Feb, 2024
城市计算中的跨域数据融合深度学习：分类、进展和展望
Deep Learning for Cross-Domain Data Fusion in Urban Computing: Taxonomy, Advances, and Outlook
Xingchen Zou, Yibo Yan, Xixuan Hao, Yuehong Hu, Haomin Wen...
TL;DR城市计算是一门关键学科，通过整合来自不同领域和模式（如时空、视觉和文本模式）的多源（如地理、交通、社交媒体和环境数据）跨领域数据融合，可为可持续发展提供支持。最近，我们观察到在智能城市中利用各种深度学习方法促进跨领域数据融合的趋势逐渐增长。为此，我们提出了第一份系统综述，对专为城市计算定制的基于深度学习的数据融合方法的最新进展进行了系统回顾。与以往综述相比，我们更关注深度学习方法与城市计算应用之间的协同作用。此外，我们还展望了大型语言模型（LLMs）与城市计算之间的相互影响，并提出了可能会改变该领域的未来研究方向。我们坚信，我们的综述所勾勒出的分类系统、进展情况和前景将会显著丰富研究社区。