CommuniWave:一种用于量化城市社区中临时性非正式行为程度的机器学习模型

arXiv cs.AI 论文
machine-learning urban-communities informal-behavior computer-vision yolo random-forest behavior-quantification

摘要

CommuniWave是一种引入的机器学习模型，通过行为捕获、YOLOv10和随机森林来量化城市社区中的非正式行为程度(DIB)，为城市管理者提供动态监控。

arXiv:2607.08554v1 公告类型：新 摘要：对于城市管理者和设计师而言，提升城市社区的功能属性以增强其在复杂性和不确定性下的地域韧性至关重要。目前，社区规划往往遵循自上而下的方法，缺乏有效指标来量化居民的非正式行为，导致与原始规划的频繁冲突。本研究引入了CommuniWave，一种旨在高效检测和量化城市社区非正式行为程度(DIB)的机器学习模型。该模型集成了基于mmaction2的行为捕获网络(BCN)、自主研发的YOLOv10模型(YLX)以及使用随机森林的行为评估模型(BEM)。最终，通过从街道视频生成DIB波动图，该模型支持动态监控，帮助城市管理者做出精细决策，以增强社区的整体韧性。
查看原文
查看缓存全文

缓存时间: 2026/07/10 06:09 

# CommuniWave：一种用于量化城市社区临时非正式行为程度的机器学习模型
来源：https://arxiv.org/abs/2607.08554
查看PDF (https://arxiv.org/pdf/2607.08554)

> 摘要：对于城市管理者和设计师而言，提升城市社区的功能属性以增强其在复杂性和不确定性下的地域韧性至关重要。当前的社区规划通常遵循自上而下的方法，且缺乏有效指标来量化居民的非正式行为，导致与原始规划的冲突频发。本研究介绍了CommuniWave，一种旨在高效检测并量化城市社区非正式行为程度（Degree of Informal Behavior, DIB）的机器学习模型。该模型集成了基于mmaction2的行为捕获网络（Behavior Capture Net, BCN）、自主研发的YOLOv10模型（YLX）以及使用随机森林的行为评估模型（Behavior Eval Model, BEM）。最终，通过从街道视频生成DIB波动图，该模型实现了动态监控，支持城市管理者做出精细化决策，以增强社区的整体韧性。

## 提交历史

来自：洪烨 杨 [发送邮件](https://arxiv.org/show-email/546bfeb8/2607.08554) **\[v1\]** 2026年7月9日星期四 14:45:38 UTC (870 KB)

相似文章

学习量化行人行走中的社会互动约束

arXiv cs.AI

本文提出了一种名为“学习聚类”的方法，用于量化和解读行人之间的社会互动，以实现更准确的轨迹预测。该方法利用概率潜变量生成学习，在无标签的情况下对社会互动进行聚类，提高了自动驾驶和社交机器人的鲁棒性。

利用大型语言模型构建社会世界模型

Hugging Face Daily Papers

本文介绍了社会世界模型（SWM）框架，该框架利用大型语言模型，无需显式标注即可模拟社会信念在事件响应中的动态变化。同时提出了基于预测市场的基准测试SWM-bench，并展示了最先进的结果。