全量最新条目
按入库时间从新到旧查看资料库更新，支持筛选论文、资讯、数据集、项目与工具。
当地机构表示，洛杉矶市及县的资金削减是今年无家可归人数增加的主要原因。
出版日期：2026年10月1日 来源：《可持续城市与社会》（Sustainable Cities and Society），第149卷 作者：Ida Maria Bonnevie
出版日期：2026年10月1日；来源：《可持续城市与社会》（Sustainable Cities and Society），第149卷；作者：Oluwasola O. Ademulegun、Damian Flynn、Bukola Oni、Motasem Bani Mustafa、Adekanmi M. Adeyinka、Eustache Uwimana、Neil J. Hewitt
数据质量（Data Quality）指联邦汽车运输安全管理局（FMCSA）用于评估、监测和提升各州向机动车承运商管理信息系统（MCMIS）提交的数据质量的相关资源。
攻击者远程访问了七个州的供水系统中的工业控制器。专家警告称，此次攻击活动揭示了一种普遍存在且亟待解决的脆弱性。
出版日期：2026年10月1日；来源：《可持续城市与社会》（Sustainable Cities and Society），第149卷；作者：Tobi Eniolu Morakinyo、Iyanuoluwa Fatunmbi、Lazaro Eliyah Mngumi、Elinorata Mbuya、Francesco Pilla、Oluwafemi Benjamin Obe、David Bassey、Modest Baruti
地球静止轨道（GEO）承载了全球大部分卫星通信收入。国际电信联盟（ITU）通过各国主管部门协调并登记频率指配及相应轨道位置，但未就经度位置设定市场价格或产权凭证。本文探讨商业运营商在此行政管理体制下如何在GEO中进行卫星定位。借助空间排序模型，我们发现商业卫星的部署数量与某一GEO经度下方可触达收入成正比，并按空间折现率依观测角予以折现。我们估计的部署弹性接近1，即某一经度上方的卫星数量随其可触达收入同比例增长。相比之下，政府卫星的部署则与某一GEO经度所覆盖的人口规模成正比。我们通过实证验证了该商业模型：基于2012年部署数据估计的参数能较好预测2021年的分布；且该模型拒绝将中国GDP全部视为国际商业卫星舰队的可触达市场。反事实分析表明，低地球轨道（LEO）系统的竞争可能使GEO使用重心向亚太地区倾斜，而更高的空间折现率则可能使GEO使用进一步集中于高GDP国家。
本文将新经济地理学中的核心—边缘模型（Core-Periphery model）加以拓展，该模型原本仅考虑由地区间实际工资差异所驱动的工人单向迁移；拓展后新增了由地区间实际利润差异所驱动的企业迁移。在此双重迁移模型中，解的行为在定性上与单迁移模型相似：1）空间上均匀的人口分布变得不稳定，最终形成若干个城市，其中企业与工人共同集聚；2）随着运输成本下降，城市数量减少。这些结果为单迁移模型的应用提供了更一般的理论依据。
研发数据库提供车辆碰撞测试数据、生物力学测试数据和零部件测试数据，以支持美国国家公路交通安全管理局（NHTSA）的机动车与交通安全目标。
随着可步行城市环境的重要性在全球范围内持续受到关注，“Hatmachida”成为一项务实的城市策略：它在一条主干道的街角嵌入一座仅22.7平方米的微型建筑干预，以此激发公共活动。该项目通过在城市肌理中刻意置入一个体量微小却富有活力的存在，力求在周边区域引发连锁效应。这种依托长期使用而不断演进的建筑实践，挑战了传统城市更新范式，并为未来城市塑造提出了一种替代性模式。
出版日期：2026年10月1日；来源：《可持续城市与社会》（Sustainable Cities and Society），第149卷；作者：董文、王兴宝、周汉星、张悦、黄银成、徐凯、黄东明、刘东、张静、程天亮、陈健、王建武、任远
研发数据库（R&D Database）提供车辆碰撞测试数据、生物力学测试数据及部件测试数据，以支持美国国家公路交通安全管理局（NHTSA）的机动车与交通安全目标。
该项目位于曼谷郊区，地处一个被新建公共道路分割的村落之中，使原本宁静的区域转变为喧嚣的城区。这座建成30年的住宅受泰国早期现代主义风格影响，具有分隔式房间布局、复杂的歇山顶以及木质构件；因城市化干扰导致隐私性、安全性及绿化空间丧失，亟需改造。
出版日期：2026年9月15日；来源：《可持续城市与社会》，第148卷；作者：李志星、苏艳军、王宗贤、田蜜
人类世的一个核心挑战在于将物理地球系统与人类社会建模为一个耦合系统，然而目前尚无学习所得的表征能够覆盖二者在观测尺度上的全部广度。我们认为其根本障碍在于几何结构差异：物理地球以忽略政治边界的连续场形式被测量，而社会数据则按行政单元（如国家）上报。现有地球系统基础模型适配前一种几何结构；将其与后一种几何结构耦合时，不得不依赖有损的边界平均操作。本文提出 TerraNova——一种在原始几何结构下训练的基础模型，输入包含 1,024 类物理与社会记录：其中 512 类为格网化地球系统场，另 512 类为国家级指标。专用编码器分别表征位置、国家、时间和任务；跨模态 Transformer 将其融合为统一的时空状态；超网络则为每个查询生成专属解码器，其证据性输出头返回预测分布。该表征通过两项对比学习目标实现耦合：一是基于人口加权的国家与其境内地理坐标的对齐；二是与预训练的、承载图像语义的地理空间嵌入对齐。经该解码器读出后，该表征在性能上可媲美专用于地理空间任务的编码器，同时拓展了后者未涵盖的维度（时间、海洋及不确定性），并支持国家级别的建模能力。冻结主干网络可在消费级硬件上数分钟内完成从稀疏观测重建稠密场，并快速适配至未见变量。
遥感场景分类正日益依赖于在大规模地球观测数据上预训练的基础模型。此外，传递式推理（transductive inference）——即利用整个未标记查询集的整体统计结构——天然契合遥感处理流程，因为在该流程中，大尺寸遥感影像通常被切分为图像块并以批处理方式联合推理。本文提出 LC-TIM（Locally Consistent Transductive Information Maximization），该方法在当前最优的面向少样本 CLIP 的传递式信息最大化（TIM++）目标函数基础上，引入一个局部一致性正则项，强制每个查询样本与其在特征空间中的 $κ$ 个最近邻样本的预测结果保持一致。该正则项以单一乘性因子形式嵌入闭式 $q$-更新中，仅带来可忽略的计算开销。我们进一步提出一种多源扩展方案，融合多个遥感基础模型生成的亲和图（affinity graph），从而进一步提升分类精度。为评估所提方法，我们构建了首个面向传递式少样本遥感场景分类的全面、开源基准，涵盖十个多样化数据集、两种遥感视觉-语言模型以及多种少样本设定，对 LP++、TransCLIP、TIM++ 和 LC-TIM 进行系统评测。实验表明，传递式方法始终优于零样本基线；LC-TIM 达到当前最优分类精度，尤其在低样本量（low-shot）情形下增益最为显著——此时邻域线索最具判别性。代码已开源：https://github.com/elkhouryk/LC-TIM
《乘客出行事实与数据》由美国运输统计局（Bureau of Transportation Statistics, BTS）编制，概述了美国个人出行的特征与趋势、乘客出行所依托的交通网络，以及与乘客出行相关的经济、安全和环境等方面。本数字版包含交互式图表与表格、定期内容更新，以及开放且可访问的数据。该出版物的电子版可通过 www.bts.gov 获取。
美国国家航空航天局（NASA）于7月13日向Intuitive Machines公司交付NavCube3-mini载荷，该载荷将集成至该公司首颗月球中继卫星Altus-1，标志着未来月球通信与导航服务开发的重要里程碑。此类月球中继系统旨在为NASA未来月球基地开展作业的宇航员及巡视器提供通信与导航支持。NavCube3-mini体积约为鞋盒的一半，重量仅3.5磅，是一款紧凑而功能强大的导航[…]
先进空中交通（Advanced Air Mobility, AAM）代表了城市交通的范式变革；然而，其成功实施高度依赖公众接受度，而低空电动垂直起降（electric vertical takeoff and landing, eVTOL）运行所产生的噪声已成为主要关切。现有研究通常采用A计权声级（LAeq）和昼夜平均声级（Ldn）等声学指标描述eVTOL噪声。本研究构建了一个基于地理信息系统（Geographic Information System, GIS）的框架，将eVTOL声学输出转化为表征高度烦恼人群比例（%HA）的空间分布图，案例为美国阿肯色州西北部一条典型医疗物资配送航线。结果表明，噪声与烦恼度总体随距航线距离增加而递减，其中下降阶段引发的烦恼度最高，其次为爬升阶段和巡航阶段。通过整合美国人口普查（Census）人口数据，估算高度烦恼个体数量并识别空间影响热点区域。进一步将噪声-烦恼度结果与航线距离及空域因素相结合，评估备选航线方案，识别兼顾多方需求的均衡路由策略。该框架将声学评估与人类主观响应相衔接，支持噪声敏感区域识别、航线方案比选以及社会可持续的AAM基础设施规划。
卫星数量的持续增长提升了地球观测的时间分辨率，使基于卫星的洪水制图成为业务化洪水监测的一项有前景的方法。作为地理空间人工智能（GeoAI）的重要应用，基于深度学习的卫星影像洪水制图方法通过从海量遥感数据中学习复杂的空谱模式，展现出更优的预测性能。然而，深度学习模型决策过程的不透明性仍是其融入关键科学与业务工作流的主要障碍。这凸显了系统评估模型解释是否符合既定遥感领域知识的必要性。为填补这一研究空白，本研究提出了ADAGE（领域知识与GeoAI解释对齐评估，Alignment between Domain Knowledge and GeoAI Explanation Evaluation）框架。该框架旨在系统评估深度学习模型解释与既定遥感知识（特别是地表独特光谱特性）之间的对齐程度。ADAGE框架采用通道分组SHAP（SHapley Additive exPlanations）方法，估算分组输入通道对像素级预测的贡献。在两项基于卫星的洪水制图任务上的实验表明，ADAGE框架能够：（1）定量评估模型解释与基于领域知识生成的参考解释之间的对齐程度；（2）借助所提出的对齐分数，辅助领域专家识别未对齐的解释。本研究有助于弥合GeoAI在地球观测中可解释性与领域知识之间的鸿沟，提升其应用可靠性。