城市人工智能与基础模型

融合稀疏高保真数据与低分辨率模拟的瞬态湍流城市风场预测：一种数据同化驱动的深度学习框架

面向高密度城市噪声敏感型设计的人工智能增强工作流程

城市核心区绿化、热韧性与经济活动：基于空间双重机器学习的12座全球热脆弱城市证据

气候适应型城市试点政策能否推动城市公正转型？基于双重机器学习的证据

不同环境情境下城市苯浓度变化的共污染物与气象预测因子：一项可解释人工智能分析

研究利用萨格勒布城市背景站2017—2023年监管空气质量观测及NOAA GDAS气象数据，分析苯浓度与共污染物、气象因子的关系。结果显示，CO、O₃和近地面气温是主要预测因子；苯累积在冬季稳定条件下最强，在通风良好且光化学活跃的情境下最弱。

个体驱动、机构支持不足：罗马尼亚公共服务创新的人工智能准备度

本文基于全球人工智能采用调查的罗马尼亚数据，分析353名公共部门雇员的回答，重点考察其中使用人工智能工具的290人。结果显示，人工智能采用与个人能力、使用频率、积极体验和信任密切相关；纳入个人因素后，组织准备度与使用意愿或工作影响的关联不显著。个体准备度与机构支持之间的落差并不限于特定行政层级。

国际城市网络成员身份的影响：城市人工智能政策与数字权利城市联盟

本文以倡导基于人权的城市数字化路径的数字权利城市联盟（CCDR）为案例，考察国际城市网络成员身份如何影响城市人工智能政策。研究比较15个成员城市与15个非成员城市的161项人工智能举措，并依据政策取向及其与联盟原则的一致性进行分析。结果显示，成员城市采取的人工智能举措更多，监管深度更高，也更重视体现权利导向和伦理治理的监管政策。

基于带地理标签的社交媒体图像评估并绘制不同类型城市公共空间的公众视觉感知

本文利用带地理标签的Flickr图像，构建感知驱动的深度学习框架，评估并绘制四类城市公共空间的公众视觉感知。研究聚焦悉尼达令港周边高密度区域，结合图像分类、全景分割与GIS空间分析。滨水空间获得最多视觉关注，但积极感知集中于蓝、绿、建成环境交融的节点；研究指出，公共空间吸引力取决于综合配置，而非单一水岸或绿化要素。

加拿大城市树冠的可扩展建模

研究提出一种可迁移的城市树冠建模框架，利用全球开放数据绘制加拿大19座城市的树冠覆盖比例。模型经交叉验证和三座城市的机载激光扫描数据独立验证。结果显示，树冠分布不均，大型公园和河岸廊道占据较大份额；绿度和湿度是重要预测因子。该框架可用于跨生态区评估、基准比较及长期监测。

基于邻里序列解码未来土地利用动态：受元胞自动机启发的大语言模型框架（LLM-CA）

基于自动化机器学习优化局地气候区制图，揭示热浪期间的热环境差异

研究提出由自动化机器学习驱动的局地气候区（LCZ）分类方法，以生成本地优化地图，并在大曼彻斯特检验其对极端高温下城市气候模拟的影响。该方法的分类精度持续优于WUDAPT；地图差异对模拟的影响随尺度而变，在亚季节尺度最显著。本地优化地图提升了模拟精度，并揭示热浪期间人口热暴露的空间差异。

非洲城市韧性人工智能应用：利用卷积神经网络检测佛得角害虫

研究针对佛得角农业害虫识别，开发基于卷积神经网络和迁移学习的人工智能系统，采用MobileNetV2架构，并以来自开放来源和当地农田的1028张图像训练和测试模型。通过数据增强和类别加权处理数据不平衡后，测试准确率达到94.17%。模型还集成至网页应用，可实时识别害虫并提供生物和化学防治建议。

交通事故预测进展：新方法综述

本文系统回顾交通事故预测领域的统计建模、机器学习和深度学习研究，比较不同方法及时间模型与时空模型，并分析气象、道路几何设计和土地利用等外部因素对事故概率及预测准确性的影响。综述指出，深度学习较适合复杂预测问题，未来研究可探索混合模型、强化学习、模型架构优化，以及将实时大数据融入主动预测系统。

欧洲环境健康脆弱性与呼吸系统疾病死亡率：来自面板计量、聚类和机器学习的证据

研究整合面板数据计量、聚类分析与机器学习预测，考察欧洲各国年度呼吸系统疾病死亡率及其环境、基础设施、气候和能源关联因素。结果显示，农业用地和煤电与死亡率呈正相关，电力可及性和淡水取用量呈负相关；聚类识别出10种国家—年份环境健康特征。机器学习用于辅助预测，K近邻模型表现最佳，但预测结果不应视为因果证据。

利用机器学习预测，以地球观测微气候数据增强基于模拟的建筑能耗模型：框架构建

研究提出一种可扩展的自下而上框架，将EnergyPlus模拟结果与地球观测及城市形态数据结合，并利用机器学习改进洛杉矶建筑能耗预测。结果显示，TMYx站点的城市形态指标与实际环境存在明显偏差；模型生成的住宅能耗热力图呈现街区差异，地表温度是重要预测因子。

预测地方税收决策：来自意大利市镇的证据

本研究考察机器学习能否可靠预测地方税收决策，重点分析意大利市镇设定的个人所得税附加税。结果显示，市镇税收选择受人口、财政、社会经济和制度因素驱动，呈现系统性且可预测的规律。南北比较发现，南部地区的预测准确度更高，表明增税与财政约束的关联强于其与自主政治选择的关联。

极端高温重塑城市绿地活力：南京的动态响应类型、建成环境非线性关联与配置模式

以南京为例，研究比较极端高温与适温情景下城市绿地活力，并分析建成环境特征的非线性关系。研究识别出热增强主导型和热抑制主导型两类响应；极端高温下总体活力低20.38%，不同类型的特征重要性及空间配置有所差异。结果表明，绿地规划应结合动态响应类型、非线性阈值变化和建成环境配置，适应日益频繁的极端高温。

基于扩散式深度学习的三维高分辨率城市微气候重建与传感器布设优化

针对微气候实测数据稀疏、精细化CFD模拟计算成本高的问题，研究提出分层生成—细化（HGR）框架：先以扩散模型预测低分辨率风场和温度场，并结合稀疏观测进行约束，再利用CNN融合城市形态信息细化结果。在蒙特利尔热浪案例中，该框架以较短计算时间重建高分辨率微气候场。

基于分层机器学习框架的稀疏传感器网络城市风场实时重建

研究提出一种传感器驱动的分层重建框架，从有限传感器网络估算高分辨率、随时间变化的风场。该方法结合由粗到细映射、POD降阶学习、LSTM时间建模及传感器布设策略，并在半圆柱基准案例和日本新潟城市区域的大涡模拟数据上评估，能准确重建主要空间结构与时间动态，并推广至未见条件。

干旱城市功能区地表温度驱动机制的量化：一种可解释机器学习方法