基于时空图模型的跨城市行人服务水平制图：少样本迁移学习
Few-Shot Transfer Learning for Cross-City Pedestrian Level-of-Service Mapping Using Spatio-Temporal Graph Models
发表于 2026年6月18日 · 收录于雷达 2026年11月5日
中文摘要
研究提出结合时空图模型与少样本迁移学习的城市自适应行人服务水平制图框架，并使用墨尔本、都柏林和苏黎世的行人计数数据进行评估。结果显示，仅用目标城市5%的标注数据微调，即可恢复域内表现的95%—99%。该服务水平指标反映城市内部相对拥挤程度，并非跨城市通用的舒适度、拥挤度或服务质量绝对标准。