張曉東 許丹丹,2 王良 梁弘 呂宜生 王飛躍

1.北京市城市規(guī)劃設(shè)計研究院北京100045 2.北京交通大學(xué)北京100044 3.中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室北京100190 4.中國科學(xué)院大學(xué)人工智能學(xué)院北京101408

新冠肺炎疫情促使超大城市運轉(zhuǎn)及治理發(fā)生深刻變化,基于新技術(shù)認識規(guī)律的城市韌性治理是應(yīng)對我國發(fā)展環(huán)境深刻、復(fù)雜變化的重要途徑.一方面,人工智能、機器學(xué)習(xí)、物聯(lián)網(wǎng)、區(qū)塊鏈和大數(shù)據(jù)等新技術(shù)廣泛應(yīng)用,第四次工業(yè)革命以前所未有的態(tài)勢席卷而來[1].城市從物理走向數(shù)字,從資源走向信息,從原子走向字節(jié),從工業(yè)走向工業(yè)4.0 時代,探索城市的技術(shù)限制越來越小[2],數(shù)字化、信息化正在顛覆性改變?nèi)祟惿?也為城市治理塑造了新的機遇.另一方面,信息化的快速發(fā)展重新定義了人類對于城市的認知,城市不再是物化的靜態(tài)場所,而是作為動態(tài)變化的“復(fù)雜系統(tǒng)”被重新解讀:系統(tǒng)中的要素交互耦合、協(xié)同作用,基于系統(tǒng)邏輯對城市進行規(guī)劃、管理及調(diào)控成為可能.復(fù)雜科學(xué)的不斷發(fā)展使得人類對于社會、城市發(fā)展規(guī)律的挖掘逐漸向范式轉(zhuǎn)變,人類對城市復(fù)雜系統(tǒng)黑箱探索的動力愈加強烈.

1 研究綜述

1.1 大數(shù)據(jù)背景下的城市研究現(xiàn)狀

對于如何在大數(shù)據(jù)背景下重新理解城市,國內(nèi)外學(xué)者及機構(gòu)開展了大量城市研究工作.

國外研究開展較早,在城市可視化、城市治理信息技術(shù)、城市動態(tài)模擬、城市量化、城市感知、數(shù)字孿生等方面取得了一些開創(chuàng)性成果.1980年,杰羅姆·威斯納和尼古拉斯·尼葛洛龐帝教授共同創(chuàng)辦了麻省理工媒體實驗室(The MIT Media Lab),實驗室聚焦城市發(fā)展大數(shù)據(jù)可視化,為決策提供了技術(shù)支撐.麻省理工大學(xué)感應(yīng)城市實驗室(MIT Senseble City Lab)致力于城市治理信息技術(shù),提出了全新的描述和理解城市的范式,預(yù)測城市變化;此外,實驗室與維多利亞州、劍橋市等開展合作,分別通過數(shù)字技術(shù)為管理者和居民提供了先進方案.在城市動態(tài)模擬方面,伯克利大學(xué)城市分析實驗室(Urban Analytics Lab)與大都會區(qū)交通委員會和灣區(qū)政府協(xié)作,開發(fā)了實時UrbanVision 原型,構(gòu)建了城市模擬的3D 可視化平臺.英國倫敦大學(xué)學(xué)院教授、UCL 高級空間分析中心(Center of Advanced Spatial Analysis,CASA)主任邁克爾·巴蒂圍繞智慧城市與城市定量分析開展系列研究[3],基于城市理論、城市模擬方法、計算機可視化、編程、GIS 以及智慧城市等學(xué)科的交叉應(yīng)用開創(chuàng)了“新城市科學(xué)”,并將其納入了規(guī)劃教育體系;在研究工作上,邁克爾·巴蒂從復(fù)雜性科學(xué)視角入手,不斷豐富智慧城市的內(nèi)涵,同時對城市的數(shù)字孿生概念進行了討論.此外,英國阿蘭圖靈研究所、利茲大學(xué)、倫敦大學(xué)等相關(guān)團隊也圍繞城市定量分析的不同領(lǐng)域開展了相關(guān)工作.

受信息化影響,國內(nèi)城市研究經(jīng)歷了快速發(fā)展和轉(zhuǎn)型時期.同濟大學(xué)吳志強院士指出,“按照城市發(fā)展的規(guī)律開展城市規(guī)劃是城市發(fā)展的新歷史時期”;吳志強院士團隊于2015年推出了城市規(guī)劃從BIM走向CIM 階段的概念,并通過北京通州副中心建設(shè)進行了應(yīng)用實踐,是CIM 技術(shù)在智能化城市的率先嘗試;同時,吳志強院士團隊研發(fā)的“城市樹”全球影像智能識別技術(shù),完成了全世界第一張最完整的城市建成面積圖;此外,團隊基于城市智能推演技術(shù)研發(fā),在北京城市副中心城市設(shè)計中完成了世界上第一個純粹人工智能推演的發(fā)展模型.北京市城市規(guī)劃設(shè)計研究院面向城市總規(guī)、專項規(guī)劃及城市治理構(gòu)建了規(guī)劃決策支持模型體系,并基于大數(shù)據(jù)背景下的規(guī)劃業(yè)務(wù)需求成立了大數(shù)據(jù)實驗室,聚焦城市感知、城市模擬及定量分析開展了大量工作,實驗室開展的新冠疫情時空傳播模擬研究,為疫情防控提供了方法支撐.茅明睿等探討了云平臺、大數(shù)據(jù)等技術(shù)促進城市規(guī)劃轉(zhuǎn)型發(fā)展的若干問題.黨安榮等討論了大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等技術(shù)在規(guī)劃體系中的應(yīng)用[4?5].柴彥威等利用地理環(huán)境數(shù)據(jù)和居民行為數(shù)據(jù),構(gòu)建了社區(qū)生活圈劃定模型,為新版居住區(qū)規(guī)劃標準中各類生活圈規(guī)劃能夠真正落地實施提供技術(shù)支撐[6].龍灜等在數(shù)據(jù)增強設(shè)計方法框架下提出了智慧規(guī)劃的流程及3 大特征并從數(shù)據(jù)來源補充、城市生活與空間變化認知、規(guī)劃設(shè)計響應(yīng)等視角探討了值得關(guān)注的相關(guān)內(nèi)容[7?8].武廷海等人回顧了未來城市研究與實踐中的4 個主要路徑,明確了進一步創(chuàng)造未來城市的核心思路[9].

這些研究推動了大數(shù)據(jù)背景下城市規(guī)劃及治理的發(fā)展,然而,城市是一個基于人的活動產(chǎn)生的復(fù)雜巨系統(tǒng),盡管當前存在許多知識框架來理解城市系統(tǒng)的特定領(lǐng)域,但大多數(shù)定量研究所依據(jù)的標準假設(shè)通常并不適用于整個系統(tǒng)層次,從而導(dǎo)致了大尺度行為的因果被錯誤地描述.

1.2 基于復(fù)雜系統(tǒng)的城市研究現(xiàn)狀

復(fù)雜性研究興起于20 世紀80年代,獲益于數(shù)據(jù)環(huán)境及技術(shù)手段的進步,人們對復(fù)雜系統(tǒng)的認識越來越深入.普遍認為,復(fù)雜系統(tǒng)是由大量相互作用的個體組成的系統(tǒng),系統(tǒng)宏觀現(xiàn)象與單個主體的性質(zhì)幾乎無關(guān),絕大程度上取決于系統(tǒng)包含主體的數(shù)量,以及它們之間的連接、互動方式[10].因此,復(fù)雜性科學(xué)本質(zhì)上又是研究關(guān)于涌現(xiàn)的科學(xué).隨著復(fù)雜性科學(xué)的不斷發(fā)展,在世界范圍內(nèi)形成了美國圣塔菲研究所(Santa Fe Institute,SFI)等30 幾個著名的研究機構(gòu).復(fù)雜視角下的城市研究工作主要從城市規(guī)劃、交通運輸、公共衛(wèi)生、經(jīng)濟、能源、社會等領(lǐng)域展開,如表1所示.

在城市規(guī)劃領(lǐng)域,研究關(guān)注人口、城市尺度、城市結(jié)構(gòu)形態(tài)、基礎(chǔ)設(shè)施的適應(yīng)性等,通過城市的基本屬性分析解答了城市中普遍存在的規(guī)模法則[11];在交通領(lǐng)域,研究關(guān)注交通系統(tǒng)物理結(jié)構(gòu)、交通系統(tǒng)、運輸系統(tǒng)等,通過網(wǎng)絡(luò)及系統(tǒng)的思想解決了交通運輸?shù)男?、韌性問題;在公共衛(wèi)生領(lǐng)域,研究關(guān)注傳染病的傳播與策略等,實現(xiàn)了傳播機理的復(fù)現(xiàn);在經(jīng)濟領(lǐng)域,研究關(guān)注金融市場、資金流動、產(chǎn)業(yè)分布等,通過現(xiàn)狀分析及預(yù)測討論經(jīng)濟的波動和關(guān)聯(lián)關(guān)系;在能源領(lǐng)域,研究關(guān)注能源的網(wǎng)絡(luò)傳輸、能源系統(tǒng)演化等,討論了能源的供需關(guān)系;在社會領(lǐng)域,研究關(guān)注社會結(jié)構(gòu)、社會網(wǎng)絡(luò)、社會差異等,面向輿情、公平性等提供了解決方案.此外,由于各個系統(tǒng)間存在相互影響,因此,復(fù)雜性科學(xué)也關(guān)注系統(tǒng)間的耦合,如能源-經(jīng)濟-生態(tài)的協(xié)同分析等.

表1 基于復(fù)雜性科學(xué)的城市研究Table 1 Urban studies based on complexity science

隨著研究不斷豐富,城市領(lǐng)域的復(fù)雜系統(tǒng)理論形成了較為體系的技術(shù)方法,如圖1所示.然而,面向?qū)嵺`的方法體系與實施邏輯之間的關(guān)系并不清晰—即復(fù)雜性方法如何支撐實施框架,實施框架如何指導(dǎo)方法的執(zhí)行.因此,“如何基于復(fù)雜系統(tǒng)理論提出城市計算的方法框架”是本文要解決的主要問題.

2 基于復(fù)雜系統(tǒng)的平行城市模型架構(gòu)

2.1 平行城市模型理論基礎(chǔ)

針對數(shù)據(jù)碎片、信息孤島等問題,數(shù)字孿生和平行系統(tǒng)的概念被提出并應(yīng)用.數(shù)字孿生概念來源于Grieves 教授[12]基于產(chǎn)品全生命周期管理(Product Lifecycle Management,PLM)提出的“鏡像空間模型”,其定義為包括實體產(chǎn)品、虛擬產(chǎn)品及兩者之間連接的三維模型.除了數(shù)據(jù)及信息的集成與映射問題,復(fù)雜系統(tǒng)還存在不可假設(shè)與不可重復(fù)問題,對此,王飛躍教授提出了平行系統(tǒng)(Parallel Systems)理論[13?16].平行系統(tǒng)來源于影子系統(tǒng)(Shadow Systems)的思想[17],是指由自然的現(xiàn)實系統(tǒng)和對應(yīng)的一個或多個虛擬或理想的人工系統(tǒng)所組成的共同系統(tǒng).平行系統(tǒng)的本質(zhì)就是把復(fù)雜系統(tǒng)中難以認知的“虛”和“軟”的部分,通過可定量、可實施、可重復(fù)、可實時的計算實驗,使之硬化,以解決實際復(fù)雜系統(tǒng)中不可準確預(yù)測、難以拆分還原、無法重復(fù)實驗等問題[18].平行系統(tǒng)的核心是ACP 方法,主要由3部分組成,即人工系統(tǒng)(Articial systems,A)、計算實驗(Computational experiments,C)、平行執(zhí)行(Parallel execution,P)[19].從流程上平行系統(tǒng)通過數(shù)據(jù)獲取、人工系統(tǒng)建模、計算實驗場景推演、實驗解析與預(yù)測、管控決策優(yōu)化與實施、虛實系統(tǒng)實時反饋、實施效果實時評估來完成閉環(huán)處理過程[20].

平行系統(tǒng)技術(shù)在實踐中不斷得以豐富,發(fā)展逐漸豐富了平行感知、平行學(xué)習(xí)、平行區(qū)塊鏈、平行智能[21?22]等相關(guān)理論和方法,在交通、醫(yī)療、自動駕駛、軍事、化工等領(lǐng)域得到了廣泛的應(yīng)用并取得了顯著的成果[23].作為智慧城市的新范式,呂宜生等提出了“平行城市”的概念[24],豐富、持續(xù)的信息流在“物理城市”之外形成了一個全新的包絡(luò)空間,即“虛擬城市”,兩者基于映射與反饋實現(xiàn)虛實交互,形成平行城市[25].平行城市由面向物理要素的實際城市和對應(yīng)的人工城市共同構(gòu)成,人工城市是人、地、房等城市系統(tǒng)所有要素的數(shù)字化、模型化、軟件化定義,是實際城市系統(tǒng)在計算機中的等價映射和虛擬再構(gòu),不僅可以對實際城市系統(tǒng)進行精確描述,還可以對實際城市系統(tǒng)進行模擬、推演和預(yù)測.

2.2 基于復(fù)雜系統(tǒng)的平行城市模型架構(gòu)設(shè)計

圖1 基于復(fù)雜性科學(xué)的城市研究路徑Fig.1 Approach to urban research based on complexity science

平行城市是基于平行理論,實現(xiàn)現(xiàn)實世界與虛擬城市虛實映射、互為反饋引導(dǎo)的城市管理模型,本文以王飛躍教授“平行系統(tǒng)”為理論基礎(chǔ),在呂宜生等人提出的“平行城市”理念上進行進一步延申,基于復(fù)雜系統(tǒng)設(shè)計平行城市模型架構(gòu),圍繞“人”的社會屬性,面向“七有五性” 要求,構(gòu)建涵蓋教育、就業(yè)、醫(yī)療衛(wèi)生等各個領(lǐng)域在內(nèi)的平行城市,并對架構(gòu)內(nèi)涵及計算方法體系展開討論.

以往研究中將平行城市描述為由實際城市和與之等價的人工城市共同組成的系統(tǒng),通過學(xué)習(xí)與培訓(xùn)、實驗與評估、管理與控制3 個步驟,實現(xiàn)精準描述、智能預(yù)測及主動引導(dǎo)功能.該概念的提出是平行系統(tǒng)在城市治理中的重大推進,但架構(gòu)的視角仍局限于對特定系統(tǒng)的認知.復(fù)雜性科學(xué)認為,“普適性規(guī)律的提取” 可以以更科學(xué)的視角理解城市,因此,本文基于復(fù)雜性理論在該工作的基礎(chǔ)上進行拓展.

基于復(fù)雜系統(tǒng)的平行城市包括管理與控制、實驗與評估、學(xué)習(xí)與培訓(xùn)、演變與遷移4 個步驟,如圖2所示.首先,建立與實際城市連接的人工城市,完成管理與控制.面向城市全域要素體系,全生命周期管理需求,基于城市信息模型(City Information Modeling,CIM)等技術(shù)構(gòu)建城市基底的數(shù)字孿生映射,實現(xiàn)城市底層模型的要素實體化、數(shù)據(jù)集成化及邏輯標準化;同時,面向主體的微觀互動機理挖掘需求,基于主體建模(Agent-based model)及系統(tǒng)動力學(xué)實現(xiàn)人、場所等要素間的互動關(guān)系模型,進而構(gòu)建城市基底與要素互動并行的人工城市系統(tǒng).其次,基于計算實驗實現(xiàn)模擬實驗與評估.面向城市復(fù)雜巨系統(tǒng)中假設(shè)再現(xiàn)需求、不可重復(fù)特性,將計算機作為復(fù)雜系統(tǒng)實驗室,基于計算實驗對可能條件下的系統(tǒng)狀態(tài)進行分析、評估與推演.再次,通過虛實互聯(lián)形成自適應(yīng)學(xué)習(xí)與培訓(xùn).面向人工城市物理城市存在的信息不對稱現(xiàn)狀,通過城市實時感知與傳輸、迭代反饋控制實現(xiàn)虛實信息的對稱交互.最后,基于涌現(xiàn)特性遷移,實現(xiàn)城市復(fù)雜系統(tǒng)規(guī)律演變與遷移.面向城市復(fù)雜系統(tǒng)的簡單邏輯挖掘需求,開展縱向知識萃取及橫向遷移,度量差異領(lǐng)域視角下科學(xué)問題及路徑的相似性,深入理解城市的組織機制,實現(xiàn)普適性規(guī)律把握.

3 平行城市模型計算方法體系

復(fù)雜系統(tǒng)理論方法是平行城市邏輯的技術(shù)支撐.以城市治理為目標的平行城市模型沿精準感知、深度認知、智能推演、科學(xué)決策4 階段技術(shù)路線實現(xiàn).

3.1 精準感知

實時精準的底層數(shù)據(jù)是基于城市計算實現(xiàn)平行控制的基礎(chǔ).隨著信息和通信技術(shù)(Information Communications Technology,ICT)的發(fā)展,物聯(lián)網(wǎng)(Internet of Things,IoT)模式應(yīng)運而生,智能設(shè)備的普遍使“萬物可感、萬物可連”成為可能.人流、車流、要素流等數(shù)據(jù)通過傳感器、射頻識別(Radio Frequency Identification RFID)、GPS 定位、多媒體信息采集等底層感知技術(shù)實現(xiàn)基礎(chǔ)采集,通過通信網(wǎng)、互聯(lián)網(wǎng)、無線通信等手段實現(xiàn)數(shù)據(jù)上行傳輸.此外,延遲容忍網(wǎng)絡(luò)、低功耗廣域網(wǎng)(Low-Power Wide-Area Network,LPWAN)等技術(shù)為持續(xù)穩(wěn)定傳輸提供保障[26?27].為了更好地闡述時空感知步驟,用式(1)表示感知時空數(shù)據(jù)集:

其中,D為表示感知數(shù)據(jù)集,為時空流或時空網(wǎng)絡(luò)(圖3);OT表示特定感知對象類型的數(shù)據(jù)集,感知對象類型包括人、車、路、環(huán)境及非實體對象;s={(x,y)},表示感知空間維度,為點的集合;?t表示感知時間維度,為根據(jù)感知需求所取時間段.

3.2 深度認知

圖2 平行城市模型框架Fig.2 The framework of parallel cities

深度認知是依托人工系統(tǒng)對城市進行描述、分析的過程.認知是基于城市復(fù)現(xiàn)實現(xiàn)的,以復(fù)雜網(wǎng)絡(luò)分析方法為代表的系統(tǒng)分析是刻畫城市認知的主要技術(shù)手段.復(fù)雜網(wǎng)絡(luò)分析將城市抽象為“以場所、使用終端等為節(jié)點,以交通流、信息流等傳播為路徑的多層耦合網(wǎng)絡(luò)”,并展現(xiàn)為加權(quán)網(wǎng)絡(luò)、二分圖、大統(tǒng)一的混合網(wǎng)絡(luò)模型等形式;網(wǎng)絡(luò)疊加影響,共同構(gòu)成城市系統(tǒng)復(fù)雜巨系統(tǒng).在網(wǎng)絡(luò)的分析方法上,一方面,統(tǒng)計物理發(fā)揮了重要作用,如滲流模型、重整化群、平均場理論等;另一方面,研究也關(guān)注網(wǎng)絡(luò)上的物理過程和性質(zhì),如愛因斯坦凝聚、隨機游走等.用式(2)及式(3)配分函數(shù)舉例表達深度認知的過程:

圖3 時空數(shù)據(jù)感知Fig.3 The process of spatiotemporal data perception

其中,i=1,2,3,··· 表示經(jīng)濟、社會、環(huán)境和城市人口;Ri表示描述第i個因素的變量,如城市居住/就業(yè)人口數(shù);表示城市中該因素的約束條件,如城市總資源約束,人口約束等;表示城市微觀物理狀態(tài)與宏觀物理量的配分函數(shù);表示出現(xiàn)某種城市狀態(tài)的概率.

3.3 智能推演

智能推演是平行城市的核心,是依托學(xué)習(xí)實現(xiàn)預(yù)測與反饋的過程.系統(tǒng)動力學(xué)建模、主體建模(Agent-based model)、深度學(xué)習(xí)等技術(shù)是平行城市智能推演的基礎(chǔ).復(fù)雜系統(tǒng)提供了一套從微觀的簡單動力學(xué)規(guī)則出發(fā)、通過主體建模與計算實驗[28],對城市仿真模擬及預(yù)測推演的方法,如輿情傳播、網(wǎng)絡(luò)擁塞及級聯(lián)失效等.城市智能推演解決了復(fù)雜巨系統(tǒng)的不可假設(shè)特征,既可模擬預(yù)測涌現(xiàn)特性,又可展現(xiàn)動因機制.用式(4)來表示復(fù)雜系統(tǒng)的涌現(xiàn)特征:

其中,S表示系統(tǒng)宏觀特性;

fn(d)表示城市某系統(tǒng)呈現(xiàn)的非線性規(guī)律,如人口規(guī)模、城市規(guī)模、財富規(guī)模等;d表示個體之間的動力學(xué)機制,動力學(xué)可以用以下公式描述;

其中,X(t)表示t時刻的個體信息;G表示網(wǎng)絡(luò);θ 表示動力學(xué)參數(shù).

3.4 科學(xué)決策

科學(xué)決策是平行城市的頂層設(shè)計,是復(fù)雜科學(xué)指導(dǎo)城市治理的意義所在.與其他復(fù)雜系統(tǒng)一樣,城市有其生命發(fā)展規(guī)律,如何在人工城市推演的過程中萃取知識法則并將其應(yīng)用于城市治理決策中,是城市科學(xué)的重要課題.復(fù)雜理論為此提供了解決思路:基于數(shù)據(jù)科學(xué)、統(tǒng)計物理及復(fù)雜生物學(xué)等多學(xué)科交叉,實現(xiàn)一般性知識提取及遷移,如群體行為與交通行為、菌落生長與軌網(wǎng)演化等等,最終實現(xiàn)普適性規(guī)律的提取,以支持科學(xué)決策.首先,針對域間知識遷移學(xué)習(xí)過程,用式(6)表示:

基于以上數(shù)據(jù)感知、認知、推演以及遷移過程,制定決策邏輯函數(shù)如式(7)所示:

其中,DM表示決策目標;f表示在數(shù)據(jù)集D、認知P、系統(tǒng)特性P、遷移學(xué)習(xí)TL以及其他政策等信息I基礎(chǔ)上的決策制定過程,如權(quán)重函數(shù)等.

4 新冠疫情傳播場景分析

新型冠狀病毒疫情自2020年初爆發(fā)以來,成為全球重大公共衛(wèi)生事件,并對經(jīng)濟、社會、民生產(chǎn)生持續(xù)影響.精準防控響應(yīng)策略、完善醫(yī)療系統(tǒng)的疫時響應(yīng)和支撐,是遏制疾病傳播擴散、增強城市韌性的重要手段.因此,本節(jié)以城市新冠疫情傳播為典型場景,面向數(shù)據(jù)驅(qū)動下的城市空間脆弱性評價及防控影響效果評估,對基于復(fù)雜理論的平行城市模型實現(xiàn)路徑展開說明.

4.1 多源異構(gòu)數(shù)據(jù)感知

以防疫場景要素— 人、醫(yī)療設(shè)施為感知對象,分別基于移動商手機信令、政務(wù)數(shù)據(jù)采集人群流動時空軌跡大數(shù)據(jù)及醫(yī)療設(shè)施供給量,搭建數(shù)據(jù)的可持續(xù)感知路徑.

其中,OT表示特定感知對象數(shù)據(jù)集,本案例中為北京市常住人群出行數(shù)據(jù)(101 萬人左右),如表2所示,醫(yī)療設(shè)施分布數(shù)據(jù)(44 個),如表3所示;s表示感知空間維度,s(x,y),x∈{(115''25'?117''30')},y∈{(39''26'?41''03')},本案例中將市域空間劃分為網(wǎng)格,并賦予獨立ID;t表示感知時間維度,本案例中選取2019年12月1日00:00 時至2019年12月31日23:59 時.

表2 案例感知數(shù)據(jù)集人群活動數(shù)據(jù)D1 例Table 2 Data set of the case-sample data of human mobility(D1)

表3 案例感知數(shù)據(jù)集醫(yī)療設(shè)施數(shù)據(jù)D2 樣例Table 3 Data set of the case-sample data of medical facility(D2)

4.2 疫情場景下的城市認知

案例以疫情防控為目標,基于時空柵格、時空復(fù)雜網(wǎng)絡(luò)等分析方法,將城市網(wǎng)格作為特定分析節(jié)點,通過城市居住人口密度、老年人占比、網(wǎng)絡(luò)中介度等指標的解析對城市進行認知.首先分析佐證了人們對城市的常規(guī)認識,如城市中心居住人口密度最高,且沿公共交通廊道分布等;同時,研究也發(fā)現(xiàn)了一些有意義的結(jié)論,如老年人在城市周邊、郊區(qū)縣等區(qū)域密度較高,職住網(wǎng)絡(luò)呈現(xiàn)出較為顯著的多中心特性等,如圖4所示.

4.3 基于傳播動力學(xué)的傳染病時空傳播推演

基于傳染病機理學(xué)模型與城市微觀主體(Agent)仿真模型,構(gòu)建城市防疫人工系統(tǒng),形成實際城市的數(shù)字鏡像;以主體運動、疫情傳播、個體感染協(xié)同運作機制為路徑進行計算實驗,復(fù)現(xiàn)城市內(nèi)部疫情的時空傳播規(guī)律,認知疫情傳播機理,如圖5所示.

不斷調(diào)節(jié)初始條件參數(shù),基于重復(fù)計算實驗推演疫情時空傳播情景,對城市空間公共衛(wèi)生脆弱性及城市交互關(guān)系進行評估,如圖6所示.

4.4 科學(xué)決策

以城市防疫策略制定為目標,在人工系統(tǒng)中分析不同情境下疫情的傳播規(guī)模、傳播路徑和防控成本,并進行多場景、多政策的組合策略實施,如從感染周期、峰值、感染總量、死亡總量、早期R0 等方面檢測措施的防控效果,并與基礎(chǔ)情景進行對比.此外,傳染病傳播模型還可用于社交信息傳播等其他場景的預(yù)測,實現(xiàn)知識點的遷移學(xué)習(xí).

最后,結(jié)合感知、認知、推演結(jié)論以及防疫政策環(huán)境等,進行以防疫策略制定為目標的科學(xué)決策,制定最終方案,實現(xiàn)大數(shù)據(jù)驅(qū)動下的感-知-演-策體系.

圖4 城市特征認知Fig.4 Cognition of urban characteristics

圖5 模型總體流程示意圖Fig.5 Schematic diagram of the model

5 結(jié)論

城市是涵蓋了經(jīng)濟、交通、生態(tài)等多個領(lǐng)域的復(fù)雜巨系統(tǒng),城市復(fù)雜性研究對于超大城市治理具有特殊意義.隨著大數(shù)據(jù)環(huán)境及信息技術(shù)的快速發(fā)展,城市研究取得顯著進展,但城市治理實踐中仍存在數(shù)據(jù)碎片、信息孤島及知識壁壘等問題.為了解決以上問題,并重新梳理復(fù)雜方法體系與城市治理邏輯之間的關(guān)系,本文提出了基于復(fù)雜系統(tǒng)理論的平行城市計算模型架構(gòu)、完善了計算方法體系、并以新冠疫情的時空傳播為例進行了典型場景分析.本文提出的框架和方法體系,為城市的數(shù)字化治理提供了技術(shù)路徑和理論支撐.

此外,由于本文提出的方法體系涵蓋了較多場景下的實施可能,因此,本文中的典型案例并未遍歷所有路徑,如城市系統(tǒng)中的知識遷移等,這些研究將在未來工作中持續(xù)開展.最后,從平行城市走向智慧社會的聯(lián)邦城市,確保城市系統(tǒng)的6S 品質(zhì):在物理上安全Safety,網(wǎng)絡(luò)上安全Security,在生態(tài)上可持續(xù)Sustainability,個性優(yōu)化Sensitivity,優(yōu)質(zhì)服務(wù)Service,全面智慧Smartest[28?29],是下一步工作的重要方向.

此外,由于本文提出的方法體系涵蓋了較多場景下的實施可能,因此本文中的典型案例并未遍歷所有路徑,如城市系統(tǒng)中的知識遷移等,這些研究將在未來工作中持續(xù)開展.