城市人工智能与基础模型

城际铁路枢纽的高碳效益拼车：非线性拓扑机制与算法启示

研究利用中国苏州全市网约车监管数据，分析中观路径拓扑特征与铁路站点拼车减碳效果的关系。铁路站点拼车单次行程的减碳量比总体拼车样本均值高62.6%。研究还提出双层分类框架，可在派单前识别高减碳潜力的拼车匹配。

迈向人机协同的城市设计工作流程：东阳市国际设计竞赛（2023—2025）的启示

本文探索并验证一种契合城市设计实践需求的人机协同框架，并在东阳国际城市设计项目（2023—2025）中开展三年纵向应用。研究提出由渐进式 AI 智能体、协同创作和责任治理构成的三阶段框架，将 GPT 与图像生成模型用于研究分析、概念开发和设计表达，提升设计效率与表达能力；同时通过专家预审、公众反馈和提示词可追溯机制应对责任归属、情境推理和伦理监督问题。

连接城市人工智能与负责任人工智能，迈向集体城市智能：来自非洲14项实践的启示

城市人工智能正在改变城市处理数据、制定决策和应对系统性挑战的方式，但非洲的应用受到基础设施不足、治理缺口、技术获取不平等及缺乏情境适配等因素制约。研究基于对非洲各地从业者、研究人员和创业者的14次半结构式访谈，梳理人工智能在规划、健康、农业和教育等领域的应用，并探讨其与负责任人工智能及集体城市智能的联系。

从人行道到像素：万隆街头艺术家与城市政策对生成式人工智能的回应

研究考察万隆布拉加街街头画家等非正规创意经济参与者对生成式人工智能（GenAI）的看法，并评估地方政府的应对。研究通过利益相关者访谈和SWOT分析发现，艺术家对人工智能态度不一：有人视其为工具，也有人感到受威胁。研究还指出，印尼缺乏规范创意产业人工智能伦理使用的法律框架；万隆则通过知识、艺术和利益相关者网络回应技术发展。

运用可解释机器学习揭示建成环境对网约电动汽车怠速排放的影响

人工智能产业集聚对区域创新水平的作用机制与空间溢出效应

研究使用中国287个地级市2011—2023年面板数据，结合空间分析和计量模型考察人工智能产业集聚对区域创新的影响。结果显示，人工智能产业集聚显著促进区域创新，并存在显著正向空间溢出；人力资本和数字经济发展发挥传导作用，政府行动与城市绿地强化其创新效应，而创新网络嵌入削弱边际效应。影响还因地区和城市类型而异，并呈现临界规模特征。

绿色基础设施与住房价格：异质性效应及对模型选择的敏感性

研究比较克利夫兰四个绿色基础设施项目的传统OLS-DID与双重机器学习估计。结果显示，影响因项目和社会经济背景而异：部分项目效应不显著或局部为负，阿卡西亚保护区的估计方向还随模型改变。研究指出，绿色基础设施并不必然导致绿色绅士化，应逐项目监测其分配影响。

人口密度、数字连接与经济韧性：欧盟地区区域韧性指数

研究将经济韧性指数框架从国家层面拓展至区域层面，基于欧盟27国236个NUTS2地区的Eurostat指标构建区域韧性指数，并采用两类模型分析。结果显示韧性具有显著空间自相关，数字连接对邻区产生正向间接影响，但数字化与传统产业的协同效应缺乏稳健证据。

行为互联网在智慧城市管理中的应用：前沿综述与未来展望

研究通过系统性文献综述，梳理行为互联网在医疗、交通、零售与营销、教育、旅游和环境六大智慧城市领域的应用，并提出跨领域分类框架，将应用映射至四项城市管理职能。综述纳入2020—2025年间从八个学术数据库筛选的27项研究，归纳机器学习和深度学习等方法趋势，以及安全、可扩展性、隐私和伦理治理等挑战。

面向智慧与可持续社区评估的新型人工智能与数字孪生优化框架

研究提出整合人工智能、GIS数据与数字孪生模拟的框架，用于识别空间趋势、预测城市发展、优化资源配置并支持规划决策，并结合MOSTADAM社区评级体系进行适配。该框架在5平方公里城市区域开展为期30天的模拟，显示能源使用和用水量下降，基础设施韧性与绿地面积提升。

城市对日际气温变率的敏感性存在非对称性与空间异质性：基于地理标记社交媒体的证据

研究整合深度学习社会感知与可解释机器学习，分析中国367座城市2017、2020和2022年约190万条带地理标记的温度相关帖子，构建城市尺度敏感性指数。平均而言，公众对降温的感知敏感度是对升温的2.3倍，但极端温度下差距缩小。敏感性呈显著空间异质性，西南地区为高值热点，西北和东北地区为低值冷点；气候基线、环境特征和社会经济因素均会影响感知敏感性。

不止于黑箱：机器学习模型识别住房子市场模式的能力

研究探讨XGBoost能否在提高房价预测精度的同时识别潜在住房子市场，而不预设空间或社会经济边界。研究使用巴塞罗那房源数据，结合空间计量模型、SHAP值聚类及多种验证程序，识别出三个估值模式不同的子市场，并为机器学习模型的经济计量解释提供了路径。

从个体出行轨迹到系统流量：基于手机应用数据的多模式出行分析框架

研究提出一种利用大规模稀疏手机应用数据的出行分析框架，结合支持向量机与GIS地图匹配识别出行方式，并自下而上构建高频、街道尺度的多模式交通流。以伦敦多模式交通传感器数据验证后，结果显示该方法具有较强空间一致性，可支持交通系统的持续监测。

利用GPS与机器学习揭示建成环境对步行的双重影响：韩国全州市老年人案例研究

促进碳减排的三维城市规划驱动因素：基于大湾区功能区机器学习分析的启示

用于分析社交媒体感知文化价值的多智能体大语言模型工作流：对中国141座城市的研究

面向降温与慢跑支持的上海局地气候区二维／三维城市形态优化：机器学习与多目标方法

揭示城市更新的双重驱逐风险：整合双重机器学习与可解释人工智能的因果推断框架

从分类到解码：机器学习揭示环境驯化作用下的传统村落空间格局——以川西北藏羌地区为例

交通连通性对秦岭山区农村发展的综合影响：基于可解释空间机器学习