水中立城市
2024 年 2 月 - 2025 年 1 月
组:李冠宏、陈思源、盛子山
导师:Eduardo-Rico Carranza
技术导师:Sheng-Yang Huang、Daniel Kiss
抽象的
英格兰(尤其是东南部)的水环境因人口增长、气候变化和工业化而面临越来越大的压力,导致水资源短缺和污染。本研究重点关注具有重要生态意义的阿伦河和西溪流域以及奇切斯特港,以应对这些挑战。该研究确定了导致水污染和短缺的关键因素,包括农业径流、气候变化和城市发展。该研究借鉴英国政府的 25 年环境计划,探讨了水资源管理的政策框架,强调水中性和营养中性是缓解环境恶化的关键策略。
奇切斯特港是一处杰出自然风景区 (AONB) 和具有特殊科学价值地点 (SSSI),特别容易受到营养物污染和干旱的影响,威胁其生物多样性和生态平衡。为了解决这些问题,该研究提出了创新的公众参与策略,包括基于游戏的学习,以加强社区对水资源保护工作的参与。通过整合游戏设计原则,例如玩家体验需求满足 (PENS) 模型,该研究旨在培养居民的意识、适应力和主动行为。
该研究评估了两种游戏形式:一种是实体棋盘游戏,配有能够通过检索增强生成 (RAG) 访问相关政策文件的聊天机器人;另一种是视频游戏,配有集成聊天机器人,但缺乏 RAG 功能。玩家互动显示出不同的模式:实体棋盘游戏更容易上手,引发了更多与奇切斯特及其环境问题相关的问题。相比之下,更具挑战性的视频游戏让玩家专注于与获胜相关的游戏规则和策略。对视频游戏中记录的玩家行为的分析表明,在连续几轮中,决策准确性有所提高,表明学习效果良好。与此同时,在实体游戏中,尽管很简单,但玩家与聊天机器人的互动更深入,优先考虑探索和对话,而不是输赢,这促进了不同但同样有价值的学习体验。
Keywords
Urban Growth Boundaries Prediction, Deep Learning Latent Diffusion Model, ControlNet, Multimodal Machine Learning