基于机器学习的城市地下空间需求量预测研究

汤志立^1，2，王 雪³，徐千军^4*

(1. 北京信息基础设施建设股份有限公司，北京 100068; 2. 北京市基础设施投资有限公司，北京 100101;3. 北京市政路桥科技发展有限公司，北京 100037; 4. 清华大学 水沙科学与水利水电工程国家重点实验室，北京 100084)

摘　要：　科学开展城市地下空间需求量预测是城市地下空间规划的重要工作内容。针对当前研究中存在的考虑因素少、定性分析为主、主观性强、预测精度低等不足，基于文献搜集的43组城市地下空间开发量有关数据，首次建立了基于9种机器学习算法的考虑多种因素的城市地下空间需求量预测模型。模型训练时，对特征数据进行了归一化处理，消除了特征量纲对模型性能的影响，并开展了特征提取与选择以确定最优特征组合，同时采用网格搜索技术对模型超参数进行优化，最后采用均方根误差和决定系数2个指标对模型性能进行了综合评价。计算结果表明，城市地下空间需求量最重要的3个影响因素分别为常住人口密度、地均汽车保有量、地均GDP，其在采用不同算法模型时的特征重要性均值分别为0.342、0.187、0.172;特征组合F-1(即使用全部8个特征)为最优特征组合，此时XGB算法模型性能最好，其决定系数为0.970，均方根误差为460.2;采用所构建的BAG算法模型对北京市2020年地下设施开发强度进行了预测，预测误差为9.23%，进一步反映了所构建模型具有较高的准确性。

关键词：　机器学习; 城市地下空间; 需求量; 预测