기후 복원력 주택을 위한 도시 시공간 파운데이션 모델: 재해 위험 예측을 위한 확산 트랜스포머 확장

초록

기후 위험 요소들은 주택 자산을 손상시키고, 인프라를 악화시키며, 네트워크 접근성을 감소시킴으로써 도시 교통 및 긴급 대응 운영을 점차 더 방해하고 있습니다. 본 논문은 Skjold-DiT라는 확산-트랜스포머(diffusion-transformer) 프레임워크를 제시합니다. 이 프레임워크는 이질적인 시공간 도시 데이터를 통합하여 건물 수준의 기후 위험 지표를 예측함과 동시에 지능형 차량(예: 긴급 도달 가능성, 대피 경로 제약)과 관련된 교통 네트워크 구조 및 접근성 신호를 명시적으로 포함합니다. 구체적으로, Skjold-DiT는 지능형 차량 경로 설정 및 긴급 파견 시스템에서 활용 가능한 보정된 불확실성 인식 접근성 레이어(도달 가능성, 통행 시간 증가율, 경로 중복성)를 생성하여 위험 조건 기반 경로 제약을 가능하게 합니다. Skjold-DiT는 다음 세 가지 요소를 결합합니다: (1) 도시 간 전이를 지원하도록 설계된 프롬프트 기반 조건부 인터페이스인 Fjell-Prompt; (2) 위험 지도/이미지, 건물 속성, 인구 통계, 교통 인프라를 공통 잠재 표현으로 통일하는 교차 모드 주의 메커니즘인 Norrland-Fusion; (3) 개입 프롬프트 하에서 확률적 위험 궤적을 생성하는 반사실 시뮬레이터인 Valkyrie-Forecast. 우리는 6개 도시에 걸친 847,392개의 건물 수준 관측치, 다중 위험 주석(예: 홍수 및 열파 지표), 교통 접근성 특징을 포함하는 Baltic-Caspian Urban Resilience(BCUR) 데이터셋을 소개합니다. 실험을 통해 예측 품질, 도시 간 일반화 성능, 보정 정확도, 그리고 반사실적 개입 하에서의 도달 가능성 및 위험 조건 기반 통행 시간을 포함한 하위 교통 관련 결과들을 평가합니다.

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.

기후 복원력 주택을 위한 도시 시공간 파운데이션 모델: 재해 위험 예측을 위한 확산 트랜스포머 확장

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

초록

Support