城市人工智能与基础模型

拉丁美洲城市蔓延：现有文献系统综述与新兴见解

研究系统综述了2004至2025年间发表的56篇同行评审论文，从研究特征、尺度、方法、指标、驱动因素和影响六个维度分析拉丁美洲城市蔓延。文献集中于墨西哥、巴西和智利的城市及大都市区，主要采用GIS空间分析；社会空间不平等是最持久、记录最充分的影响，研究呼吁建立契合当地情境、以正义为导向的分析框架。

用于预测行人高度城市风场的层级深度学习模型

研究提出两阶段层级模型预测行人高度的城市风场：先由U-Net根据城市几何生成基线预测，再由条件生成对抗网络（cGAN）恢复高频细节。模型在UrbanTALES数据集上训练和验证，预测效果优于基线；训练集和验证集RMSE分别降低76%和60%，并能更好呈现高速风流及复杂湍流尾流。

运用大语言模型、图数据库与GIS提取和分析城市住房冲突

城市住房冲突日益影响城市社会与空间动态，但由于涉及多方主体，且文本和空间数据呈碎片化分布，难以系统分析。本文提出一套可复现的方法框架，结合大语言模型、图数据库和GIS，分析2001—2024年蒙特利尔的住房冲突，展示如何借助人工智能方法对冲突进行提取、分类及跨时空分析，并探讨其结构模式所反映的社会政治动态。

理解公众对自动驾驶汽车交通执法的认知：基于中国运营Robotaxi车队城市的假设检验与机器学习分析

利用多源地理空间数据绘制并监测城郊地域动态：卡萨布兰卡地区案例

研究利用全球人类住区图层和全球土地分析与发现土地覆盖数据，构建多层感知机模型，将卡萨布兰卡大都会区划分为城市、城郊、乡村和水域，并分析2005至2025年的变化。模型总体准确率为90.6%，城郊地区识别较具挑战性。结果显示，城郊地区显著扩张，面积增加28,000公顷，扩张主要以乡村土地为代价。

户外热舒适的视觉决定因素：融合可解释人工智能与感知评估

研究融合计算机视觉、可解释机器学习与感知评估，分析街景视觉元素对户外热感知的影响。研究选取50组地面图像及同步热图，并通过317名学生的户外网络问卷和室内展览调查收集感知数据。随机森林对热感觉和热舒适的预测准确率分别为70%和68%；洋红色是影响热感知最显著的视觉因素，而绿化虽最受参与者青睐，其与实际热感知的相关性较弱。

融合深度学习与NDVI阈值法的高分辨率城市绿地分类

认知赋能型城市主义：对心智治理兴起的批判性评述

随着神经技术、人工智能和认知科学日益塑造城市想象，“认知城市”愿景逐渐兴起。本文辨析三种认知赋能城市生活的模式：促进脑健康与情绪福祉的神经城市主义、由咨询机构推动并依托人工智能和数据分析的认知城市主义，以及通过国家主导实验将思想与情绪纳入治理的神经技术治理。文章将其视为彼此竞争的社会技术想象，指出公民正成为被测量、调节并要求承担责任的认知主体，并提出关注权力、伦理与心智自主权的研究议程。

利用平视街景影像与机器学习评估儿童友好型步行性：以中国青岛为例

三维城市景观对人类多维体验的影响：一种可解释机器学习方法

国土空间规划中的数字孪生：适应型城市发展的比较分析

城市化加剧以及环境与气候挑战日益严峻，要求更新城市和国土空间规划的治理模式与工具。本文比较不同数字孪生框架，探讨其在复杂环境中的适用性，并以意大利塔兰托为重点案例，评估数字孪生作为预测模型支持可持续、适应型和韧性城市治理的潜力。

面向参与式城市设计计算的人工智能辅助与数据驱动设计（AIDD）

本研究提出人工智能辅助与数据驱动设计（AIDD）框架，将设计、科学与公众参与相结合，以支持参与式生成式规划与设计。通过一个假设性设计案例展示，该框架可帮助专业知识有限的用户生成符合偏好城市形态、满足分区要求并提升安全感知表现的设计方案。

城市设计中的人工智能：系统综述

从人类出行到建筑功能：基于深度学习的东京大都市建筑分类方法

ML4EJ：运用可解释机器学习解读城市特征在环境不公形成中的作用

规模越大越好吗？运用机器学习重新评估城市蔓延与能源利用效率

超越客观特征：融合主观感知，运用多模态机器学习解读城市活力

弥合助餐缺口：基于空间显式机器学习的上海老年助餐设施公平布局洞见

城市形态对居民邻里感知影响的复杂性：来自新加坡的机器学习证据

利用先进深度学习的多变量多步时间序列模型预测热相关影响