highway2vec — representing OpenStreetMap microregions with respect to their road network characteristics

要約

タイトル: highway2vec-道路ネットワーク特性に関連するOpenStreetMapマイクロリージョンの表現

要約:
– 最近は、言語や視覚現象の表現学習にニューラルネットワークを使用する方法が進歩しました。
– これにより、データサイエンティストは一般的なタスクに対して手動で特徴を作成する必要がなくなりました。
– 同様に、空間変数を考慮する必要のある問題には、タスクを解決するために準備する必要のある特徴表を手動で作成する代わりに、事前学習済みのマップ領域表現が役立ちます。
– ただし、特に道路ネットワーク特性に関しては、マップエリア表現のためのほとんどの方法が存在しません。
– 本論文では、道路インフラストラクチャ特性に関連するマイクロリージョン組み込みの生成方法を提案します。
– 私たちは、選択した都市のOpenStreetMap道路ネットワークに基づいて表現を作成し、H3空間インデックスを使用して再現可能でスケーラブルな表現学習を行います。
– 道路ネットワークを含むマップヘキサゴンの類似性を検出するベクトル表現を得ました。
– さらに、私たちは、embeddingが有意義な算術演算を伴うlatent spaceを生むことを観察しました。
– 最後に、クラスタリング方法により、取得した表現の高レベルの分類法を作成しました。
– この貢献が、空間変数を持つインフラ関連予測タスクに取り組むデータサイエンティストの支援に役立つと確信しています。

要約(オリジナル)

Recent years brought advancements in using neural networks for representation learning of various language or visual phenomena. New methods freed data scientists from hand-crafting features for common tasks. Similarly, problems that require considering the spatial variable can benefit from pretrained map region representations instead of manually creating feature tables that one needs to prepare to solve a task. However, very few methods for map area representation exist, especially with respect to road network characteristics. In this paper, we propose a method for generating microregions’ embeddings with respect to their road infrastructure characteristics. We base our representations on OpenStreetMap road networks in a selection of cities and use the H3 spatial index to allow reproducible and scalable representation learning. We obtained vector representations that detect how similar map hexagons are in the road networks they contain. Additionally, we observe that embeddings yield a latent space with meaningful arithmetic operations. Finally, clustering methods allowed us to draft a high-level typology of obtained representations. We are confident that this contribution will aid data scientists working on infrastructure-related prediction tasks with spatial variables.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI