城市人工智能与基础模型

机器学习与凤凰城都市区城市热环境的因果归因

融合集成机器学习与基于SAR的地理空间建模，促进包容、公平的城市洪涝韧性

基于GAN-MIGA的建筑能耗预测与街区布局优化：以中国兰州为例

研究提出基于生成对抗网络（GAN）的街区建筑能耗预测模型，并将其与多岛遗传算法（MIGA）结合，优化兰州一个目标街区的布局。GAN模型相较传统能耗模拟的平均预测误差为6.8%；优化方案较原街区布局降低能耗22.53%，预测的能耗空间分布与传统模拟结果一致。

城市气候研究中公民气象站的发展演变：文献计量分析

研究对2011年至2025年10月发表的127篇论文进行文献计量与主题分析，发现该领域快速增长，并经历原型探索、数据质量控制奠基、应用扩展和前沿兴起四个阶段。研究指出，未来应改进机器学习质量控制、纠正布设偏差、加强跨学科应用，并推动全球数据访问标准化。

评估街道树木及其参数对城市冠层模型性能的重要性：模型更新与机器学习

研究考察街道树木对城市冠层模型（UCM）性能的影响，以及模型对树木相关参数和城市热环境参数的敏感性。研究扩展单层UCM以表示城市街谷中的街道树木，并借助机器学习开展多目标参数优化和全局敏感性分析。纳入街道树木后，模型对净辐射、感热通量和潜热通量的模拟表现均有所改善。

基于深度学习的建筑立面光伏分割：不同立面设计下与人工标注的比较

研究提出利用街景和网络图像，通过深度学习自动分割建筑立面的建筑一体化光伏（BIPV）板，并建立包含400个项目及像素级掩膜的基准数据集。SegFormer优于Mask R-CNN，且模型分割精度高于人工标注者平均水平；研究还利用模型估算BIPV发电量。

技术媒介化城市中的安全：来自班加罗尔人工智能监控摄像网络的洞见

尽管受到诸多批评，城市仍以安全为由日益采用闭路电视摄像机和人工智能技术。本文以班加罗尔安全城市项目为例，定性分析描述其目标与技术能力的关键文件，归纳出性别化安全、摄像机凝视以及系统所需的人工介入三个主题。研究指出，社会政治因素所塑造的优先事项会影响监控系统对安全的界定。

自动驾驶汽车（AV）信任的原型分析

公众对人工智能，尤其是自动驾驶汽车（AV）的信任，关系到公共政策制定与社会接受度。本文采用心理学领域常用、但尚未成为交通研究常规工具的原型分析法，探究人们对AV信任的认知结构。研究基于澳大利亚开展的五项研究，涵盖特征生成、排序与评分、最佳—最差分析、反应时和情境短文分析，并提出政府部门建立公众信任的政策建议。

中国家庭碳排放的时空动态与城乡差异：基于可解释机器学习的地级市分析

研究构建“驱动—状态—约束”分析框架，为可解释机器学习模型筛选特征，考察2010—2019年中国337个地级市家庭碳排放的时空演变、城乡转型模式及驱动因素。结果显示，城乡排放呈东北—西南梯度，空间自相关随时间增强；区域差异主要来自省内差距，西部高于东部。人均消费支出是主要解释因素，影响模式存在非线性和区域异质性。

揭示城市形态与社会经济指标之间的隐含关联

研究以北美一座城市的逾2.4万个地块为对象，将地籍地块与数字表面模型关联，使用 EfficientNet 变体从体量形态预测投资回报率（ROI）。模型在住宅、商业和工业形态中表现出稳定的泛化能力；高密度商业核心区误差较大，但预测仍保留 ROI 的空间梯度。学习得到的嵌入呈现与建筑体量、占地几何和街区布局相关的结构，表明城市形态包含可测量的经济绩效信号。

从像元到政策：运用可解释机器学习开展多尺度洪水易发性制图，增强城市韧性

迈向非洲长期空气质量监测：运用机器学习、低成本监测仪、参考级仪器和卫星数据估算疾病负担——以乌干达坎帕拉为例

研究利用参考级监测仪、低成本空气质量传感器网络及卫星反演 PM2.5 数据，评估坎帕拉2019—2023年的空气质量趋势，并以两阶段机器学习填补时间序列缺失数据。交叉验证 R² 为0.78，补全数据后发现多个类型监测点的超标天数增加。参考级、低成本传感器与卫星数据的比较差异在17%以内；健康风险评估估算每年有660至1,010名成年人过早死亡。

揭示城市蓝绿空间降温的非线性动态：基于集成机器学习的杭州时空供需匹配分析

利用可解释机器学习揭示住宅街区的最优低碳改造策略

利用多源城市数据与可解释机器学习预测行人高度的黑视素照度

绘制语言景观与迁移：利用街景影像和计算机视觉分析基辅境内流离失所者

研究利用Google街景影像、深度学习文本检测与识别、文字系统识别及地理空间工具，对基辅全市道路沿线的公共标识进行系统制图，分析人口迁移与语言景观变化的时空关联。结果显示，迁移期间俄语关键词“аренда”（出租）在境内流离失所者安置点附近聚集；2019年语言政策实施后，乌克兰语偏好有所上升。

智慧城市人工智能的组织转型：城市人工智能治理成熟度模型

本文针对城市人工智能应用的系统性碎片化，提出城市人工智能治理成熟度模型（UAIG），以设计科学研究方法构建模型，并将组织成熟度与跨领域人工智能的工程要求相衔接。模型涵盖五个成熟度等级和五个关键维度，可作为诊断工具与战略路线图，帮助政策制定者弥合技术可能性与组织现实之间的差距。

建成环境在促进老年人身体活动与社会活动中的作用：机器学习方法的启示

复合城市热岛与热浪影响下地中海住宅存量韧性改造的人工智能驱动形态优化

研究结合EURO-CORDEX高分辨率气候预测与城市热岛修正，模拟马德里20种住宅原型在不同气候时期热应激下的能耗和运行碳强度。结果显示，到2100年热浪期间平均气温可能升高约3.5°C；形态优化可降低能耗强度和碳强度，而部分现有改造建筑可能无法满足未来制冷规范。

多空间尺度下的生活质量指标与地理空间方法：系统综述

研究通过系统综述和比较评估，考察遥感、空间分析和机器学习等地理信息方法如何用于多尺度生活质量评估，并梳理不同空间层级所用指标、数据源和分析工具。综述指出，整合数据、机器学习与空间分析有望提升比较和预测能力，但数据异质性仍是重要挑战。