本研究通过分析大量 Foursquare 用户的数据，研究了全球多个大都市的城市移动性模式，发现了影响城市人类移动的关键因素：原地和目的地之间的地点数量，而非纯物理距离，经过排名计算的移动模型可以准确地捕捉不同城市的真实人类移动，这为城市规划、基于位置的广告甚至社会研究提供了新的启示。

Aug, 2011

本文提出一种基于自动分析社交媒体上大规模数据集的方法，以推断出文化地区，并发现了在美国社交媒体中明显的文化地区和定义它们的讨论主题。

Aug, 2022

提出一个基于 PrefixSpan 方法的可视化人类活动模式的网络平台，可对单个用户和城市规模下的用户进行活动模式的可视化，可用于智慧城市、交通管理等方面。

May, 2023

本研究探索了多模态数据分析中感知和认知相互作用之间的复杂关系，特别强调了海外华人园林的空间体验设计。通过分析社交媒体中的评价内容和图像，发现其可以反映个体的关注和情感反应，为认知研究提供了富含情感和图像认知信息的数据基础。利用深度学习技术，我们分析社交媒体中的文本和视觉数据，揭示了海外华人园林背景下人们感知和情感认知之间的关系。此外，本研究引入多智能体系统 (MAS) 和 AI 智能体，通过对话场景模拟和网络搜索，探索审美认知规律。本研究通过直接分析文本和深入挖掘意见数据，超越了将感知转化为情感评分的传统方法，为研究方法论的扩展提供了一种可能。该研究为了解跨不同文化背景下建筑与景观设计的审美体验及其影响提供了新的视角，对文化传播和审美理解领域具有重要贡献。

Dec, 2023

通过对手机数据进行聚合和分类，结合遥感技术，建立了一种半监督模糊 c 均值聚类方法，以推断城市用地类型，可以有效地提供城市规划及用地分类的更多信息。

Oct, 2013

利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

Apr, 2017

本文讨论了通过 WeChatNet 数据集，对移动社交网络的信息传播、网络流量预测以及人口分布进行数据分析的研究，并探讨了使用该数据集进行新应用程序开发的潜在研究机会。

Oct, 2017

通过我们的研究，我们引入了一种基于图形的物理感知深度学习框架，揭示了城市社区中固有的错综复杂的重叠性质。通过对美国明尼苏达州双子城都市区（TCMA）的个体移动电话定位数据的分析，我们的研究发现，95.7% 的城市功能复杂性源于工作日社区结构的重叠。值得注意的是，我们的研究不仅量化了这些重叠，还揭示了它们与收入和种族指标之间引人注目的相关性，揭示了美国城市中复杂的隔离模式。作为首次阐明城市社区重叠本质的研究，这项工作提供了一种独特的地理空间视角，突出了城市内社会经济动态的微妙相互作用。

Jan, 2024

该研究利用非负张量因式分解和 HypTrails 贝叶斯方法将 Foursquare 和人口普查数据应用于曼哈顿出租车数据，以探索和解释人类流动的不同模式，证明人类流动不是一维的，而是包含时间和空间上的不同方面。

Jan, 2016

利用卷积神经网络从大规模的人类认知感知数据集中学习，在全球范围内量化城市环境感知现象的关系。

Aug, 2016