时空表征学习支持的城市活动结构发现  

Urban mobility structure detection via spatio-temporal representation learning

作　　者：段晓旗 DUAN Xiaoqi(Computer Science and Technology Institute,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院,贵州贵阳550025

出　　处：《测绘学报》2024年第8期1660-1660,共1页Acta Geodaetica et Cartographica Sinica

基　　金：国家重点研发计划(2019YFE0106500);国家自然科学基金(41871308);贵州省基础研究(自然科学)项目(黔科合基础-[2024]青年130)。

摘　　要：随着交通事业的不断发展,城市居民的个体出行活动不仅拓展了城市边界,也影响了城市内部的结构与形态。个体出行复杂且多样,为城市发展注入了生机与活力。城市活动结构是指在一定城市区域内个体出行模式、规律以及二者之间相互作用的总结,城市活动结构的发现研究对于城市管理、公交线路规划等具有重要意义。因此,从人类出行大数据中提取城市活动结构内在关系的研究成为当前城市地理学、复杂网络、计算机科学等学科的研究热点。

关 键 词：城市地理学 计算机科学 城市边界 大数据 复杂网络 公交线路 城市居民 结构与形态 

分 类 号：P208[天文地球—地图制图学与地理信息工程]