结合机器学习与GeoShapley方法，归因分析城市土地利用格局对城市热岛效应的影响
Attributing the urban heat island effect to urban land use patterns with integrated machine learning and GeoShapley method
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8月
利用历史野火模式指导的自适应阈值法划定野地—城市交界区：基于超高分辨率卫星影像与深度学习算法的案例研究
Wildland-urban interface delineation using self-adaptive thresholding informed by historical wildfire patterns: a case study using very-high-resolution satellite imagery and deep learning algorithm
Sustainable Cities and Society
随着城市蔓延：运用机器学习与因果推断揭示城市空间演变对户外犯罪模式的非线性影响
As cities sprawl: Unraveling the nonlinear impacts of urban spatial evolution on outdoor crime patterns through machine learning and causal inference
Sustainable Cities and Society
建成环境对城市洪涝韧性的非线性与空间异质性影响：可解释的空间加权机器学习框架
Nonlinear and spatially heterogeneous effects of the built environment on urban flood resilience: An interpretable spatially weighted machine learning framework
Sustainable Cities and Society
解析微出行的出行特征：可解释空间机器学习建模框架的洞见
Disentangling travel characteristics of micro-mobility: Insights provided by an interpretable spatial machine learning modeling framework
Sustainable Cities and Society
利用机器学习与多情景模拟提升湖环型城市群冷热岛网络的热韧性
Enhancing thermal resilience of heat–cold island networks in lake-ring urban agglomerations using machine learning and multi-scenario simulations
Sustainable Cities and Society
2026年7月
城市形态对济南古城热环境的非线性影响：一种可解释机器学习方法
Nonlinear effects of urban morphology on the thermal environment in the Jinan ancient city: An explainable machine learning approach
Urban Climate
利用大型语言模型探索人们日常“近便”认知的空间差异
Exploring the spatial variation in people’s everyday conceptualizations of nearness using large language models
Environment and Planning B · Environment and Planning B: Urban Analytics and City Science
本文利用大型语言模型分析文本数据中的语言与空间差异，考察人们在日常情境中如何理解“近便”，并评估模型解读主体间地理信息的能力。研究发现，近便表达常植根于日常出行体验，且不同类型的表达呈现空间聚集；将体验性认知纳入研究有助于使操作化定义贴近人们的感知。
运用可解释机器学习探究城市居民采用氢能共享单车的影响因素
Exploring the determinants of hydrogen bike-sharing adoption among urban residents using explainable machine learning
Transportation Research Part A: Policy and Practice · Transportation Research Part A Policy and Practice
中国不同城市规模下的通勤时间阈值
Commute time thresholds across different city scales in urban China
Transportation Research Part D: Transport and Environment · Transportation Research Part D Transport and Environment
研究基于中国59个城市的大规模调查数据，采用两阶段机器学习方法分析不同城市规模下的通勤满意度阈值。结果显示，通勤时间是影响满意度的最重要因素，阈值随城市规模扩大而上升，从小城市的19.0分钟增至超大城市的43.5分钟。城市规模的影响呈U形，超大城市的回升与较好的交通基础设施及社会比较效应有关。
利用被动数据与机器学习丰富调查数据集的框架：将态度变量迁移至其他交通调查
A framework for enriching survey datasets using passive data and machine learning, with an application to transferring attitudinal variables across transport surveys
Transportation Research Part A: Policy and Practice · Transportation Research Part A Policy and Practice
针对问卷缩短虽能提高回应率、却减少建模变量的问题，研究结合机器学习、回归算法与被动数据增强，构建预测性迁移学习框架，并以美国全国住户出行调查为例补充心理测量数据。该方法对观测态度的解释方差最高达25%，观测值与预测值的相关系数最高为0.5。
拉丁美洲和加勒比地区中等城市的城市扩张、非正规性与气候变化：挑战与机遇
Urban expansion, informality and climate change in intermediate cities in Latin America and the Caribbean: Challenges and opportunities
Land Use Policy
本文梳理2014—2024年有关中等城市蔓延的学术与灰色文献，考察其对气候变化挑战的关注。研究发现，学术文献侧重解释与建模，灰色文献侧重实施与监测；两者虽互补，却存在研究发表周期与决策实施时限错位的问题，凸显加强气候适应实施工具的必要性。
建筑立面设计中的生成式人工智能：模型、应用与未来方向
Generative artificial intelligence in building facade design: Models, applications, and future directions
Building and Environment
研究通过内容分析和批判性综述，梳理生成式人工智能在建筑立面设计中的模型类型、数据、评估策略和应用领域。研究发现，生成对抗网络应用最广，图像数据占主导；同时指出自动编码器、NeRF 等模型及以性能为导向、以人为中心的设计评估仍有待深入探索。
利用 AlphaEarth 卫星 GeoAI 嵌入数据降尺度城市地表温度：美国跨城市评估
Downscaling urban land surface temperature using AlphaEarth satellite GeoAI embeddings: A cross-city evaluation in the US
Urban Climate
研究评估 AlphaEarth Foundations（AEF）嵌入数据能否借助深度学习，将城市环境中 30 米分辨率的 Landsat 地表温度降尺度至 10 米。研究覆盖美国 26 座城市，并检验模型精度、空间稳定性、特征重要性及跨城市迁移能力。
基于SHAP框架评估社交媒体数据与机器学习算法在城市洪涝易发性制图中的适用性
Adaptability of social media data integrated machine learning algorithms in urban flood susceptibility mapping using the SHAP framework
Urban Climate
城市形态与建筑立面设计参数如何协同影响建筑能耗、日光照明和室外热舒适？基于可解释机器学习的方法
How do urban morphology and façade design parameters synergistically affect building energy use, daylight, and outdoor thermal comfort? Explainable machine learning-based approach
Building and Environment
机器学习算法分析干旱城市城市形态对地表温度的影响——以伊朗伊斯法罕为例
Analyzing the impact of urban form on land surface temperature in arid cities, using machine learning algorithms (Case: Isfahan, Iran)
Urban Climate
强化内部横向公平：运用机器学习与自助法识别城市地籍价值不一致并动态更新
Strengthening internal horizontal equity: Detection of inconsistencies and dynamic updating of urban cadastral values using machine learning and bootstrap
Environment and Planning B · Environment and Planning B: Urban Analytics and City Science
研究提出结合机器学习与自助法模拟的框架，以提升地籍价值的内部一致性并支持动态更新。研究运用XGBoost估算预期地籍价值，通过观测值与预测值的偏差识别异常，并模拟基础设施变化对土地价值的影响；哥伦比亚阿拉卡塔卡的应用显示，异常具有空间和结构规律，基础设施改善可能显著推高地价。
算法景观与集合逻辑
Algorithmic Landscapes and the Logic of the Collection
Urban Science (MDPI) · Urban Science
文章提出“算法景观”概念，探讨如何在人类判断、比较与选择中理解和筛选计算系统生成的多种设计方案。研究通过两阶段比较调查，分别考察32名实体物品收藏者和50名建筑师、城市规划师及室内设计师。结果显示，两类领域共享以增添、差异化、限制和暂时完整为基础的选择性增长结构，但评价侧重点不同。
可解释机器学习揭示复合热浪对城市夜间经济活动的非线性与交互效应
Nonlinear and interactive effects of compound heatwaves on urban nighttime economic activities revealed by explainable machine learning
Urban Climate