近日，电子系城市科学与计算研究中心研究成果首次建立了从微观人类移动行为到宏观城市演化规律的关联，揭示了复杂城市宏观演化规律从微观移动行为的涌现机制，并构建了基于人类移动行为的城市演化模拟仿真平台。该成果拓宽了传统建模城市演化规律的统计物理模型，首次建立了沟通个体移动行为与城市演化规律的理论桥梁，使得在城市规划与治理中考虑与微观城市居民行为的相互作用成为可能。
城市是人类和资源在时空上的聚集，其为大规模社会协作和基础设施的复用提供了便利条件，能显著地提升社会经济效益，因此城市化在近代以来成为了席卷全球的大潮流。早在1898年英国城市规划学者埃比尼泽·霍华德（Ebenezer Howard, 1850-1928）提出了花园城市（Garden City）模型，其将理想城市构想为对称的同心圆结构，以期最大化土地和基础设施的使用效率，并有效抑制贫民窟、城市蔓延等问题。然而，随着近几十年来大规模城市数据的广泛采集，大量实证研究显示城市演化过程中存在显著的分形（Fractal）现象，表明城市演化是一个由自底向上驱动的复杂系统，与自顶而下规划的完美几何布局存在显著差异。迈克尔·巴蒂（Michael Batty）等研究者提出城市演化规律应由普遍存在于城市数据中的统计规律加以刻画，其中已广泛验证的有：城市面积分布的齐夫定律（Zipf's Law），城市面积与城市人口间的超线性关系，以及城市人口的负指数空间分布。
(A)霍华德提出的花园城市模型。(B)1991年伦敦市人口分布热力图。
近年来，研究者尝试从复杂系统角度建立统计物理模型来刻画城市演化中存在的经验规律。迈克尔·巴蒂等人引入了扩散限制凝聚（Diffusion-limited Aggregation）模型将城市的演化建模为物理粒子的随机聚集，成功模拟了城市演化中的分形现象。赫南·马可斯（Hernán A. Makse）等人建立了相关渗透模型，进一步预测了城市演化中城市面积分布的齐夫定律。然而，这些物理模型对城市演化中多维度规律的预测能力仍十分有限，其背后的社会、个体行为机制尚不清楚，难以转化为可解释、可执行的公共政策。如何建立微观的个体行为与宏观的城市演化规律间的关联，是物理学、信息学、行为学等学科学者共同关注的“城市科学”交叉领域十几年来一直未能突破的重要科学问题。
（左）综合建模移动记忆机制和社会交互机制的协同移动模型。（右）基于协同移动模型的多智能体城市演化框架。
电子系城市科学与计算研究中心从2014年开始研究城市演化客观规律和城市环境中的人类移动行为模式。研究中心李勇副教授带领课题组博士生徐丰力等人，在模拟大规模城市居民移动行为的过程中，发现社会交互和移动记忆是预测城市演化规律的两个关键机制。社会交互机制使得已发展城市区域能吸引更多人口流入，通过人-地的偏好访问形成空间距离上强相关的城市演化，从而成功预测城市区域的分形现象。移动记忆机制则预测城市居民会较大概率重复访问曾经到访过的地点，这使得城市系统会始终围绕在一个稳定、密集的中心区域周围，不会分裂为若干孤立系统。基于这一洞察，课题组创新地提出了能同时建模社会交互机制和移动记忆机制的协同移动模型（Collective Mobility Model），并基于该移动模型建立了多智能体城市演化模型。理论分析表明该模型能准确预测城市演化中的分形现象和三大发展规律。课题组还克服了大规模多智能体系統仿真效率问题，设计了高效采样算法，从而实现大规模城市系统的演化预测。仿真实验表明，所提模型在预测城市区域分形现象和宏观统计规律上显著优于已有模型，为关联宏观层面的城市演化和微观层面的个体移动行为提供了一个理论桥梁。
（A-C）美国、英国和柏林区域的城市演化规律：A 城市面积分布，B 城市人口密度与城市面积关系，C 城市人口密度分布。（D-E）不同人类移动模型预测的城市演化规律：D 城市面积分布，E 城市人口密度与城市面积关系，F 城市人口密度分布。
该成果以“人类移动行为涌现城市发展规律”（Emergence of Urban Growth Patterns from Human Mobility Behavior）为题在《自然·计算科学》（Nature Computational Science）上在线发表。该成果首次建立了从微观人类移动行为到宏观城市演化规律的关联，从复杂系统的角度揭示了城市宏观演化规律从微观移动行为的涌现机制，据此建立的城市演化模型能准确预测城市演化的未来走向及其在多维度的统计规律。所建模型在宏观层面的预测能力和在微观层面的可解释性，使得在城市政策制定中既能充分评估城市未来的演化态势，又能综合考虑与微观个体行为的相互作用，有效支撑科学、灵活、精准的城市治理。
清华大学电子系城市科学与计算研究中心博士毕业生徐丰力为论文第一作者，清华电子系李勇副教授、金德鹏教授、陆建华教授，迈阿密大学宋朝鸣副教授为共同作者。该研究成果得到了科技创新2030—“新一代人工智能”重大项目和自然科学基金联合基金重点项目支持。
论文链接：
https://www.nature.com/articles/s43588-021-00160-6