收集20+時空數據集，超1.3億樣本點，清華研究團隊基于生成式AI，提出3種城市復雜系統建模方法

AIGC動態歡迎閱讀

原標題：收集20+時空數據集，超1.3億樣本點，清華研究團隊基于生成式AI，提出3種城市復雜系統建模方法
關鍵字：模型,數據,系統,城市,建模
文章來源：HyperAI超神經
內容字數：0字

內容摘要：

作者：丁璟韜，李姝
編輯：李寶珠
在 HyperAI超神經聯合出品的 COSCon’24 AI for Science 論壇中，來自清華大學電子工程系城市科學與計算研究中心的博士后研究員丁璟韜帶來了深度分享，以下為演講精華實錄。被譽為城市復雜系統研究先驅之一的 Michael Batty 曾在其著作中表示，「城市本質上是復雜適應系統，其結構和功能不斷演變，呈現出高度的非線性和自組織特征」。隨著現代化城市的不斷發展，城市系統的復雜性日益增加。
這種復雜性使得傳統的建模方法難以應對，而伴隨著生成式 AI 技術的發展，生成式建模作為一種新興的技術手段，正逐漸成為研究和理解城市系統的重要工具。城市復雜系統的生成式模型不僅能模擬城市結構的演變，還能夠生成創新性的城市規劃方案，為智慧城市和可持續發展提供了新的思路。
聚焦國內，城市復雜系統的生成模型研究近年來取得了顯著進展，多個高校和科研院所研究成果頗豐。
近日，在 HyperAI超神經聯合出品的 COSCon’24 AI for Science 論壇中，來自清華大學電子工程系城市科學與計算研究中心的博士后研究員丁璟韜，以「AI 驅動的城市復雜系統

原文鏈接：收集20+時空數據集，超1.3億樣本點，清華研究團隊基于生成式AI，提出3種城市復雜系統建模方法