UrbanComp Lab 学习资料库

贝尔维尤别墅位于日内瓦以北的湖畔，始建于20世纪80年代，另附有一座19世纪的附属建筑，二者均亟需翻新。本次改造主要聚焦于降低能源消耗，并通过若干调整，使住宅重新融入毗邻莱芒湖的独特景观环境。

寻找停车位占用了外卖配送中不成比例的时间，但现有系统均未解决针对商户入口的精确停车点选择问题。我们提出 ParkSense 框架，该框架在自动驾驶车辆（AV）低风险空闲状态下——例如红灯等待、交通拥堵、停车场内低速缓行——复用闲置计算资源，在预缓存的卫星图像与街景图像上运行视觉-语言模型（VLM），以识别商户入口及合法停车区域。我们形式化定义了“配送感知的精准停车”（Delivery-Aware Precision Parking, DAPP）问题；证明量化后的 7B 参数 VLM 在 HW4 级硬件上可在 4–8 秒内完成推理；并估算该方案在美国可为每位司机带来每年 3,000–8,000 美元的收入增长。本文还指出了这一尚未被探索的交叉领域——即自动驾驶、计算机视觉与末端物流——所面临的五个开放研究方向。

坦帕网联汽车（CV）试点项目采集车辆之间以及车辆与基础设施之间的交互数据。本数据集包含由参与试点的车辆及公共交通车辆车载单元（OBU）生成、并发送至坦帕CV试点研究区域内部署的路侧单元（RSU）的基础安全消息（BSM）。数据字段遵循SAE J2735与J2945/1标准，并采用相应标准规定的计量单位。本数据集为坦帕CV试点项目最新BSM数据的扁平化抽样，每日更新一次。为支持在Socrata平台中对地理编码后的BSM数据进行可视化映射，本数据集额外增加了geo列（coreData_position）；同时增加一列随机数（randomNum），以便在Socrata中对数据点进行随机抽样。坦帕CV试点项目的完整原始BSM数据集可于<a href="http://usdot-its-cvpilot-publicdata.s3.amazonaws.com/index.html">美国交通部智能交通系统（ITS）数据枢纽数据沙箱</a>获取。

我们提出一种物理信息学习框架，用于从稀疏轨迹数据中重建交通密度。该方法将二阶Aw-Rascle-Zhang模型与一阶训练阶段相结合，以估计平衡速度。我们在SUMO仿真中分别于平衡态与瞬态交通场景下对该方法进行评估。结果表明：在稳态条件下，学习平衡速度可提升密度重建精度；但在瞬态场景下，由于平衡假设失效，该策略变得不稳定。相比之下，二阶模型在非平衡条件下始终比一阶方法提供更准确、更鲁棒的重建结果。

为实现智能交通数字孪生（ITDT），需调度无人机（UAV）处理路侧传感器采集的感知数据。此时，扩散模型等生成式人工智能（GAI）技术被部署于无人机上，将原始感知数据转化为高质量、高价值的信息。为此，我们提出GAI赋能的ITDT架构。一组扩散模型推理（DMI）任务在具有动态移动性的无人机上进行动态处理，同时影响数字孪生（DT）更新的保真度与时延。本文将DMI任务卸载、推理优化与无人机轨迹规划建模为联合优化问题，并以系统效用最大化（SUM）为目标，以应对GAI赋能ITDT中的保真度-时延权衡挑战。为在动态网络环境下求解该问题，我们将SUM问题建模为异构智能体马尔可夫决策过程，并提出基于顺序更新的异构智能体双延迟深度确定性策略梯度（SU-HATD3）算法，可快速学习近似最优解。数值结果表明，相较于若干基线算法，所提算法在提升系统效用与收敛速度方面具有显著优势。

地理空间与时空数据的表征学习在构建通用地理空间智能中起着关键作用。近期的地理空间基础模型（如人口动力学基础模型 PDFM）将复杂的人口与移动性动态编码为紧凑的嵌入表示。然而，此类嵌入与大语言模型（LLM）的集成仍十分有限。现有 LLM 集成方法将这些嵌入视为检索索引，或将其转换为文本描述以支持推理，由此引入冗余、令牌效率低下及数值失真等问题。我们提出直接特征推理-Gemma（DFR-Gemma），一种新型框架，使 LLM 能够直接在稠密地理空间嵌入上进行推理。DFR 通过一个轻量级投影器将高维嵌入对齐至 LLM 的潜在空间，从而允许嵌入作为语义令牌与自然语言指令一同注入。该设计消除了对中间文本表示的依赖，并支持对空间特征的内在推理。为评估该范式，我们构建了一个多任务地理空间基准，将嵌入与多种问答任务配对，包括特征查询、比较及语义描述。实验结果表明，DFR 使 LLM 能够解码潜在空间模式，并在各项任务中实现准确的零样本推理，同时相较基于文本的基线显著提升效率。我们的结果表明，将嵌入视作首要数据输入，为多模态地理空间智能提供了一种更直接、更高效且更具可扩展性的路径。

该建筑被构想为城市肌理的延伸，而非孤立的个体。尽管场地呈三角形且历史立面受保护，限制了其占地范围，项目仍以精准方式占据整个地块，将功能布局于四层空间内，并自南向历史立面后退设置。这一后退形成了一个中庭，作为新旧建筑之间的过渡空间，在改善教室自然采光的同时，兼具热工与声学缓冲功能。

国家公路货运网络（NHFN）数据集于2023年1月27日由联邦公路管理局（FHWA）编制，属于美国交通部（USDOT）/运输统计局（BTS）国家运输图集数据库（NTAD）。国会依据《美国法典》第23编第167条设立了新的国家公路货运计划（NHFP），旨在提升国家公路货运网络（NHFN）上的货运效率，并支持若干既定目标。该法律要求FHWA局长战略性地引导联邦资源与政策，以改善该网络的运行绩效。NHFP通过公式拨款方式，每年向各州分配资金，专用于NHFN相关项目。NHFN的定义载于《美国法典》第23编第167(c)条，由四个独立的公路网络组成部分构成：主要公路货运系统（PHFS）、关键农村货运走廊（CRFCs）、关键城市货运走廊（CUFCs），以及未纳入PHFS的州际公路系统部分。主要公路货运系统（PHFS）：该系统由经可量化、客观的全国性数据识别出的、对美国货运运输系统最为关键的公路路段组成。该网络总长41,800英里中心线里程，其中包括38,014英里中心线里程的州际公路和3,785英里中心线里程的非州际公路。未纳入PHFS的其他州际公路路段：指未列入PHFS的剩余州际公路路段，为货运运输设施提供重要的连通性与可达性。此类路段在全国范围内估计达10,265英里中心线里程，其具体长度将随州际公路系统的增减而动态变化。关键农村货运走廊（CRFCs）：

利用大语言模型（LLM）所具备的通用世界知识，有望显著提升自动驾驶系统应对罕见与复杂场景的能力。尽管将LLM集成至视觉-语言-动作（VLA）模型已取得当前最优性能，但其庞大的参数量给对延迟敏感且需能效优化的部署带来了严峻挑战。将LLM知识蒸馏至轻量级驾驶模型，为在保持可管理计算开销的同时保留此类推理能力提供了一种极具吸引力的解决方案。尽管先前工作已验证了知识蒸馏的有效性，但这些研究主要集中于相对简单的场景及开环评估。因此，本文在更复杂、交互式的场景下，采用闭环评估范式开展LLM知识蒸馏研究。我们证明，通过结合隐空间特征蒸馏与真值轨迹监督，一个高效的纯视觉学生模型\textbf{Orion-Lite}甚至可超越其庞大的VLA教师模型ORION的性能。该模型在严苛的Bench2Drive基准测试中创下新的当前最优结果，驾驶得分（Driving Score）达80.6。最终结果表明，纯视觉架构在高性能反应式规划任务中仍蕴藏着巨大且尚未被充分挖掘的潜力。

在欧洲与北美，步行化正日益作为一种因地制宜的城市策略被部署，其形态深受各自独特的经济、社会与空间压力影响。随着城市在经济转型、气候压力及出行模式变化的背景下持续重新评估街道的功能，步行化正成为当前城市转型努力中的关键工具。在伦敦、纽约、休斯顿与斯德哥尔摩，多项以步行优先为导向的在建项目正探索通往更具韧性与步行友好性城市的差异化路径，涵盖法定规划、资本性建设及研究驱动的愿景构建等不同方式。伦敦牛津街项目正通过公众咨询与治理机制改革推进，以应对零售业衰退；纽约帕塞奥公园（Paseo Park）正从一项临时性的疫情应对措施转向永久性基础设施；休斯顿正加速推进其市中心核心区的步行化改造，为一场全球性体育赛事做准备；斯德哥尔摩超级线（Superline）则依托设计研究，重新构想一条内城高速公路的未来形态。这些倡议揭示了步行化如何在当下被积极协商、设计与实施——既因应本地动因而灵活调整，又共同指向一个核心目标：使街道转变为具有韧性的公共空间，而非单纯的交通通道。

三位公共交通专家就公共交通、交通拥堵以及与执法部门的协调工作提出了建议。

1943年11月10日，雷科（Recco）市遭到彻底摧毁。英国皇家空军二十二架轰炸机投下33吨炸药，试图炸毁该镇标志性建筑——铁路桥；该桥是纳粹-法西斯部队补给线的关键节点。此次空袭造成大量平民死亡，并几乎完全摧毁了这座典型的利古里亚（Ligurian）小镇，全城被夷为平地。次日（11月11日），铁路桥周边地貌呈现出一幅幽灵般的景象：这座利万特（Levante）海岸最富诗意的村庄之一已不复存在，仅余数栋房屋与零星几处纪念碑幸存。在随后的重建年代，包括市政厅大楼设计者路易吉·维埃蒂（Luigi Vietti）在内的多位著名建筑师受邀参与城镇复兴工作。空袭中罹难的还包括一座建于15世纪的宏伟方济各会（Franciscan）建筑群的大部分，其中教堂几乎被完全摧毁。