仅有一位作者的论文，却补上了城市智能的「最后一公里」

在城市数字化不断加速的今天，交通管理、环境监测、公共安全等关键领域都面临着一个共同挑战：数据来源分散、质量参差不齐、传感器覆盖有限，导致许多真实世界问题无法依靠单一数据或单一模型得出稳定可靠的判断。 随着城市系统规模迅速扩大，如何整合多源信息，让人工智能真正理解并洞察现实世界，已经成为产业界与科研界共同关注的核心课题。在这一背景下，长期深耕城市计算和多模态智能研究的郑宇教授，用一篇论文为行业带来了具有系统性突破性的跨域多模态知识融合框架。 郑宇教授现任京东集团副总裁、京东科技首席数据科学家，是 IEEE Fellow、ACM 杰出科学家，在城市计算、时空大数据与人工智能落地方面具有国际领先影响力。他的研究不仅推动了理论发展，也在多个城市应用中取得了重要实践成果。 值得关注的是，郑宇教授将出席雷峰网 2025 年 GAIR 全球人工智能与机器人大会，并分享他在跨域多模态融合与城市智能方面的最新进展。GAIR 大会聚焦人工智能的核心技术、前沿趋势与产业落地，长期吸引来自全球的技术领袖和科研人士。 本届大会将于 2025 年 12 月 12—13 日在深圳·博林天瑞喜来登酒店举行，与产业界和学术界的嘉宾共同探讨人工智能的下一步发展。 论文地址：https://arxiv.org/pdf/2506.03155 融合跨域知识，让模型理解城市 整体来看，这项研究提出的跨域多模态知识融合框架在多个真实应用场景中展现出显著优势，实验结果主要体现在预测精度、异常识别能力以及稀疏数据推断能力的全面提升。 首先，在空气质量推断与预测任务中，模型融合空气监测站数据、气象观测、道路与建筑结构、POI 信息以及车辆移动等多领域数据，能够从多个互补维度刻画城市污染过程。 与只依赖单一数据源的模型相比，融合模型在未来多小时至两天的空气质量趋势预测中表现更加稳定，对污染的突发性变化具有更高的捕捉能力，并能更准