使用深度学习和多级建模检测填充式开发和影

使用深度学习和多级建模检测填充式开发和影响因素填充式开发是指城市建成区的开发，被认为是城市扩张的令人愉悦的替代方案。确定填充式开发的位置及其影响因素有助于更好地指导智能增长。本研究旨在检测洛杉矶市的住宅填充开发并分析与之相关的因素。在实证分析中，我们开发了一个深度学习模型，该模型比较了住宅物业的历史航拍照片，并检测了研究区域2016年至2019年间发生的3710个住宅填充开发项目。然后，我们构建了一个多层次的逻辑回归模型来研究影响住宅填充开发的因素。在多层次逻辑回归模型中，我们包括了物业的物理条件（例如，地块大小和公交交通可达性）和物业所在社区的特征（例如，种族构成和社区年龄）。模型估计表明，物业和社区层面的特征都与住宅填充开发有关。本研究旨在确定住宅填充开发并分析其影响因素。因此，提出了两个研究问题：1）是否可以使用卫星图像和深度学习模型来识别住宅填充式开发？2）哪些因素有助于住宅填充式开发？在实证分析中，我们收集了洛杉矶市住宅物业的卫星图像，并使用深度学习模型检测了住宅填充开发。由于住宅填充式开发包括所有主要开发项目，包括空置地段的新建筑以及住宅区内用新建筑替换现有主楼，因此使用深度学习模型对新开发、更换和未改变的住宅物业进行分类。此后，我们通过构建多层次逻辑回归（MLR）模型来研究影响住宅填充开发的因素。确定填充式开发发生的位置并研究与之相关的因素将为更好地指导智能增长提供见解。通过这种方式，规划者和城市可以采取适当的行动，并为填充式开发制定相关法规。