本書提出了一套基于感知、模擬與人工智能的智能化城市規(guī)劃與管理框架,該框架由三部分構成,分別為以認知現(xiàn)實為目的的城市信息感知與分析、以預判未來為目的的政策模擬與評估以及基于人工智能的全過程增強。在此基礎上,本書還結合筆者在這一領域的多項研究實踐,選擇若干前沿案例對上述框架予以深入闡釋。
面向近年來城市管理智能化轉型趨勢,對大量相關研究與實踐進行了系統(tǒng)梳理,提出了由信息感知與挖掘、系統(tǒng)模擬與優(yōu)化以及人工智能算法增強三個板塊構成的人機協(xié)同智能化城市管理體系。
隨著全球人口向城市持續(xù)聚集,現(xiàn)代城市在很大程度上遭受著交通
擁堵、環(huán)境污染、資源緊缺等問題的困擾,在近百年來的現(xiàn)代城市治理
探索中,人們不斷嘗試從各類最新的社會科學思想與工程技術進步中探
尋城市問題的解決思路。近年來,以智慧城市城市大數(shù)據(jù)等熱門
詞匯為代表的一類城市管理技術受到了學界與業(yè)界的大量關注與討論,
這類技術試圖借助各種新方法、新數(shù)據(jù)更充分地洞悉城市運行態(tài)勢與發(fā)
展規(guī)律,并在此基礎上更智慧智能地調控、優(yōu)化城市系統(tǒng)內的各
類資源配置,逐漸成為城市管理領域一項不可忽視的發(fā)展趨勢。這一趨
勢的形成和興起源于當代社會與科技發(fā)展中多種因素的驅動。首先,21
世紀以來,隨著信息通信技術的提高與大規(guī)模普及以及現(xiàn)代生產(chǎn)生活的
廣泛電子化,人群活動、事務往來、意見表達等城市系統(tǒng)中越來越多的
活動與事件都開始產(chǎn)生數(shù)據(jù)并被記錄。這類數(shù)據(jù)資源率先在商業(yè)領域被
開發(fā)利用,繼而引起城市管理者的關注。以這類具有認知沖擊力的海量
數(shù)據(jù)為出發(fā)點,新的城市數(shù)據(jù)挖掘方法不斷涌現(xiàn)。其次,計算機軟、硬
件水平的提高使相關技術在實際場景中的應用潛力大為增加,如人工智
能算法的發(fā)展使圖像、語音識別技術在2010年以后明顯提高,催生了大
量新的應用場景;硬件基礎設施的提升也使信息傳輸與反饋速度得以滿
足更多場景需要。相關進步在互聯(lián)網(wǎng)、商業(yè)、金融等領域引發(fā)的生產(chǎn)生
活方式轉變使人們不禁思考,相對傳統(tǒng)的城市管理工作可以怎樣從這一
科技趨勢中受益。筆者從2013年攻讀博士開始,有幸參與到這一次的
智能化城市管理研究熱潮中,本書作為筆者近年來工作與思考的總結,試圖透過紛繁的研究與實踐案例梳理出智能化城市管理的框架體系,為
有興趣了解這一領域的讀者提供參考。
事實上,通過引入新技術提升城市管理的效率與水平,使之更加智
能化的探索由來已久。早在20世紀80年代,國內已出現(xiàn)大量城市模
型的開發(fā)與應用實踐,城市模型借助計算機的強大運算能力實現(xiàn)人腦一
般無法完成的復雜迭代分析,從而模擬城市運行規(guī)律、預測城市發(fā)展趨
勢并為管理決策提供依據(jù)。20世紀90年代初,人工智能領域的專家
系統(tǒng)技術也曾被應用于城市管理,出現(xiàn)了若干針對特定問題的智能化
決策輔助系統(tǒng)。此外,智能城市概念在20世紀90年代被正式提出,
與其先后出現(xiàn)的連線城市數(shù)字城市信息城市電子治理等理念大多也蘊含了互聯(lián)信息智能等相關思想。可以說,隨著城市系統(tǒng)的復雜化與技術的發(fā)展,智能化城市管理的理論與技術內涵也在
不斷豐富。那么,在當前發(fā)展階段,智能化城市管理包含哪些內容、形
成了怎樣的體系、面臨哪些挑戰(zhàn),本書將針對這些問題展開探討。
為回答上述問題,本書提出了基于機器智能a-人類智能協(xié)作的智能
化城市管理框架體系。在這一框架中,機器智能體現(xiàn)為信息感知與挖掘、
系統(tǒng)模擬與優(yōu)化以及人工智能算法增強三個主要板塊,而人類智能主要
在價值選擇、利益協(xié)商、模糊經(jīng)驗判斷等環(huán)節(jié)發(fā)揮作用。通過高頻交流
與信息反饋,二者相互協(xié)同、取長補短,共同完成城市管理工作。首先,
這一框架強調人機協(xié)同城市管理智能化并不意味著以算法代替管理
者決策,而是利用機器的信息采集與計算能力生產(chǎn)出大量輔助人類決策
的信息與知識,提升人機互動頻率與深度,形成人機協(xié)同互補的增強型
智能系統(tǒng),共同提高城市管理決策水平。其次,本書根據(jù)問題對象層面
從認知現(xiàn)狀到預判未來的演進和方法技術層面機器智能水平的差異將智
能化城市管理相關技術劃分為三個主要板塊:信息感知與挖掘、系統(tǒng)模
擬與優(yōu)化以及人工智能算法增強。信息感知與挖掘指通過各類手段對反
映城市系統(tǒng)運行狀況的各類信息進行收集,感知城市人、地、事、物的
真實狀態(tài),并在采集獲取信息的基礎上,以適當?shù)募夹g方法進一步分析、
挖掘數(shù)據(jù),實現(xiàn)從原始數(shù)據(jù)到有效信息的提煉。在信息感知與挖掘的基
礎上,可基于已識別的城市運行規(guī)律構建城市模型,模擬城市巨系統(tǒng)內
的復雜行為與互動,并對城市管理政策的可能影響進行預判與優(yōu)化,拓
展人腦對未來情形進行推演與判斷的能力范疇。對這兩個板塊而言,人
工智能算法憑借其強大的數(shù)據(jù)建模能力,可在其中發(fā)揮算法增強作用,
提升上述過程的機器智能水平與決策支持能力。
伴隨著相關概念在全世界流行,可納入智能化城市管理范疇的研究
與實踐在國內外涌現(xiàn)。本書希望通過上述框架體系的搭建厘清當前階段
各類研究實踐的內在邏輯與相互聯(lián)系。由于具體案例的呈現(xiàn)對理解智能
a 在計算機領域,機器智能(machine intelligence)經(jīng)常被作為人工智能(artificial intelligence)
的近義詞使用。在本書中,機器智能的含義更為寬泛,指由機器產(chǎn)生出對人類智能思維有意
義的信息,與人類智能互動協(xié)作并共同作用于政策制定。
化城市管理體系也尤為重要,因此,本書分為上、下兩篇:上篇為理論
方法篇,按上述三個板塊分別進行理論與方法闡釋;下篇為研究案例篇,
針對三個板塊分別選擇一或兩項筆者與合作者曾開展的研究,展示相關
方法的實現(xiàn)過程。對信息感知與挖掘板塊,筆者選取了挖掘城市人群活
動規(guī)律的案例,提出了一種基于人群活動大數(shù)據(jù)的時間特征分析方法,
可以為城市公共服務的供給等問題提供支撐;對系統(tǒng)模擬與優(yōu)化板塊,
筆者分別選取了北京市民出行模擬與城市疫情防控策略優(yōu)化兩個案例,
分別側重于模擬與優(yōu)化兩個子環(huán)節(jié)(其中第一個案例模擬了市民一日活
動與出行模型,可用于預測城市建設、功能布局等對城市交通的影響;
第二個案例面向新冠疫情防控,提供了疫情防控分區(qū)的優(yōu)化算法);對人
工智能算法增強板塊,筆者選取了基于人工智能圖像識別的城市空間品
質評估研究,可實現(xiàn)傳統(tǒng)方法所難以實現(xiàn)的城市空間品質大規(guī)模、精細
化評估。
如前文所提到,智能地開展城市管理工作、提升城市生活品質
是人們的長期愿景與探索方向。21世紀是人類的第一個城市世紀a,
全球城市人口將繼續(xù)增加,隨之而提高的城市系統(tǒng)復雜度將使人們更加
寄希望于智能化技術,以應對管理運轉巨型城市系統(tǒng)的挑戰(zhàn)?梢灶A見,
在城市管理智能化的長期進程中,人們會經(jīng)歷創(chuàng)意勃發(fā)的高潮也會經(jīng)歷
徘徊不前的低谷,其中涉及的理論方法也會隨相關學科的拓展而逐漸更
迭,但令城市生活更美好的努力不會停止。
本文撰寫也得到了國家自然科學基金的資助(資助號:52008005),
特此感謝。
劉倫
2023年6月
a 指全球城市人口占比開始超過50%。
劉倫,清華大學建筑學學士、城市規(guī)劃學碩士,劍橋大學土地經(jīng)濟系博士,現(xiàn)為劍橋大學土地經(jīng)濟系博士后副研究員,主要研究方向為決策模型與公共政策評估、人工智能與管理信息化、城鄉(xiāng)治理。以第一作者或通訊作者發(fā)表中英文學術論文近20篇。
上篇 理論方法
第1章 新環(huán)境下的城市管理2
1.1 新問題與新方法 2
1.2 新技術方法影響下的轉型趨勢 6
1.3 我國城市發(fā)展的轉型 10
參考文獻 12
第2章 智能化城市管理的內涵與框架14
2.1 智能化城市管理內涵辨析 14
2.2 多學科理論方法基礎 18
2.3 系統(tǒng)技術框架 23
2.4 管理決策模式:人機協(xié)同決策 27
參考文獻 30
第3章 信息的感知與挖掘32
3.1 大數(shù)據(jù):當代城市管理的重要信息來源 33
3.2 感知挖掘的應用領域 39
3.3 討論:感知的可能與限度 55
參考文獻 57
第4章 系統(tǒng)模擬與優(yōu)化60
4.1 城市模型的早期發(fā)展 60
4.2 當今城市模型研究的進展與應用 64
4.3 討論:實踐挑戰(zhàn)模型思維與管理思維 71
參考文獻 73
第5章 人工智能應用75
5.1 人工智能的概念與技術發(fā)展 75
5.2 人工智能增強的城市管理 80
5.3 以計算機視覺為例的城市感知增強 83
5.4 討論:弱人工智能與通用人工智能 93
參考文獻 94
下篇 研究案例
第6章 信息感知與挖掘案例:城市人群活動規(guī)律挖掘102
6.1 研究背景 102
6.2 相關研究回顧 103
6.3 感知挖掘的方法 105
6.4 感知挖掘結果 108
6.5 總結與政策建議 114
參考文獻 115
第7章 系統(tǒng)模擬與優(yōu)化案例(一):城市環(huán)境與交通出行模擬117
7.1 研究背景 117
7.2 建模方法 120
7.3 BEATIM模型概覽 127
7.4 子模型系統(tǒng) 133
7.5 總結與政策建議 142
參考文獻 143
第8章 系統(tǒng)模擬與優(yōu)化案例(二):城市疫情防控策略的優(yōu)化147
8.1 研究背景 147
8.2 相關研究回顧 148
8.3 方法與數(shù)據(jù) 149
8.4 方法應用 153
8.5 總結與政策建議 158
參考文獻 159
第9章 人工智能應用案例:城市空間品質評估160
9.1 研究背景 160
9.2 相關研究回顧 162
9.3 計算機視覺模型建構 163
9.4 評估結果 168
9.5 總結與政策建議 173
參考文獻 175
第10章 城市、機器與人:人本的城市智能177
10.1 量化與不可量化 180
10.2 數(shù)據(jù)的偏差與不平等 181
10.3 技術與價值觀 182
10.4 優(yōu)化與克制 183
參考文獻 184