把复杂的城市与建筑数据,转化为可解释、可执行的决策依据
我的工作位于人工智能、城市能源系统与结构化语义的交叉处。下面不只列出论文题目,而是说明每项研究试图解决什么问题、采用什么方法,以及最终得到什么认识。
期刊论文
传统城市能源分析大多停留在“最终能源”层面,难以回答能源经过设备转换后,真正为照明、供热、运输和工业过程提供了多少有效服务,也无法解释城市之间效率差异来自哪里。
构建城市尺度的有用功模型,将 48 个终端用能部门中的 100 余种能量转换过程,与城市经济结构、发展水平和能源结构连接起来;模型覆盖京津冀、长三角和珠三角 63 个城市,并比较 2010、2015、2020 三个年份。
城市有用功效率为 17.2%–47.4%,仍存在显著提升空间;工业和电力部门通常主导城市有用功需求,北方城市单位经济产出的有用功强度更高。2015 与 2020 年还呈现出有用功与经济产出之间的次线性关系。
研究把“用了多少能源”推进到“能源最终完成了多少任务”,从而更准确地识别效率损失环节,并为不同产业结构、气候条件和发展阶段的城市制定差异化节能策略。
城市能源与碳研究往往聚焦单一基础设施或行政边界内的直接排放,容易忽略交通、建材、食品等系统背后的跨区域供应链,也默认“节能”与“减碳”会同步发生。
建立多基础设施供给视角的综合核算框架,统一计算 25 个江浙沪城市在 2010–2020 年间的直接与隐含能源、碳足迹;进一步使用空间自相关分析识别区域集聚及其变化。
能源供给、交通出行和建材是主要贡献部门;食品与废弃物合计约占城市能源足迹的 4%,却贡献约 8%–9% 的碳足迹。跨区域供应链中的能源和碳足迹总体上升,而且二者并不总是同比变化;城市间的空间相关性也在减弱。
城市不能只盯住本地排放或单一能源指标。减排策略需要同时考虑基础设施类型、供应链位置和能源—碳之间可能出现的脱钩,才能找到真正有效的干预点。
会议汇报
项目经历
智慧城市 GIS 平台搭建
整合多源 GIS 数据,使用 Django 与 Vue 开发交互式 Web GIS 平台;实现 Dijkstra 与 A* 路径算法,用于计算生活圈设施分布并支持城市规划分析。
ESG 报告自动化与数据核验
结合 OCR 与翻译 API 建立批处理流程,处理双语 ESG 报告,并沉淀可用于内部 AI 模型训练的数据语料。
大型变电站碳核算
完成变电站建设过程的碳排放核算,使用 Pandas 清洗大规模数据,并通过 Matplotlib 分析和呈现减排效益。