機器學習 - PIX2PIX預測城市中的YouBike2.0佈點 Use PIX2PIX to help planning locations of YouBike2.0 station in the city
PIX2PIX預測城市中的捷運系統佈點
Using PIX2PIX to help planning locations of MRT station in the city
從台北市開放資料平台 [ https://data.taipei/ ] 瀏覽，可以找到「台北市捷運站的經緯座標中心」，以及數於台北市政府所規劃的一些大眾運輸站點資訊。
YouBike2.0的佈點與大眾捷運系統的出口位置有很大的關係，因為公共自行車系統設置目之一為彌補大眾捷運系統的覆蓋空缺，讓自行車取代步行到達目的地。為了近一步製作機器學習的資料集（data set），我以「台北市捷運站的經緯座標中心」作為訓練資料製圖的中心點，然後同樣在開放資料平台抓「捷運站經緯度座標」。
遇到的問題是「台北市YOUBIKE 2.0站點座標」這筆資料內包含太多用不到的資訊，簡單來說就是一團亂，台北市政府所提供的平台沒有辦法選定特定幾個項目下載JSON格式，於是只能一整包抓下來，然後再用Grasshopper處理，抓出需要的資訊。
另一筆我引用的資料是「台北市YOUBIKE的借用紀錄」，運用這筆資料可以知道租借的起點跟終點，與使用時間。RHINO與Grasshopper的環境讓我可以將資料都視覺化，藉此建立使用強度的表現，屆時會疊在路網圖上，當作PIX2PIX學習的OUTPUT組。
於是我進行假設：
「未來的城市規劃就可以依照熱力圖的強度範圍，選擇設站的地點。」
因為YOUBIKE的佈點與駐要交通動線有很大的關係，所以使用鄭基立老師開發的OSMKIT套件去取得台北市的道路網絡圖
YOUBIKE在佈點的原則之一就是要彌補短程大眾接駁的缺口，覆蓋捷運與道路運輸沒辦法做的極短程，
以這點來說，台北市就是一個很好取DATASET的範本，因為它地域上屬於台灣、交通運輸發展相對成熟、且各種大眾運輸使用率高
 |
| 對RHINO網格系統座標與經緯度座標的誤差做校正 |
準備機器學習訓練資料 Training Data Process
DATASET的取樣可以分成四種，盡力涵蓋在地圖上可能產生的取樣狀態。
- 道路網圖
- 道路網圖+捷運站點
- 稀疏道路網(可能是城市偏僻區域)
- 空圖
路網圖以及捷運的位置會成為訓練用的INPUT、也就是白色暈影的部分去表示捷運展這個因素的影響範圍
OUTPUT會加上目前YOUBIKE站點的分布、也就是綠色的部分，
未來的城市規劃就可以依照綠點的分布狀況，去對站點設置的位置做初步評估
訓練的途中，發現模型給予的預測不盡理想，於是我更近一步取樣，鎖定忠孝東路沿線一帶，第二次做資料採集資料，針對具有成熟發展的大眾運輸網路的城市空間取樣，希望它往城市空間做功能特化。
測試機器學習模型 ML Model Test
 |
| 台中市區的部分不知為何抓不到路網圖，因此我以其餘區域測試 |
留言
張貼留言
please leave a message