住房潜力通用数据模型与城市数字孪生

arXiv cs.AI 论文
urban-planning digital-twin data-model housing-potential smart-cities

摘要

本研究引入了住房潜力通用数据模型（HPCDM），以整合多样化的数据集进行住房分析，并通过城市数字孪生试点展示了其应用。

arXiv:2605.05535v1 公告类型：新论文 摘要：住房潜力的评估需要从一个地点的多个角度进行考量，涵盖区划和土地使用、人口特征以及服务获取等方面。本研究引入了住房潜力通用数据模型（HPCDM）以克服现有的数据孤岛问题，作为标准来支持住房潜力分析所需的各种数据集之间的集成与互操作性。本报告详细阐述了模型的评估过程，以及为住房创建城市数字孪生和试点仪表板应用程序的过程，以展示其实用实施。除了技术框架之外，本工作还确定了采用的关键障碍，并为城市规划者和利益相关者提供了可行的缓解策略。
查看原文
查看缓存全文

缓存时间: 2026/05/08 08:20 

# 住房潜力通用数据模型与城市数字孪生
来源：https://arxiv.org/abs/2605.05535
查看 PDF (https://arxiv.org/pdf/2605.05535)

> 摘要：评估住房潜力需要从多个视角考虑地点因素，包括分区和土地使用、人口特征以及服务可达性等。本研究引入了住房潜力通用数据模型（HPCDM），以克服现有的数据孤岛问题，作为支持整合和互操作性的标准，涵盖住房潜力分析所需的各类数据集。本报告详细描述了模型的评估过程，以及为住房创建城市数字孪生和一个试点仪表板应用，以展示其实用实现。除技术框架外，这项工作还确定了采纳过程中的关键障碍，并为城市规划者和利益相关者提供了可操作的缓解策略。

## 提交历史

来自：Megan Katsumi [查看邮箱 (https://arxiv.org/show-email/85bee208/2605.05535)] **\[v1\]** 2026年5月7日星期四 00:27:47 UTC \(5,797 KB\)

相似文章

利用主动学习构建集成热能系统的基于物理的数字孪生

arXiv cs.LG

本文提出了一种主动学习框架，将高保真 Modelica 仿真与更简单的代理模型（SINDyC、FNN、GRU）相结合，以创建高效的热能分配系统数字孪生。该方法在保持预测精度和实现不确定性量化的同时，显著减少了所需的仿真轨迹数量。