城市人工智能与基础模型

屋顶植被识别中的机器学习与深度学习比较：支持达卡循证城市治理

研究利用3厘米分辨率无人机影像，在达卡三类城市肌理区域比较支持向量机、U-Net和Text-Segment Anything Model识别屋顶城市农业的表现，并以1000个分层随机样本点构建混淆矩阵验证精度。支持向量机表现最佳，Kappa指数为0.74。空间分析显示，规划居住区屋顶绿化覆盖率超过7.50%，而高密度有机聚落仅为6.00%；研究认为高精度识别可为自动化财政激励提供基础。

解读字里行间：利用大型语言模型揭示交通政策中的因果路径

城市形态如何影响极端高温：运用可解释机器学习考察非线性关系与交互作用

运用可解释机器学习解析重污染城市的臭氧形成机制

估算地方道路年平均日交通量：融合空间洞见与机器学习

研究提出可扩展的机器学习框架，融合900余项背景特征与空间统计特征，预测英格兰和威尔士逾1.9万个地点的年平均日交通量。框架采用两种考虑空间因素的交叉验证策略，测试集R²分别为0.79和0.67。基准比较显示，空间特征有助于提升模型泛化能力；残差分析表明模型能够有效捕捉空间依赖。

识别城市隐性危险：面向交通事故发生与城市安全预测的连续危险场智能框架

研究提出连续危险场智能框架，将城市隐性危险建模为沿交通网络连续演化的时空危险场，并整合事故、道路、时间及情境风险数据。框架在两套真实交通安全数据上测试，最终模型的F1值较基线分别提高7.91和8.26个百分点；作者指出，提升应结合特定基线与评估设计解读。

听觉与嗅觉投诉的比较分析：城市边缘区的时空格局及多尺度建成环境驱动因素

研究基于深圳宝安区2024年约56万条市民投诉记录，构建数据驱动框架，分析听觉与嗅觉投诉率及多层次建成环境因素。研究运用大语言模型分类、热点分析、动态时间规整、地理加权随机森林及SHAP等方法。两类投诉在日内和年度尺度上相似，热点集中于南部混合功能区；公共功能设施影响最强，政府应对重点与模型识别的驱动因素存在偏差。

基于图的人本GeoAI：利用街景影像理解街道环境与交通事故频率

研究利用Mapillary街景影像分析城市视觉环境与交通事故频率的关系，以Mask2Former分割图像，并用Dist-YOLOv5估算城市物体与驾驶者间的视觉距离，构建人本图。GAT-LSTM模型在事故频率建模中优于传统机器学习及其他深度学习方法；两步式可解释人工智能方法则用于识别高事故率道路的相关因素。

COVID-19紧急状态期间的城市苯污染：基于可解释人工智能与多尺度城市环境数据的分析

研究考察塞尔维亚贝尔格莱德在2020年3月15日至5月6日COVID-19紧急状态期间的苯浓度变化，整合挥发性有机物、气象、空气质量、流行病学、出行及政府响应数据，并采用机器学习与可解释人工智能分析。结果显示，出行和政策因素存在约48—72小时的延迟响应；持续减少出行与苯浓度降低相关，居家活动增加则部分抵消了这一降幅。

建成环境空气动力学参数制图：CFD模拟与机器学习框架

智慧城市中的数字化与人工智能赋能公共采购：治理效率框架

研究聚焦亚美尼亚埃里温，探讨数字化和人工智能赋能的公共采购如何提升智慧城市治理效率，并提出整合数字化、人工智能能力与多准则决策的治理效率框架。研究发现，数字化提升了透明度，但效率和系统整合仍受限制。情景分析表明，在假设的实施条件下，人工智能分析、流程自动化和数字采购平台有望减少行政延误、提升透明度并支持循证决策。

利用机器学习下推城市热信号：丹麦功能性城市区案例研究

研究提出基于机器学习的城市热信号下推模型，将近地面气温预测从2.5×2.5公里网格细化至125×223米网格，并应用于丹麦四个功能性城市区。随机森林模型总体表现较好，能捕捉城市基础设施的热特征并呈现街区尺度细节，但对农村气温存在高估倾向。

AI生成的城市绿化情景：在公共空间设计中整合视觉绿量、功能品质与利益相关者偏好

研究以波兰格但斯克后工业化新城区五处场地的15种AI生成城市绿化情景，测试整合视觉绿量、空间功能评估和利益相关者调查的评价框架。结果显示，植被密度不能单独可靠预测偏好；适度绿化与多样功能相结合的方案表现更佳。社区成员支持度最高，建筑与城市规划学生则较为审慎。

从夸张到中性：规划师与大语言模型生成公众意见摘要的语言分析

本文比较规划师撰写与大语言模型生成的公众意见摘要，分析语言特征、语气和语义相似度。研究基于住房改革讨论文件的7932份公众意见，分析规划师摘要及ChatPDF（OpenAI GPT-4o）生成的25份摘要，并结合规划官员的半结构化反思。结果显示，模型摘要较难阅读、词汇复杂度更高，也更容易沿用意见中的情绪表达；规划师则更中性地聚焦规划影响。

面向建成环境街道尺度人口建模的可解释机器学习：对城市低空运行的启示

识别时空热交互中的形态阈值：可解释人工智能在城市热环境研究中的基准比较

研究比较四种树模型算法在伊斯坦布尔城市热环境分析中的预测能力与可解释性，并结合SHAP和分层变点检测识别形态阈值。模型准确率差异较小；研究识别出80个断点，其中部分阈值在模型间具有较高共识，可为气候适应型分区提供依据。

美国规划专业校友的职业流动：基于大语言模型分析职业档案数据的证据

本文运用无边界职业理论、社会资本理论和空间机会模型，分析逾13万名规划专业校友的职业流动，并借助大语言模型从LinkedIn档案提取结构化信息。结果显示，跨行业或跨部门经历、横向流动与地域流动均与更高的职业晋升相关；专业网络规模和组织参与度也与向上职业转变持续相关。技术能力有助于职业起步，而软技能在资深阶段更为关键。

竞争如何影响共享电动滑板车系统的能源效率

共享电动滑板车为城市短途出行提供灵活、可持续的选择，但车辆长时间闲置会造成能源浪费。研究利用意大利帕尔马两家运营商的高分辨率运营数据重建车辆全生命周期，并构建基于熵的竞争指数，采用可解释机器学习分析竞争与闲置能耗的关系。结果显示，竞争相关模式与更高闲置能耗相关，基于车辆调度的竞争对非主导运营商尤为重要。

从黑箱预测到概率风险管理：面向山地旅游城市交通相关NO₂污染的可解释机器学习框架

基于机载LiDAR点云构建的英国格拉斯哥大规模三维建筑模型数据集

研究利用高密度机载LiDAR点云，为格拉斯哥构建包含建筑轮廓及高度属性、LoD1和LoD2模型的三维建筑数据集，并提出开源高效工作流程。建筑轮廓与英国地形测量局数据吻合良好，重建模型也能较准确地呈现建筑外壳特征；该流程可扩展至其他大城市。