城市之光 – City of Light

From Mobility to Building Functions in Tokyo

研究成果

Title: From human mobility to building functions: A deep learning approach for urban building classification in Megacity Tokyo

Representation learning for geospatial data

研究成果

Title: Representation learning for geospatial data

Optimizing 3D Urban Landscapes to Mitigate UHI Under SSPs

研究成果

Title: Optimizing urban three-dimensional landscapes in potential development areas to mitigate urban heat island effect under shared socioeconomic pathways

讲座报告 | 人类数据驱动社会问题求解：产学合作的新路径

新闻通知

柴崎亮介教授，中国政府友谊奖获得者，日本东京大学荣誉教授，日本丽泽大学副校长，日本工学部部长。曾担任亚洲GIS协会主席，日本GIS协会主席，日本内阁府和首相官邸资深顾问专家，日本国家空间技术战略发展委员会委员，主持了日本地理空间信息应用基本法的编制。柴崎亮介教授长期致力于空间环境信息的数据获取、管理应用、国际标准化、智能交通及智能车辆信息处理等研究，其研究室专注于遥感、GIS、计算机等多学科交叉领域。

Real-time multi-depot logistics optimization via Transformer-based DRL

研究成果

Title: Real-time multi-depot urban logistics optimization in megacities via transformer-based deep reinforcement learning

资料下载 | 城市智能表征、监测和模拟的理论和模型

资料下载

智慧城市是城市治理体系和治理能力现代化的必然要求。城市智能表征（向量化和关键指标提取）、监测（复杂网络和时空动态数据建模）和模拟（长时期土地利用模拟）作为核心技术，旨在利用多源异构时空大数据，精准刻画城市多维特征，实时监测城市运行状态，动态模拟城市发展趋势。这些能力不仅支撑城市运行规律的深度认知和风险预判，更推动全生命周期管理的优化。通过构建多尺度表征模型、动态监测网络和时空模拟系统，可精准解析城市空间特征、实时追踪人流交互、推演未来用地演变。智慧城市的全面建设，需突破“高精度特征提取、动态关联建模、长时序推演”等关键技术瓶颈，最终实现城市治理的科学化、精细化和智能化转型。