City2Graph 是一個全新的開源 Python 函式庫，透過將城市建模為異質圖神經網路，搭建了地理空間資料與 GeoAI 之間的橋樑。它能將複雜的城市現實轉換為關係圖，從而支援進階的空間分析與機器學習應用。此函式庫簡化了將圖神經網路（GNN）應用於城市系統的過程，對智慧城市發展與交通建模具有重要意義。由於它能自然地處理異質資料類型，研究人員與規劃者可以更有效地分析多樣化的城市指標，例如通勤時間與服務可及性。City2Graph 與 PyTorch Geometric 整合，以處理有號數與有向圖，從而模擬城市環境中存在的各種節點與邊類型。它支援計算不同城市活動（如工作、教育與醫療服務）的綜合通勤時間（GJT）等指標。

事件背景

異質圖神經網路是一種深度學習模型，專門用於處理包含多種節點與邊類型的圖結構，能夠捕捉同質圖無法呈現的多樣化關係語意。空間分析則是利用實體的拓撲、幾何或地理屬性來研究它們，這對城市設計與規劃至關重要。City2Graph 利用這些概念，將雜亂的地理空間資料轉換為適合圖神經網路處理的結構化圖形。

社群觀察

社群反應相當正面，用戶對該函式庫在空間分析方面的潛力表示興奮。評論者讚賞其將城市自然建模為異質圖的方式，並計畫將其用於協作專案與交通建模。