面向气候抗韧住宅的城市时空基础模型：扩散变换器规模化用于灾害风险预测
机器学习
2026-02-09 v1 人工智能
摘要
气候灾害日益干扰城市交通和应急响应运营，损毁住宅设施、降低基础设施水平并减少网络可达性。本文提出 Skjold-DiT，一款扩散-变换器框架，整合异构时空城市数据，以预测建筑水平的气候风险指标，同时显式融合交通网络结构和可达性信号，适用于智能车辆（如紧急可达性和疏散路线约束）。具体而言，Skjold-DiT 通过产出校准、具备不确定性感知的可达性图层（可达性、旅行时间膨胀和路径冗余度），可被消费于智能车辆路由和应急调度系统。Skjold-DiT 结合了：(1) Fjell-Prompt，一种支持跨城市迁移的提示基条件界面；(2) Norrland-Fusion，一种统一危害图/影像、建筑属性、人口统计和交通基础设施的跨模态注意力机制；(3) Valkyrie-Forecast，一种用于生成在干扰提示下概率风险轨迹的反事实模拟器。我们引入了包含 847,392 条建筑水平观测数据的波罗的海-卡斯蒂加尔城市韧性 (BCUR) 数据集，涵盖六个城市，包括多灾害标注（如洪涝和热指标）和交通可达性特征。实验评估预测质量、跨城市泛化、校准以及下游交通相关结果，包括可达性和在反事实干扰下的灾害条件旅行时间。
引用
@article{arxiv.2602.06129,
title = {Urban Spatio-Temporal Foundation Models for Climate-Resilient Housing: Scaling Diffusion Transformers for Disaster Risk Prediction},
author = {Olaf Yunus Laitinen Imanov and Derya Umut Kulali and Taner Yilmaz},
journal= {arXiv preprint arXiv:2602.06129},
year = {2026}
}
备注
10 pages, 5 figures. Submitted to IEEE Transactions on Intelligent Vehicles