基于区块多源时空数据的道路网密度预测模型
黄士琛
邵春福
王晟由
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
分类号：TP274(自动化技术及设备)
资助基金：国家自然科学基金(52072025)
论文发表日期：2021-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 93-100 )
英文信息