【作者简介】

闫凤英，天津大学建筑学院讲席教授、博士生导师

卢鋆镆，天津大学建筑学院博士研究生

提要

城市作为由物质空间与人类活动共同构成的复杂系统，其运行过程具有持续演化与反馈的动态特征。近年来，互联网与物联网的快速发展为刻画城市活动的实时过程提供了可能，但如何从碎片化感知中抽取可解释的知识结构，仍是实现城市动态认知的关键问题。因此，研究以知识图谱为载体，融合多源时空数据，构建了“人—物—地—时—事—效”为核心语义结构的城市人类活动认知原理方法，实现城市空间与人类活动的多维网状认知与结构化表达。以高校校园为典型微场景，构建包含5.4万个实体节点与11.8万条关系边的知识图谱，开展关系提取与因果溯源分析。结果表明，该方法能够通过活动回溯与语义联通，有效支撑复杂空间中的活动归因与空间治理响应，具有良好的跨尺度可拓展性与可迁移性。研究为构建新技术时代的行为驱动的规划治理响应提供了可行路径与方法支撑。

关键词

城市动态认知；人类活动；知识图谱；空间治理；高校校园

引用格式

闫凤英，卢鋆镆. 基于知识图谱的城市动态认知方法与微场景应用[J]. 城市规划学刊，2025(5):39-46. （YAN Fengying, LU Junmo. Urban Dynamic Cognition Methods and Micro-Scenario Applications Based on Knowledge Graphs[J]. Urban Planning Forum,2025(5): 39-46.）

城市是多要素耦合与多尺度演化的复杂系统，物质空间与人类活动之间的相互作用，使城市处于不断的再组织中。因此，对城市的认知应聚焦于捕捉并解析活动与环境交互正在发生的过程，以及背后隐含的机制与逻辑。随着信息技术的发展，城市的动态性得以被记录与量化。如何从数据的汇聚迈向认知的深化逐渐成为关键命题。因此，知识图谱（knowledge graph, KG）作为一种结构化语义表达与知识推理工具被引入城市研究领域。

基于此，本文进一步拓展知识图谱的应用边界，提出一种基于知识图谱的城市动态认知方法，形成“感知—理解—干预”的闭环结构。研究以典型校园空间为实验场景，验证模型在活动识别、结果溯源与动态干预等方面的可行性与可拓展性，旨在为行为驱动型城市治理提供方法创新与理论支撑。

1 我们眼中的城市：从空间感知到综合解析

1.1 城市认知理论演进

城市认知通常是指人类在与城市环境交互过程中，对空间结构、功能关系及社会意义的表征与理解过程。它不仅关注“城市被如何感知”，更强调“城市如何被理解与解释”，是连接物质空间、行为机制与规划决策的重要中介。城市认知理论总体上经历了从空间刻画到行为解析，再到数据驱动的系统认知的演化路径，推动“空间—活动互动”成为理解城市复杂运行机制的关键命题。

1.2 城市感知技术发展

在理论框架逐渐从空间—行为耦合转向系统认知之后，相关研究聚焦于以技术手段实现对城市运行机制的动态感知，并经历了从经验推演、人工调查到智能感知的演变，其核心在于感知对象从物质空间向人类活动的拓展，感知手段从单一数据源向多源融合，感知内容从静态刻画向动态时空过程的转型。当前，城市感知正朝向综合化、智能化和认知化的方向持续深化。

1.3 城市解析方法深化

城市解析是在感知的基础上，对物质空间与人类活动之间的交互关系进行识别、解释与预测的过程。其方法路径经历了从空间统计到网络建模，再到语义推理的演化，核心目标也逐步由静态格局解析转向动态机制认知。复杂网络理论及其衍生出的多种模型推动了城市解析由“并行感知”向“交互推理”转变，但在语义表达与逻辑推理方面仍存在不足。知识图谱通过强化跨域数据整合与因果关系建模的能力，为解决这一问题提供了突破口。

基于此，构建以知识图谱为核心的城市认知方法，形成面向城市物质空间与人类活动的全过程交互的知识表达范式，支撑多场景、多尺度的行为驱动型城市治理应用。

2 基于知识图谱的城市人类活动全景映射：逻辑与方法

2.1 从城市动态过程到知识图谱刻画的关键：实体定义与属性标注

构建知识图谱的首要任务是识别和定义多维实体。城市中的人类活动涉及大量异构要素，可解析为人、物、地、时、事、效等一系列信息（图1）。每类实体在图谱中均需具备完整的属性信息，以实现对实体状态的多角度刻画。

图1  城市活动知识图谱中的多维实体

2.2 从城市多维要素到语义网络构建的核心：结构化处理与关系映射

在实体与属性定义的框架下，借助深度学习方法对多维信息进行处理，并进行格式转换与空间坐标解析，统一存入Neo4j图数据库中。在结构化数据基础上，构建了耦合空间、时间与行为约束的规则体系，形成“人工标注 + 规则推理”的混合生成机制，用以实现结构化数据间语义关系的半自动推理。最终，结构化片段被映射为三元组，并以Neo4j等平台为载体嵌入知识图谱中。

图2 基于知识图谱的城市物质空间–人类活动映射路径

2.3 从数据集成到知识认知的桥梁：路径查询与推理分析

在完成知识图谱的构建后，本研究进一步引入了基于关系路径匹配与语义相似度计算的图谱推理分析方法。关系路径匹配依托Neo4j中的Cypher查询语言和Python的NetworkX图分析库，通过多跳关系路径推理，揭示潜在的行为链或空间依赖。语义相似度计算则结合Python和Neo4j的节点相似度算法，揭示城市系统中的模式复现与功能耦合现象。

3 基于知识图谱的城市微场景（高校校园）多维认知

3.1 研究对象与场景选择

本研究选取天津市郊区的高校A新校区作为微观试验平台。高校A新校区总面积超过240万m²，采用学科带+功能带的规划模式，功能区边界清晰，活动类型丰富。同时，校区内部署有完善的视频监控系统与智能计量设备，为开展研究提供了数据支撑。

3.2 多源数据采集与结构化处理

本研究结合实地调研与互联网大数据，获取了该校园2023—2024年秋季学期的活动信息。引入智能方法，将多模态数据整合成校园多维信息一张图（图3），为知识图谱构建提供高质量、规范化的数据接口。

图3 天津市高校A知识图谱构建技术路线

3.3 校园活动知识图谱的建模结果与特征

基于结构化处理后的数据，以Neo4j图数据库为载体构建校园活动知识图谱（图4），共包含约5.4万个节点与11.8万条关系边，覆盖了校园内各类活动主体、行为事件、空间实体与能耗记录，实体间的多层级关系及其与时间、空间、因果属性共同构成知识网络。

图4 天津市高校A活动知识图谱实体与属性定义

4 知识图谱在城市认知中的应用与启示

4.1 校园场景中的治理应用

4.1.1 通勤路径识别：个体活动与空间轨迹

系统以北门监控摄像头捕捉到的车辆津H1Z*为查询起点，识别其在2023年12月18日8:17进入校园后产生的出行活动节点T041，并对这一通勤行为进行回溯（图5（a））。路径追踪结果显示，该车辆从北门进入校园后，形成了“XY北路–XY中路–MD北道”的通勤路线，这是早高峰时段交通压力最为集中的主通道。

图5 知识图谱在校园场景中的治理应用（图片来源：改绘自高校A活动知识图谱）

4.1.2 语义信息联动：空间要素网络与聚集特征

在识别出该通勤路径的基础上，系统通过实体属性与语义关联机制，解析其所联通的多维空间结构与功能节点。结果表明，通勤终点55号教学楼隶属于计算机学院组团，是全校师生数量最多、教学与科研教学活动最密集的单位之一（图5（b））。该路线上商业设施与教学设施的集聚效应叠加，显著提升了这一区域的人流吸附能力，形成了空间—行为热点耦合关系。

4.1.3 因果逻辑解析：事件驱动与能耗响应

进一步联通55号教学楼的上层空间结构、当日行为事件及周边交通节点等多维信息，展开深度查询与结构溯源（图5（c））。结果表明，12月18日计算机学院在55号教学楼举办大型学术论坛，R18作为主会场，参会人数最多、活动持续时间最长，形成了高度集中的能源需求。同时，与该楼相邻的L90与L103路段，其交通强度变化与楼内多房间用电曲线呈现高度一致的时序波动，揭示了大型教学活动驱动下的“行为触发—空间聚集—能源消耗”机制。

4.2 城市规划的多场景推广与方法论启示

作为贯通“识别—归因—模拟—反馈”全流程的核心载体，知识图谱的语义框架具有高度的可重构性，其实体、关系与属性可根据应用场景进行动态调整，适配多样化的数据源与认知需求。该方法可扩展至多类型城市空间乃至城市全域，并在环境调控、遗产保护、城市更新等不同领域实现多维应用。

从学科层面来看，知识图谱构建了“信息—知识—认知”的逻辑链条，以可计算、可解释的方式揭示城市运行机制，推动规划决策由经验导向向数据驱动、知识驱动转型。

5 结论与展望

本研究提出了一种基于知识图谱的城市动态认知方法，以“人—物—地—时—事—效”的语义结构为核心，实现了从多源数据采集、行为建模到响应支撑的全流程闭环。在高校校园的实证研究中，图谱展现出良好的信息聚合与语义关联能力，有效支撑了从个体轨迹追踪到因果机制解析的多维分析任务。

未来研究需在数据接入自动化、图谱语义挖掘深度及其与决策端之间的耦合机制等方面持续深化，推动城市知识图谱由数据组织工具向综合治理平台演进。

（以上为公众号精简阅读版，全文刊登于《城市规划学刊》2025年第5期。）

全文信息

【原文下载】

扫描下方二维码，至《城市规划学刊》官网下载阅读全文。

扫描二维码下载全文

官网链接：

https://upforum.tongji.edu.cn

投稿链接：

http://cxgh.cbpt.cnki.net

邮箱：upforum@vip.126.com

电话：021-65983507

原文始发于微信公众号（城市规划学刊upforum）：【文章精选】基于知识图谱的城市动态认知方法与微场景应用 | 2025年第5期