通过使用计算机视觉技术中的智能交通监控系统并结合闭路电视（CCTV）摄像头的方法，自动检测行人或车辆的存在并控制 LED 路灯的亮度，从而使路灯在其不需要亮度的情况下降低其亮度，以避免能源浪费和降低成本。该方法的优点是简单，高效，耐久且比传统方法更有弹性。

Sep, 2022

本文介绍了使用卷积神经网络和高分辨率卫星影像监测电气化进程的技术，并且结合建筑位置，类型和电气化状态进行评估，得到了 92% 的识别电气化地区准确率，80% 的估算有住宅的电气化建筑数量准确率和 78% 的总体建筑数量估算准确率。

Oct, 2022

在能源公正领域，通过针对能源公正进行反事实因果分析，我们发现经济困难地区存在不公正现象，表明电力系统存在现有的偏见，同时也突出了这些领域需要有针对性的改进。

Oct, 2023

灾害管理是一个极具潜力的研究领域，因为它对经济、环境和社会产生了重大影响。本研究重点分析与灾害管理相关的各种数据（卫星图像和推特数据），以深入分析按地理位置分组的紧急需求。通过两个阶段的研究，分别是卫星图像分析和推特数据分析，最后利用位置进行整合。利用基于 U-Net 架构的多类土地覆盖分割技术对地点进行灾后卫星图像分析是第一个阶段。第二个阶段侧重于为救援行动提供有关灾情和紧急需求的重要信息的地图绘制。通过使用与该地点相关的关键词，筛选出严重受灾地区，并提取推特数据。通过基于内容词的推特摘要（COWTS）技术从大量原始推特中提取情境信息。将这些模块实时整合，利用基于位置的地图绘制和频率分析技术，在发生灾害的情况下收集多维信息，例如对喀拉拉邦和密西西比州洪水进行了测试和验证。本研究的创新之处在于应用分割的卫星图像进行灾害救援，通过突出土地覆盖变化，并通过地区特定的筛选器整合推特数据，获取灾害的完整概览。

Nov, 2023

本文提出了一种数据驱动方法来检测夜间卫星数据（NTL）中的城市变化，通过使用神经网络来预测过去的数据记录，比较模型预测与观察到的 NTL，采用异常检测方法来检测城市变化方向和程度，从而实现了从大规模未标记数据中高效地检测城市的变化过程。

Jun, 2023

运用社交媒体和统计模型，本研究分析了纽约市的推文，发现性别、族裔、邻里交通等因素会影响个人对交通可达性的认知，而亚洲族裔和空气污染也与社会经济不平等有关。然而，对于弱势群体而言，缺乏网络可访问性可能是不善于表达交通可达性问题的原因之一。

Jan, 2024

基于深度学习的条件和无条件 MLP 模型，利用公开数据源中的气象数据、气象站位置、电力基础设施地图、社会经济和人口统计数据以及停电记录，预测了每个人口普查区的停电概率，并强调了社会经济因素在提高人口普查区停电预测准确性方面的重要性。

Apr, 2024

本文通过利用多源数据，包括用户用电记录、地区因素和气候因素，提出一种识别电力盗窃行为的新型分层框架。实验表明，该框架能够在电力盗窃检测方面达到最佳性能，并已成功应用于中国国家电网，并在杭州的现场调查中使用，精度达到 15%。

Jan, 2020

基于大数据和神经网络，本文建立了一个模型来预测智能城市中的电力消费，并构建了评估模型来确定电力消费的核心特征值。

Sep, 2023

通过图神经网络技术加快网络条件的初步分类和感知的方法，提高了黑暗规模估计性能，为筛选可能导致灾难性级联故障的情况提供了一种新的工具。

Mar, 2024