日前，北京大学人工智能研究院马剑竹副教授课题组在Nature Machine Intelligence（NMI）上发表了题为《基于图神经网络的城市道路网空间均匀性量化》（“Quantifying the spatial homogeneity of urban road networks via graph neural networks”）的研究论文。

 

Nature Machine Intelligence于2019年1月正式上线，每月一期，每期发表2—4篇文章。NMI主要接收的论文主题主要包括机器学习理论与方法的研究，人工智能应用于其它领域的研究以及人工智能的发展对于社会、伦理等方面影响的研究等。作为一个新杂志，NMI比较注重交叉学科的研究。

论文链接：https://arxiv.org/pdf/2101.00307.pdf

通过量化城市道路网络不同部分的拓扑相似性，人们可以了解城市道路增长模式。尽管传统的统计数据提供了关于单个节点的直接邻居或整个网络特征的有用信息，但此类指标无法衡量子网络的相似性，也无法捕捉局部、间接的邻居关系。为解决这一问题，北京大学马剑竹课题组提出了一种基于图的机器学习方法来量化子网络的空间同质性。课题组成员将该方法应用于全球30个城市的11790个城市道路网，以测量每个城市内和不同城市之间道路网的空间同质性。课题组发现，城市内部的空间同质性与国内生产总值和人口增长等社会经济地位指标高度相关。此外，通过在不同城市间传递模型获得的城际空间同质性值揭示了起源于欧洲、传递给美国和亚洲城市的城市网络结构的城际相似性。该课题组的方法揭示的社会经济发展和城市间的相似性可以用来理解和传递城市之间的见解。这种方法还使人们能够应对城市政策挑战，包括快速城市化地区的网络规划和地区不平等。

内容中包含的图片若涉及版权问题，请及时与我们联系删除