智能城市的可持续发展和服务提供需要功能强大、技术先进并相对稳固的智慧基础体系作为保障。本报告介绍了以城市计算理论体系为支撑，以五网融合、三屏联动和数字孪生为理念指引的智能城市基础体系。其中，城市计算理论体系确保建设的智能城市能不断迭代、自我演进，并具备国际领先性。五网融合包括城市状态一网感知、城市数据一网共享、城市治理一网统管、政务服务一网通办、政府办公一网协同。三屏联动是信息流转的方式和行动一致的保障，大屏观态势、中屏管处置、小屏作执行。数字孪生是虚实映射的桥梁、人机交互的界面。本报告结合北京、雄安等多个城市的实战经验，分享智能城市基础体系支撑的不同应用场景和创造的社会价值。

本报告探讨了将生成式人工智能（AIGC）与城市模拟器相结合，以革新城市移动系统的变革性影响。通过利用人工智能生成和逼真的虚拟环境，将AIGC与城市模拟器集成，为重新塑造人和物在城市内的流动方式提供了前所未有的机会。报告将深入探讨AI生成内容和洞见如何赋予城市模拟器进行基于数据的城市流动场景模拟的过程。这些模拟使得对城市交通流量、基础设施设计、公共交通规划和流动服务等各个方面进行全面分析和优化成为可能。通过利用基于数据的模拟，决策者、城市规划师和交通专家能够做出明智决策，提高效率，缓解拥堵，增强安全，并建立可持续和未来可靠的城市系统。

时空数据蕴含着丰富的信息，能够应用于各种城市应用。但时空数据更新频率高、数据体量大、数据结构复杂、实时动态产生，难以被有效地管理。分布式流批一体化时空数据管理引擎Start-DB采用自研的数据建模方法、数据存储技术、分布式索引技术和分析技术，能够便捷、高效地管理海量的时空数据。本报告首先介绍Start-DB的整体架构，然后分别介绍时空处理方法、时空分析方法和时空查询算法，最后展示所有时空处理、分析、查询操作如何在Start-DB中用一句SQL语句实现。

随着全球城市化进程的推进，大型城市在不断吸纳和聚集海量资源和人口的同时，也出现了交通拥堵、环境污染、资源短缺、安全事故频发等“城市病”问题，大型城近年来，与交通预测相关的研究逐渐增多。然而，由于缺乏统一的评估实验框架，难以判断交通预测模型的性能提升是真正的技术进步还是由调参技巧或数据集差异引起的。因此，我们提出了 LibCity, 一个可扩展、统一的开源交通预测评估平台，为研究人员提供了可信的对比实验工具和便捷的模型开发工具。在LibCity中，我们目前涵盖了7种交通预测任务、53个基线模型，并整合了29个时空数据集，供研究人员进行全面综合的评估实验。此外，研究人员可以轻松地基于LibCity开发新模型，这意味着研究人员可以轻松地将新模型与库中复现的模型进行比较。得益于此，LibCity将极大地促进交通预测领域的标准化和快速发展。目前，LibCity已在GitHub开源并在阿里城市大脑中得到了应用。

随着物联网、5G、移动互联网等新一代信息技术的快速发展，时空数据呈现爆发式增长。与图像、文本和语音数据相比，时空数据通常呈现出独特的时空特征，包括空间距离和层次性，以及时间接近性、周期性和趋势。时空人工智能是针对时空数据建模的专有人工智能技术，广泛用于交通、土木工程、环境、经济、生态和社会学等城市相关的交叉科学领域。本次讲座首先介绍时空人工智能的概念，从计算机科学的角度讨论其总体框架和主要挑战。其次，我们将时空人工智能的应用分为四类，分别是建模时空轨迹数据、时空网格数据、时空图数据和时空序列，以及各个类别中的代表性场景。我们之后重点描述了我们在上述四类数据的方法论上的最新探索和进展。最后，我们展望时空人工智能的未来，对未来有价值的研究方向进行了探讨。

随着城市化进程的推进，以及移动互联网、5G、物联网等新一代信息技术的快速发展，智能城市等领域的时空数据呈现爆发式增长。相较于图像、文本和语音数据，时空数据具有独特的时空属性，包括时间上的临近性、周期性和趋势性，以及空间上的临近性、空间距离和层次特性。通用人工智能技术往往对这些时空属性的理解和支撑不足，导致对时空数据的挖掘和分析能力受限。针对时空数据的专有人工智能技术（即时空人工智能）应运而生。本报告将结合实际智能城市需求，介绍时空人工智能的概念与方法，探讨如何将人工智能技术应用到智能城市以解决实际问题，促进城市智能化升级。