概览
-
从无形到有形：大数据和机器学习在步行性研究中的作用 -
从图底图中学习视觉特征以发现城市形态 -
组织的贡献如何影响OpenStreetMap中的数据不平等问题？ -
利用Sentinel-2图像和机器学习绘制贫困地区的可扩展和可转移方法 -
用于犯罪热点映射预测的深度多尺度神经网络 -
向量细胞自动机模型在土地覆盖变化适用性和敏感性分析 -
评估地方管理：探索用户生成的评分以预防犯罪 -
城际连通性和城市创新 -
基于街道模式的机器学习驱动的城市形态特征描述 -
基于移动电话数据的本地共位商数方法在南京城市就业-住房平衡度量中的应用案例研究
1
title: From intangible to tangible: The role of big data and machine learning in walkability studies
author: Jun Yang, Pia Fricker, Alexander Jung
从无形到有形：大数据和机器学习在步行性研究中的作用
摘要：步行性反映了一个城市的福祉水平，由于大数据和机器学习技术的进步，其测量方法正在迅速发展。本研究检验了这些技术干预对2015年至2022年期间步行性趋势评估的变革性影响。我们创建了一个包含大数据源、机器学习方法和研究目的的框架，揭示了研究轨迹和相关挑战。尽管数据使用多样化，但图像数据在步行性研究中占主导地位。街景视图和兴趣点数据主要用于描述环境，而社交媒体和手持/可穿戴设备数据更常用于代表用户行为或感知。 利用机器学习结合大数据，研究人员在步行性研究的三个方面得到了帮助。首先，研究人员使用分类和聚类来预测街道质量、步行性，并识别具有某些特征的社区。其次，研究人员通过回归分析揭示了建筑环境与行人感知或行为之间的关系。第三，研究人员使用生成模型来创建街道景观或城市结构，尽管它们的使用受到限制。与此同时，数据获取、为城市研究定制机器学习模型，以及建立确保数据质量和模型准确性的标准准则方面仍存在挑战。
2
title: Learning visual features from figure-ground maps for urban morphology discovery
author: Jing Wang, Weiming Huang, Filip Biljecki
从图底图中学习视觉特征以发现城市形态
摘要：大多数城市形态研究依赖于形态测量学，例如建筑面积和街道长度。然而，这些方法通常在捕捉视觉模式方面存在不足，这些模式包含了大量关于城市元素配置以及它们如何空间交互的信息。在这项研究中，我们介绍了一种基于图底图学习形态特征的新方法，该方法利用了计算机视觉的最新发展。我们的方法以完全无监督的方式促进了城市形态类型的发现和比较。具体来说，我们通过1公里的补丁检查建筑结构。一个视觉表示学习模型（SimCLR）将每个补丁投射到一个潜在的嵌入空间中，其中相似的补丁被聚类，而不相似的补丁被驱散，从而生成包含建筑群布局的形态表示。在四个不同的城市：新加坡、旧金山、巴塞罗那和阿姆斯特丹中，学习到的形态特征在城市形态类型聚类和比较任务中进行了测试，数据来源于OpenStreetMap。聚类结果表明，有效识别了与城市功能和历史发展相对应的典型城市形态类型。基于表示的进一步分析揭示了与社会经济驱动因素相关的内部和跨城市形态同质性。我们得出结论，这种方法是描述形态分析中城市模式的有效替代方法。
3
title: How do contributions of organizations impact data inequality in OpenStreetMap?
author: Anran Yang, Hongchao Fan, Qingren Jia, Mengyu Ma, ... Ning Jing
组织的贡献如何影响 OpenStreetMap 中的数据不平等问题？
摘要：尽管在线志愿者地理信息（VGI）项目，如 OpenStreetMap（OSM），取得了快速发展并得到了广泛应用，但数据不平等问题的持续存在仍然是一个重大挑战，影响了其数据产品的全球可靠性。本研究检验了组织所做贡献对数据不平等的影响，这些贡献在 OSM 社区中已显著增加。使用基尼系数来量化数据不平等，同时应用了一系列统计方法，包括谱分析和稳健相关性分析，以评估组织努力在不同国家的分布和影响。我们的发现表明，组织主要将其资源分配给数据不完整的国家，并在减少 OSM 数据不平等方面超越了平均贡献者的集体努力。此外，这种现象对于具有人道主义愿景的非政府组织或公司来说尤其显著。
4
title: Towards a scalable and transferable approach to map deprived areas using Sentinel-2 images and machine learning
author: Maxwell Owusu, Arathi Nair, Amir Jafari, Dana Thomson, ... Ryan Engstrom
使用Sentinel-2图像和机器学习绘制贫困区域的可扩展和可转移方法
摘要：非洲城市的增长迅速，超过一半的人口居住在贫困区域。当地利益相关者迫切需要准确、细致和常规的地图来规划、升级和监测动态的社区级变化。卫星图像为全球一致、准确、高分辨率地图提供了一个有希望的解决方案。然而，大多数研究使用非常高的空间分辨率图像，这些图像通常只覆盖小区域，并且成本高昂。此外，模型转移到新城市的可行性仍然不确定。本研究提出了一种使用免费的Sentinel-2图像来常规绘制贫困区域的可扩展和可转移方法。模型在三个城市进行训练和测试：拉各斯（尼日利亚）、阿克拉（加纳）和内罗毕（肯尼亚）。在10米空间分辨率下提取了上下文特征，并聚合到100米网格中。评估了四种机器学习算法，包括多层感知器（MLP）、随机森林、逻辑回归和极端梯度提升（XGBoost）。通过视觉图像解释识别出的不同类型的贫困区域的补丁，检查了模型性能的可扩展性。研究还测试了模型在不同城市绘制不同类型的贫困区域的能力。结果表明，贫困区域具有影响大面积绘图的异质性本地特征。每个城市的前25个特征表明，模型对贫困区域类型的空间结构敏感。虽然模型在各个城市的表现都很好，XGBoost和MLP的F1得分超过80%，但通用模型对多个城市的建模更有益。这种方法为将贫困区域的常规、准确地图扩展到目前缺乏此类地图的数百个城市提供了一个有希望的解决方案，支持当地利益相关者规划、实施和监测地理针对性干预措施。
5
title: A deep multi-scale neural networks for crime hotspot mapping prediction
author: Changfeng Jing, Xinxin Lv, Yi Wang, Mengjiao Qin, ... Gaoran Xu
用于犯罪热点映射预测的深度多尺度神经网络
摘要：预测城市犯罪高风险区域对于维护公共安全和可持续发展具有重要意义。然而，现有的方法在时空敏感性和感知能力方面存在不足，这使得从不均匀和稀疏分布的数据中提取时空依赖性变得困难。为了解决这个问题，提出了一种新的多尺度神经网络模型，即ST-HGNet和带有注意力机制的ST-HGNet(a)。该模型致力于进一步探索时空模式，提高稀疏类型犯罪热点位置预测的准确性。首先，引入了多尺度概念和注意力机制来解决固定接收场范围的问题。通过暴露空间“尺度”维度和分配权重关系，增强了捕获信息的表示。然后，设计了一种新颖的多尺度层次门控架构，该架构有两种形式，即是否添加注意力，以增强特征的敏感性和对稀疏特征的感知能力，通过在不同尺度上过滤有效信息。最终，使用周期性时间分量来捕获不同的时间趋势依赖性。所提出的模型采用了著名的芝加哥袭击犯罪数据集作为案例研究。与五个常见的基准模型相比，结果表明ST-HGNet模型在多级空间分辨率上超越了其他基线模型，并实现了更高的预测准确性。特别是，带有自注意力的ST-HGNet(a)在1000米范围内取得了最大的改进，平均命中率超过84%。
6
title: Applicability and sensitivity analysis of vector cellular automata model for land cover change
author: Yao Yao, Ying Jiang, Zhenhui Sun, Linlong Li, ... Qingfeng Guan
矢量元胞自动机模型在土地覆盖变化中的适用性和敏感性分析
摘要：城市化引起的土地覆盖变化对生态环境和社会经济发展产生了显著影响。基于矢量的元胞自动机（VCA）模型是一种先进的元胞自动机（CA）方法，使用不规则单元格，在模拟城市区域的土地利用变化方面表现良好。然而，VCA模型在土地覆盖变化模拟中的适用性和参数设置对研究人员来说仍然是一个挑战。为了解决这个问题，本研究应用了VCA模型和两个基于栅格的模型，即基于像素的CA模型和基于斑块的CA模型，来模拟和比较它们在模拟土地覆盖变化方面的表现。结果表明，VCA和基于斑块的CA表现更好，VCA的FoM比基于像素的CA高出39.74%，比基于斑块的CA高出11.00%。VCA有效地跟踪了快速发展地区的建设用地扩张，而基于斑块的CA在中心城市和郊区的转变中表现出色，适用于更广泛的研究范围。此外，对VCA模型进行了空间尺度敏感性分析，发现较小的VCA单元格大小可以提高精度，但引入了空间模式错误的风向。值得注意的是，研究范围对VCA精度的影响大于单元格大小。这些发现加强了土地覆盖变化建模理论，并为精确的未来土地覆盖变化模拟和决策提供了见解。
7
title: Rating places and crime prevention: Exploring user-generated ratings to assess place management
author: Thom Snaphaan, Wim Hardyns, Lieven J.R. Pauwels, Kate Bowers
评价地点和预防犯罪：探索用户生成的评价以评估地点管理
摘要：本研究评估了地点管理的质量（通过谷歌地点的用户生成评价来衡量）与特定场所的犯罪发生之间的关系，以及特定类型的犯罪是否与特定类型的地点有关。在比利时根特和英国伦敦的50个随机抽样的社区中，我们将谷歌地点数据作为街道段级别地点管理质量的代理度量进行了分析。我们使用障碍模型来检查微观场所犯罪的流行率和频率的影响，并处理数据中过多的零值。用户生成的地点评价提供了一个有用的地点级别指标，这些指标与犯罪有关。然而，根特和伦敦之间发现了背景差异。对于伦敦，结果表明地点管理质量的提高对街道段级别的犯罪发生具有保护作用。这项研究强调了探索新的和新兴的数据来源作为独特的测量机会以增强对犯罪预防机制的理解的重要性，并承认了其局限性。从大规模实证的角度来看，这项研究首次表明改善特定地点的地点管理可能是一种有效的干预措施，以防范犯罪。
8
title: Intercity connectivity and urban innovation
author: Xiaofan Liang, César A. Hidalgo, Pierre-Alexandre Balland, Siqi Zheng, Jianghao Wang
城际连通性和城市创新
摘要：众所周知，城市的产出，从经济到创新，都随着城市人口的增长而呈幂次方增长。但是，由于大城市往往是交通和通信网络的中心，因此归因于城市规模的效应可能与城际连通性的效应相混淆。在这里，我们为世界两个最大经济体（美国和中国）绘制了城际网络图，以探索城市在通信、人类流动性和科学合作网络中的位置是否解释了其专利活动的差异，而这些差异是由其人口所无法解释的。我们发现，包含城际连通性的模型比基于人口的模型表现更好，并且对专利活动的预测能力更强，特别是对于更近期的技术（我们期望这些技术更复杂或更精细）。城际连通性的影响在中国更为稳健，即使在控制了人口、GDP和教育之后，但在美国一旦调整了GDP和教育之后，这种影响就不那么显著了。这种差异表明，这些地区推动创新的城市网络动态是不同的。在中国，包含社交媒体和流动性网络的模型解释了创新规模变化的更多异质性，而在美国，科学合作发挥了更显著的作用。这些发现支持了城市在城际网络中的位置对其在创新活动中取得成功的重要性。
9
title: Machine learning-based characterisation of urban morphology with the street pattern
author: Cai Wu, Jiong Wang, Mingshu Wang, Menno-Jan Kraak
基于机器学习的城市形态特征化与街道模式
摘要：街道是人造环境中至关重要的一部分，它们的布局，即街道模式，被广泛研究，有助于定量理解城市形态。然而，传统的街道模式分析只考虑了几个广泛定义的特征。它使用行政边界和网格作为分析单位，未能涵盖街道网络的多样性和复杂性。为了应对这些挑战，本研究提出了一种基于机器学习的方法，自动识别街道模式，该方法采用基于街道的局部区域（SLAs）的自适应分析单元。SLAs使用一种网络分割技术，能够适应不同的街道网络，特别适合不同的城市环境。通过计算几条街道的网络度量并执行层次聚类方法，具有相似特征的街道被归为同一街道模式。在全世界六个城市进行了案例研究。结果显示，街道模式类型相当多样化和层次化，将它们清晰地分类为分类法是具有挑战性的。研究推导出一组基于形态度量的街道模式，包括四种主要类型，类似于传统的街道模式，以及十一种亚型，以显著增加它们的多样性，更广泛地覆盖城市形态。新模式捕捉了城市间城市结构的差异，例如城市-郊区的划分和城市中心的数量。总之，所提出的基于机器学习的形态度量街道模式用于表征城市形态，具有更强的能力，能够包含更多来自建筑环境的信息，同时保持使用模式的直观性。
10
title: Application of the local colocation quotient method in jobs-housing balance measurement based on mobile phone data: A case study of Nanjing City
author: Hao Liu, Mei-Po Kwan, Mingxing Hu, Hui Wang, Jiemin Zheng
基于移动电话数据的本地共位商方法在工作-住房平衡度量中的应用：以南京市为例
摘要：工作-住房平衡问题关系到城市的可持续发展和居民的福祉。然而，传统的度量方法常常因为分区问题（作为可修改空间单位问题的一个子问题）而不足，导致根据应用的空间划分方案得出的结果不一致和不准确。本文讨论了本地共位商方法在工作-住房平衡度量中的应用和优势。选择中国南京市作为案例研究，并使用移动位置数据获取工人的工作和住房位置。然后，计算并比较了反映工作-住房平衡程度的调整后的工作-工人比率和本地共位商值。结果表明，一方面，由于分区效应，当点聚合到空间单位时，一些具有不同空间特征的点被单位的主值掩盖；另一方面，本地共位商方法可以解决分区问题，并获得更细粒度和更准确的结果，从而为该领域提供了一种新的分析工具和视角。