本书提出了一套基于感知、模拟与人工智能的智能化城市规划与管理框架，该框架由三部分构成，分别为以认知现实为目的的城市信息感知与分析、以预判未来为目的的政策模拟与评估以及基于人工智能的全过程增强。在此基础上，本书还结合笔者在这一领域的多项研究实践，选择若干前沿案例对上述框架予以深入阐释。

面向近年来城市管理智能化转型趋势，对大量相关研究与实践进行了系统梳理，提出了由信息感知与挖掘、系统模拟与优化以及人工智能算法增强三个板块构成的人机协同智能化城市管理体系。

随着全球人口向城市持续聚集，现代城市在很大程度上遭受着交通
拥堵、环境污染、资源紧缺等问题的困扰，在近百年来的现代城市治理
探索中，人们不断尝试从各类最新的社会科学思想与工程技术进步中探
寻城市问题的解决思路。近年来，以智慧城市城市大数据等热门
词汇为代表的一类城市管理技术受到了学界与业界的大量关注与讨论，
这类技术试图借助各种新方法、新数据更充分地洞悉城市运行态势与发
展规律，并在此基础上更智慧智能地调控、优化城市系统内的各
类资源配置，逐渐成为城市管理领域一项不可忽视的发展趋势。这一趋
势的形成和兴起源于当代社会与科技发展中多种因素的驱动。首先，21
世纪以来，随着信息通信技术的提高与大规模普及以及现代生产生活的
广泛电子化，人群活动、事务往来、意见表达等城市系统中越来越多的
活动与事件都开始产生数据并被记录。这类数据资源率先在商业领域被
开发利用，继而引起城市管理者的关注。以这类具有认知冲击力的海量
数据为出发点，新的城市数据挖掘方法不断涌现。其次，计算机软、硬
件水平的提高使相关技术在实际场景中的应用潜力大为增加，如人工智
能算法的发展使图像、语音识别技术在2010年以后明显提高，催生了大
量新的应用场景；硬件基础设施的提升也使信息传输与反馈速度得以满
足更多场景需要。相关进步在互联网、商业、金融等领域引发的生产生
活方式转变使人们不禁思考，相对传统的城市管理工作可以怎样从这一
科技趋势中受益。笔者从2013年攻读博士开始，有幸参与到这一次的
智能化城市管理研究热潮中，本书作为笔者近年来工作与思考的总结，试图透过纷繁的研究与实践案例梳理出智能化城市管理的框架体系，为
有兴趣了解这一领域的读者提供参考。

事实上，通过引入新技术提升城市管理的效率与水平，使之更加智
能化的探索由来已久。早在20世纪80年代，国内已出现大量城市模
型的开发与应用实践，城市模型借助计算机的强大运算能力实现人脑一
般无法完成的复杂迭代分析，从而模拟城市运行规律、预测城市发展趋
势并为管理决策提供依据。20世纪90年代初，人工智能领域的专家
系统技术也曾被应用于城市管理，出现了若干针对特定问题的智能化
决策辅助系统。此外，智能城市概念在20世纪90年代被正式提出，
与其先后出现的连线城市数字城市信息城市电子治理等理念大多也蕴含了互联信息智能等相关思想。可以说，随着城市系统的复杂化与技术的发展，智能化城市管理的理论与技术内涵也在
不断丰富。那么，在当前发展阶段，智能化城市管理包含哪些内容、形
成了怎样的体系、面临哪些挑战，本书将针对这些问题展开探讨。

为回答上述问题，本书提出了基于机器智能a-人类智能协作的智能
化城市管理框架体系。在这一框架中，机器智能体现为信息感知与挖掘、
系统模拟与优化以及人工智能算法增强三个主要板块，而人类智能主要
在价值选择、利益协商、模糊经验判断等环节发挥作用。通过高频交流
与信息反馈，二者相互协同、取长补短，共同完成城市管理工作。首先，
这一框架强调人机协同城市管理智能化并不意味着以算法代替管理
者决策，而是利用机器的信息采集与计算能力生产出大量辅助人类决策
的信息与知识，提升人机互动频率与深度，形成人机协同互补的增强型
智能系统，共同提高城市管理决策水平。其次，本书根据问题对象层面
从认知现状到预判未来的演进和方法技术层面机器智能水平的差异将智
能化城市管理相关技术划分为三个主要板块：信息感知与挖掘、系统模
拟与优化以及人工智能算法增强。信息感知与挖掘指通过各类手段对反
映城市系统运行状况的各类信息进行收集，感知城市人、地、事、物的
真实状态，并在采集获取信息的基础上，以适当的技术方法进一步分析、
挖掘数据，实现从原始数据到有效信息的提炼。在信息感知与挖掘的基
础上，可基于已识别的城市运行规律构建城市模型，模拟城市巨系统内
的复杂行为与互动，并对城市管理政策的可能影响进行预判与优化，拓
展人脑对未来情形进行推演与判断的能力范畴。对这两个板块而言，人
工智能算法凭借其强大的数据建模能力，可在其中发挥算法增强作用，
提升上述过程的机器智能水平与决策支持能力。

伴随着相关概念在全世界流行，可纳入智能化城市管理范畴的研究
与实践在国内外涌现。本书希望通过上述框架体系的搭建厘清当前阶段
各类研究实践的内在逻辑与相互联系。由于具体案例的呈现对理解智能

a 在计算机领域，机器智能（machine intelligence）经常被作为人工智能（artificial intelligence）
的近义词使用。在本书中，机器智能的含义更为宽泛，指由机器产生出对人类智能思维有意
义的信息，与人类智能互动协作并共同作用于政策制定。
化城市管理体系也尤为重要，因此，本书分为上、下两篇：上篇为理论
方法篇，按上述三个板块分别进行理论与方法阐释；下篇为研究案例篇，
针对三个板块分别选择一或两项笔者与合作者曾开展的研究，展示相关
方法的实现过程。对信息感知与挖掘板块，笔者选取了挖掘城市人群活
动规律的案例，提出了一种基于人群活动大数据的时间特征分析方法，
可以为城市公共服务的供给等问题提供支撑；对系统模拟与优化板块，
笔者分别选取了北京市民出行模拟与城市疫情防控策略优化两个案例，
分别侧重于模拟与优化两个子环节（其中第一个案例模拟了市民一日活
动与出行模型，可用于预测城市建设、功能布局等对城市交通的影响；
第二个案例面向新冠疫情防控，提供了疫情防控分区的优化算法）；对人
工智能算法增强板块，笔者选取了基于人工智能图像识别的城市空间品
质评估研究，可实现传统方法所难以实现的城市空间品质大规模、精细
化评估。
如前文所提到，智能地开展城市管理工作、提升城市生活品质
是人们的长期愿景与探索方向。21世纪是人类的第一个城市世纪a，
全球城市人口将继续增加，随之而提高的城市系统复杂度将使人们更加
寄希望于智能化技术，以应对管理运转巨型城市系统的挑战。可以预见，
在城市管理智能化的长期进程中，人们会经历创意勃发的高潮也会经历
徘徊不前的低谷，其中涉及的理论方法也会随相关学科的拓展而逐渐更
迭，但令城市生活更美好的努力不会停止。
本文撰写也得到了国家自然科学基金的资助（资助号：52008005），
特此感谢。

刘伦
2023年6月

a 指全球城市人口占比开始超过50%。

刘伦，清华大学建筑学学士、城市规划学硕士，剑桥大学土地经济系博士，现为剑桥大学土地经济系博士后副研究员，主要研究方向为决策模型与公共政策评估、人工智能与管理信息化、城乡治理。以第一作者或通讯作者发表中英文学术论文近20篇。

上篇 理论方法
第1章 新环境下的城市管理2
1.1 新问题与新方法 2
1.2 新技术方法影响下的转型趋势 6
1.3 我国城市发展的转型 10
参考文献 12

第2章 智能化城市管理的内涵与框架14
2.1 智能化城市管理内涵辨析 14
2.2 多学科理论方法基础 18
2.3 系统技术框架 23
2.4 管理决策模式：人机协同决策 27
参考文献 30

第3章 信息的感知与挖掘32
3.1 大数据：当代城市管理的重要信息来源 33
3.2 感知挖掘的应用领域 39
3.3 讨论：感知的可能与限度 55
参考文献 57

第4章 系统模拟与优化60
4.1 城市模型的早期发展 60
4.2 当今城市模型研究的进展与应用 64
4.3 讨论：实践挑战模型思维与管理思维 71
参考文献 73

第5章 人工智能应用75
5.1 人工智能的概念与技术发展 75
5.2 人工智能增强的城市管理 80
5.3 以计算机视觉为例的城市感知增强 83
5.4 讨论：弱人工智能与通用人工智能 93
参考文献 94

下篇 研究案例
第6章 信息感知与挖掘案例：城市人群活动规律挖掘102
6.1 研究背景 102
6.2 相关研究回顾 103
6.3 感知挖掘的方法 105
6.4 感知挖掘结果 108
6.5 总结与政策建议 114
参考文献 115

第7章 系统模拟与优化案例（一）：城市环境与交通出行模拟117
7.1 研究背景 117
7.2 建模方法 120
7.3 BEATIM模型概览 127
7.4 子模型系统 133
7.5 总结与政策建议 142
参考文献 143

第8章 系统模拟与优化案例（二）：城市疫情防控策略的优化147
8.1 研究背景 147
8.2 相关研究回顾 148
8.3 方法与数据 149
8.4 方法应用 153
8.5 总结与政策建议 158
参考文献 159

第9章 人工智能应用案例：城市空间品质评估160
9.1 研究背景 160
9.2 相关研究回顾 162
9.3 计算机视觉模型建构 163
9.4 评估结果 168
9.5 总结与政策建议 173
参考文献 175

第10章 城市、机器与人：人本的城市智能177
10.1 量化与不可量化 180
10.2 数据的偏差与不平等 181
10.3 技术与价值观 182
10.4 优化与克制 183
参考文献 184