基于纳什均衡与自主决策者的智慧城市气候韧性策略
《Journal of Environmental Management》:Strategies for resilient climate in smart cities mediated by Nash equilibrium and autonomous decision-makers
【字体:
大
中
小
】
时间:2026年07月04日
来源:Journal of Environmental Management 9.2
编辑推荐:
查拉·马德哈维·拉塔 | 马蒂亚斯·阿尔瓦拉多-门塔多
印度海得拉巴CMR工程与技术学院计算机科学与工程系
**摘要**
近年来,由于全球变暖,智能城市面临着诸多严峻挑战。人口增长、交通活动增加以及工业领域对技术基础设施生产和维护的需求上升,导致温室气体排放不断增加
查拉·马德哈维·拉塔 | 马蒂亚斯·阿尔瓦拉多-门塔多
印度海得拉巴CMR工程与技术学院计算机科学与工程系
**摘要**
近年来,由于全球变暖,智能城市面临着诸多严峻挑战。人口增长、交通活动增加以及工业领域对技术基础设施生产和维护的需求上升,导致温室气体排放不断增加,进一步加剧了城市的全球变暖效应。为针对各城市的特定需求制定有效的全球变暖缓解策略,研究人员整合了纳什均衡理论、自主多智能体系统以及机器学习方法,构建了一套决策框架。在该框架中,每个城市都被视为一个自主决策主体,负责制定与其污染控制水平、气候变暖风险管理以及自身技术能力相关的政策。纳什均衡为城市间的合作、适应或小规模互动提供了指导,有助于识别各城市在污染控制、气候变化风险管理及技术准备方面的已有成果。通过解决政策冲突并引导合作性缓解策略,该均衡机制能够实现公平的解决方案,避免任何一方获得不当利益,同时防止出现自私的策略调整。各城市的自主决策以自身数据为依据,而机器学习模拟则用于基于真实数据构建不同场景。纳什均衡与机器学习的结合为应对城市间的动态互动、推动全球变暖缓解工作提供了有效基础。这种混合模型可作为分析工具,用于评估基于战略决策与可量化结果(如排放分布、风险降低程度及韧性提升)之间的关系的城市气候政策。此外,本研究还基于若干可持续发展目标对城市气候合作规划进行了建模,这些目标包括可持续城市与社区(SDG 11)、气候行动(SDG 13)以及为实现这些目标而建立的合作伙伴关系(SDG 17)。
**引言**
快速的城市化进程与日益严重的全球变暖给城市群带来了巨大挑战,这些城市群需要在减少温室气体排放的同时,增强抵御环境冲击的能力。如今,各城市政府注重通过协调数据、基础设施和技术来推动可持续发展,从而在气候治理中发挥着重要作用(Zhu等人,2024)。然而,现有的城市气候政策往往依赖集中式规划。这类方法忽视了城市在排放特征、技术准备程度以及面临的气候风险等方面的差异,因此制定的政策难以在不同城市环境中普遍适用(Linnenluecke等人,2011)。为弥补这一缺陷,人们开始引入基于人工智能和机器学习的方法(Jia等人,2023;Heidari等人,2022;Wang等人,2023)。不过,更需的是以城市作为独立实体其战略行为为核心的分散式模型。一种可行的思路是将城市视为独立的决策者,它们在全球气候背景下展开战略互动。在这种环境中,每个城市都必须在本地成本与国际利益之间进行权衡,从而选择适应、合作缓解或采取较小努力等策略。纳什均衡为这类互动提供了合理的建模基础(Alvarado和Rendón,2012),因为它能够体现稳定解(Dai等人,2024),即在这个框架下,任何城市都没有动机改变其既定的策略,无论是在灾后救援(Dai等人,2024;Nagurney等人,2016)、空气污染控制(Lee和Wang,2019)还是气候变化的地缘政治层面(Bukowski,2023)方面。
智能城市是一种利用可持续基础设施、数据驱动的治理方式以及数字技术来提升生活品质、优化资源利用效率并增强气候变化抵御能力的城市系统(Zhao等人,2021)。这些城市的政府致力于通过技术进步和各项政策来改善城市居民的生活条件。随着人口增长、化石能源的大量使用以及基础设施的限制,日益严峻的气候威胁使得降低温室气体排放成为提升生活质量的当务之急(Sun等人,2024)。这一要求主要来自城市居民。尽管如此,每个城市在应对温室气体排放和全球变暖问题上都有其自身的特点和挑战,而目前的 climate governance 模型大多仍以集中式的自上而下的规划模式为基础。
通常,那些采用智能体系统或优化方法的自上而下的气候政策模型(Wang等人,2023;van den Bergh和Botzen,2015)都是以国家或全球层面为着眼点的。因此,城市在排放强度(Rosenzweig等人,2018)、技术能力(Popp等人,2010)、预算限制(Catalano等人,2020)以及面对气候变化的脆弱性(Adger,2006)等方面的差异被忽视,这些差异实际上应被视为不同城市所面临的独特问题(Deák等人,2025)。现有的城市气候政策模型要么依赖集中式规划,要么将政策均匀地分配到各个城市(Grubb等人,2015;Nordhaus,2015a)。这种集中式做法忽视了城市在排放、技术能力和脆弱性方面的差异。现有模型几乎未考虑多智能体系统中城市作为独立但相互关联的单元所做出的自主且动态的决策。这一缺失使得我们无法对分散式方法如何形成国际合作或竞争的国际气候行动格局进行现实的分析。虽然越来越多的研究关注城市层面的气候行动(Seto等人,2014;Acuto等人,2018),但目前还没有研究探讨城市的分散式决策问题;大多数研究仍然采用集中式规划、预测和脆弱性分析方法(Creutzig等人,2018;Ostrom,2010a;M. Chen等人,2024)。有一些研究尝试过使用分散式多智能体模型(Bulkeley和Betsill,2013;Bai等人,2010),但这些模型中的智能体往往是同质的,或者合作结构是预先设定好的(Farmer等人,2015)。这些气候政策模型要么表现为决策主体的被动反应,要么采用集中式优化方法。很少有研究探讨城市在合作、适应和缓解方面的分散式互动,更没有研究清晰地描述政府、金融机构、企业、保险公司和社会团体之间的战略互动关系。因此,迫切需要一种基于数据、具有分散式特性的模拟模型,使城市能够以战略性方式行事,平衡自身利益,并自发形成灵活的全球气候合作策略(Latha和Alvarado-Mentado,2025)。
智能城市的政府在基础设施投资和气候政策制定方面拥有较大的自主权(Bulkeley和Betsill,2013),因此,基于分散式模型的城市战略支出分析完全适用。实际上,关于适应和缓解政策的决策,是多个具有相互依赖策略的独立主体之间互动的结果。我们建议进一步拓展这一研究方向,将每个智能城市视为分散式多智能体系统中的自主智能体进行建模。纳什均衡理论可为公平的合作策略制定提供指导,而机器学习工具则能生成基于动态数据的各种场景。该模型与实际的城市间治理和数据交换中的分散式决策方式相一致,同时也是一个可用于测试城市气候政策的可扩展框架,能为分散式决策者提供气候治理方面的支持。除了存在气候联盟或气候俱乐部之外,每个城市内部也会自然产生各种合作可能。
本研究结合了德里、东京、阿姆斯特丹、新加坡和墨西哥城等不同城市的实证数据,分析了合作、适应和竞争等趋势的发展情况。研究结果表明,通过分散式策略的协同,城市有望实现平衡的减排目标、更高的韧性以及更少的政策冲突。本研究既符合可持续发展目标11(可持续城市与社区)、目标13(气候行动)以及目标17(为实现目标而建立的合作伙伴关系)的要求,也具有重要的理论和实践价值。现实中的数据和信息往往较为稀少、格式多样且不完整,因此需要借助基于概率论和统计学的机器学习方法来应对其中的随机性和不确定性。而博弈论方法则能为模型提供所需的精确性和简洁性。本研究的具体目标如下:
• 将智能城市视为独立智能体,根据其排放水平、风险脆弱性和技术准备程度来决定相应的气候措施。
• 基于纳什均衡理论,构建一种以效用为导向的决策模型,让每个城市能够在适应、合作或采取较小努力等策略中做出选择。
• 通过监测排放公平性、合作稳定性以及在采用分散式决策时的结果韧性,评估多个时间步骤下的系统性能。
• 提供一种可扩展的、基于数据的规划工具,以增强城市的气候韧性,并与可持续发展目标11、13和17相契合。
在将智能城市视为在灵活管理框架下追求自身利益的气候政策多智能体决策者的分散式模拟中,纳什均衡理性原则被用来平衡减排、技术准备以及气候损害风险,同时通过自我组织来最小化政策冲突。研究还利用大都市的数据对模型的适用性和实用性进行了验证。
**章节节选**
**城市中的全球变暖**
快速的城市化进程、日益严重的气候威胁以及技术创新正在推动城市规划在可持续性和韧性方面的变革(Wang和Chen,2024)。随着智能城市逐渐成为气候治理的重要力量,人们对于利用数据驱动工具来模拟和指导城市气候政策的兴趣也越来越高(Li等人,2024)。目前,已有大量研究致力于利用地球系统模型、城市地表模型以及城市相关模型来进行气候建模。
**研究方法**
本研究中的自主适应性规划系统能够基于德里、阿姆斯特丹、东京、纽约、北京、悉尼、巴黎、柏林、孟买、首尔和墨西哥城等城市的实时数据,处理城市层面的战略决策问题。均衡理论可为协调的缓解策略制定提供指导,同时也有助于提升城市的韧性,这一点可通过对城市实际气候指标的简化分析得到印证。我们利用纳什均衡理论构建了一个适用于智能城市的合作气候策略模型。
**符合纳什均衡的决策者策略特征**
为确定符合纳什均衡的策略特征,下面以城市1、城市2和城市3为例进行说明。这三个城市各自从∑i={A,C,Po}中选择了一种策略。每个城市i的参数包括其排放量Ei、气候风险值Ri以及技术准备程度Ti。示例中的效用函数为方程(3)的一种具体形式,各城市的参数值见表5。城市1的排放量最高,为0.9,技术准备程度也为0.8,而城市3……
**结果**
表9展示了最终采用的策略、调整后的排放量、新的风险指数以及整体的减排幅度。有趣的是,德里、阿姆斯特丹、孟买和悉尼等城市选择了合作策略,这些城市共同实现了32.13百万吨二氧化碳的减排量。其他城市则选择了适应策略,从而提升了自身的气候风险指数,但排放量并未下降。研究结果证实,基于数据的分散式决策能够形成稳定且高效的气候行动策略。
**讨论**
模型结构隐含地体现了某些规律,例如合作策略能够提升减排效果,而适应策略则侧重于降低风险。该模型的重要价值在于,它揭示了分散式激励机制和均衡约束在塑造各类策略结果中的作用。这与集中式规划/合作的假设截然不同,在集中式模式下,人们通常认为均衡模型……
**结论**
我们所提出的模型是一种基于纳什均衡和多智能体模拟的分散式气候行动模型,可用于分析智能城市在全局变暖缓解方面的战略行为。每个城市都被视为一个理性决策主体,需要决定其排放量、气候脆弱性以及技术准备程度,同时可以选择适应、采取较小努力或进行合作等策略。该模拟无需中央协调即可得出决策结果。研究结果表明,……
**贡献声明**
查拉·马德哈维·拉塔:概念设计、数据整理、研究实施、方法设计、软件应用、初稿撰写、修订与编辑。马蒂亚斯·阿尔瓦拉多-门塔多:概念设计、理论分析、资金筹措、研究实施、方法设计、项目管理、监督、验证、修订与编辑。
**利益冲突声明**
作者声明,他们不存在任何可能影响本文研究成果的已知财务利益或个人关系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号