关于我

我是一名专注于地理空间人工智能（GeoAI）和城市计算的跨学科研究者，致力于通过多智能体强化学习（MARL）、深度学习和大语言模型（LLMs）等前沿技术解决复杂的城市治理和资源配置挑战。

在研究兴趣方面，我主要关注空间公平性与效率的协同优化。研究重点包括利用基于智能体的建模（ABM）和时空大数据分析来探讨资源可达性、公共服务分布的社会公平性（如"10分钟生活圈"概念及其不平等问题）以及城市感知中的社会经济偏见。近期，我对应用生成式AI进行城市分析以及通过社交媒体数据挖掘公众对自动驾驶汽车等新兴交通技术的认知和情感反应产生了浓厚兴趣。

在技术能力方面，我拥有扎实的全栈开发和数据科学背景，能够独立完成从数据获取、算法建模到系统部署的整个研究周期：

• 空间数据分析与建模：精通Python（GeoPandas、PyTorch）和R，擅长复杂网络分析和多目标优化。

• 工程开发与部署：在云计算和DevOps（AWS、Docker、Linux）方面经验丰富，熟练掌握WebGIS全栈开发（Vue.js、Leaflet、Flask、PostGIS），能够将理论模型转化为可视化决策支持平台。

• 大数据处理：在数据清洗和网络爬虫方面经验丰富，擅长处理从社交媒体文本到红外相机图像等多源异构数据。

我致力于将计算科学的精确性与社会科学的人文关怀相结合，通过数据驱动的方法推动更智能、更包容、更可持续的城市发展。