研究启发
基于知识库资料生成的研究问题草图，面向研究生提供选题、方法与成果形态的思考线索。
高时空分辨率轨迹数据正推动城市交通建模从宏观统计向微观个体行为演进，但跨城市泛化性、多源异构性、因果可解释性与实时决策闭环能力仍存在系统性缺口。
RiskFlow在非高速路网场景下生成失真
RiskFlow将未来轨迹建模为动作空间概率流传输，在城市主干道与支路混合路网中因缺乏车道级拓扑约束而生成驶离道路行为。
RiskFlow在US-101等高速路段验证了运动保真性，其单次前向传播设计规避了迭代误差；但该方法未显式编码交叉口转向约束、车道连接关系及低速变道动力学，而这些是城市路网的核心拓扑特征。
NGSIM提供洛杉矶城市快速路轨迹，USDOT Stage 1B数据集包含TFHRC受控交叉口的车辆-弱势道路使用者交互视频轨迹，二者构成城市尺度验证所需的真实低速、高交互密度场景。
AgentMob在通勤OD合成场景中证据缺失
AgentMob依赖驻留-移动概率与地理信息作为证据源，但在MoveOD合成的县域级OD表中，因缺少个体级驻留时长与POI语义标签导致证据链断裂。
AgentMob在BW等实测GPS数据集上通过调用驻留检测与POI查询工具实现模糊情形下的证据增强；但MoveOD仅输出起讫网格、出发时刻与通勤时长三元组，不提供个体驻留行为或兴趣点上下文。
MoveOD已开源美国任意县的细粒度OD合成流水线，其输出可直接作为AgentMob的初始输入；城市规划部门亟需将合成OD转化为可解释的个体出行链，以支撑公交线路优化等政策推演。
DGLight在非结构化路口状态中策略退化
DGLight依赖CoLight提取的结构化路口状态（如各相位车流计数），在未部署地磁/视频感知设备的城市中因输入状态稀疏而无法生成有效信号决策。
DGLight在济南与杭州真实路口验证了迁移能力，其批评器基于CoLight架构设计，要求输入包含车道级排队长度、平均速度等稠密状态；但多数中小城市仅具备浮动车GPS轨迹，无法直接导出结构化状态。
USDOT Stage 1B数据集提供受控交叉口的全要素视频轨迹，可用于构建GPS轨迹→结构化状态的逆向映射基准；地方政府正推进低成本信号优化方案，亟需适配稀疏感知条件。
REACT编队架构在V2G调度中时空耦合失效
REACT的TCF-R2T算法假设机器人目标位置静态且无时间窗约束，但在网联自动驾驶电动汽车V2G调度中，V2G站点可用时段动态变化导致目标分配不可行。
REACT在障碍物密集环境中验证了编队切换的无冲突性，其TCF-R2T算法求解多项式时间内的机器人到目标分配；但V2G调度中站点可用性受电网指令实时更新，目标具有硬性时间窗与能量容量双重约束。
网联自动驾驶电动汽车最优调度论文已建立V2G站点时间-能量联合约束模型，其仿真结果可生成动态目标集合；电网运营商需将车队调度与信号控制协同，形成城市级能源-交通联合优化闭环。
轨迹方法跨城市迁移的首要失稳环节
轨迹方法迁移到另一座城市或极端天气场景后，最先失稳的通常不是模型结构，而是采样方式、路网约束和行为机制的变化。
RiskFlow：快速且保真的安全关键交通场景生成方法 已经把轨迹预测、交通识别或出行行为分析的基本任务定义清楚了，MoveOD：基于美国人口普查数据合成起讫点（OD）通勤分布 说明这类方法正在向更复杂场景扩展。
城市交通仿真平台（如SUMO）亟需将宏观OD表注入微观仿真，而RiskFlow可生成高保真交互场景作为SUMO的补充输入；地方政府在缺乏浮动车数据时，依赖MoveOD+RiskFlow组合进行事故黑点推演。
地理大模型正从栅格主导转向矢量-多模态联合表征，而地理智能体在开源平台推动下进入L3级自主能力验证阶段；二者交汇处存在表征-动作耦合断裂、空间因果可解释性缺失、跨尺度泛化失效等未被系统检验的关键断点。
NARA在非欧几何城市中的关系建模失效
NARA在非欧几里得投影（如Web Mercator）下的城市路网中无法保持拓扑一致性，因其锚点条件化机制隐含欧氏距离假设，导致折线实体间邻近性误判
NARA提出锚点条件化的关系感知框架，统一建模点/折线/多边形的语义-几何-关系三元结构，在标准投影下验证了异构实体表征有效性；但其空间关系建模未显式解耦投影畸变与真实地表度量，亦未在非均匀形变区域（如高纬度或大范围城市）测试拓扑保真度。
NARA：锚点条件化的关系感知异构地理实体上下文化方法 与 预训练在哪里？探究预训练数据多样性对地理空间基础模型性能的影响 已经提供了可复用的变量、数据或模型入口，同时近期资讯说明现实需求已经出现，适合把问题往应用场景推进。
SIGMAE在低光谱变异区的掩码偏差
SIGMAE的语义显著性引导动态掩码（SSDTM）在低光谱变异区域（如均质农田）因NDVI饱和导致语义丰富度误估，使掩码集中于噪声边缘而非真实物候变化区
SIGMAE通过光谱指数（如NDVI）引导掩码选择，提升多光谱MAE预训练效果；其SSDTM策略在植被覆盖梯度明显区域有效，但未验证在光谱同质性强、时间序列变异弱的农业主产区的表现。
SIGMAE：一种基于光谱指数引导的多光谱遥感基础模型 与 AlphaEarth究竟是什么？全球土地覆盖的层级结构与功能可解释性 已经提供了可复用的变量、数据或模型入口，这使得问题不再停留在概念层面，可以直接构造成小规模验证。
LEPA在跨传感器嵌入插值中的流形坍缩
LEPA在Prithvi-EO-2.0与Landsat-9共址影像对上预测嵌入时，因两传感器光谱响应函数不一致导致潜在流形局部坍缩，使几何等变性预测器输出嵌入的余弦相似度低于0.3
LEPA通过几何增强条件预测解决固定网格嵌入插值失真问题，在HLS数据内部验证有效；但其训练仅使用单一传感器源（HLS），未测试跨传感器（如Sentinel-2/Landsat-9）嵌入空间对齐能力。
NASA Earthdata云平台已提供Sentinel-2/Landsat-9共址产品（L2SP），支持按需生成双传感器嵌入；城市热岛研究需融合多源嵌入进行亚像元温度反演。
地理基础模型跨场景迁移的关键瓶颈
地理基础模型迁移到新城市、新尺度或新数据源时，关键瓶颈通常来自空间先验不足、标注差异和工具调用能力不稳定。
GISclaw作为全栈地理智能体，支持自然语言驱动的GIS工具调用；其评估聚焦于单步工具正确率与任务完成率，但未检验多步空间操作链中拓扑语义的累积漂移。
NARA：锚点条件化的关系感知异构地理实体上下文化方法 已经提供了可复用的变量、数据或模型入口，同时近期资讯说明现实需求已经出现，适合把问题往应用场景推进。
AlphaEarth嵌入维度在城市功能区识别中的功能冗余
AlphaEarth嵌入中专精于土地覆盖类别的64维子空间，在城市功能区（如商务区、居住区）识别任务中因忽略社会经济属性耦合，导致类别混淆率高于随机基线12个百分点
AlphaEarth可解释性研究确认其嵌入存在层级功能谱，其中2–4维专精于特定土地覆盖类别；但该结论基于全球尺度静态土地覆盖图（ESA CCI），未在城市尺度动态功能区划分任务中验证维度有效性。
UN-Habitat全球城市监测平台要求在30m分辨率下区分12类城市功能区，需复用AlphaEarth嵌入降低标注成本；OpenStreetMap中已标注超500个城市的功能区POI聚合面。
当前街景AI已能稳定输出建成环境属性与感知评分，但其泛化性、结构解释性、跨模态一致性及纵向可比性仍存在系统性缺口；大模型驱动的感知生成正从判别转向生成与解释，亟需在地理语义对齐、空间因果约束与实证效度之间建立新方法论支点。
城市感知指标在新场景中的稳定性边界
城市感知指标迁移到另一类社区、另一座城市或另一批人群后，最先失稳的通常是视觉变量定义、标签口径和空间背景差异。
已有工作证实虚拟角色影响LLM生成的合理性说明主题分布（arXiv:2605.29064v1），且感知标签预测在街景任务中已具备较高信度（arXiv:2604.21102v1）；但尚未验证：当解释性输出与标签输出不一致时，下游空间优化决策（如街道改造优先级排序）是否因解释偏差而系统性偏离真实人群感知分布。
城市规划部门正试点将VLM解释纳入公众参与报告生成流程，但缺乏对解释-标签耦合效度的评估标准；该问题填补了AI可解释性在地理决策链中的效度验证空白。
灾后合成街景对地面风险判断的偏差来源
卫星到街景的合成图像可以补足地面观测缺口，但在灾后快速评估中未必能稳定保留关键破坏细节，因此风险判断可能出现系统偏差。
场景图方法已在多个温带城市验证其跨城泛化能力（arXiv:2512.19221v1），但原始实验未覆盖高植被覆盖率、低建筑密度与强季节性降水干扰的滨海城市；现有街景数据增强策略（如CutMix）无法模拟真实尺度下的枝叶动态遮挡。
卫星到街景：基于生成式视觉模型从卫星影像合成灾后街景视图 与 从像素到谓词：基于场景图的都市感知结构化 已经提供了可复用的变量、数据或模型入口，这使得问题不再停留在概念层面，可以直接构造成小规模验证。
街景图像对视觉对齐误差导致纵向感知漂移
PairWise Image Finder工具虽能量化图像对视觉对齐质量，但其语义掩膜对齐度指标未区分功能等价区域（如人行道）与非功能区域（如天空），导致在纵向感知变化分析中，人行道涂鸦增减被天空云量变化掩盖，引发感知趋势误判。
PairWise Image Finder已实现图像对匹配关键特征比例与语义掩膜对齐度的联合输出（arXiv:2606.08795v1），但其掩膜权重默认均一；而城市感知指标（如安全感、活力感）对地面功能要素变化敏感度远高于天空背景变化。
PairWise Image Finder：一种面向城市感知研究的开源街景图像对视觉对齐查找工具 已经提供了可复用的变量、数据或模型入口，同时近期资讯说明现实需求已经出现，适合把问题往应用场景推进。
街景感知指标对行为差异的解释边界
街景感知指标可以描述城市体验，但它解释的究竟是行为与健康差异，还是社会经济差异的替代变量，仍然需要进一步辨析。
Satellite-to-Street View方法已在结构感知评估框架下完成基准测试（arXiv:2603.20697v1），但评估聚焦几何保真度与语义完整性，未引入人类感知层面的物理合理性判据；现有VLM评估（arXiv:2604.21102v1）亦未将物理约束作为独立维度。
利用多模态大语言模型（Multimodal LLMs）从街景影像评估建成环境与住宅属性 与 卫星到街景：基于生成式视觉模型从卫星影像合成灾后街景视图 已经提供了可复用的变量、数据或模型入口，这使得问题不再停留在概念层面，可以直接构造成小规模验证。
Vision2Slope 对城市感知的解释边界
街景感知指标可以描述城市体验，但它解释的究竟是行为与健康差异，还是社会经济差异的替代变量，仍然需要进一步辨析。
利用多模态大语言模型（Multimodal LLMs）从街景影像评估建成环境与住宅属性 已经说明街景或建成环境变量可以用于解释城市感知、行为或健康差异，Vision2Slope：利用街景图像估计城市道路坡度 进一步补充了跨城市或跨人群的应用场景。
交通运输部正在推进‘智慧公路感知底座’建设，要求坡度信息支撑车路协同调度；该问题直指街景物理量估计算法在真实交通场景中的部署瓶颈。