本文提出了一种基于CRESIv2方法的城市级别道路提取和路线计算方法，该方法包含语义特征识别以及道路速度限制和行车时间的计算，旨在优化路线计算而非简单的最短路径距离。实验证明，该方法在使用SpaceNet数据集的训练和测试数据时优于使用OpenStreetMap标签的方法60%以上，并通过度量平均路径长度相似度（APLS）和地图拓扑（TOPO）等指标对算法的性能进行了评估。

Aug, 2019

利用深度学习方法构建决策支持系统，通过调整公共交通特定时间段的路线以提高运输效率和可靠性。

Aug, 2023

利用OpenStreetMap (OSM)作为长期动态预测的替代方案，取得了竞争力的表现，并在不同场景中进行了深入分析，为自动驾驶中的长期动态预测提供了潜在可扩展的解决方案。

Nov, 2023

我们开发了一个开源数据处理管道，用于处理从车载摄像头记录的360度视频数据，生成街景图像，为时序分析提供输入，并通过对行人交通的统计分析验证了数据处理管道的输出。这项研究展示了收集和使用街景图像数据在研究中的可行性和价值，并在室外行人交通模式方面提供了新的见解。

Jan, 2024

GeoDecoder是一个专门为处理地理空间信息的多模态模型，通过利用GaoDe Amap作为底图，该模型具有对道路、建筑形状、相对位置和其他属性的重要细节的隐含理解，同时能够接受各种上下文文本和问题提示，并生成符合GPT风格的文本输出，在单个模型中进行多个任务的训练和执行，并能在不同商业场景中高效应用各种地理空间任务。

Jan, 2024

本研究首次提出了基于自然语言描述的开放领域城市行程规划（OUIP）任务，结合大型语言模型和空间优化技术，实现根据用户需求定制城市行程，通过离线数据集与在线主观评估，证明该系统能够提供比当前基于大型语言模型的解决方案更具响应性和空间一致性的行程规划。

Feb, 2024

通过结合编码-解码架构和卫星图像的形态学运算，我们开发了一个系统的道路提取框架，为跨学科研究人员提供了一种集成的工作流。在贫困地区的实际数据上进行的道路网络提取的大量实验证明，相比于基准方法，F1得分提高了42.7％，重建了大约80％的实际道路。我们还提出了一个全面的道路网络数据集，涵盖了中国382个贫困县约794,178平方公里的面积和17.048万人口，利用这个生成的数据集进行了贫困县的社会经济分析，结果显示道路网络建设对地区经济发展有积极影响。

Jun, 2024

该论文通过分析当前的机器学习方法在更新地图方面的应用，提出了DeepMapper作为未来推进自动在线地图更新过程的实际解决方案，并确定了一些关键的研究空白。

Jun, 2024

本研究通过对大型语言模型在公共交通系统中的整合对城市交通管理和乘客体验进行了重大突破的研究。通过利用自然语言处理、数据分析和实时通信的能力，利用GTFS和其他公共交通信息，研究突出了大型语言模型在优化路线规划、减少等待时间和提供个性化旅行帮助方面的潜力。我们的案例研究是圣安东尼奥市的一部分项目，旨在展示大型语言模型如何优化资源分配、提高乘客满意度并支持交通管理决策过程。我们评估了大型语言模型对信息检索和理解相关问题的回答。最终，我们认为在公共交通系统中采用大型语言模型可以实现更高效、响应更及时、用户友好的交通网络，为其他城市搭建了一个模型。

Jun, 2024

本研究针对现有交通预测模型在零-shot预测和长期准确性方面的不足，提出了一种新型基础模型OpenCity。该模型结合了Transformer架构和图神经网络，能够有效捕捉和归一化多样交通数据中的时空模式，具有卓越的零-shot预测性能，促进了城市交通预测的普适性和适应性。

Aug, 2024