CityLLM：用于语义3D城市模型自然语言查询的框架

CityLLM是一个基于LLM的框架，通过结合空间和图形数据库，支持对语义3D城市模型的自然语言查询与迭代优化。在鹿特丹853个LoD2建筑数据集上，使用GPT-OSS、Gemini 3.1和GPT-5.4等模型评估，答案正确率85.2%-100%，可视化正确率92.9%-100%，查询成功率100%，平均重试少于3次。该框架为对话式访问城市数据提供了轻量级、可扩展的方法。

此前非专家和跨学科研究人员难以直接查询复杂结构的语义3D城市模型，需要掌握专用数据格式和查询语言。CityLLM通过自然语言接口大幅降低了使用门槛，且支持跨数据库链式查询和迭代细化，使对话式城市数据检索成为可能。

CityLLM将大语言模型与空间和图形数据库集成，通过迭代查询细化和跨数据库链式调用，将用户自然语言逐步转化为结构化查询指令，从而在不暴露底层数据格式的情况下完成对城市模型的检索、可视化与跨数据源联合分析。

该框架可为城市数据相关产品提供即用型的自然语言查询能力，减少用户培训需求。开发者可直接将CityLLM嵌入Web端或桌面端GIS应用，使规划师、地产分析师等非技术用户能通过对话方式获取3D建筑信息并生成可视化结果。

• 开发基于CityLLM的城市数据对话助手，提供自然语言问答与可视化功能
• 将CityLLM集成到城市规划软件（如CityCAD、ArcGIS Pro）中作为插件
• 构建面向智慧城市的3D城市模型查询API服务，支持第三方应用调用

• CityLLM在超过10万建筑的大规模城市模型上性能是否依然稳定？
• 该框架除CityJSON外是否支持CityGML、IFC等其他3D城市数据格式？
• 跨数据库链式查询的具体实现是否依赖特定LLM版本，可否替换为开源模型？
• CityLLM对实时或动态更新（如传感器数据）的查询响应能力如何？