Prediction of Transportation Index for Urban Patterns in Small and Medium-sized Indian Cities using Hybrid RidgeGAN Model

要約

インドを含むほとんどの発展途上国における急速な都市化傾向は、緑地の喪失、環境衛生の悪化、きれいな水の利用可能性、大気汚染、車両輸送の遅延につながる交通渋滞など、多くの市民の懸念を引き起こしています。
交通指標によるモデリングは、近年、交通問題を理解するために広く使用されてきました。
そのため、持続可能な都市計画と交通管理を促進するために交通指標を予測する必要があります。
深層学習研究、特に敵対的生成ネットワーク (GAN) の最近の進歩と、CityGAN、Conditional GAN、MetroGAN などの空間データ分析におけるその改良により、都市計画者は超現実的な都市パターンをシミュレーションできるようになりました。
これらの合成都市宇宙は世界的な都市パターンを模倣しており、空間パターン分析を通じてその景観構造を評価することは、景観のダイナミクスを理解するのに役立ち、それによって持続可能な都市計画を強化することができます。
この研究は、インドの中小規模都市の都市交通指数を予測する際のいくつかの課題に取り組んでいます。
人間の居住パターンの空間指標を使用して交通指数を予測するために、カーネル リッジ回帰 (KRR) と CityGAN に基づくハイブリッド フレームワークが導入されています。
この論文では、交通指標と人間居住指標の間の関係を確立し、インドの選択された 503 都市について KRR を使用してそれをモデル化します。
提案されたハイブリッド パイプラインは、我々が RidgeGAN モデルと呼んでいますが、無秩序に広がる都市におけるインフラ開発と交通システムに関連する都市のスプロール化の持続可能性を評価できます。
実験結果は、2 ステップのパイプライン アプローチが空間的および統計的測定に基づいた既存のベンチマークを上回るパフォーマンスを示していることを示しています。

要約(オリジナル)

The rapid urbanization trend in most developing countries including India is creating a plethora of civic concerns such as loss of green space, degradation of environmental health, clean water availability, air pollution, traffic congestion leading to delays in vehicular transportation, etc. Transportation and network modeling through transportation indices have been widely used to understand transportation problems in the recent past. This necessitates predicting transportation indices to facilitate sustainable urban planning and traffic management. Recent advancements in deep learning research, in particular, Generative Adversarial Networks (GANs), and their modifications in spatial data analysis such as CityGAN, Conditional GAN, and MetroGAN have enabled urban planners to simulate hyper-realistic urban patterns. These synthetic urban universes mimic global urban patterns and evaluating their landscape structures through spatial pattern analysis can aid in comprehending landscape dynamics, thereby enhancing sustainable urban planning. This research addresses several challenges in predicting the urban transportation index for small and medium-sized Indian cities. A hybrid framework based on Kernel Ridge Regression (KRR) and CityGAN is introduced to predict transportation index using spatial indicators of human settlement patterns. This paper establishes a relationship between the transportation index and human settlement indicators and models it using KRR for the selected 503 Indian cities. The proposed hybrid pipeline, we call it RidgeGAN model, can evaluate the sustainability of urban sprawl associated with infrastructure development and transportation systems in sprawling cities. Experimental results show that the two-step pipeline approach outperforms existing benchmarks based on spatial and statistical measures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google