10月17日，克莱姆森大学土木与环境工程和地球科学系的范超助理教授应邀出席第二十一期“李楠研究小组系列学术邀请报告”，并以“城市智能——向融合、韧性与公平的城市迈进”为主题进行报告。此次在线举办的报告会由李楠老师主持，吸引了来自清华大学及其它学术机构的20余位师生参加。
图1 范超博士本次讲座主题
范超博士的报告围绕如何利用城市规模大数据和人工智能技术，从数据驱动角度理解和预测人类、基础设施与自然环境之间的复杂交互展开了论述。报告伊始，范超博士从城市发展过程中面临的各方面挑战入手，将这些问题总结为人类、基础设施和自然系统之间构成的连通性网络和非线性动态关系，并强调了大数据革命为传感、建模和优化基础设施与自然环境从而实现连通性和非线性特征捕获的各种研究提供了机遇。报告主要围绕范超博士近期开展的两项工作展开，涵盖了数据视角下城市的不公平性、城市规模的溢出效应等内容。
图2 数据驱动研究方法
在第一部分中，范超博士聚焦理解城市不公平性的问题，详细介绍了从数据驱动和人工智能角度开展的相关研究。他首先从基尼系数的角度引入城市不公平性的概念，通过资源占有量能否准确反映收入层级这一问题引发了我们深层次的思考。针对城市不公平性的复杂机理，他基于高维建模的方式探讨了相关影响因素，并使用机器学习模型有效地实现了具体影响的衡量。研究结果显示基础设施分布和道路密度对城市不公平性的影响最为显著，同时不同城市之间模型具有一定的可迁移性，但是仍需结合当地实际情况具体分析。
图3 机器学习助力城市不公平性研究
在第二部分当中，范超博士从物理模型和深度学习的角度出发，围绕城市的复杂溢出效应展开了相关研究的探讨。他从热量、空气污染、人流量等角度，引入城市当中溢出效应的影响，在网络结构、关联信息、时变属性三个层面探讨了这种影响的复杂性，并基于如何对溢出效应进行模型建立与定量分析进行了展开论述。他通过建立深度随机扩散模型，对多维物理模型进行求解，实现了复杂热环境空间差异的预测，并基于城市环境异质性和动态性的整合揭示了城市规模溢出效应的规律。
图4 城市溢出效应应用实例
在报告后的交流环节，范超博士就研究中用到的物理模型、人工智能技术等细节与参会师生展开了深入探讨，并针对从学生到老师身份的转变交流了自己的心得体会，整个报告持续了约90分钟。
图5 范超博士线上报告
