图不是一种画法，而是一种关系假设
同一座城市可以按道路连通、建筑邻近、空气流向、热交换或传感器通信构成不同的图。节点与边的定义决定模型能够看见什么，也决定它会忽略什么。
阅读提示：建图的第一步不是选择模型，而是把研究对象、关系来源和目标量放进同一张可以检查的关系图里。这样，后续的每一次预测都能回到一个具体的问题：这条边为什么存在？
第一性问题不是“使用哪一种 GNN”，而是“什么对象在通过什么关系影响什么结果”。
建筑节点图
把建筑视为节点，用距离、方位、遮挡或上下风关系连接。适合研究建筑群形态与局部风热响应。
街道与空间网络
交叉口、街段或空间单元构成网络，用于连通性、中心性、可达性以及通风廊道分析。
网格与测点图
把 CFD 网格单元、表面面片或采样点转为节点，让局部邻接承担物理量传播与场重构。
异构多尺度图
同时保留建筑、街区、传感器与边界条件等不同节点，通过分层和汇聚连接局部机制与区域尺度。
RELATIONAL VIEW / 01
一个场地，四种可学习关系
同一片城市空间可以被重新切分、连接和赋予属性。模型的能力，首先取决于你让它看见了哪一种关系。
GNN 入门 · 一眼看懂点击阶段追踪消息
GNN 学的不是图长什么样，而是关系如何改变表示。
把城市空间画成关系图以后，模型先看每个对象的信息，再看周围对象怎样影响它，最后给出测点风速、表面温度、风险或整片街区的情况。每一步都能回头问清楚为什么这样做。
理解这一节，可以先把 GNN 想成一轮“看邻居—传信息—重新认识自己”的循环；层数增加，看到的范围会扩大，但过多的传递也可能让不同对象变得太相似。
从拓扑问题到可学习的城市关系
图论与城市研究并不是突然相遇。它们沿着拓扑、网络科学、空间分析、深度学习和科学机器学习逐步汇合。
研究脉络提示：这条路线不是简单的技术升级。每一次转折都在回答一个更具体的问题：哪些对象可以表示，哪些关系可以计算，哪些结果值得验证？
欧拉与七桥问题
把土地抽象为顶点、桥抽象为边，说明问题的关键是连接结构而非几何外观。
网络进入物理系统分析
电路网络等工作推动了节点、边、流量与守恒关系的数学化，为工程网络建模提供基础。
空间句法与城市空间关系
空间配置被转化为可计算关系，城市形态研究进一步从几何描述走向连通性与中心性。
复杂网络与可复现街道图
街道网络的原始/对偶表征、中心性分析及 OSMnx 等工具使大规模城市网络研究更可复现。
图神经网络模型成形
GNN 被明确提出用于直接处理有向、无向、循环等图结构数据。
卷积、注意力与消息传递统一
GCN、GAT 和 MPNN 建立了现代图学习的核心范式：邻域信息经关系函数聚合后更新节点表示。
图网络进入科学模拟
网格图、物理图网络与多尺度图开始用于模拟代理、场重构、校正和快速推演。城市风热环境由此获得新的非规则空间学习工具。
RESEARCH ROUTE / 02
从年代堆叠，到一条可计算的路径
时间线真正要说明的，不是年份越来越多，而是对象、关系与任务如何逐步变得可计算。选择一个阶段，观察同一条研究脉络如何改变问题的表达。
从土地与桥的几何问题开始，图把“对象”与“连接”分开，问题由外观转向连通性。
GNN 的核心：让周围的关系参与判断
谁和谁相连，决定信息从哪里来；关系里带着什么信息，决定影响怎样变化；周围的信息怎样合在一起，决定最后得到什么答案。
直觉翻译：节点带着自己的状态进入邻域，边决定信息怎样被调节，聚合把多个影响压缩成新的局部判断；这三步共同构成“消息传递”。
V 是对象，E 是它们之间的联系，X 是对象身上的信息，A 表示谁和谁相连。城市研究还会加入关系里的信息、整片区域的条件和时间。
相邻对象之间的影响，会受到它们自己的情况、距离、方向、遮挡和当时条件共同影响。
可以把周围信息相加、求平均、挑出最强影响，或让不同方向产生不同分量，最后形成对这个对象的新认识。
可以回答一个位置的风速、温度或风险，也可以把很多位置的信息合在一起，判断一整片街区的情况。
从认识到答案 / 03
同一套认识，可以回答不同大小的问题
最后要回到最简单的问题：我们是想知道一个位置、一片区域，还是整个空间的情况？切换下面的大小，看看答案会怎样改变。
一个位置 / 01
一个位置，回答一个局部问题模型形成的认识可以回到建筑、网格或测点，给出这个位置的风速、温度或风险。
常见 GNN 模型，真正的区别在哪里
模型名字很多，但可以用三个问题把它们分开：从哪些邻居取信息、怎样判断谁更重要、边上的方向和距离是否参与计算。
选择提示：先从最简单、最容易解释的模型开始。只有当任务确实需要不均等邻居、丰富的关系信息、远距离联系或时间变化时，再增加相应能力。
MODEL FAMILY / 01
GCN · 把邻居的信息平稳地合进来
它让每个对象吸收周围对象的信息，再更新自己的表示。结构简单，适合先确认“关系图本身是否有帮助”。
把自己和邻居的信息按连接关系混合，形成新的局部认识。
关系较清楚、想先建立一个可靠基线时。
层数太多会让不同对象越来越相似，局部差异反而被抹平。
先问一句：我真的需要区分不同邻居的重要性吗？如果不需要，简单模型通常更容易检查。
GNN 可以帮助我们理解哪些环境问题
只要周围的对象会改变一个地方的结果，就可以试着用关系图来理解它。下面从城市交通、建筑运行、结构安全、环境变化和设计选择等方向展开，再回到本项目关心的风和热。
迁移提醒：同一种图结构在不同城市、不同风向和不同时间下不一定代表同一种机制，环境问题尤其需要把尺度、边界条件和观测来源一起说明。
城市网络与流动
把道路、轨道、街段与活动单元构成时空图，研究交通状态、可达性、出行需求和人群流动。
建筑性能与运行
以房间、设备、建筑或园区为节点，表达热区耦合、能流和控制依赖，用于负荷、能耗和运行异常分析。
结构、材料与工程系统
将构件、有限元单元或材料微结构表示为图，学习受力传递、损伤演化、响应预测和拓扑关系。
环境场与微气候
通过建筑、网格、表面或测点图学习空气、水、热、辐射与污染物在空间中的传播和局部响应。
基础设施与城市韧性
电力、供水、排水、道路和应急设施天然构成网络，可用于状态估计、故障传播、灾害影响和恢复策略。
遥感、形态与城市识别
把像素区域、地块、建筑与街区关系显式化，用于土地利用、LCZ、形态类型、变化检测和跨区域迁移。
传感器网络与数字孪生
将传感器、BIM/GIS 对象和时间状态连接为动态图，支持缺失数据重构、异常检测、状态更新与预测性维护。
设计生成、评价与优化
把空间单元、设计约束和性能反馈组织成图，用于布局生成、方案排序、多目标优化和设计规则学习。
这是一张按关系机制组织的主要领域地图，而非封闭的穷举清单。研究知识图谱可以为这些方向组织文献与证据，但知识图谱本身不等同于 GNN。
城市风环境
把建筑、测点、网格和风向放在同一张关系图里，看看遮挡、通道和尾流为什么会让不同位置的风不一样，并把较粗的估计修正到更细的位置。
- 风速、压力与空气扰动
- 模拟结果的快速估计与差异修正
- 行人高度的舒适与风险
- 从标准场地走向真实街区
城市热环境
把城市形状、材料、植物、日照、天气和观测放在一起，理解为什么不同位置会有不同温度和体感，也看看这种差异在不同大小的空间里如何变化。
- 地面与空气温度
- 热舒适与暴露感受
- 形状、绿化和材料的影响
- 从一个街区走向另一座城市
把问题说清楚 / 04
从一个问题，到一张清楚的关系图
选模型以前，更重要的是先把场地里有什么、谁会影响谁、哪些条件会变化、想知道什么说清楚。依次查看五个环节，理解每一步会怎样改变最后的答案。
QUESTION / 01
先把想知道的事情说清楚
不要先从模型名字开始。先说清楚哪些对象互相影响，以及最后想看见什么结果。
什么时候适合用图，什么时候不必用
关系图不是越复杂越好。只有当周围对象确实会改变结果，而且这种影响能够被说清楚时，用图才有意义。
判断标准：如果不能说清楚连接的现实依据、结果的适用范围和验证方式，复杂的关系图只会让答案看起来更聪明，却不一定更可靠。
可以试试关系图
- 对象的数量和位置会变化
- 远近、方向或连接会改变结果
- 一个地方会受到周围很多地方影响
- 希望把形状、规律和资料之间的联系画出来
也许不必用关系图
- 规则方格里的纹理已经包含了主要信息时，普通图像方法可能更直接
- 如果说不清楚为什么要连接两个对象，模型只是在记住人为画出的线
- 资料太少，或者换到完全不同的地方时，关系图也可能失灵
- GNN 不能自动替代模拟、风洞、实测或专业判断
一条从问题出发的学习路
先学会问清楚谁影响谁，再去看模型。每一步都留下一个可以自己检查的结果。
建议顺序：先用一块熟悉的场地练习“对象—关系—任务”三件事，再阅读模型结构；能画清楚关系，才更容易理解模型为什么有效或失效。
先读懂关系
认识对象、联系、远近、方向、路径，以及一张图里哪些地方彼此相连。
找到场地里的对象
为一个地方说清楚有哪些对象、它们带着什么信息、哪些情况会随时间变化。
先做简单比较
先和简单的办法放在一起比较，再判断关系图是不是确实带来了帮助。
换地方再检查
把不同位置、不同时间或不同街区留出来，看看答案能不能走出原来的地方。
基础阅读与原始来源
这些文献用于支撑本页的历史与理论主线。风热环境的细分研究可继续进入两个交互知识图谱检索。
阅读方法：先用综述或统一框架建立词汇，再回到原始论文核对问题、图结构和验证方式；引用不是装饰，而是判断一条结论能走多远的依据。
Scarselli et al.
早期 GNN：通过递归更新寻找稳定表示。
Kipf & Welling
GCN：用局部邻域传播获得平滑而可区分的表示。
Gilmer et al.
MPNN：把消息、聚合与更新写成可组合的统一框架。
Pfaff et al.
MeshGraphNets：让网格拓扑承载物理模拟与场演化。