城市科学读书会启动：AI与因果交织的城市复杂系统

导语

随着工业化和现代化的发展，世界范围内的城市化率不断提高，越来越多的人口聚集在城市，使得交通拥堵、环境污染、资源短缺等城市问题日益严峻。为了建设一个让人们幸福生活、可持续发展的城市，我们对于城市的基本运行规律迫切需要科学的认知。

近十几年来，数据获取手段的进步及计算技术的发展，为研究城市问题提供了新的机会。智能手机、物联网、卫星遥感使我们可以获取高精度的城市数据，提供了数据基础；机器学习、人工智能的发展，为处理大规模多源异构数据提供了技术手段。

除了数据与方法外，复杂性科学（Complexity）也极大地推动了城市科学的跨学科发展。复杂性科学从演生的视角，在不同的时空尺度上研究城市现象的基础规律，丰富了城市科学的理论框架；同时，基于复杂系统的模拟方法也在实践中有广阔的应用前景。

在这个大背景下，集智俱乐部的“城市科学”读书会由北京大学助理教授董磊联合明尼苏达大学助理教授朱递、中南大学地球科学与信息物理学院教授李海峰、北京航空航天大学计算机学院博士寄家豪共同发起，通过对“城市作为复杂系统”的理论、研究方法及应用的分享、讨论和梳理，促进相关领域学者的交流，推动交叉学科间的合作，促进城市科学的发展和研究。

本系列读书会线上进行，2023年7月1日开始，每周六晚 20:00-22:00，持续时间预计10周。读书会详情及参与方式见后文。

关键词：城市科学，复杂系统，规模法则，空间网络，GeoAI，因果推断

读书会概览

城市科学是一门新兴的交叉学科，它试图从科学的角度来理解城市这一复杂系统，探索城市的发展规律和运行机制，并为城市的实践提供指导。

本次城市科学读书会将围绕三个主题展开。

第一个主题是“复杂系统视角下的城市科学”。

城市作为一个典型的复杂系统，由许多相互关联的要素组成，不仅包含物理空间和基础设施，也包含人口、经济、社会等要素，这些要素之间存在复杂的相互依赖关系。同时城市系统具有人口、物资、资金等输入输出的开放性，时间和空间的动态性，各要素之间的自组织和适应性，行为和影响的非线性等特点，这更增加了其复杂性和不确定性。

本次读书会“复杂系统视角下的城市科学”将分为三个子主题：

城市系统的空间组织模式与交互（Spatial organization and interaction in urban systems）
城市中的标度律（Urban scaling laws）
空间网络、空间认知（Spatial networks and spatial cognition）

子主题1将讨论城市要素空间分布与交互的研究进展，并追溯这些模型与经典城市模型的联系；子主题2重点以标度律为切入点，讨论城市的规模法则及其在城市增长、创新等方面的体现；子主题3结合空间网络理论，讨论城市中的信息熵、城市空间认知与导航复杂度等新兴研究方向。

第二个主题是城市科学中的AI。

自20世纪80年代神经网络发展的联结主义（connectionism）时代开始，学者便开始尝试探索人工智能在解决地理问题中的潜力。神经网络与时空信息、城市科学的渊源也借此机会，在方法、模型和应用等维度持续深化着。近年来，随着人工智能的快速发展、大规模高质量时空数据的出现以及用于高效处理这些数据的软硬件设备的性能提升，大量研究尝试从数据驱动的角度理解城市复杂系统，并催生出了地理人工智能（Geospatial Artificial Intelligence, GeoAI）这一交叉学科概念。面向时空数据挖掘、特征提取、模式发现以及预测等任务的地理人工智能方法不断涌现，并被广泛应用于城市研究的方方面面。

本次读书会“城市科学中的AI”将分为三个子主题：

城市背景下的地理人工智能方法与模型（GeoAI methods and models in the urban context）
时空大数据与人工智能在城市中的应用（Spatiotemporal big data, AI, and cities）
透视未来城市科学中的人工智能（Perspectives of AI in urban science）

子主题1关注地理人工智能的方法基础，介绍CNN、GNN、RNN、Generative model、Transformer等主流AI框架与地理空间分析方法的内在联系。子主题2将介绍在时空大数据支持下，AI模型辅助理解城市内社会经济、自然环境等特征的空间分布模式，以及人类移动性、交通等空间交互模式的潜力。子主题3将归纳领域挑战，涉及城市场景下AI的可解释性，时空规律的弱可复现性，伦理和隐私问题等。

第三个主题是城市科学中的因果性。

城市是现代文明的基石，城市的发展面临着诸多关于“为什么”的问题，这些问题既是城市科学的基本科学问题，也是人类认知中好奇心驱使的天性，因果论无疑为这些问题的回答提供了系统性的思路和解决途径。因此城市科学视角下的因果性这一交叉学科概念应运而生。

本次读书会“城市科学中的因果性”将分为三个子主题：

城市科学视角下的因果论（Causality in urban science）
城市科学视角下的因果发现（Causal discovery in urban science）
城市科学视角下的因果推断（Causal inference in urban science）

从数据科学和实验科学的角度来看，城市科学的一个显著特点是以观察性实验为主，观察性这一根本属性制约了随机对照试验（Randomized Controlled Trial, RCT）这一因果发现黄金准则的应用，因此，子主题1将以因果假设和因果实验为主线展开讨论，重点分析实验设计的一般原则和方法，和拟实验法的基本思想，方法和应用。

子主题2从RCT的角度重新思考因果发现的基本假设，为因果发现提供一个统一的框架；讨论从观察数据进行因果发现的一些一般的假设、策略、方法和模型；最后讨论在城市科学视角下，政策作为一种干预是如何与因果发现建立一般性的联系。

子主题3从城市科学视角讨论因果推断和因果发现的关系，并讨论其中的一些基本的假设，为因果推断提供一个统一的框架；然后从城市时空数据和时空机器学习的角度重新思考因果推断在城市科学的价值和意义，并深入讨论一般性假设、策略、方法和模型；最后从城市里面非常独特的尺度效应出发，讨论尺度带来的研究对象的改变如何改变因果关系：跨尺度的因果不变性和相变特性。