规划问道本刊“学术动态（Planning Reviews）”栏目，推介国内外学术书籍和文献报告、关注国际研究动态和前沿热点、分享规划案例研究。本期“智能城镇化”专栏，向大家推介一篇介绍开源人工智能框架应用于智能城市的研究文献。
（专栏编辑：杨婷，同济大学建筑与城市规划学院副教授）
增强城市可持续性：为智能城市开发开源人工智能框架
来源： SHULAJKOVSKA M, SMERKOL M, NOVESKI G, et al. Enhancing urban sustainability: developing an open-source AI framework for smart cities [J/OL]. Smart Cities, 2024, 7(5): 2670–2701. https://doi.org/10.3390/smartcities7050104.
随着城市化进程的加速，智能城市建设成为提升城市可持续性和治理能力的重要途径。在这一背景下，Urbanite项目致力于开发智能交通管理与决策支持系统，旨在为城市交通管理和决策提供创新解决方案。通过结合人工智能技术和机器学习，Urbanite开发的开源人工智能框架可以帮助城市决策者科学、精准地应对交通与基础设施中的复杂问题。
Urbanite的核心创新体现在开源模拟平台与智能决策支持系统的结合。项目通过开发一个统一的开源模拟器，成功在四个欧洲试点城市（毕尔巴鄂、阿姆斯特丹、赫尔辛基和墨西拿） 进行了应用，模拟并评估不同交通政策的效果。这一平台使得城市决策者能够基于标准化的交通模型进行科学评估，为制定与调整政策提供了数据支持。此外，Urbanite 还结合了DEXi决策支持工具，首次实现了在智能城市环境下，基于主观偏好的决策支持，从而使政策更加符合城市特定需求。
为了更有效地评估政策影响，Urbanite开发了先进的可视化工具，支持多维度展示交通政策的结果，帮助决策者更直观地理解政策变动的影响。与此同时，结合Orange机器学习工具，Urbanite将复杂的机器学习技术通过图形化界面简化，使得非技术人员也能进行数据驱动的决策，从而提升了城市规划的透明度与公众参与度。此外，Urbanite采用多标签机器学习技术，显著加速了政策模拟和评估的速度，使城市能够在极短时间内响应和调整政策。通过这一技术，Urbanite为城市管理提供了更高效的决策支持系统，推动了政策评估的实时化和高效化。
实践中，Urbanite在四个试点城市成功创建了数字孪生模型，结合实时数据对交通政策的效果进行了精准模拟。例如，在毕尔巴鄂，项目评估了减少市中心私家车通行的政策；在阿姆斯特丹，研究了自行车流量增加与人口增长对交通的影响；赫尔辛基则通过隧道建设提升交通连通性；墨西拿致力于改善公共交通的可达性。不仅如此，Urbanite的开源框架还为城市能源管理、水资源规划等领域的智能城市建设提供了广泛的扩展应用空间。通过这一平台，项目鼓励本地利益相关者的参与，确保决策过程的民主性与包容性。
尽管Urbanite框架在应用过程中面临一些挑战，如基础设施改造的局限性、数据收集的复杂性以及对用户培训的需求等，但项目团队已经在持续优化工具功能和扩展应用场景，确保这一系统为全球智能城市建设提供持久的支持。
（供稿：杨婷，同济大学建筑与城市规划学院副教授）
原文始发于微信公众号（城市规划学刊upforum）：【学术动态】增强城市可持续性：为智能城市开发开源人工智能框架 | 2024年第6期
