面向城市的人工智能:模式、差距与未来方向

作者

  • Navid Moghaddam
  • Huhua Cao
  • Benjamin Gianni

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.18192/cdibp.v1i2.7961

关键词:

artificial intelligence, urban studies, systematic review, smart cities, sustainability

摘要

本研究对人工智能在城市中的应用进行了系统综述,围绕 2020 年 1 月至 2025 年 12 月间发表的 7,660 篇同行评审论文,刻画了该领域的主题结构、方法学选择与可持续性取向。语料库依据 PRISMA 2020 指南从 Scopus 构建,限定为英文期刊论文,并按照预先设定的纳入标准进行筛选。在保留的论文中,5,441 篇被划归为实证研究,构成方法学与主题分析的基础;其余 2,219 篇为概念性或综述性研究。分类采用混合流程,结合关键词提取、在确定性解码设置下进行的大语言模型辅助编码,以及专家裁定;在 10% 双盲编码样本上的编码者间一致性,在所有主要维度上均达到“显著”至“近乎完美”的水平。

第一个核心发现是该领域扩张的速度。城市人工智能论文年产量大致翻了两番,从 2020 年的 574 篇增至 2025 年的 2,395 篇,研究来自 109 个国家。中国、印度和美国三国合计贡献超过半数的语料,中国一国即占 37.2%。尽管论文数量表明该领域正趋于成熟,但地理集中和英文语言筛选意味着,本地治理实践以及中文、葡萄牙语和西班牙语文献在国际文献中被系统性地低估。

第二个发现关乎人工智能在城市语境中实际承担的任务。预测与分类合计占实证应用的 40% 以上,而最贴近政策制定者需求的决策支持任务则不足 1%。契合城市复杂性的方法,如图神经网络(n=111)和物理信息神经网络,仍然罕见。该领域大多直接借用为计算机视觉和自然语言处理而开发的架构,而非围绕城市系统的关系性、多尺度与社会技术结构去设计专门的工具。

第三个发现来自对应分析,其前两条主轴分别解释了总惯量的 41.7% 和 23.4%。横轴将技术–预测取向的研究与社会–空间整合取向区分开来,纵轴则将黑箱方法与可解释方法区分开来。气候与环境类研究聚集在可解释、基于集成方法的一侧;社会公平类研究聚集在模拟与决策导向分析的一侧;数字与智慧城市类研究则相反,落入技术–预测且黑箱化的象限。资助模式大体上与这一几何结构相吻合:中国资助集中于深度学习和可持续发展目标 11,而欧盟“地平线”项目和北美资助则显示出更广泛的主题与方法多样性。

第四个发现是一种可持续性悖论。技术上最先进的“数字与智慧城市”集群,其可持续性整合最弱:仅有 37% 的论文显示出强整合,而“韧性与安全”为 48%,“气候与环境”则占明显多数。我们认为这反映出一种隐性的框架:技术性优化——单位任务能耗的降低、吞吐量的提升、延迟的减少——被当作可持续性的代理指标,而分配性后果、反弹效应和底层数字基础设施的全生命周期成本却被忽略。我们将这一机制视为由交叉表所启发的解释性假设,而非已被检验的因果论断。

第五个发现关乎研究设计。横断面研究占主导,达 74.3%,纵向研究依旧少见,且公平视角的研究在“社会公平”集群之外并不常见。缺乏时间深度,关于人工智能干预能否带来持续可持续性收益的论断便只能依赖预测而非已评估的结果;缺乏公平性度量工具,非正规聚居区与历史上被边缘化群体所承受的分配性后果便仍隐而不见。这些设计上的限制,也制约了我们对收益与负担在空间和时间上如何分布的判断,而这对任何可持续性评估而言都是重要盲点。

基于这些规律,我们提出一项围绕三项要务展开的研究议程。第一是架构创新:构建“城市原生”模型,例如与基础设施拓扑相对齐的图神经网络,以及编码既有城市理论(包括引力模型、规模定律与空间交互框架)的物理信息架构。第二是治理整合:弥合人工智能能力与决策支持之间的鸿沟,这要求不确定性量化、情景比较、反事实推理,以及因果推断技术的逐步纳入。第三是参与式框架:将受影响的社区视为共同设计者,而非数据对象或终端用户,并将公开算法登记册、影响评估与采购要求等算法问责机制嵌入市政人工智能流程之中。

我们以两点方法论上的提醒收尾。本文报告的描述性分布与对应分析几何是语料库的直接特征,但关于制度激励、出版商偏好与资助效应的解释,皆是借助既有文献作出的溯因式解读,属于供后续实证研究检验的假设,而非对这些机制的检验。检索在语言与索引上的限制也意味着,关于区域治理实践和本地化校准的人工智能实施的结论,应当在清楚理解语料库所能见与所不能见的前提下加以阅读。

##submission.downloads##

已出版

2026-05-05

栏目

Full-Length Article