URBANSCORE：一个实时个性化宜居性分析平台.pdfVIP

URBANSCORE：一个实时个性化宜居性分析平台

VRÎNCEANUALIN-VLĂDUȚ

摘要.本文介绍了城市得分—一个实时网络平台，为任何城市地址计算个性化的宜居分数。该系

统融合了五个数据流：（i）通过Nominatim进行的地址地理编码，（ii）通过OverpassQL从

OpenStreetMap中提取设施，（iii）来自TomTomFlowv10的分段级交通指标，（iv）每小时

空气质量读数来自OpenWeatherMap，以及（v）用户声明的偏好配置文件，所有这些都保存在

Oracle19c关系存储中。六个子分数（空气、交通、生活方式、教育、地铁可达性、地面运输）被

本推导出来，并进行自适应加权和组合；然后一个OpenAI大型语言模型将数值结果转换成简洁且

用户友好的解释。

译2

一次试点部署覆盖了布加勒斯特226公里的城市区域，评估了4周内3450个独特的地址。

中端到端的中位数延迟为2.1秒（p95=2.9秒），满足了非功能性要求中的小于3秒的要求。综合

1得分范围从34至92分（平均68分，标准差11），高分集群沿着地铁走廊分布，这些区域拥有丰

富的绿地，并且PM水平低于35微克每立方米。对Tineretului区的详细案例研究产生了总体

v

7评分为91/100，并展示了叙述层如何引导用户找到类似的社区。

5

8限制包括对第三方API运行时间的依赖、倾向于OSM中地图覆盖较好的地区以及缺少噪音和

0犯罪层，18%的调查参与者将其视为希望改进的地方。总体而言，结果表明，开放地理数据、商业

0移动数据和对话式AI可以整合为一个高性能且可解释的决策支持工具，使“宜居性分析”掌握在

.

8每个房屋猎头者、通勤者和城市规划者的手中。

0

5

2

:介绍

v

i二十一世纪的城市化进程正以前所未有的速度推进：联合国在2024年估计，人类已有57%

x

r居住在城市中，预计到2050年这一比例将超过68%。随着大都市区的人口密度增加，居民和投

a

资者面临着一个日益复杂的优化问题：选择既能平衡交通、环境质量、便利设施的可达性以及

整体宜居性的社区，同时也要符合个人的生活方式偏好和预算。

必要的证据存在：开放的地理数据项目如OpenStreetMap（OSM）提供了街道、公园和设

施的门级足迹；环境和移动供应商通过公共API流式传输实时空气质量及交通观测数据——例

如，OpenWeatherMap的空气污染端点[1]和TomTom的TrafficAPI[9]；来自OpenAI等公司

的大型语言模型（LLMs）将密集分析翻译成非专家也能理解的叙述性解释[13,20]。然而，这

些数据孤岛仍然分散，查询需要专业知识，并且很少针对个人用户的特定优先事项。

消除这些孤岛需要计算机科学和统计学的结合，它们的交汇点提供了将嘈杂、异构的数据

流转化为可操作评分所需的算法、工具和推理严谨性[4]。地理空间处理框架如用于地址地理编

Date:2025年8月6