UrbanVerse：跨城市与跨任务的城市区域表示学习
机器学习
2026-02-18 v1 人工智能
摘要
城市区域表示学习的最新进展已使城市分析中的广泛应用成为可能，然而现有方法在跨城市和跨分析任务的泛化能力方面仍然有限。我们的目标是将城市表示学习推广到超越特定城市和特定任务的设置，迈向城市分析的基础模型风格。为此，我们提出了UrbanVerse，一个用于跨城市城市表示学习和跨任务城市分析的模型。对于跨城市泛化，UrbanVerse关注目标区域局部的特征和邻近区域的结构特征，而非整个城市。我们将区域建模为图上的节点，这使得基于随机游走的过程能够形成反映局部和邻域结构特征的“区域序列”，用于城市区域表示学习。对于跨任务泛化，我们提出了一个名为HCondDiffCT的跨任务学习模块。该模块将区域条件先验知识和任务条件语义整合到扩散过程中，以联合建模多个下游城市预测任务。HCondDiffCT是通用的。它也可以与现有的城市表示学习模型集成，以增强其下游任务的有效性。在真实世界数据集上的实验表明，UrbanVerse在跨城市设置下的六项任务中始终优于最先进的方法，预测准确率提升高达35.89%。
引用
@article{arxiv.2602.15750,
title = {UrbanVerse: Learning Urban Region Representation Across Cities and Tasks},
author = {Fengze Sun and Egemen Tanin and Shanika Karunasekera and Zuqing Li and Flora D. Salim and Jianzhong Qi},
journal= {arXiv preprint arXiv:2602.15750},
year = {2026}
}