课程技术方向：智慧城市+人工智能 | 地理信息系统
代理人基模型 | 扩展现实
Smart City + AI / GIS / ABM / VR AR Applications
“智慧城市AI-GIS-ABM-XR技术融合
与可持续发展的创新路径”
[4类技术方向+多种研究主题可选范围]
2024·课题更新招募（持续开班）
1V1/1V2班型，或根据学员需求定制安排
墨尔本大学全奖博士
11年海外Top高校科研与教学经验，研究生导师
发表含SCI收录在内的近30篇学术文章，担任多项SCI，SSCI，EI期刊与学术会议审稿人和编委；曾主持和参与国内外多项国家和省部级科研项目；Gensler等顶级国际事务所工作经验；国内外竞赛与学术workshop指导经验，获得亚洲计算机辅助建筑设计研究协会优秀导师，市级海外高层次人才项目获得者等学术奖项与荣誉
往届参与课题的学员已成功发表多篇SCI Q1期刊、SCI Q2期刊、及计算性设计领域顶级学术会议论文；已指导全球QS Top 50英美澳港顶级学校申请成功案例200+（其中授课型硕士案例170+ 研究型硕士和博士案例20+；学员已获得的名校博士录取如：UTokyo, NUS, UNSW, CityU, SCUT华南理工等多所院校; 同时包括多位学员获得UPenn, Columbia, HKU, HKUST, PolyU的研究助理岗位等
导师研究方向
大数据分析、模拟与预测；AI(CV)-人工智能计算机视觉辅助建筑设计/城市规划/景观分析；建筑与街区尺度性能模拟与优化；GIS-地理信息系统；ABM-代理人基模型；VR/AR-虚拟现实和增强现实技术的空间应用；基于Unity和Unreal Engine的辅助设计工具平台开发；城市街景视觉特征与感知评估；人行模拟与可步行性街区研究；城市街道更新与基础设施改造；老年友好型城市和宜居社区；环境心理健康与居民福祉；数据驱动式设计，计算性设计等多领域。(参考"方向思维导图")
随着全球城市化进程的加速和科技创新的迅猛发展，人口增长、交通拥堵、基础设施更新、公共服务与社区治理需求日益分化等挑战层出不穷。这些挑战不仅对居民的生活质量和城市宜居性产生了影响，也对城市管理者的创新能力提出了考验。智慧城市的概念整合人工智能、大数据分析等先进技术，旨在提升城市的运行效率、改善空间质量、推动可持续发展。在2024年这一时点，智慧城市的发展正处于关键的转折点，涌现出大量学术热点话题。本研究项目依托海外/国内国家级科研项目，将结合学术创新与真实的行业应用，一同探索如何利用AI、GIS、ABM、VR/AR等技术方法论，实现智慧城市的设计、规划、管理和多属性决策支持。学员可结合自身兴趣与基础情况，选择其中一项/多项技术深入研究。
Yang, W., Li, Y., Liu, Y., Fan, P., & Yue, W. (2024). Environmental factors for outdoor jogging in Beijing: Insights from using explainable spatial machine learning and massive trajectory data. Landscape and urban planning, 243, 104969.
技术选择: 人工智能
AI-Artificial Intelligence
# 数据爬取、数据分析、算法研发、计算机视觉、深度学习、生成与预测
AI作为智慧城市领域的核心技术之一，其对大数据的分析与对神经网络的模型训练，可应用于智慧城市有关生成、预测、优化问题的各个方面来提升传统评估效率。可结合的主题包括但不限于城市形态、土地利用、城市气候、安全、交通、健康、能源供应和消耗、环境监测等。
技术选择: 地理信息系统
GIS作为一种用于收集、分析和展示地理数据的技术工具，在智慧城市研究中，同样也可以应用于城市规划、土地利用、灾害风险评估等多方面。由GIS与AI两者技术的结合，可以实现更精确的城市规划和土地利用预测，提供决策支持和风险管理等效果。
Filomena, G., & Verstegen, J. A. (2021). Modelling the effect of landmarks on pedestrian dynamics in urban environments. Computers, Environment and Urban Systems, 86, 101573.
ABM是一种建立在个体行为基础上的模拟模型，可用于模拟城市系统中个体行为及其相互作用。ABM技术适用的研究主题如城市扩张、人口迁移、交通流动、资源分配等复杂过程的模拟，以便于协助规划人员、决策者等理解城市的动态变化和预测未来发展趋势。
VR/AR将虚拟信息与真实世界进行融合，提供更直观、交互性更强的城市数据展示和决策支持，让决策者与公众更好地理解和参与城市发展过程。相关研究主题如：城市视觉模拟、环境特征分析、沉浸式空间体验等。此外，该技术通过结合心率、血压与EEG脑电图等测量指标，也可以获取用户感知、情感和行为的实时数据，从而分析城市规划与情感健康的对应水平等。
本课题的“方向思维导图”可作为范围参考，也欢迎学员们提出不同选题方向与导师交流合作，不限于以上所列出的内容
顶级学术期刊/学术会议产出导向
本课程指导的论文产出，学员为论文第一作者，论文将集中投递SCI、SSCI Q1 Q2等级别的学术期刊，也可以投递国际顶级学术会议。*注：对于有意向在本课题合作下产出多篇论文的学员，可提前与小助手说明意向并评估可行性。投递不限于所列出的参考期刊/会议，可结合学员个人规划与发表需求：
可投递的期刊与会议领域包括但不限于：规划设计、土地利用、交通系统、资源管理、气候环境、基础设施建设、医疗健康、社会服务、社会经济、人文地理、人机交互、用户体验等
SCI期刊参考-Science Citation Index
Sustainable Cities and Society
影响因子: 11.7; 引用评分: 18.4
Landscape and Urban Planning
影响因子: 9.1; 引用评分: 14.4
Transportation Research Part C: Emerging Technologies
影响因子: 8.3; 引用评分: 15.5
International Journal of Applied Earth Observation and Geoinformation
影响因子: 7.5; 引用评分: 10.2
Urban Forestry & Urban Greening
影响因子: 6.4; 引用评分: 10.0
Urban Climate
影响因子: 6.4; 引用评分: 8.7
……
SSCI期刊参考-Social Sciences Citation Index
Land Use Policy
影响因子: 7.1; 引用评分: 11.8
Computers, Environment and Urban Systems
影响因子: 6.8; 引用评分: 12.2
Habitat International
影响因子: 6.8; 引用评分: 9.5
Cities
影响因子: 6.7; 引用评分: 10.4
Journal of Transport Geography
影响因子: 6.1; 引用评分: 10.0
Environment and Planning B: Urban Analytics and City Science
影响因子: 3.5; 引用评分: 6.4
……
国际顶级学术会议
学员也可以参考自身所在院校的“重要国际学术会议目录”进行定向投稿；
ACADIA
The Association for Computer-Aided Design in Architecture
CAADRIA
The Association for Computer-Aided Architectural Design Research in Asia
SIGraDi
Sociedad Iberoamericana de Grafica Digital
CAAD futures
International Conference on Computer-Aided Architectural Design Futures
ACM CHI
The ACM Conference on Human Factors in Computing Systems
HCII
The HCI International Conference
……
* 另，除了研究项目与学术论文外，有额外产出需求的学员，如投递发明专利、国内外竞赛、项目报告、作品集项目等，也可以提前与小助手沟通以便确定安排计划。
课程时长与形式
全程由本期导师课上讲授与课下答疑，引导学员完成研究项目、学术论文、投稿发表。
整体周期可分为两个部分，总周期即部分①+部分②：
部分①包括，完成技术知识、课后训练和文献整理、确定研究选题与技术路径、深化实验至完成研究项目、多稿修改至论文定稿、投递目标学术期刊。
部分②包括，投稿后根据审稿人反馈对论文进行二次修改、再次提交审稿至最终收录见刊、及参会宣讲等对外学术活动。
约课频率：
可每周/每两周固定时间，或根据学员完成进度灵活约课。整体指导周期可延长，以完成高质量产出为目的。
适合学员:
学术零基础(或仅部分了解)等，需系统性学习研究体系，从0-1掌握完整科研产出流程。
课程人数:
1位学员/班，或2位学员/班
课程周期:
PathA将参与“课程安排”所示的20个课时；
部分①: 此部分结合学员个人时间投入情况，一般在2.5-4个月;
适合学员：
已熟练掌握课题所需的技术知识，或已有研究项目与论文发表经验且希望直接导向论文产出，或已有项目与论文初稿希望进行二次修改。
课程人数：
1位学员/班，定制化安排
课程周期：
PathB在课前需评估学员的基本情况对应适合的课时数；
部分①: 此部分结合学员个人时间投入情况和现有初稿的质量情况；
部分②: 此部分结合投稿平台审稿进度，可参考期刊官方公布的 Time to first decision / Review time / Submission to acceptance / Acceptance to publication 相应的时间，及国际会议每届的时间安排。
课程安排
技术授课与研究讨论
课题使用技术对应的相关软件与界面（参考）
第一阶段研究进度推进
对项目案例、期刊与会议文献的阅读积累，引导学员的创新思路
研究项目答疑
第二阶段研究改进与深化
Zhi, D., Zhao, H., Chen, Y., Song, W., Song, D., & Yang, Y. (2024). Quantifying the heterogeneous impacts of the urban built environment on traffic carbon emissions: New insights from machine learning techniques. Urban Climate, 53, 101765.
论文写作框架与项目推进
项目完成与论文写作指导
Lau, T. K., & Lin, T. P. (2024). Investigating the relationship between air temperature and the intensity of urban development using on-site measurement, satellite imagery and machine learning. Sustainable Cities and Society, 100, 104982.
论文修改与定稿投递
审稿意见答复与收录发表
补充指导(可附加)
课程要求
专业背景：背景不限（建筑/景观/规划/环艺/交互/地产/环境等），面向本科生、硕士生、博士生、及校内外在职人员；有较强的学习能力，对基于AI/GIS/ABM/VR/AR技术的城市问题研究与应用有兴趣或有一定基础，兴趣第一！
软件能力：根据所选技术方向，建议具备以下情况，零基础可与小助手提前沟通情况：
软件能力1：有使用AI工具与程序操作经验的优先，如有Python等编程语言的操作与阅读能力，及Anaconda，TrueSkill，scikitlearn等插件包的使用基础，且有一定统计学基础为佳。
软件能力2：有使用GIS工具经验的优先，如ArcGIS、QGIS等（基础级别即可），欢迎有一定统计学知识基础（用过Tableau和SPSS为佳），或有充足自学时间的fast-learner。
软件能力3：有使用ABM工具经验的优先，如Unity Agent，PedSim，Quelea等（基础级别即可），有使用过工业级级别软件（如MassMotion，AnyLogic等），或有高度意愿探索ABM相关评估技术为佳。
软件能力4：有使用VR平台的经验，如光辉城市Mars，UE4/5引擎，Unity3D等（基础级别即可），或有强烈意愿探索各种VR/AR设计技术。
写作阅读：有较强的（英语）阅读与写作能力。（此项重要。英文综合能力较薄弱的同学，可与小助手提前沟通情况）
课程收获亮点
了解国内外最新的AI/GIS/ABM/VRAR研究方法、前沿科研动态与模拟技术，结合学术创新与工业应用；
系统性学习标准的学术写作格式与方法，掌握基本的科研方法与逻辑，学习领域前辈的科研与写作经验；
将课题所产出的论文发表至国际一流学术期刊或国际顶级学术会议，发表学术会议的学员也将参与对外会议宣讲等协会举办的作者活动；丰富自身履历与成果；
除论文产出外，可根据学员需求，将项目成果修改投递至(发明)专利、或作为国内外竞赛项目、作品集项目等。
优秀学员福利：有机会被推荐参与国际知名协会的相关学术Workshop中；
优秀学员福利：有机会获得海内外名校研究助理RA-Research Assistant/教学助理TA-Teaching Assistant岗位推荐机会。
课程最终成果
撰写一份基于研究课题的学术报告/Writing Sample，并结合学员自身的学术与职业规划，在导师指导下修改至符合学术投稿要求的论文，投稿发表至SCI、SSCI Q1 Q2等级别的学术期刊或国际顶级会议。
获得导师签发的推荐信或其他推荐形式，如国内外知名实验室，事务所；国内外升学和相关工作等方面的有力内推，高含金量助力学员未来的学术深造与就业机会。
线上与名校博士以及优质的海外学术团进行学术合作，深入接触专业的研究方法，建立学术研究思维积累并提升科研能力，获得高层次的人脉和校友关系。
积累顶尖学术前辈的圈内外专业性经验，并为学员制定学术科研等方面的个性化规划意见。
师生课程群中的日常问题答疑（部分）
过往论文发表情况的摘选展示（部分）
声明：本文所用图片源自于网络，相关版权归原作者所有
课程内容属TechArt学究科研社的原创教研，拥有独家知识产权
关于更多课程详情，欢迎在文章最后联系TechArt学术顾问，一起交流。
TechArt科研+可定制 | Placemaking与まちづくり：新语境下的城市公共空间营造
TechArt 历史理论教学&研究小组课 | 宾大学术课题-中外中国建筑史研究差异
TechArt写作提升 | 剑桥学术课题-艺术与改革：意大利文艺复兴时期的女性艺术家
TechArt科研进阶 | UCL学术课题-城市分析 | 在可持续城市发展背景下重释文化含义
博士交流 | 学术规划 | 资讯分享 | 科研提升 | 申请经验
TechArt Research学究科研社，专注于建筑|城市|景观|交互|艺术|工程|计算机|机器人等跨学科领域的学术交流与教学合作。自2019年由Cambridge剑桥大学、UCL伦敦大学学院、MIT麻省理工学院、Harvard哈佛大学等多位名校学者共同创立品牌。持续汇聚美国藤校、英国G5等海内外名校博士/博士后/讲师/教授，研发前沿教学模式及课题内容，竭力为热爱学术的学员们带来优质的科研资源、创造得天独厚的教育空间。
TechArt将继续分享前沿学术知识与优质科研资源，为热爱学术的小伙伴们提供满满福利！
