《表3 不同模型推测结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于出行特征的用地类型推断方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最终，用于交通小区用地类型特征推断的网络结构参数设置如下：卷积层（4）→卷积层（16）→卷积层（8）→全连接层，卷积核尺寸大小为2.为验证构建的卷积神经网络模型对用地类型推测效果，采用本文方法与机器学习模型分别对3种用地类型推测结果对比分析，结果如表3所示.由表3可得，Random Forest和SVR方法结果的R2与CNN相近，但MSE和MAPE指标与CNN模型差别较大.