urban-mobility

本文提出了一种名为MR-Traj的多分辨率扩散框架，用于城市系统的合成轨迹生成。该框架能够在多个分辨率上捕获复杂的时空依赖关系，并提升下游任务中细粒度移动性建模的性能。

Zoox通过软件升级将其机器人出租车业务扩展到多个城市，详细介绍了技术改进和商业化部署的扩展策略。

本文应用可解释机器学习于NetMob 2025数据挑战中的移动轨迹数据，评估巴黎的15分钟城市概念，发现当地服务可用性越高，汽车使用越少、主动出行越多，但存在空间和人口统计上的异质性。

本文提出一种基于图的交通信号控制接口，使用共享图神经网络为各个交通流向分配分数，并通过关联矩阵确定性地构造相位。实验评估了在合成和城市道路网络上的迁移效果，结果表明可行性，但对分布偏移敏感。

Google Research 在《Nature Cities》上发表了一项研究，表明通过导航应用的干预协调一小部分行程，可以在整个城市范围内显著减少交通拥堵和排放。

STAGformer提出了一个具有线性复杂度的时空智能体图变换器，用于共享单车需求预测，在纽约和芝加哥数据集上优于基线模型。

本文提出了一种端到端分析框架，利用ETL流水线、基于Google BigQuery和Vertex AI的机器学习以及Power BI可视化，将原始移动数据转化为商业与城市规划洞察，用于决策支持。

电动空中出租车公司Joby和Archer陷入商业间谍和专利侵权的法律战，威胁行业进展和投资者信心。

REK 机器人最近在旧金山街头被观察到，正在进行远程操控测试，以收集城市出行挑战相关数据。