标题：单作者论文补全城市智能「最后一公里」

正文：
在城市数字化加速的今天，交通、环境监测和公共安全等领域面临共同挑战：数据来源分散、质量不一、传感器覆盖有限，导致单一数据或模型难以得出可靠判断。随着城市规模扩大，如何整合多源信息成为核心课题。郑宇教授提出了一种跨域多模态知识融合框架，为行业带来系统性突破。

郑宇教授现任京东集团副总裁、首席数据科学家，是IEEE Fellow、ACM杰出科学家，在城市计算与人工智能领域具有国际影响力。他将在2025年雷峰网GAIR全球人工智能与机器人大会上分享最新进展。大会将于2025年12月12-13日在深圳举行，聚焦AI核心技术与产业落地。

该研究提出的框架在多个场景中表现出色，包括预测精度、异常识别和稀疏数据推断能力的提升。例如，在空气质量预测中，模型融合气象、交通、建筑等多领域数据，能更稳定地捕捉污染趋势，并定位局地热点，即便监测站稀疏也能合理推断。在城市运行监测中，模型通过融合交通流量、社交媒体和共享单车数据，提前识别交通事故、人群聚集等异常事件，为管理部门争取干预时间。此外，在传感器不足的情况下，如道路速度估计和噪声推断，模型借助跨域信息仍能生成连贯结果，显著降低误差。

研究遵循四个核心阶段：数据选择、知识对齐、模型构建和数据转换。数据选择明确任务相关来源；知识对齐通过多视角、相似性、依赖性和共性原则建立数据联系；模型构建分为精确融合和粗粒度融合；数据转换将多模态数据处理成统一输入形式。

这项研究的意义在于解决现实数据不足问题，利用跨域数据填补空白，使智能系统在真实环境中更具可行性。同时，它提出了一套系统的融合理论，推动AI从虚拟世界走向城市治理，助力交通预测、空气质量推断等场景应用。此外，研究还为跨部门数据协作提供了新思路，为智慧城市建设指明方向。

论文地址：https://arxiv.org/pdf/2506.03155