CityLLM：用自然语言查询语义3D城市模型

背景

三维城市模型（3D city models）在城市规划、环境模拟、智慧城市等领域有广泛应用，其中语义三维城市模型（semantic 3D city models）不仅包含建筑物的几何形状，还携带丰富的语义信息（如建筑用途、楼层数、材质等）。然而，这类数据通常以复杂的结构化格式（如 CityJSON、CityGML）存储，非专业用户和跨学科研究人员难以直接访问和查询。传统的查询方式要求使用者掌握特定的空间查询语言或编程技能，极大限制了数据价值的发挥。为了解决这一痛点，来自 arXiv cs.CL 的研究团队提出了 CityLLM，一个基于大语言模型（LLM）的自然语言查询框架，旨在让用户能用日常语言直接与语义三维城市模型交互。

核心内容

CityLLM 是一个集成空间数据库和图数据库的 LLM 驱动框架，支持用户通过自然语言对语义三维城市模型及补充性城市数据集进行查询。框架的核心设计包括：

• 多数据库协同：将空间数据库（存储几何数据）和图数据库（存储语义关系）整合进统一的工作流中，LLM 作为智能调度器，能够根据用户自然语言输入自动生成并执行跨数据库的查询语句。
• 迭代查询精炼：允许用户通过多轮对话逐步修正或细化查询需求，LLM 会记录上下文并调整后续查询逻辑。
• 跨数据库链接：支持在空间查询和图查询之间自动建立关联，例如先按空间位置筛选建筑，再按语义属性（如建筑类型）进一步过滤。

研究团队在荷兰鹿特丹市的 CityJSON 数据集上进行了评估，该数据集包含 853 个 LoD2（Level of Detail 2）建筑。使用的 LLM 包括 GPT-OSS、Gemini 3.1 和 GPT-5.4 及其若干变体。共设计了 54 条自然语言查询，覆盖四种场景：

1. 空间查询（spatial）：如“找出距离某公园 500 米内的所有建筑”。
2. 图查询（graph）：如“列出所有被标记为‘教育用途’的建筑”。
3. 跨数据库查询（cross-database）：如“在工业区中，找到建筑面积大于 1000 平方米的所有建筑”。
4. 对话式查询（conversational）：通过多轮对话逐步检索信息。

评估指标包括：

• 答案正确性（answer correctness）：查询返回的语义结果是否与预期一致。
• 可视化正确性（visualization correctness）：生成的几何可视化（如高亮显示）是否正确。
• 查询成功率（query success）：是否成功返回结果（无报错或超时）。
• 重试次数（retry attempts）：因错误需要重新尝试查询的次数。

结果表现强劲：答案正确性在 85.2% 到 100% 之间，可视化正确性在 92.9% 到 100% 之间，全部 54 条查询的成功率为 100%，且重试次数均少于 3 次。

关键要点

• CityLLM 将空间数据库与图数据库结合，通过 LLM 实现自然语言到结构化查询的自动转换，无需用户掌握专业查询语言（如 SPARQL 或 GeoSPARQL）。
• 框架支持迭代式对话查询，用户可以在对话中逐步修正需求，LLM 负责维护上下文状态。
• 评估使用的数据集为真实城市数据（鹿特丹 853 个 LoD2 建筑），保证了实验的实际意义。
• 测试的 LLM 涵盖了多个主流模型（GPT-OSS、Gemini 3.1、GPT-5.4），反映了框架对不同模型的兼容性。
• 所有查询场景（空间、图、跨数据库、对话）均达到 100% 查询成功率，且答案和可视化正确率均较高，仅少数复杂查询需要一次或两次重试。
• 框架被描述为“轻量级且可扩展”，意味着可以较容易地适配不同城市数据集或增加新的数据库类型。

意义与影响

CityLLM 的出现为语义三维城市模型的可访问性提供了一种全新范式。以往，城市数据查询的门槛较高，非专业人士往往需要依赖数据工程师或 GIS 专家才能获取信息。CityLLM 通过 LLM 桥梁，将自然语言直接映射到结构化查询，使得城市规划师、政策制定者、环保研究人员甚至普通市民都能以对话方式探索城市数据。其跨数据库链接能力尤其重要——城市数据往往分散在空间、属性、时间等多个维度，单一数据库难以支撑复杂查询，CityLLM 的多库协同机制有望打通数据孤岛。

此外，该框架的高成功率（100%）和低重试次数表明 LLM 在结构化查询生成方面的可靠性已经达到了实用水平。未来，随着 LLM 能力的进一步提升和城市数据标准化的推进，类似技术可能成为智慧城市基础设施的标准组件，甚至催生“城市数据对话代理”这类产品。论文同时提供了开源框架的设计思路，社区可以基于 CityJSON 等开放标准快速复现并扩展，有望加速该方向的研究落地。