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
城市人工智能与基础模型
所属领域：城市数据科学与方法.
近12个月每月收录量
2026年10月
2026年9月
类型学与机器学习框架揭示城市脱碳路径的异质性：对《联合国气候变化框架公约》附件一国家城市的全球分析
Heterogeneous urban decarbonization pathways revealed by typological and machine learning frameworks: A global analysis across Annex I cities
Urban Climate
研究结合城市类型聚类与情境感知深度学习，预测《联合国气候变化框架公约》附件一国家46,833座城市至2050年的二氧化碳排放。研究识别出五类城市，发现其排放轨迹差异显著：一切照旧情景下，蔓延型城市排放增长比例最高；适度垂直型城市则贡献最大的减排量。
隐匿的热浪：纽约市地铁系统的热危害
The hidden heatwave: Thermal hazards in the New York City subway system
Building and Environment
研究调查纽约市112座地铁站的热环境变化，在站台和街道层面测量温度与相对湿度。结果显示，夏季有70%的地铁站站台热指数高于街道层面。研究还开发了机器学习预测模型，站台温度预测表现良好，R²为0.85。研究结果可识别最需要热管理的车站，并显示预测工具有望支持有针对性的干预，提升城市交通系统的韧性与安全。
融合航空多光谱与街景RGB影像的城市树木健康评估多视角深度学习框架
A multi-view deep learning framework for urban tree health assessment via fusion of aerial multispectral and street-level RGB imagery
Urban Forestry & Urban Greening · Urban forestry & urban greening
研究以111株意大利石松为样本，融合无人机多光谱影像与Google街景RGB影像，识别树冠枯梢程度较低与较高的树木。平均概率融合取得最高AUC，特征级融合的准确率和均衡准确率最高，但未能证实融合优于多光谱无人机影像。研究指出，推广应用前仍需开展覆盖完整枯梢程度、跨季节的前瞻性外部研究。
面向地磁环境的GNSS电离层延迟校正模型提升城市科学应用中的GNSS定位、导航与授时性能
A Geomagnetic Ambient-Aware GNSS Ionospheric Delay Correction Model Improves GNSS PNT Performance for Urban Science Applications
Urban Science (MDPI) · Urban Science
针对电离层效应造成的GNSS定位、导航与授时性能下降，研究提出一种感知地磁环境的电离层延迟校正模型，利用接收机周边地磁场分量的近实时测量数据，并基于大规模实验观测和统计／机器学习方法开发。该模型在赤道以南地区的单频商用接收机案例中得到验证，可提升城市科学应用的服务质量。
住房类型构成：推动可持续城市出行的政策杠杆
Housing type mix as a lever for sustainable urban mobility
Transportation Research Part D: Transport and Environment · Transportation Research Part D Transport and Environment
研究考察住房类型，尤其是独栋住宅占比，对汽车出行、公共交通出行、汽车拥有量和二氧化碳排放的解释与因果关联。基于德国和法国13座城市的邮政编码级数据，研究比较多种城市形态指标及统计和机器学习方法，发现独栋住宅占比对各项出行结果的解释力持续优于传统指标。
大阪2015—2020年估算净迁移的空间关联：基于网格的机器学习方法
Spatial associations with estimated net migration in Osaka, 2015–2020: A grid-level machine learning approach
Environment and Planning B · Environment and Planning B: Urban Analytics and City Science
研究提出数据驱动框架，在500米网格尺度识别大阪府2015—2020年人口普查估算净迁移的相关因素。研究校准人口普查生存比率法，并以LightGBM分析空间关联，结合变量聚类与Owen值处理多重共线性。结果呈现明显的镶嵌式差异：年轻人口的空间格局与“回归城市”现象相符，并与高层公寓相关；老龄化郊区公共住房区则呈净流出。
城市环境中的面部表情识别与空间分析：探索性概念验证研究
Facial Expression Recognition and Spatial Analysis in Urban Environments: An Exploratory Proof-of-Concept Study
Urban Science (MDPI) · Urban Science
本文在香港东涌开展探索性概念验证研究，将面部表情识别与计算空间分析结合，考察城市空间属性与推断情感反应的关联。研究以15名参与者的步行路线为案例，发现光照、绿化和垂直移动与推断效价相关；同时指出模型情绪标签与人工标注的一致性有限，特定负面表情识别表现较差，结论仍需更大样本和多地点验证。
从可解释机器学习到空间优先排序：提升城市热缓解成效的屋顶绿化工具
From explainable machine learning to spatial prioritization: A roof-greening tool for more effective urban heat mitigation
Building and Environment
需求响应交通可达性的可靠数据驱动估算
Reliable data-driven estimation of accessibility in demand-responsive transport
Journal of Transport Geography
需求响应交通（DRT）可弥补稀疏地区常规公共交通（CPT）的低效，但其路线受随机绕行影响，难以用传统图模型计算等时圈可达性。研究提出统计方法：先用概率机器学习估算旅行时间分布，再构建时间扩展图，计算在限定时间内以较高概率可达的机会数量，并应用于法国三项真实DRT服务。
城市绿地安全感知：全球系统综述
Safety Perceptions in Urban Green Spaces: A Global Systematic Review
Urban Forestry & Urban Greening · Urban forestry & urban greening
文章依据PRISMA指南，对135篇文献开展系统综述，并借助机器学习辅助筛选，比较全球不同地区城市绿地安全感知的影响因素。植被结构、维护和照明是各地区共同的重要因素；不同地区还呈现各自的安全关切。社会经济因素的影响因情境而异，安全感知也会影响绿地使用。研究指出，绿地规划需兼顾普遍适用的设计原则与地方特定的安全需求。
基于逼真三维模型影像与自动机器学习的全市尺度窗景开阔度感知评估
Citywide assessment of perceived window view openness using photorealistic 3D model imagery and automatic machine learning
Building and Environment
城市宜人设施对住房价格的非线性距离衰减：高密度城市的可解释人工智能证据
Non-linear distance decay of urban amenities in housing prices: Evidence from explainable artificial intelligence in a hyper-dense city
Applied Geography
基于多普勒激光雷达观测与机器学习的垂直风廓线、城市形态对夜间城市热岛的影响
Vertical wind profiles and urban morphology effects on nocturnal urban heat islands from Doppler LiDAR observations and machine learning
Building and Environment
研究利用香港夏季的高分辨率多普勒激光雷达风廓线、地面气象观测、ERA5再分析数据及城市形态信息，分析垂直风型与夜间城市热岛的关系。结果显示，不同风型下同类局地气候区的热环境存在差异；通风最弱的风型中，植被指数和建筑密度的相对预测重要性最高。
微型交通工具与行人共存：一种新型建模方法
Coexisting Microvehicles and Pedestrians: A Novel Modeling Approach
Urban Science (MDPI) · Urban Science
研究提出一种结合物理交互原理与深度学习的混合微观模型，用于预测共享空间中微型交通工具与行人的轨迹。模型基于帕特雷大学半控制实验收集的553条轨迹进行校准和验证，测试场景中的均方根误差低于0.20米，表现优于改进后的社会力模型。
生成式人工智能助力可持续城市出行服务：应用、机遇与挑战
Enhancing Sustainable Urban Mobility Services with Generative Artificial Intelligence: Applications, Opportunities and Challenges
Journal of Urban Technology
文章聚焦以人为本的城市公共交通，探讨生成式人工智能模型应对公共交通挑战的创新应用。研究通过定性文献综述梳理现实应用，识别生成式人工智能融入现有公共交通解决方案时面临的社会技术挑战，并提出改善其城市应用的策略。
借助大语言模型行为建模实现可信的城市规划：概念框架
Believable urban planning via large language model-enabled behavior modeling: A conceptual framework
Cities (Elsevier) · Cities
城市住房价格的可解释机器学习：三个城市中与政策相关的诊断分析
Explainable machine learning for urban housing prices: Policy relevant diagnostics across three cities
Cities (Elsevier) · Cities
孤立的绿色空间：运用可解释空间机器学习理解隔离社区中的绿地满意度差异
Green in isolation: An interpretable spatial machine learning approach to understanding green satisfaction disparities in segregated neighborhoods
Habitat International
揭示城市碳排放与城市热岛的耦合驱动模式：基于LCZ的可解释机器学习方法
Unraveling the coupling-driven patterns of urban carbon emissions and urban heat islands: An LCZ-based interpretable machine learning approach
Sustainable Cities and Society