気候変動に強い住宅のための都市時空間基盤モデル：災害リスク予測のための拡散トランスフォーマーのスケーリング

Urban Spatio-Temporal Foundation Models for Climate-Resilient Housing: Scaling Diffusion Transformers for Disaster Risk Prediction

February 5, 2026

著者: Olaf Yunus Laitinen Imanov, Derya Umut Kulali, Taner Yilmaz

cs.AI

要旨

気候災害は、住宅ストックの損傷、インフラの劣化、ネットワークアクセシビリティの低下を通じて、都市交通と緊急対応活動をますます阻害している。本論文は、異種時空間都市データを統合し、建物レベルの気候リスク指標を予測する拡散トランスフォーマーフレームワーク「Skjold-DiT」を提案する。本フレームワークは、インテリジェント車両に関連する交通ネットワーク構造とアクセシビリティ信号（例：緊急到達可能性、避難経路制約）を明示的に組み込む。具体的には、Skjold-DiTは、インテリジェント車両経路計画や緊急配車システムで利用可能な、較正済みで不確実性を考慮したアクセシビリティレイヤー（到達可能性、旅行時間増加率、経路冗長性）を生成することで、災害条件付き経路制約を可能にする。Skjold-DiTは以下を統合する：(1) 都市間転移を支援するように設計されたプロンプト型条件付けインターフェース「Fjell-Prompt」、(2) 災害マップ/画像、建物属性、人口統計データ、交通インフラを共有潜在表現に統合するクロスモーダル注意機構「Norrland-Fusion」、(3) 介入プロンプト下での確率的リスク軌道を生成する反事実シミュレータ「Valkyrie-Forecast」。我々は、6都市にわたる847,392件の建物レベル観測データを含む「Baltic-Caspian Urban Resilience (BCUR)」データセットを導入する。これには、複合災害注釈（洪水・熱指標など）と交通アクセシビリティ特徴量が含まれる。実験では、予測精度、都市間汎化性能、較正、および到達可能性や介入下での災害条件付き旅行時間といった下流の交通関連アウトカムを評価する。

English

Climate hazards increasingly disrupt urban transportation and emergency-response operations by damaging housing stock, degrading infrastructure, and reducing network accessibility. This paper presents Skjold-DiT, a diffusion-transformer framework that integrates heterogeneous spatio-temporal urban data to forecast building-level climate-risk indicators while explicitly incorporating transportation-network structure and accessibility signals relevant to intelligent vehicles (e.g., emergency reachability and evacuation-route constraints). Concretely, Skjold-DiT enables hazard-conditioned routing constraints by producing calibrated, uncertainty-aware accessibility layers (reachability, travel-time inflation, and route redundancy) that can be consumed by intelligent-vehicle routing and emergency dispatch systems. Skjold-DiT combines: (1) Fjell-Prompt, a prompt-based conditioning interface designed to support cross-city transfer; (2) Norrland-Fusion, a cross-modal attention mechanism unifying hazard maps/imagery, building attributes, demographics, and transportation infrastructure into a shared latent representation; and (3) Valkyrie-Forecast, a counterfactual simulator for generating probabilistic risk trajectories under intervention prompts. We introduce the Baltic-Caspian Urban Resilience (BCUR) dataset with 847,392 building-level observations across six cities, including multi-hazard annotations (e.g., flood and heat indicators) and transportation accessibility features. Experiments evaluate prediction quality, cross-city generalization, calibration, and downstream transportation-relevant outcomes, including reachability and hazard-conditioned travel times under counterfactual interventions.