人工智能视角下的未来城市结构:发掘复杂网络背后的空间特征

在城市规划和网络分析的领域中,深入洞察城市道路网络的构造及其隐藏在背后的空间特征对于理解城市的功能和组织架构至关重要。传统的城市网络分析方法主要关注道路的固有物理属性,如长度和连通性,但这些方法往往无法充分展现城市网络的复杂性和多维特性。特别是当考虑城市空间中的沿街功能信息或可视区域时,传统方法在捕捉城市空间的深层特征方面存在限制。为解决上述问题,文章提出了一种新颖的方法,通过变分图自编码器(VGAE)捕捉和分析城市道路网络及其空间特征,以深入理解城市的功能和组织架构。与侧重于道路物理属性的传统城市网络分析方法相比,本方法考虑了沿街功能信息和可视区域等维度,揭示了城市网络复杂性和多维特性的新层面。通过结合城市道路网络和空间数据,VGAE模型揭示了城市空间在融入不同数据后的隐空间结构变化,从而发现城市空间组织和功能分布的关键作用。这一研究成果不仅揭示了城市空间的新结构,而且展现了这种结构的独特性。这种隐藏空间结构的理解,可以被视为一种“空间基因”,有潜力成为生成和规划未来城市空间结构的基础,为我们理解和预测城市空间的发展提供了新的视角。

数字孪生、图灵测试和城市模型

数字孪生已经成为热门话题,它是计算机在科学理论和实践发展过程中的最新阶段。如果回到20世纪20年代,“模型”一词意味着“实物的简化”或“抽象概念”,当时几乎不为人知,但计算机一出现,计算机模型首先兴起,紧随其后的是各种模型的快速发展。在科学领域,理论的概念现在几乎可以与模型的概念互换。重点阐述计算机或数字模型背景下数字孪生的定义,并提出困扰该领域的语义学悖论和难题。围绕“如何定义一个好模型”,引入图灵测试的“宽松版本”变体,即简单地提出“你能看出孪生和真实事物之间的区别吗?”这一问题。基于该测试对伦敦数字模型的应用,建议未来的发展方向是对同一地点开发数字模型的多种版本、示例和应用,从而启动数字模型的对比,并为它们的集成提供平台,以此为信息预测提供更丰富的背景。