题目：AI技术赋能健康城市评估研究

报告人:林雨铭

报告的主要内容：1.系统性文献综述发现，现有的复合指标构建方法中标准化（如Z-score）、加权（AHP、熵权法）和聚合方法（线性聚合、模糊推理）是主流，但45%的研究未报告标准化方法，60%未明确权重系统。使用非补偿性聚合（如DEA、模糊推理）和数据驱动方法（如主成分分析）更具潜力，尤其在处理复杂城市健康数据时。

2. 公共卫生设施效率评估中发现，DEA模型显示日本城市在公共卫生部门的纯技术效率较高（＞0.95），但受规模效率限制，城市规模过大会降低效率。加入国际健康城市联盟（AHFC）的城市效率更高，强调紧凑型城市规划与国际合作对提升韧性的重要性。

3. 机器学习驱动的动态脆弱性评估显示，LambdaMART算法预测疫情严重程度的准确率（NDCG@10=0.94，测试集精度=0.71），关键影响因素为城市规模、交通站点活跃度、医疗设施效率。优化公共交通系统、控制城市扩张、加强医疗设施投资可显著降低疫情脆弱性。

4. 未来研究方向包括健康城市的其他领域的效率评估，以及社会响应（如疫苗接种、社区参与）对韧性的影响。从网络视角能够分析城市系统关系，构建更具适应力的城市规划理论。。

报告日期:2025年5月23日

报告时间:14：30-16：30

地点:逸夫楼一楼报告厅

研究生院