Городские пространственно-временные фундаментальные модели для климатически устойчивого жилья: масштабирование диффузионных трансформаторов для прогнозирования рисков стихийных бедствий

Аннотация

Климатические риски все чаще нарушают работу городского транспорта и аварийно-спасательных служб, повреждая жилой фонд, ухудшая состояние инфраструктуры и снижая доступность транспортной сети. В данной статье представлен Skjold-DiT — диффузионно-трансформерный фреймворк, который интегрирует гетерогенные пространственно-временные городские данные для прогнозирования климатических рисков на уровне зданий, явным образом учитывая структуру транспортной сети и сигналы доступности, релевантные для интеллектуальных транспортных средств (например, доступность для экстренных служб и ограничения эвакуационных маршрутов). Конкретно, Skjold-DiT позволяет моделировать маршрутные ограничения в условиях опасности, создавая калиброванные уровни доступности с учетом неопределенности (достижимость, увеличение времени в пути и избыточность маршрутов), которые могут использоваться системами маршрутизации интеллектуальных транспортных средств и экстренного реагирования. Skjold-DiT сочетает: (1) Fjell-Prompt — интерфейс условной генерации на основе промптов, предназначенный для поддержки межгородского переноса; (2) Norrland-Fusion — кросс-модальный механизм внимания, объединяющий карты опасностей/изображения, атрибуты зданий, демографические данные и транспортную инфраструктуру в единое латентное представление; и (3) Valkyrie-Forecast — контрафактный симулятор для генерации вероятностных траекторий риска при заданных вмешательствах. Мы представляем набор данных Baltic-Caspian Urban Resilience (BCUR), содержащий 847 392 наблюдения на уровне зданий в шести городах, включая аннотации множественных опасностей (например, индикаторы наводнений и жары) и характеристики транспортной доступности. Эксперименты оценивают качество прогнозирования, межгородскую обобщающую способность, калибровку и релевантные для транспорта результаты, включая достижимость и время в пути при климатических рисках в условиях контрафактных вмешательств.

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.

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

Аннотация

Support