摘要

快递自提点作为社区服务设施,其选址落位影响着城市居民的生活便利程度,目前已经成为不可或缺的服务设施类型.爬取城市快递自提点POI数据、城市人口密度数据与百度地图城市空间形态影像数据,将矢量化处理后的道路数据通过s DNA计算道路接近度与穿行度两种空间参数,并运用Arc GIS平台将POI数据生成点密度热力图,通过渔网工具划分城市单元,对人口密度数据、道路网络结构测度数据、自提点密度数据进行矢量化重分类处理.计算城市空间形态、人口密度、道路网络测度与自提点的相关性,并以此建立天津社区生活圈自提点与城市空间数据集.探索自提点的选址规律,建立深度学习GAN模型.再通过计算Pix2Pix HD算法训练过程的生成器与判别器的损失值来验证模型可行性.并使用成都城市空间数据集进行测试以检验模型准确性,最后引入SVM、随机森林、线性回归模型进行准确性对比,结果显示GAN模型具有较高的预测准确度(余弦相似度0.89,d Hash相似度0.78,SSIM相似度0.70).通过人口密度和城市空间形态参数的GAN深度学习模型成功预测了自提点热图,验证了机器学习基于经验与量化技术的决策能力.以寻求一种基于人工智能的城市社区生活圈快递服务设施布局的生成方法,为未来社区服务设施选址提供了新思路.