City2Graph: 一个用于城市系统中异构图神经网络和空间分析的Python库

《Computers, Environment and Urban Systems》:City2Graph: A Python library for Heterogeneous Graph Neural Networks and spatial analysis in urban systems

【字体: 大 中 小 】 时间:2026年08月03日 来源:Computers, Environment and Urban Systems 8.9

编辑推荐:

  City2Graph是一个用于城市系统中异构图(Heterogeneous Graphs)的Python库,研究人员设计的它支持从形态学(Morphology)、交通(Transportation)、移动性(Mobility)和邻近性(Proximity)领域

  
City2Graph是一个用于城市系统中异构图(Heterogeneous Graphs)的Python库,研究人员设计的它支持从形态学(Morphology)、交通(Transportation)、移动性(Mobility)和邻近性(Proximity)领域构建图,支持双向的GeoPandas、NetworkX和PyTorch Geometric转换,支持元路径(Metapath)构建,例如15分钟多模态可达性(15-minute Multimodal Accessibility),并在利物浦(Liverpool)使用异构图注意力自编码器(Heterogeneous Graph Attention Autoencoder, HAN-GAE)进行了案例研究。
**论文解读:City2Graph——面向城市系统的异构图神经网络与空间分析统一框架**

**研究背景与问题**
城市系统被广泛视为复杂系统,其中多样实体通过空间关系交互(Batty, 2013)。图表示(Graph Representation)已成为建模城市离散关系的基础,广泛应用于城市化、迁移、交通与形态学等领域。然而,传统图表示学习面临技术挑战:从多样空间数据构建可复现的异构图(Heterogeneous Graphs)极为困难,现有软件生态碎片化,导致研究人员被迫采用临时工作流,损害可复现性。此外,标准图神经网络(Graph Neural Networks, GNNs)具有黑箱特性,缺乏集成管道来理解嵌入(Embeddings)和注意力权重(Attention Weights),限制了可解释性和政策采纳。因此,研究人员开发了City2Graph,一个Python库,旨在为城市系统提供可复现、可解释的异构图表示学习统一管道。该研究发表在《Computers, Environment and Urban Systems》。

**研究内容与结论**
City2Graph基于两个设计原则:一是提供从多领域城市数据构建标准化图结构的管道;二是支持图对象之间的平滑转换,同时保持空间对齐和语义一致性。该库涵盖形态学、交通、移动性和邻近性四大领域,支持元路径(Metapath)构建,例如15分钟步行和多模态可达性。通过利物浦(Liverpool)案例研究,以Output Areas(OAs,N=1624)为空间单元,利用Overture Maps、GTFS公交数据及OSM街道数据,构建了包含邻接性(Contiguity)、15分钟步行可达性(15_min_walk)和15分钟公交辅助可达性(15_min_multi)三种关系的异构图,并采用异构图注意力自编码器(HAN-GAE)进行无监督节点嵌入学习与功能聚类。结果表明:引入可达性关系的异构图模型(Model 2-4)在轮廓系数(Silhouette Score)和模块度(Modularity)上显著优于仅用邻接性的同构图模型(Model 1)和基线(PCA);结构仅变体(Model 1S-4S)无法产生空间连贯的聚类,表明节点属性(城市功能)至关重要;余弦相似度衰减分析显示,异构图模型能更好地保持与城市中心的功能相似性,尤其是融合公交可达性的模型将高相似性延伸至郊区;语义注意力权重可视化揭示了两层消息传递中不同关系的作用:第一层优先使用可达性关系,第二层借助邻接性进行空间平滑。该研究证明了City2Graph在提升可复现性、可解释性和跨域集成方面的有效性。

**主要关键技术方法**
研究人员利用以下关键技术方法(样本队列来源:英国利物浦的Output Areas,N=1624,数据来自Overture Maps、OSM、UK Department for Transport GTFS及Office for National Statistics):
1. **图构建模块**:形态学模块(`segments_to_graph()`和`morphological_graph()`)构建街道与地块系统的异构图;交通模块(`load_gtfs()`和`travel_summary_graph()`)解析GTFS数据生成加权停靠站图;移动性模块(`od_matrix_to_graph()`)将OD矩阵转化为流图;邻近性模块(`knn_graph()`、`fixed_radius_graph()`、`contiguity_graph()`等)基于几何距离和邻接生成边。
2. **元路径构建**:`add_metapaths()`和`add_metapaths_by_weight()`通过Dijkstra算法将多步路径投影为直接语义边,如15分钟步行和公交可达性。
3. **图转换与模型接口**:`gdf_to_nx()`和`gdf_to_pyg()`实现GeoPandas、NetworkX与PyTorch Geometric之间的无损双向转换,保留坐标参考系统和几何信息。
4. **模型解释工具**:`plot_graph()`可视化异构图结构;`create_isochrone()`基于Dijkstra算法生成等时线,用于解释嵌入的空间衰减模式。

**研究结果**
**4.6.1 聚类性能与嵌入空间结构**
通过K-Means聚类(k=2-50)评估,异构图模型(Model 2-4)的轮廓系数均值达0.37-0.39,显著高于基线(0.19)和Model 1(0.19)。结构仅变体(Model 1S-4S)得分极低(0.09-0.17),表明节点属性不可或缺。模块度分析显示,异构图模型在邻接性、步行和公交可达性关系上均实现更高模块度,尤其引入可达性关系的模型在对应关系上模块度更高(如Model 2在15_min_walk上达0.67)。聚类地图(Fig. 15a)表明,Model 2捕捉步行尺度小簇,Model 3形成公交可达大簇,Model 4产生中间尺度簇,而结构仅模型无空间连贯性。

**4.6.2 余弦相似度衰减分析**
以利物浦ONE(Liverpool ONE)为中心,计算各OA嵌入的余弦相似度,并按旅行时间分箱(5分钟间隔,至30分钟)。异构图模型(Model 1-4)在步行等时线内保持高相似度至15分钟,随后衰减;基线PCA相似度迅速下降至负值。在多模态等时线下,Model 3和4因纳入公交层,在远距离上保持更高相似度,而Model 1快速衰减。结构仅变体(Model 1S-4S)相似度恒定在1.0附近,表明仅拓扑结构无法捕捉空间异质性。

**4.6.3 模型解释**
语义注意力权重(βi,m(l))可视化(Fig. 18)显示两层不同角色:第一层中,可达性关系(15_min_walk和15_min_multi)权重较高,邻接性(contig)较低;第二层中,邻接性权重上升,表明模型先通过广泛网络可达性捕捉功能相似性,再通过邻接性平滑为空间连贯嵌入。Model 4(包含所有三种关系)进一步区分了两种可达性模式:市中心步行可达性权重高,郊区公交可达性权重高。

**讨论与结论**
**讨论部分**:City2Graph通过标准化管道降低了空间元数据错位风险,提升了可复现性,并支持后验解释。其一致的数据模型实现了跨领域异构图构建,并作为开放数据生态的桥梁,增强了OSM、Overture Maps和GTFS的研究价值。但当前版本(v0.4.0)面临可扩展性限制:最短路径计算和成对距离计算随图规模增长显著;内存处理和Python级迭代限制了区域级应用。此外,时间表示不足,仅支持静态快照,无法捕捉峰值、中断和季节性变化。未来优先发展核心空间图操作的加速、分块标识保留构建及动态异构图支持。
**研究结论**:尽管异构图神经网络(Heterogeneous GNNs)为识别多层城市复杂性提供了有前景的建模框架,但其应用受限于碎片化工具生态。City2Graph提供了从形态学、交通、移动性和邻近性多个领域构建异构图的统一管道。通过与GeoPandas、NetworkX和PyTorch Geometric的兼容,City2Graph允许用户在空间分析、网络分析和GNN工作流之间无缝切换,同时保留坐标参考系统和稳定标识符,从而使嵌入能够映射回原始空间单元以进行解释。此外,该库支持元路径作为高阶空间关系的构建,定义跨多个节点和边类型的语义连接,例如多模态可达性。利物浦功能聚类的实证演示证实了该方法的有效性,利用基于可达性的元路径的异构图模型优于仅限于空间邻接性的同构图模型。未来的开发将优先改进计算可扩展性和对动态时间图的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号