論文の概要: UrbanGraph: Physics-Informed Spatio-Temporal Dynamic Heterogeneous Graphs for Urban Microclimate Prediction

• arxiv url: http://arxiv.org/abs/2510.00457v1
• Date: Wed, 01 Oct 2025 03:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.349231
• Title: UrbanGraph: Physics-Informed Spatio-Temporal Dynamic Heterogeneous Graphs for Urban Microclimate Prediction
• Title（参考訳）: Urban Graph: 物理インフォームド時空間動的不均一グラフによる都市微小気候予測
• Authors: Weilin Xin, Chenyu Huang, Peilin Li, Jing Zhong, Jiawei Yao,
• Abstract要約: 我々は、不均一グラフと動的グラフを統合する物理インフォームドフレームワークであるUrbanGraphを紹介する。 様々な都市で複雑な空間依存をモデル化しながら、重要な物理過程をエンコードする。 結果はUrbanGraphがR2$を最大10.8%改善し、FLOPを全ベースラインで17.0%削減したことを示している。
• 参考スコア（独自算出の注目度）: 11.369012672504404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With rapid urbanization, predicting urban microclimates has become critical, as it affects building energy demand and public health risks. However, existing generative and homogeneous graph approaches fall short in capturing physical consistency, spatial dependencies, and temporal variability. To address this, we introduce UrbanGraph, a physics-informed framework integrating heterogeneous and dynamic spatio-temporal graphs. It encodes key physical processes -- vegetation evapotranspiration, shading, and convective diffusion -- while modeling complex spatial dependencies among diverse urban entities and their temporal evolution. We evaluate UrbanGraph on UMC4/12, a physics-based simulation dataset covering diverse urban configurations and climates. Results show that UrbanGraph improves $R^2$ by up to 10.8% and reduces FLOPs by 17.0% over all baselines, with heterogeneous and dynamic graphs contributing 3.5% and 7.1% gains. Our dataset provides the first high-resolution benchmark for spatio-temporal microclimate modeling, and our method extends to broader urban heterogeneous dynamic computing tasks.
• Abstract（参考訳）: 都市化が急速に進むと、エネルギー需要や公衆衛生のリスクに影響を及ぼすため、都市部の微気候を予測することが重要になっている。 しかし、既存の生成的および均質なグラフアプローチは、物理的一貫性、空間的依存性、時間的変動を捉えるのに不足している。 これを解決するために、不均一グラフと動的時空間グラフを統合した物理インフォームドフレームワークであるUrbanGraphを紹介する。 植生の蒸発散、陰影、対流拡散といった重要な物理的過程をエンコードすると同時に、多様な都市組織間の複雑な空間的依存関係とその時間的進化をモデル化する。 UMC4/12上でのUrbanGraphの評価を行った。 結果は、UrbanGraphが$R^2$を最大10.8%改善し、FLOPを全ベースラインで17.0%削減し、不均一グラフと動的グラフが3.5%と7.1%のゲインに寄与していることを示している。 我々のデータセットは、時空間マイクロ気候モデリングのための最初の高分解能ベンチマークを提供し、我々の手法はより広範な都市ヘテロジニアス・ダイナミック・コンピューティング・タスクに拡張する。

関連論文リスト

• Planning for Cooler Cities: A Multimodal AI Framework for Predicting and Mitigating Urban Heat Stress through Urban Landscape Transformation [5.5253906228458955]
  GSM-UTCIは1m超局所分解能の日平均温度指数(UTCI)を予測するために設計された多モード深層学習フレームワークである。 R2は0.9151、平均絶対誤差は0.41degCであり、都市全体の推定時間は数時間から5分以内である。 その結果, 空間的に不均一だが一貫した冷却効果が示され, 木間変換が最良となることがわかった。
  論文  参考訳（メタデータ） (2025-07-30T18:05:43Z)
• SeaDAG: Semi-autoregressive Diffusion for Conditional Directed Acyclic Graph Generation [83.52157311471693]
  方向性非巡回グラフ(DAG)の条件生成のための半自己回帰拡散モデルSeaDAGを紹介する。 グローバルグラフ構造を欠いた従来の自己回帰生成とは異なり,本手法は拡散ステップ毎に完全なグラフ構造を保持する。 本研究では,現実的なDAGを生成する拡散モデルの能力を高めるために,条件損失を伴うグラフ条件学習を明示的に訓練する。
  論文  参考訳（メタデータ） (2024-10-21T15:47:03Z)
• Dynamic 3D Gaussian Fields for Urban Areas [60.64840836584623]
  大規模でダイナミックな都市部における新規ビュー合成(NVS)のための効率的なニューラル3Dシーン表現法を提案する。 本研究では,大規模都市にスケールするニューラルネットワークシーン表現である4DGFを提案する。
  論文  参考訳（メタデータ） (2024-06-05T12:07:39Z)
• State estimation of urban air pollution with statistical, physical, and super-learning graph models [0.0]
  本稿では,問題を都市グラフに反映したさまざまな再構築手法を提案する。 私たちの戦略は、完全なデータ駆動、物理駆動、ハイブリッドに分類されます。 この手法の性能は、フランスのパリ中心部の都市で試験される。
  論文  参考訳（メタデータ） (2024-02-05T08:42:39Z)
• Fourier neural operator for real-time simulation of 3D dynamic urban microclimate [2.1680962744993657]
  実時間3次元都市風洞シミュレーションにフーリエニューラル演算子(FNO)ネットワークを適用した。 数値実験により、FNOモデルが瞬時空間速度場を正確に再構成できることが示されている。 さらに,風向の異なる未確認データに基づくFNOモデルの評価を行い,FNOモデルが風向の異なるデータに対して良好に一般化可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-08T02:03:47Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。