将时空视觉Transformer集成到校园环境的高精度热应激预测数字孪生体中
计算机视觉与模式识别
2025-09-22 v2
摘要
极端热事件因气候变化而加剧，对城市韧性和规划构成重大挑战。本研究引入基于时空视觉Transformer(ST-ViT)的气候响应数字孪生框架，以增强热应激预测和决策。以德克萨斯大学校园为测试平台，我们将高分辨率物理模型仿真与空间和气象数据融合，以开发细粒度的人体热力预测。ST-ViT驱动的数字孪生体为规划者和利益相关者提供高效、数据驱动的见解，支持针对性的热减缓策略，推动气候适应性城市设计。该校园规模演示为未来在更广泛和更具多样性的城市语境中应用奠定了基础。
引用
@article{arxiv.2502.09657,
title = {Integrating Spatiotemporal Vision Transformer into Digital Twins for High-Resolution Heat Stress Forecasting in Campus Environments},
author = {Wenjing Gong and Xinyue Ye and Keshu Wu and Suphanut Jamonnak and Wenyu Zhang and Yifan Yang and Xiao Huang},
journal= {arXiv preprint arXiv:2502.09657},
year = {2025}
}
备注
Revised version after peer review (minor revision)