論文の概要: Dual-stage Flows-based Generative Modeling for Traceable Urban Planning

• arxiv url: http://arxiv.org/abs/2310.02453v1
• Date: Tue, 3 Oct 2023 21:49:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-05 17:22:25.222526
• Title: Dual-stage Flows-based Generative Modeling for Traceable Urban Planning
• Title（参考訳）: トレーサブル都市計画のための二段階フローに基づく生成モデル
• Authors: Xuanming Hu, Wei Fan, Dongjie Wang, Pengyang Wang, Yong Li, Yanjie Fu
• Abstract要約: 本稿では,正規化フローに基づく新しい生成フレームワーク,すなわちDual-stage Urban Flowsフレームワークを提案する。 我々は、機能ゾーン間の関係を捉え、異なる側面の情報を融合するために、情報融合モジュールを使用します。 我々の枠組みは、都市計画作業における他の生成モデルよりも優れる。
• 参考スコア（独自算出の注目度）: 33.03616838528995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban planning, which aims to design feasible land-use configurations for target areas, has become increasingly essential due to the high-speed urbanization process in the modern era. However, the traditional urban planning conducted by human designers can be a complex and onerous task. Thanks to the advancement of deep learning algorithms, researchers have started to develop automated planning techniques. While these models have exhibited promising results, they still grapple with a couple of unresolved limitations: 1) Ignoring the relationship between urban functional zones and configurations and failing to capture the relationship among different functional zones. 2) Less interpretable and stable generation process. To overcome these limitations, we propose a novel generative framework based on normalizing flows, namely Dual-stage Urban Flows (DSUF) framework. Specifically, the first stage is to utilize zone-level urban planning flows to generate urban functional zones based on given surrounding contexts and human guidance. Then we employ an Information Fusion Module to capture the relationship among functional zones and fuse the information of different aspects. The second stage is to use configuration-level urban planning flows to obtain land-use configurations derived from fused information. We design several experiments to indicate that our framework can outperform compared to other generative models for the urban planning task.
• Abstract（参考訳）: 近代の高速都市化により、対象地域の土地利用形態をデザインすることを目指す都市計画がますます重要になってきた。 しかし、人間のデザイナーが行う伝統的な都市計画は複雑で面倒な作業である。 ディープラーニングアルゴリズムの進歩により、研究者たちは自動計画技術の開発を始めた。 これらのモデルには有望な結果が出たが、未解決の制限がいくつか残っている。 1)都市機能ゾーンと構成の関係を無視し,異なる機能ゾーン間の関係を把握できないこと。 2) 解釈可能で安定な生成プロセス。 このような制約を克服するため,我々はDual-stage Urban Flows(DSUF)フレームワークという,フローの正規化に基づく新たな生成フレームワークを提案する。 具体的には、ゾーンレベルの都市計画フローを利用して、周囲の状況や人的ガイダンスに基づいて都市機能ゾーンを生成する。 次に,情報融合モジュールを用いて機能的ゾーン間の関係を捉え,異なる側面の情報を融合する。 第2段階は、融合情報に基づく土地利用構成を得るために、構成レベルの都市計画フローを使用することである。 我々は,提案手法が都市計画タスクの他の生成モデルよりも優れていることを示す実験をいくつか設計した。

関連論文リスト

• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Towards Generative Modeling of Urban Flow through Knowledge-enhanced Denoising Diffusion [27.045479361702373]
  既存の研究は主に、過去の流れデータに基づいて将来の流れを予測する都市流れの予測モデルに焦点を当てている。 他の研究は、地域間のODフローを予測することを目的としているが、時間とともに都市フローの動的変化をモデル化することができない。 本研究では,歴史的流れデータのない地域を対象とした動的都市流を生成する都市流生成の新たな課題について検討する。
  論文  参考訳（メタデータ） (2023-09-19T11:52:57Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Automated Urban Planning aware Spatial Hierarchies and Human Instructions [33.06221365923015]
  本稿では,GAN(Generative Adversarial Network)に基づく都市プランナを提案する。 GANは人間の指示や周囲の文脈からの情報に基づいて都市機能ゾーンを構築する。 作業の有効性を検証するため、広範な実験を行います。
  論文  参考訳（メタデータ） (2022-09-26T20:37:02Z)
• Deep Human-guided Conditional Variational Generative Modeling for Automated Urban Planning [30.614010268762115]
  都市計画は土地利用形態を設計し、居住可能で持続可能で安全なコミュニティの構築に役立てることができる。 画像生成にインスパイアされた深層都市計画は、深層学習を活用して土地利用構成を生成することを目的としている。 本稿では, 上記の課題を共同で解決するための, 深層都市計画手法について検討する。
  論文  参考訳（メタデータ） (2021-10-12T15:45:38Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Reimagining City Configuration: Automated Urban Planning via Adversarial Learning [28.930624100994514]
  都市計画は、土地利用形態を設計する努力を指す。 近年のディープラーニングの進歩は、機械が人間の能力で学習し、土地利用構成を自動的かつ迅速に計算することができるか、という問いを提起する動機となっている。
  論文  参考訳（メタデータ） (2020-08-22T21:15:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。