本次研究主要通过利用纳米卫星定量测量中国 50km2 以上城市中树木的覆盖面积，发现在 2010 年至 2019 年间，中国城市绿化覆盖面积增加了，尤其是在大城市如北京和上海，但其实施存在着不平等情况。

Jul, 2023

通过使用生成型人工智能及图像修补算法，本研究提出一种方法来解决城市地区的绿地不足问题，突出显示新兴技术在塑造城市干预规划过程中的转型潜力。

Apr, 2024

该研究旨在展示运筹学工具的应用，以改善城市公园的可达性、分布和设计，并通过空间交互模型对用户行为进行高级评估，实现公平设施位置和设计模型。该模型的第一阶段是基于数据暴露的不平等属性，利用最优城市预算分配到街区中。第二阶段旨在为每个街区寻找公园的最佳位置和设计，并优化总体期望访问公园的概率。该研究以蒙特利尔市为例，展示了公平设施位置和设计模型的表现，并通过比较结果进行详细讨论。

Mar, 2023

全球建筑分布与太阳能利用及全球社会经济需求和驱动因素的关系分析。

Apr, 2024

通过利用神经网络模拟不同时间尺度上的平均辐射温度，我们研究了优化城市中树木位置的挑战及相关效果，旨在帮助决策者、城市设计师和规划者主动有效地评估利用城市树木缓解热应激的潜力。

Oct, 2023

研究使用谷歌地图的航空影像生成标记的城市树木数据集，并探讨现代深度卷积神经网络模型如 VGG 和 ResNet 在不同参数下处理城市树木航拍图像分类问题的方法和效果，研究结果表明，最佳模型在 6 种树种上平均准确率达到了 60％以上。

Jul, 2021

为了解为什么城市中心和郊区居民的出行行为不同，以可持续的城市规划为主旨。特别是在城市迅速增长的背景下，识别能够减少出行需求和 CO2 排放的住房位置对于缓解气候变化至关重要。尽管建筑环境起着重要作用，但对于出行行为的精确影响却被居民自我选择所掩盖。为了解决这个问题，我们提出了一种双重机器学习方法，通过控制居民自我选择，可以获得每个社区建筑环境对出行相关 CO2 排放的无偏空间显性估计。我们还研究了社会人口统计特征和与出行相关的态度如何调节这种影响，并对其在建筑环境的 5 个维度上进行了分解。基于柏林的实地案例研究和 3.2 万名居民的出行日记，我们发现建筑环境导致了柏林市中心和郊区社区之间家庭出行 CO2 排放几乎相差两倍。为了突出城市气候减缓的实际重要性，我们评估了 64,000 套新住宅单元的当前计划对总体诱导交通 CO2 排放的影响。我们的研究结果强调了在建筑发展方面空间差异化紧凑型发展的重要性，以减少运输领域的碳排放。

Dec, 2023

利用人工智能算法推动生成设计的发展在迅速进行。当前研究存在两个研究空白：1）大多数研究只关注设计元素之间的关系，对场地的外部信息关注较少；2）GAN 和其他传统的生成算法生成的结果分辨率低，细节不足。为了解决这两个问题，我们结合了 GAN、稳定扩散多模态大规模图像预训练模型，构建了一个全过程公园生成设计方法：1）首先构建高精度遥感目标提取系统，自动提取城市环境信息；2）其次，利用 GAN 构建基于外部环境的公园设计生成系统，可以从城市环境信息中迅速推断和生成设计方案；3）最后，引入稳定扩散来优化设计方案，填充细节，并将方案的分辨率扩大 64 倍。这种方法可以实现完全无人化的设计自动化工作流程。研究结果表明：1）场地内外的关系将影响算法生成结果；2）与传统的 GAN 算法相比，稳定扩散显著提高了生成结果的信息丰富度。

Dec, 2023

本研究提出了一种基于深度学习技术的公园空间生成设计系统，能够根据景观元素的拓扑关系快速生成满足设计师视角的空间绿化方案，同时实现对生成的三维模型进行分析和可视化，提高系统的互动性。

Apr, 2024

本文提出了一种半监督框架，利用多模态遥感数据在大规模城市区域中识别每个建筑物的功能。研究结果表明，在中国上海的 1,616,796 座建筑中，所生成的功能地图实现了 82% 的 OA 和 71% 的 Kappa，具有支持大规模城市管理和可持续城市发展的潜力。

May, 2024