利用可解释的机器学习和空间热点分析进行城市道路事故严重性预测:厄瓜多尔洛哈的证据
Urban Road Crash Severity Prediction Using Explainable Machine Learning and Spatial Hotspot Analysis: Evidence from Loja, Ecuador
Urban Science (MDPI) · Urban Science
城市数据科学与方法
遥感、街景、出行数据、人工智能与城市模拟。
近12个月每月收录量
2026年10月
2014-2025年哈萨克斯坦区域创新差异:官方小组的投入-产出失调,2014-2025年
Regional Innovation Disparities in Kazakhstan: Input–Output Misalignment in an Official Panel, 2014–2025
Urban Science (MDPI) · Urban Science
为城市出行目的调整大型语言模式的推断:一个了解域域的文字表述和微调框架
Adapting large language models for urban trip purpose inference: A domain-informed textual representation and fine-tuning framework
Cities (Elsevier) · Cities
利用可解释空间机器学习揭示二维/三维因素对全球城市热岛的非线性与异质性影响
Nonlinear and heterogeneous effects of 2D/3D factors on global urban heat island using explainable spatial machine learning
Sustainable Cities and Society
基于混合采样不平衡数据与深度学习模型的城市洪涝风险预测
Urban Flood Risk Prediction Based on the Hybrid Sampling of Imbalanced Data and Deep Learning Model
Sustainable Cities and Society
2026年5月
气候和形态形成的全球城市热量模式
Global patterns of urban heat shaped by climate and morphology
Nature Communications · Nature Communications 17:6445
将背景气候对热岛的贡献与周围城市形式的贡献区分开来,横跨2 213个城市和项目,每个城市和项目将如何变化。
2026年2月
根据街头浏览数据和深层学习,对街道界面透明度进行大规模衡量:对中国第一级城市(北京、上海和广州)的研究
Large-scale measurement of street interface transparency based on street view data and deep learning: A study of first-tier cities in China (Beijing, Shanghai, and Guangzhou)
Environment and Planning B · Environment and Planning B 53(2): 263–283
提出一个方法,衡量在三个中国特大城市使用露天街景图像和深层学习,在规模上如何衡量街头建筑前台的透明度。
2026年1月
在计算笔记本中进行街道浏览图像分析
Street View Imagery Analysis in a Computational Notebook
REGION (ERSA) · REGION 13(1): 43–60
一个实践方法章节,说明如何在可复制的笔记本中下载街景图像,并运用深层革命网络探测和测量建成环境的特征。
以时际对比学习框架为基础的学习街头观感表
Learning street view representations based on a spatiotemporal contrastive learning framework
Computers, Environment and Urban Systems · Computers, Environment and Urban Systems 125, 102393
基准 街道视觉图像代表-学习战略,并引入一个时空对比框架,以了解有助于认识和社会经济预测任务的特点。