UrbanComp Lab Knowledge Hub
UrbanComp Lab 学习资料库
GeoAI、GIS、遥感、城市计算与空间智能资料入口。
最新入库
城市湿地作为抗生素抗性组的热点及其潜在病毒传播
城市湿地在城市中发挥多种有益功能,包括作为吸收潜在洪水的‘海绵’、供人们休闲的空间以及众多物种的栖息地。然而,城市湿地也接收受污染的地表径流,可能成为有害污染物的储存库,其中包括与我们此前保障公共卫生努力相关的污染物。抗生素是公共卫生的重要支柱,但其滥用已促进了细菌中耐药基因的传播,使细菌得以在治疗中存活。
68号别墅 / MAS建筑事务所
68号别墅位于越南胡志明市一处新兴城区。项目源于一个年轻家庭希望在城市中安家的需求,同时兼顾私密性、便利性及开放的生活环境。基地面积为500平方米,地处道路交叉口,周边规划有大型公寓楼及公共配套设施。尽管住宅可从多个方向便捷抵达,但如何营造私密性、规避噪声污染并实现内部空间的个性化设计,构成了显著挑战。
公路性能监测系统(HPMS)——2011年密西西比州数据
HPMS 汇集了关于公路路网规模、使用情况、状况及性能的数据。该系统由一个具备地理空间功能的数据库构成,用于生成报告并提供数据分析工具。HPMS 数据被美国交通部(U.S. DOT)、行政机构、国会以及交通运输界众多利益相关方所使用。
地理复杂度(DG)用于诊断空间格局损失——超越预测精度的评估
可靠的验证对于空间预测模型至关重要,但传统方法常忽视模型对地理空间特征的解释能力。传统的精度指标(如决定系数 R² 和均方根误差 RMSE)仅提供全局误差估计,无法识别具有空间结构的误差,因而可能支持掩盖真实地理格局的模型。本研究提出一种地理复杂度(Degree of Geocomplexity, DG)指标,通过比较原始数据与模型残差的局部复杂度模式,评估空间模型捕捉局部空间特征的能力。我们将该 DG 指标应用于澳大利亚东部树木生物量预测,评估了十种竞争性空间模型。结果表明,高预测精度并不保证强地理复杂度可解释性:R² 值高的模型未必获得高 DG 分数。此外,我们发现不存在一种模型在所有区域均表现最优;基于 DG 的最优模型分布图揭示了地理可解释性呈现复杂的时空分异格局。所构建的 DG 指标为在地理语境下依据局部性能评估与遴选空间模型提供了一种有效的验证策略。
研究灵感
轨迹数据与城市交通研究
高分辨率、多源异构轨迹数据(如SWIFTraj无人机采集、USDOT BSM/PDM模拟与实测数据)正推动城市交通建模从宏观聚合向微观可解释、跨尺度可迁移方向演进,但方法在空间泛化性、物理一致性、任务耦合性与评估粒度上存在系统性缺口。
地理大模型与地理智能体
地理大模型(GFMs)正从单任务表征工具转向多尺度、多模态、连续时空的通用基础能力;地理智能体则开始整合空间认知、工具调用与工作流治理,但二者在跨域泛化、模态对齐、任务闭环与现实部署间存在系统性断点。
城市感知、街景感知与空间优化
街景图像正从静态视觉表征转向动态空间决策支持工具,但其在跨地域泛化、细粒度语义对齐、多模态因果推断及边缘计算约束下的可靠性尚未系统验证。
资料入口