《PLOS Complex Systems》:Towards a foundational platform for generative agents in simulated city environment
编辑推荐:
城市环境具有涵盖物理、社会、经济和环境维度的复杂、多层次网络特征,给可持续城市化带来了重大挑战。这些挑战从交通拥堵和污染到社会不平等不一而足,亟需先进的技术干预。大数据、人工智能(AI)、城市计算和数字孪生(Digital Twin)的技术创新为复杂的城市模拟
城市环境具有涵盖物理、社会、经济和环境维度的复杂、多层次网络特征,给可持续城市化带来了重大挑战。这些挑战从交通拥堵和污染到社会不平等不一而足,亟需先进的技术干预。大数据、人工智能(AI)、城市计算和数字孪生(Digital Twin)的技术创新为复杂的城市模拟奠定了基础。然而,这些技术能力与解决城市问题的实际应用之间仍存在差距,因为它们常常无法充分捕捉城市空间中复杂而微妙的人类行为。近期,大语言模型(Large Language Model, LLM)代理的进展显示出模拟类人行为的涌现能力,为城市研究中刻画人类行为提供了重要机遇。本文综合评述了城市计算、数字孪生、LLM代理等相关技术的最新文献,以及复杂城市系统和基于代理建模(Agent-based Modeling, ABM)的跨学科研究。此外,研究人员提出了一个新颖的“城市生成式智能”(Urban Generative Intelligence, UGI)平台概念,该平台将LLM代理植根于模拟城市环境中。UGI平台允许LLM代理在由城市模拟器(City Simulator)模拟的文本化城市环境中运行,通过自然语言接口进行交互,为多样化的智能与具身化(embodied)城市任务提供了一个开放平台。此类平台释放了LLM代理用于复杂城市系统模拟的能力,为理解和管理城市复杂性提供了一种新途径。
# 面向模拟城市环境的生成式智能体基础平台研究解读
城市是物理元素(建筑、道路、基础设施)、社会结构(人口分布、组织、文化)、经济活动(工业、服务业、商业)和环境因素(自然资源、生态系统、气候变化)交织而成的动态多层次复杂系统。这种复杂的相互作用创造了不确定性与动态性,反映了人类活动与城市环境之间的复杂交互。当前,在快速城市化背景下,平衡经济增长、社会福利与环境可持续性是城市复杂系统面临的主要挑战,交通拥堵、环境污染、资源短缺和基础设施压力等问题日益严峻,社会不平等和住房问题进一步影响了居民生活质量。气候变化带来的极端天气等威胁更凸显了解决这些突出城市问题的紧迫性,这对于确保可持续、公平的城市发展至关重要。为解决上述问题,技术演进始于城市数据智能,提供了丰富的城市信息;随后,人工智能(Artificial Intelligence, AI)的发展实现了对数据的有效描述、预测和管理;在此基础上,城市计算(Urban Computing)应运而生,利用AI和大数据解决城市问题;进而,数字孪生(Digital Twin City, DTC)和城市模拟(City Simulation)技术出现,利用实时数据和AI分析创建城市的虚拟模型。这一进程代表了从数据收集(大数据)、数据分析(AI)、应用(城市计算)到高级模拟建模(数字孪生与城市模拟器)的逐步深化。然而,尽管取得了这些进步,现有技术在系统解决城市问题复杂性方面的瓶颈,在于理解和建模复杂的人类行为。这意味着虽然这些技术是宝贵工具,但尚不足以应对城市面临的精细而系统性的挑战,因此需要更先进的、类人的代理来模拟城市居民的复杂行为。
通用人工智能,特别是作为类人智能形式的大语言模型(Large Language Model, LLM)的兴起,为应对城市挑战带来了独特机遇。LLM展示了涌现的智能能力,能够模拟人类的认知过程来分析和推理海量数据。LLM的类人智能可以通过提供深度且上下文感知的洞察,显著提升城市系统的智能化水平。它们能够识别城市话语中的模式、情绪和趋势,对城市环境中复杂的社会经济动态提供更细致的理解,从而支持城市规划和政策制定中的智能决策。因此,将LLM代理整合到城市系统中,对于寻找应对城市多面挑战的综合解决方案具有巨大前景,将推动城市技术迈向城市智能的新阶段。
本文旨在弥合前沿技术能力与实际城市系统应用之间的鸿沟,提出了城市生成式智能(Urban Generative Intelligence, UGI)平台的概念。UGI平台是一个基础性平台,旨在促进生成式智能在城市空间中的应用与演进。该平台建立在由城市知识图谱(Urban Knowledge Graph, UrbanKG)和城市模拟器引擎(如Mirage)构成的开放数字基础设施之上。该基础设施能够基于多源城市数据模拟现实的城市交互,并为智能代理提供具身反馈,这使其区别于现有的沙箱或虚拟环境。研究人员提出使用标准化的语言接口(如模型上下文协议, Model Context Protocol, MCP)来开放此数字基础设施的访问,从而促进语言模型的便捷接入和生成式、具身化代理的开发。以LLM作为生成式智能核心,研究人员提出了一个为各类城市任务(如规划交通系统、辅助政策制定、模拟城市生活及社会经济互动)创建具身化代理的通用框架。此外,该框架可轻松适配以构建定制化代理,促进支持城市智能各方面的多样化智能代理的涌现。通过数字基础设施提供的逼真具身反馈以及与其他代理的交互,由LLM赋能的代理能够从环境中学习,形成自身理解,并进一步演化其智能以处理复杂的城市任务。这些组件共同构成了一个基础平台,促进城市空间中生成式智能的涌现与进步。
为构建这一平台,研究人员采用了多项关键技术方法。首先,他们整合了城市知识图谱(UrbanKG),该图谱融合了多源城市数据流,提取并存储诸如“毗邻”(空间关系)和“类别属于”(语义关系)等事实性知识,为智能模型提供易于访问的结构化城市知识。其次,他们设计并集成了强大的城市模拟器(如Mirage),该模拟器能够高效、可扩展地模拟人、物、空间在城市环境中的复杂互动,并基于经验观测数据模拟各种假设场景,为智能代理提供多样化的交互环境。第三,研究人员提出了一个标准化的语言接口,允许LLM和生成式代理通过自然语言便捷地调用城市模拟器的计算能力并访问UrbanKG的事实知识,降低了开发门槛。第四,他们利用了城市基础模型(如CityGPT、UrbanGPT),这些模型是在大规模城市数据上预训练的LLM,通过语言接口编码了本地城市知识,在通用LLM推理能力和常识知识的基础上,针对专门的城市问题进行了强化。这些技术方法共同构成了UGI平台的技术基石,样本队列来源于多源城市空间数据、基础设施网络数据和人类活动轨迹数据等。
## 研究结果
### 1. 开放数字基础设施
该组件旨在提供一个骨干系统,整合用于城市问题的数据科学资源和计算工具。它接入城市系统中的各种数据流,收集覆盖空间布局(如兴趣点, Points of Interest, POI)、基础设施分布(如道路网络、地铁网络)、人类行为(如个体移动、集体出行流)和城市动态(如交通拥堵)的大规模时空数据。这些数据集被输入强大的城市模拟器Mirage,该模拟器能够高效且可扩展地模拟人、物、空间之间的复杂互动。在经验观测数据之上,此模块可高效模拟各种假设场景,为托管智能代理提供多样环境。同时,UrbanKG模块融合多源数据流,提取事实性知识,并提供事实知识的构建、存储和基本操作算法,便于生成式智能模型访问。
### 2. 语言接口
研究人员设计了标准化的语言接口以充分释放开放数字基础设施的潜力。城市模拟器、UrbanKG和各种数据源以往难以访问,通常需要定制算法来配置模拟器、检索知识和集成数据,这限制了它们在下游任务中的应用。该架构设计了一个用户友好的语言接口,使用预定义的自然语言协议,允许LLM和生成式代理便捷地利用城市模拟器的计算能力并从UrbanKG访问事实知识。这种标准化接口降低了基于开放数字基础设施开发语言模型驱动代理的壁垒,有望促进生成式城市代理的增殖。
### 3. 生成式智能
基于语言接口,研究人员提出使用一个为城市问题预训练的基础模型CityGPT。CityGPT是一个预训练的LLM,通过语言接口编码了本地城市知识,有效利用了LLM的推理能力和常识,并针对专门的本地城市问题进行了大幅强化。依托这一强大的城市基础模型,研究人员在城市出行、经济、社区和社会等维度设计了一系列生成式代理。这些代理不仅能在各种场景中进行高质量决策,还能实现逼真的基于代理的模拟(Agent-based Simulation)。此类代理与CityGPT结合,将释放生成式智能的力量,以解决城市规划、气候适应、减少不平等等各类重要城市问题。
### 4. 生成式代理的通用框架
研究人员提出城市空间具身化生成式代理的通用框架。该框架利用生成式基础模型作为智能核心,构建于城市模拟器和UrbanKG知识图谱的开放数字基础设施之上。依据具身认知假说(Embodied Cognition Hypothesis),此框架允许生成式代理利用数字基础设施提供的逼真具身反馈,在模拟城市环境中演化其智能。该框架下的自主代理拥有记忆(存储历史行为和交互)、人设(为代理分配特定档案以利用语言模型的角色扮演能力)和偏好(允许用高级语言描述个性化代理)等心智状态组件。它们使用城市基础模型(如CityGPT, UrbanGPT)作为生成式智能核心,能够综合建模内在心智状态与外在交互,以生成合适行为。交互组件包括感知模块(感知模拟城市环境)、行动模块(在城市模拟器中注册行为或状态变更)和通信模块(与其他代理交换信息),使代理能通过MCP等自然语言接口将推理和行动锚定于可靠的城市模拟器和UrbanKG,从而提升LLM代理的效率和准确性。
### 5. 模拟代理:生成个体与集体行为
复杂城市现象由物理、经济和社会领域微观活动的时空集聚驱动。理解底层的微观机制与涌现过程对城市系统建模与管理至关重要,需要利用微观自主代理模拟复杂城市现象。
- **物理出行**:此类代理旨在模拟城市环境中的个体活动和移动,旨在生成反映真实生活模式的轨迹。传统模拟模型使用简化规则,但缺乏对城市出行丰富语义的理解。生成式智能提供了有前景的替代方案。例如,有研究提出“计划行为链”(Chain-of-Planned-Behaviour, CoPB)工作流,利用“计划行为理论”(Theory of Planned Behaviour, TPB)的构念(态度、主观规范、知觉行为控制)指导LLM代理进行逐步推理,模拟符合社会规范、个人特征和动态上下文的逼真、个性化且连贯的城市出行行为。该方法不仅在模拟真实性上优于传统基于规则的方法,其推理出行意图的能力也有助于预测未来出行行为。
- **经济活动**:基于代理的建模与模拟是理解和预测经济系统动力学的有前景方案。例如,EconAgent工作部署LLM代理模拟劳动、消费、金融市场和政府税收四个基本宏观经济组件,代理执行就业和消费等关键决策,政府和银行代理调整政策。此模拟系统可观察宏观劳动力市场和消费市场动态,为理论验证和决策提供支持环境。
- **社会互动**:LLM赋能的代理也可模拟人类社会行为。代理需要具备类人的社会行为能力,即在城市系统中与其他个体交互。社会代理模拟主要关注信息如何在社交网络上传播及其对个体的进一步影响。LLM驱动的代理可塑造社会意识(区分朋友、社会关系强度),自主安排在城市环境中的日程,进而引发聊天、合作甚至冲突等社交活动。在基于UGI框架构建的社会模拟系统S3中,社会代理能准确模拟信息、态度和情绪在关于核能和性别歧视两个代表性事件上的传播过程。
### 6. 决策代理:任务求解与个人助理
- **地点推荐**:作为应对信息过载的新型基础设施,地点推荐面临数据海量、用户偏好多样化的挑战。基于UGI框架的LLM代理具有理解混合复杂用户意图、根据历史数据检测用户档案并调整推荐、根据现实城市环境识别不当用户需求的能力。它们能理解用户偏好,基于城市环境反馈进行规划和调度,整理搜索引擎输出,并与用户沟通,提供基于历史行为、个人需求或时空背景的文本解释。
- **日程规划**:有效的日程规划对高效管理日常活动至关重要。传统方法依赖最短路径算法,缺乏个性化和灵活性。UGI框架下的LLM代理利用CityGPT能力,整合常识知识将任务上下文化,提供逻辑、以用户为中心的规划方案。其自然语言接口确保直观的人机交互。该代理在接收用户日程输入后,利用生成式智能核心的综合理解和推理能力制定最优计划,尊重用户的固定承诺,同时适应偏好和时间约束。记忆模块持续整合新信息,促进动态调整。通过感知和通信接口,代理评估计划的可行性(考虑出行时间、邻近性),并最终结合人设模块推断的用户偏好确定日程,确保逻辑连贯性和用户满意度。
### 7. 启用的城市应用
UGI平台可处理来自交通、商业、经济和社会四个重要城市系统的复杂城市任务与问题。
- **交通系统**:传统出行调查(如家庭出行调查)昂贵、耗时且数据更新慢。基于数据科学的方法(如TimeGeo)利用简化统计规则模拟出行,但缺乏对出行意图和用户档案的深入理解。UGI平台支持生成具备意图感知能力的出行行为生成代理。例如,CoPB工作流将LLM推理与TPB理论结合,显著提升了下一步出行意图的推断精度(错误率从57.8%降至19.4%)。结合将意图映射到现实物理空间的重力模型,可生成更符合实际地理模式的出行轨迹,为高质量、高效的出行调查提供了重要替代方案。
- **商业智能**:传统选址方法依赖专家和人工调查,资源密集。数据驱动方法利用机器学习模型和城市数据,但缺乏全面的特征表示和逻辑推理。知识图谱方法整合数据但面临同化、精炼和可解释性挑战。UGI平台提出集成智能选址模型,结合知识图谱的结构化知识与LLM(特别是针对城市问题增强的CityGPT)的常识推理能力,利用知识图谱推理算法,交付具有更高决策质量、清晰解释和更高效率与广度的精确选址结果。
- **城市经济系统**:传统计量经济学模型(如DSGE)常假设完美世界,难以处理现实复杂性。UGI平台支持基于LLM的经济模拟,如EconAgent,它在包含劳动力市场、消费市场、金融市场和政府税收的宏观经济模拟环境中进行实验。该模型能自然涌现出消费者市场通胀、劳动力市场失业、税收和再分配机制下的收入动态等经典经济现象,其模拟结果与既定经济规律相符,并表现出类似人类的决策行为(如对失业、工资波动和市场短缺的敏感性)。此模拟平台为政策制定者提供了在受控环境中测试和评估不同政策干预效果的宝贵工具,以制定稳健、适应性强的政策。
- **城市社会**:社会模拟的关键在于个体间的动态互动和群体状态的演变。UGI系统及其LLM驱动代理支持的研究应用包括:深入模拟社会背景下个体行为,理解内部机制和外部因素如何驱动个体行动;预测更广泛的群体动态演变,预见社会转变和趋势;在模拟社会环境中作为测试干预措施的实验场,研究各种干预、政策或变化的潜在影响;帮助政策制定者在虚拟社会景观中开发和评估政策,在现实世界部署前评估潜在影响并调整策略。多个利用类似框架构建的社会模拟系统(如OpenCity, AgentSociety, YuLan-OneSim, OASIS)已通过实验验证了LLM代理模拟城市社会活动的现实性和解释性,能够再现政治极化、信息传播、全民基本收入(Universal Basic Income, UBI)影响等有据可查的社会现象,并与现实调查、访谈和干预研究结果相符。
## 讨论与结论总结
### 讨论部分
研究人员深入探讨了几个关键议题。首先,城市环境是动态且多方面的,面临由复杂网络引发的诸多挑战。UGI平台通过整合多源城市数据、创建超越传统沙箱的逼真城市环境供交互,并利用LLM赋能的具身化代理,提供了对城市动态的深度、上下文感知的洞察和理解,有望生成能够应对复杂城市问题的智能解决方案。然而,将先进技术能力与实际城市应用对接、适应快速演变的城市动态和政策格局、开发更精细的具身化代理以系统理解城市复杂性、应对快速城市化与气候变化的升级挑战,仍是需要进一步探索的重大障碍。
其次,关于扩展到大型城市,尽管LLM代理在模拟复杂任务(如软件开发)中表现出协同能力和可扩展性,但模拟反映城市环境复杂约束的大规模LLM代理社会面临巨大的计算挑战。研究正在通过模型压缩(知识蒸馏、量化)、批处理提示(可同时模拟多个代理,提升推理时间和成本效率达5倍)、共享原型架构(如AgentTorch)和高效的多代理协作框架(如MetaGPT)等技术进行优化。然而,实现大型城市环境的全模拟仍是城市科学中尚未解决的关键任务。
第三,环境的开放性是UGI作为基础平台的重要特征。用户不仅可以基于真实城市转换环境,还可以创建新城市,调整POI、兴趣区(Area of Interest, AOI)等数据改变城市空间结构与土地利用类型,进而改变城市功能空间分布,并利用现有算法或自定义算法在新条件下生成城市人类活动。道路网络、基础设施网络乃至图像数据都是开放的,允许用户进行任意修改。研究人员希望UGI不仅能用于构建城市中的LLM代理,还能为未来城市的规划、设计和治理提供全方位智能,推动城市领域的跨学科范式创新。
第四,UGI的发展需要建立一个跨学科协作的开发者社区。该社区将汇聚大数据研究人员(提供高质量数据集和处理方法)、城市模拟专家(添加新功能、提升性能、设计接口)、LLM研究者(为CityGPT训练提供见解)以及城市相关领域(城市规划、交通管理、经济学等)的研究人员(通过编程或自然语言接口构建领域特定代理)。这个高度跨学科的社区将激发有趣的思想和研究问题,助力解决城市问题,实现智慧可持续发展。
最后,关于未来展望,UGI平台是整合LLM与城市模拟环境的基础性步骤。其长期愿景与生成式AI和数字孪生技术的能力进步紧密相连。研究人员规划了三阶段路线图:目前,UGI支持LLM代理在模拟城市环境中进行基本的对话交互和基于规则的推理,执行位置推荐、出行行为模拟、政策场景探索等应用,但受限于上下文深度和短期记忆;近期,预期智能体智能和环境保真度将大幅进步,微观代理行为将更紧密地与宏观城市动态结合,实现更精确的反馈循环和对涌现行为的建模,UGI正朝着能响应人类输入和环境变化的动态自适应城市生态系统发展;远期,愿景是UGI能自主开发可连续学习和适应的智能代理,这些系统将演进为覆盖整个城市的高分辨率、实时数字孪生,不仅模拟物理基础设施,还包括社会、经济和生态系统,作为政策实验、灾难响应训练和长期城市预测的平台,支持全面的城市治理,实现在不确定性下的跨部门优化和韧性规划。
### 结论部分翻译
总之,研究人员提出了一个用于模拟复杂城市系统的城市生成式智能(UGI)平台,旨在弥合尖端技术能力与实际城市系统应用之间的鸿沟。通过将大语言模型(LLM)与城市数据和数字孪生相结合,UGI为开发和部署具有人类级别智能的具身化城市代理提供了一个精细、动态的平台。这一基础平台不仅推动了城市科学领域的发展,也为城市空间中的生成式智能树立了新范式。UGI模拟复杂城市系统的综合方法预示着智能、可持续、韧性城市发展的新时代,为更能适应和响应其居民不断变化需求的未来城市铺平了道路。