城市人工智能与基础模型

解读意义：运用人工智能研究历史遗产认定

文章运用人工智能考察美国国家史迹名录如何建构历史意义，并分析全国名录、伊利诺伊州1997年名录及伊利诺伊州莱克福里斯特的提名材料与照片。自然语言处理显示，提名文本偏重建筑描述，较少涉及社会史、景观和劳动；图像分析则印证并强化阶级偏见及相关遗漏。研究指出，若缺乏纠偏设计和政策改革，人工智能可能复制遗产保护体系的不平等。

面向交通预测的可解释深度学习：揭示城市形态在空间异质性城市中的作用

推动太阳能更好融入交通系统：日前光伏发电功率预测的机器学习基准评测

运用可解释机器学习模型揭示城市热环境的多尺度驱动因素

结合地方分区法规的城市规划生成式设计：BIM案例研究

研究评估Autodesk Forma Site Design利用BIM与生成式设计简化规划流程的潜力，以波兰弗沃茨瓦韦克市受2004年地方空间发展规划覆盖的地块为例。结果显示，该工具可快速生成、比较用地方案并初步核查合规性，但参数确定性不足、复杂法规难以自动解读，仍需人工修正，尚不能完全自动化合规审查。

当代洪水灾害与风险评估地理空间方法的综合系统综述

本文依据PRISMA框架，利用ScienceDirect和Web of Science数据库，系统综述2010—2024年发表的89篇洪水风险评估同行评审论文。GIS和遥感是洪水灾害制图的常用工具，HEC-RAS和MIKE FLOOD等水动力模型主导洪水模拟；机器学习、多准则决策分析和气候情景分析也日益重要。综述指出，纳入研究中仅13篇涉及农村洪水，且仅16%整合灾害、脆弱性与暴露要素。

城市环境情感分析的25年：主题趋势与未来展望

本文综述2000至2025年城市建成环境情感分析研究，基于Scopus数据并使用Bibliometrix（R）和VOSviewer开展文献计量与科学图谱分析，梳理发表趋势、重要成果、作者机构、资助来源及主题集群。研究指出，社交媒体、机器学习、智慧城市、人工智能、心理健康和城市规划是核心主题，并讨论情感分析对城市规划与公共健康的支持作用及新兴方法趋势。

气候和形态形成的全球城市热量模式

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。

运用机器学习方法提升飞机地面保障时间预测

研究采用CatBoost梯度提升模型和随机森林回归，利用地面保障数据改进目标撤轮挡时间（TOBT）预测，并设置六个节点，随数据更新逐步修正预测。案例研究显示，预测准确度随保障数据更新而提高；与地面保障开始时的初始准确度相比，整体提升50.6%。

看见风：利用监控视频与深度学习进行方向稳健的街道风速测量

融合遥感与机器学习：高度异质环境中的城市气温评估与制图

研究利用卫星反演地表温度预测亚美尼亚埃里温的城市气温，并比较五种方法及不同输入变量组合。随机森林和分位数回归森林总体表现最佳，其中随机森林测试集R²最高、RMSE最低。多种方法绘制的空间格局相近，显示北部高海拔地区较凉、南部城区较暖。

人工智能与智慧城市治理：新加坡和巴塞罗那案例研究

文章探讨生成式人工智能在新加坡和巴塞罗那城市治理中的作用：新加坡在交通和医疗方面受益，巴塞罗那则改善了废弃物管理和能源消耗。治理模式影响实施效率；研究还指出信任与公平风险，并建议加强风险评估、公众赋权和算法问责。

街道视平景观与睡眠健康：基于机器学习的特大城市横断面证据及客观与感知评估

研究结合计算机视觉与众包评价，系统评估特大城市街道视平景观的围合度、绿化、步行性及安全感等特征，并分析其与1089名40至59岁在职成年人的睡眠关系。围合度与较少失眠、较长睡眠相关；绿化可能经由提升安全感关联较长睡眠，步行性则可能经由降低安全感关联较短睡眠。

利用深度学习绘制高密度城市核心区树冠尺度的纯树木地上碳储量分布图

基于LSTM预测非关键充电时段的电动汽车充电管理

本研究训练长短期记忆网络（LSTM），利用64辆纯电动汽车的逐秒数据预测未来两天的出行需求，并识别可转移至低排放时段的非关键充电。结果显示，该方法可使温室气体排放最多减少41%，充电天数减少49%；6千瓦充电器的表现接近19千瓦充电器，无需昂贵的基础设施升级。在CAISO、PJM和ERCOT电网测试中，效果均保持稳定。

土耳其城市热岛的可解释机器学习分析：基于SHAP的气象阈值评估（1965—2024年）

基于感知的城市研究：深度学习与空间分析框架——以公共交通环境和社会孤立为例

协商制度模糊性：利用大语言模型模拟居民主导的原地拆除重建式城市更新中的协商过程

多年龄群体主动出行的环境影响研究：一种基于深度学习的方法

重新思考生态保护与城市土地开发的关系：空间分析与机器学习相结合的方法