便于交融城市,课题组访谒了城市里面空间同质性与社会经济地位宗旨(如经济、PG和城市年岁)之间的互相作用。课题组凭证GDP和PG值将每个城市和解归类为四类,包括高GDP和低PG城市(伦敦、巴黎、纽约、洛杉矶、芝加哥、费城和大阪)。值得珍爱的是,这些城市齐在说明国度,咱们称之为进修城市。这些城市在说念路网经营方面参加了更多资金,使其说念路网愈加圭臬化和可预计。此外,进修城市的低PG标明,该城市如故阅历了快速PG并进入了稳如期,因此说念路网扩展的力量不像畴前那么刚劲,因此更具可预计性。
此外,课题组商榷了一些新宗旨是否与城市的年岁关联。比如凭证初度假寓时候。商榷发现,17-18世纪和19-20世纪的城市的F1值在统计学上显贵高于BC和1-16世纪的城市。这一遵循是不错预期的,因为在汽车时间,“年青”城市的说念路网罗在增长,而在城市层面,圭臬和和解的城市经营是必要的。
论断三:迁徙学习揭示了城市间的同样性
社会经济发展编码了城市里面的历程,而城市间的同样性则与不同城市之间的互动关联。这些关系展示了城市格局如安在行家范围内出现、传播和演变,是东说念主类城市化历史的基本属性。但是,由于复杂的城市网罗格局和雄壮的城市数据量,这些关系尤其难以准确捕捉和定量面孔。在这里,课题组发现城市间的同样性不错通过咱们的空间同质性度量(通过在城市之间传输GNN模子来界说)来捕捉。
为了诡计城市间的URN空间同质性,课题组进行了跨城市连气儿预计(在城市A上教练GNN模子,并在30个城市的城市B上进行测试),并凭证这些城市的平均F1分数行为教练样本和测试样本,对这些城市进行了分层聚类。
第二个不雅察遵循是,测试方有四个城市群:好意思国、亚洲(c)、亚洲(w)和欧洲。总的来说,好意思国类型的城市F1收货最高,而欧洲类型的城市,齐来自欧洲,更难预计。另外两种预计性能较弱的类型是亚洲(c)和亚洲(w)类型。亚洲(c)型城市深受中国文化的影响,而亚洲(w)型城市与西方寰球有着积极的计议。好意思国的城市是有系统地经营和树立的,因此是可预计的,而欧洲和亚洲的城市是由复杂的历史和现代成分同期塑造的。
另一个预见预见的不雅察遵循是,将教练城市缔造为从米兰到首尔的城市,其F1收货高于其他城市。课题组揣测,如若一个城市包含多个子结构,况兼具有较大的空间心事率,那么从该城市学习到的拓扑特征很可能适用于其他城市。在这种情况下,课题组揣测出这些城市领有极好的说念路网罗“各样性”。大巨额亚洲城市的各样性较低,因为它们莫得像欧洲和好意思国的城市那样辞寰球范围内对现代城市经营产生如斯抓久的影响。
论断四:从城市间迁徙学习中获取的历史城市洞努力
课题组松开了分析范围,并商榷了腹地子网上城际转动学习的可预计性性能,以进一步访谒历史城市洞努力。举例,当模子在芝加哥和纽约进行教练,并在洛杉矶进行测试时,发现洛杉矶市区南部和西部的预计性能优于洛杉矶市中心、北部和东部,这意味着洛杉矶南部和西部在说念路网神气方面与芝加哥和纽约更一致。洛杉矶早期的假寓点鸠集在市中心,自后演形成一个刚劲的中央交易区。19世纪80年代后,凭证一项对现代好意思国城市产生深入影响的和解市政分区条例,飞速的城市扩展将农田形成了沿着刻下的10号州际公路和110号州际公路标的延迟的居住区,导致这些“新”地区说念路的高度可预计性。
自拍在大阪等历史名城中发现了对比遵循。课题组发现,在东京教练的模子大略很好地预计大阪市中心的说念路网,而对临近地区的预计性能不是很好。临了一个要道发现是东京的拓瘠土皮。在东京湾海岸的复垦区的URNs更好地被从芝加哥和纽约和伦敦和巴黎所了解的说念路网罗格局所拿获,而不是东京西部的广地面区。东京的料理者通过填埋时刻将东京湾形成了可用的地皮。一些“填海地皮”在1987年后主要用于居住、展览和文娱。
本文由马剑竹和好意思国普渡大学土木匠程系Satish Ukkusuri讲解互助完成。课题组的7名成员均来自知名高校麻豆 夏雨荷,领有诡计机、数学、生物等复合专科配景。