在研课题

在研课题 | 多模态时空信息融合驱动的网约车动态区域划分与供需预测

近年来,随着移动互联网普及与城市化进程加快,网约车出行已成为城市交通体系的重要组成部分。网约车平台的高效运营依赖于对供需关系的精细化时空感知与预测,预测精度直接影响调度合理性与服务质量。供需预测中,时空因素至关重要:一方面,城市空间受路网分隔与行政边界制约,规则格网划分难以贴合真实路网且未顾及时段动态特性;另一方面,大型活动与极端天气等外部事件对局部供需具有突发性影响,依赖单一时序数据的模型难以刻画此类非平稳扰动。

在研课题 | 地理大模型驱动的乡村人居环境评价模型

随着乡村振兴战略的深入实施，乡村人居环境质量成为衡量乡村高质量发展的重要指标。然而，当前乡村人居环境评价仍面临数据来源分散、指标体系不统一、主观感知难量化等问题，难以支撑精细化的规划与治理决策。因此，亟需构建面向多源异构数据的综合评价体系，并探索利用智能大模型实现对乡村环境的自动解译、感知评估与优化建议生成。本项目结合“空–天–地”一体化的多源数据与深度学习技术，拟重点开展以下研究：

在研课题 | 融合多因子决策与情景规划的不规则面状选址模型研究

随着城市化的快速推进，城市用地选址面临功能错位、布局零散、生态冲突等多重挑战，严重影响土地利用效率和空间适配性。因此，如何科学构建融合经济发展、生态保护与土地集约利用等多目标协同优化的选址模型，并在此基础上实现地块适宜性评估与空间配置优化，对提升土地资源利用效能、协调建设与生态关系、支撑城市可持续发展具有重要意义。

在研课题 | 武进乡村画像

武进乡村画像是由中国地质大学（武汉）UrbanComp位置智能和城市感知实验室与常州市武进规划勘测设计院合作开展的研究课题。基于矢量数据、清单数据、村景照片与问卷调查等多源数据，构建多维度的村庄画像指标体系，实现对武进区城镇建成区外自然村的基于镇村布局规划的村庄分类。本研究将为武进区乡村规划和管理提供新的技术手段和决策支持，促进乡村的可持续发展。

在研课题 | 人地协同的城市动态社区发现模型与韧性评估

精准划分动态社区揭示城市空间结构演变规律，指导韧性城市建设。然而，现有算法忽视城市空间中的人地特征和长期历史信息，评估城市韧性的方法亦不完善。本项目提出顾及人地协同的城市动态社区发现模型，以精准识别动态社区并评估社区韧性。通过因果推断挖掘人地关联，深度表征多模态数据，建立动态社区发现模型，融合多维度空间特征和时序信息，构建社区韧性指标，实现韧性定量评价，为优化资源配置和应急响应提供依据。

在研课题 | Resilience patterns of multiscale human mobility under extreme rainfall events

This research presents a framework utilizing massive individual trajectory data to dissect resilience patterns of human mobility across scales. The framework includes the following components: 1) Quantifying human mobility and resilience levels. 2) Extracting resilience patterns and their spatial heterogeneity. 3) Explaining differences in resilience patterns through social factors. This study will be analyzed in the context of Japan experiencing an extreme rainstorm event, with the Japanese metropolitan area as the study area.