今天聊的这位导师是新加坡国立大学建筑系的Filip Biljecki，主要做城市数据科学和GeoAI方向。这个组最值得看的，不是论文数量，是他创立的NUS Urban Analytics Lab在这个细分领域的位置——基本上你搜urban digital twin、3D city model、GeoAI，绕不开这个实验室。
先说个让我停下来的数据：Google Scholar上引用数超过11000次，170多篇论文。一个助理教授做到这个体量，在建筑和城市规划这个领域里是非常少见的。更关键的是，他2020年拿到了NUS Presidential Young Professorship——这个头衔在NUS的权重不低，基本等于学校层面的"我们押注这个人"。
一、这个方向为什么值得押
城市数据科学这个方向，三年前还是个偏小众的交叉领域。但现在不一样了。全球做smart city、digital twin的资金在快速增长，新加坡政府本身就在投大量资源做城市数字孪生。Filip Biljecki的研究刚好卡在这个窗口上——他做的不是纯建筑设计，是用数据和AI来理解城市。
说实话我第一眼看到他的双聘身份有点意外——建筑系和商学院房地产系同时聘任。这意味着他的研究既有技术深度又有商业应用价值。对申请者来说，这种交叉定位的好处是：你的研究出口不只是学术论文，还有政策咨询和行业应用。
二、研究方向深度拆解
| 研究方向 | 阶段判断 |
| 3D城市建模与数字孪生 | 快速上升期，政府和企业需求明确 |
| GeoAI（地理空间人工智能） | 爆发期，顶会论文数量三年翻倍 |
| 城市信息学与数据科学 | 成长期，跨学科需求在扩大 |
Global Building Morphology Indicators
Computers, Environment and Urban Systems，2024
这篇做的是全球尺度的建筑形态指标，方法上用了大规模地理数据处理。如果你有GIS和数据工程的背景，这是最直接的切入点。
Geospatial Artificial Intelligence in Urban Analytics
ISPRS Journal，2023
GeoAI在城市分析中的应用综述。这篇本身就是一个非常好的方向图谱，我建议套磁之前先读这篇。
三、两个创新idea
Idea 1：基于街景图像的城市建筑碳排放预测。用计算机视觉从Google Street View提取建筑外观特征，结合能耗数据训练预测模型。这个方向跟他的3D城市建模研究直接相关，而且碳排放预测是当前城市可持续发展的政策热点。
Idea 2：城市数字孪生中的数据质量评估框架。数字孪生的核心瓶颈不是模型，是数据质量。他有一系列论文在讨论BIM-GIS转换中的信息损失问题，这个方向做下去有很强的工程应用价值。
四、读完这个博士的路
我在LinkedIn上找到了几位从这个实验室出来的人。一位去了深圳技术大学做教职（Tianhong Zhao），一位去了格拉斯哥大学（Pengyuan Liu），还有去Cornell做博后的（Winston Yap）。这个去向分布说明什么？学术路线是主流，但不是唯一选择——城市数据科学在政府规划部门和科技公司都有岗位需求。
五、学费、生活费与奖学金
NUS PhD标准资助：每月3,500新币（约合人民币1.85万），学费全免。NUS的PhD奖学金主要有两种：NUS Research Scholarship（每月3,500新币）和President's Graduate Fellowship（更高额度，竞争激烈）。新加坡生活费每月大约1,500-2,000新币（合租），所以奖学金基本能覆盖。学费方面，拿到Research Scholarship的学生学费全免。新加坡国家研究基金会、教育部学术研究基金在研，这意味着他的学生在经费支持上不会太捉急。
如果你有GIS、数据科学或城市规划的背景，又对AI应用感兴趣，这个组是值得认真考虑的选择。
信息来源：NUS官网、Urban Analytics Lab官网 (ual.sg)、Google Scholar、World Economic Forum。数据截至2026年5月。如有变动以官方为准。
