计算机工程

作者：凌鹏, 诸彤宇, 周轶, 吴爱枝, 张鹏

单位：1. 北京航空航天大学 软件开发环境国家重点实验室, 北京 100191;2. 北京市安全生产科学技术研究院, 北京 101101

关键词：城市功能区,时空数据,行为轨迹,城市感知,深度学习

基金：北京市科技计划（Z181100009018010）。

城市功能区识别对于城市规划和管理具有重要的支撑作用，目前大部分研究主要依赖于影像和兴趣点（POI）分布数据进行识别，但多将区域内不同出行行为的人群混杂在一起，没有考虑不同群体对区域产生的不同影响。结合物以类聚、人以群分的思想构建城市功能区识别模型UFAI，通过学习不同功能区人群出行活动的特征识别相应功能区。基于大样本粗粒度的匿名轨迹数据，刻画并提取个体出行特征，依据个体的出行特征划分人群类型。在此基础上，构建并训练多任务深度学习模型，实现城市功能区识别。选取北京市2 000万匿名用户10个月的手机信令数据作为人群出行轨迹数据，使用UFAI模型进行计算，并与决策树、随机森林、集成学习梯度提升决策树等7种传统分类模型进行对比。实验结果表明，UFAI模型的F1值达到0.95，与对比模型相比提升了0.10~0.29，具有更好的识别性能。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期