摘要
城市区域画像是城市计算中的核心问题，支持人口估计、经济评估和环境监测等应用。现有方法通常将此任务表述为多模态表示学习，融合异构城市数据（如卫星图像、兴趣点、文本描述和3D建筑信息）为预测生成潜在嵌入。然而，这些方法主要是基于相关性驱动，假设跨模态一致性，并依赖静态管道，限制了它们在异构或未见城市区域的鲁棒性。
我们提出了 UrbanAgent，这是一个智能框架，将城市区域画像重新构建为推理驱动的推断问题。UrbanAgent 为每种数据模态实例化一个独立的智能体，并执行结构化的多智能体协作推理，明确解决跨模态不一致性，而不是将其吸收到单一表示中。
此外，UrbanAgent 将指标预测扩展为主动证据获取和迭代推理的闭环过程，使得智能体能够通过工具增强的外部知识检索，优化并验证不确定的推断，采用强化学习进行优化。
在全球城市数据集上进行的大量实验显示，UrbanAgent 在碳排放、GDP和人口估计方面始终优于现有基线，平均提高了8.1%的 R²，并在未见城市环境中展现出强大的泛化性能。
博主点评： UrbanAgent 的提出不仅在城市区域画像领域引入了新的思路，更通过多智能体协作推理有效解决了跨模态数据的不一致性问题。这种灵活的推理机制为未来城市计算的研究提供了新的方向，尤其是在面对复杂和动态的城市环境时。它的工具增强方法也为智能体提供了更强的外部知识获取能力，值得关注。