Modelos de Fundação Espaço-Temporal Urbana para Habitação Resiliente ao Clima: Escalonando Transformadores de Difusão para Previsão de Riscos de Desastres
Urban Spatio-Temporal Foundation Models for Climate-Resilient Housing: Scaling Diffusion Transformers for Disaster Risk Prediction
February 5, 2026
Autores: Olaf Yunus Laitinen Imanov, Derya Umut Kulali, Taner Yilmaz
cs.AI
Resumo
Os riscos climáticos perturbam cada vez mais as operações de transporte urbano e de resposta a emergências, danificando o parque habitacional, degradando a infraestrutura e reduzindo a acessibilidade da rede. Este artigo apresenta o Skjold-DiT, uma arquitetura baseada em transformadores e difusão que integra dados urbanos espaço-temporais heterogéneos para prever indicadores de risco climático a nível de edificação, incorporando explicitamente a estrutura da rede de transporte e sinais de acessibilidade relevantes para veículos inteligentes (por exemplo, alcance de emergência e restrições de rotas de evacuação). Concretamente, o Skjold-DiT permite restrições de roteamento condicionadas por perigos através da produção de camadas de acessibilidade calibradas e conscientes da incerteza (alcance, inflação do tempo de viagem e redundância de rotas) que podem ser utilizadas por sistemas de roteamento de veículos inteligentes e despacho de emergência. O Skjold-DiT combina: (1) Fjell-Prompt, uma interface de condicionamento baseada em *prompts* concebida para suportar transferência entre cidades; (2) Norrland-Fusion, um mecanismo de atenção cross-modal que unifica mapas/imagens de perigos, atributos de edificação, dados demográficos e infraestrutura de transporte numa representação latente partilhada; e (3) Valkyrie-Forecast, um simulador contrafactual para gerar trajetórias de risco probabilísticas sob *prompts* de intervenção. Apresentamos o conjunto de dados Baltic-Caspian Urban Resilience (BCUR) com 847.392 observações a nível de edificação em seis cidades, incluindo anotações de múltiplos perigos (por exemplo, indicadores de inundação e calor) e características de acessibilidade de transporte. Os experimentos avaliam a qualidade da previsão, a generalização entre cidades, a calibração e os resultados relevantes para o transporte a jusante, incluindo alcance e tempos de viagem condicionados por perigos sob intervenções contrafactuais.
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.