发布时间：2026-08-09 04:06:22 点击量：
从优化到闭环城市自动化：AI–IoT赋能智慧城市中空间智能与物理AI的概念框架
人工智能（AI）与物联网（IoT）正在融合，以创建密集感知、互联且日益自动化的城市环境。然而，关于AI–IoT集成的研究仍以优化为中心的观点主导，这些观点对空间推理、物理执行和机构问责的定义不足。本研究通过将闭环城市自动化发展为一个分析透镜，以理解AI–IoT
人工智能（AI）与物联网（IoT）正在融合，以创建密集感知、互联且日益自动化的城市环境。然而，关于AI–IoT集成的研究仍以优化为中心的观点主导，这些观点对空间推理、物理执行和机构问责的定义不足。本研究通过将闭环城市自动化发展为一个分析透镜，以理解AI–IoT系统如何从城市感知走向有后果的干预，从而弥补这一空白。基于对城市AI、IoT、物理AI、空间智能、数字孪生、机器人技术、自动化和治理等文献的叙述性、理论驱动的综合，该论文将该框架与AIoT、信息物理系统、具身AI和以优化为中心的智慧城市模型区分开来。它识别了城市自动化的独特条件，提出了六个可检验的命题，并概述了对规划支持、智能控制、人类监督和民主合法性的影响。
人工智能（AI）与物联网（IoT）的深度融合正推动城市向高度感知、互联且自动化的环境演进。然而，现有研究大多以优化为核心视角，忽视了空间推理、物理执行和机构问责等关键维度。当AI系统直接介入城市交通、能源、公共安全等基础设施时，其决策后果不仅涉及模型精度，更关乎公共安全、责任归属、监管信任和基础设施投资。因此，学术界亟需一个能衔接从城市感知到物理干预的分析框架，以理解AI–IoT系统在空间、物理和制度约束下的闭环运行机制。
研究人员通过理论驱动的概念综合，系统整合了城市AI、IoT、物理AI、空间智能、数字孪生、机器人技术、自动化和治理等领域的文献，提出了闭环城市自动化（closed-loop urban automation）作为分析透镜。该框架将物理AI视为系统架构，空间智能视为认知能力，并将二者与治理机制耦合。研究区分了与AIoT、信息物理系统、具身AI和优化导向智慧城市模型的差异，识别了城市自动化区别于经典控制的四个条件（非平稳性、多智能体扰动、空间分布执行、机构中介反馈），并提炼出六个可经验检验的命题。论文发表在《Automation》。
研究人员采用理论驱动的概念综合方法（theory-driven conceptual synthesis），通过分阶段文献选择策略，在Web of Science、Scopus、IEEE Xplore、ACM Digital Library和ScienceDirect数据库中检索2016年至2026年文献。检索使用六个术语家族的布尔组合：城市AI与智慧城市、AI与IoT集成（边缘智能与传感器网络）、自动化与智能控制（信息物理系统、闭环系统）、空间智能与时空建模、具身或物理AI（传感器-执行器系统）、治理与规划支持（算法问责）。纳入标准包括城市感知-推理-控制-执行耦合、理论或部署案例；排除纯算法性能或重复性内容。此外，参考了IBM、AWS、NVIDIA和UN-Habitat的行业报告作为背景材料。通过五个步骤（问题识别、文献参与、概念澄清、框架区分、命题推导）构建框架。
**6.1 自主城市移动性作为具身闭环自动化**：通过分析Waymo和Cruise的案例，研究表明自主移动性在共享公共空间中面临规范感知和协商通行权的挑战，失败案例（如Cruise 2023年暂停运营）表明社会空间错配可直接触发监管干预，证明后果-监督耦合命题。
**6.2 数字孪生作为仿真驱动的监督自动化**：基于巴塞罗那、新加坡、赫尔辛基、赫伦贝格等Kaiyun官网城市数字孪生案例，研究指出数字孪生通常处于决策支持端，通过仿真和情景测试支撑规划，但其输出的直接执行（如自动信号调整）会使其跨越至自动化边界，需明确监督层与执行层的关系。
**6.3 机器人与监控作为移动城市自动化**：通过分析新加坡Spot机器人、北美安保机器人、海德Kaiyun官网拉巴物理智能城市等案例，研究显示移动机器人系统在公共空间中行使空间权威，可能重塑知识权力和监视伦理，需要前置审计、覆盖和申诉机制来避免结构性问责缺口。
**6.4 气候适应作为高风险自动化决策支持**：基于谷歌Flood Hub和加州ALERTCalifornia系统，研究展示传感-预测-预警的自动化片段与机构响应（如疏散命令）构成完整闭环，系统有效性受限于最慢或资源最少的环节，需评估末端响应能力和分布公平性。
**7 对城市规划作为监督层的启示**：规划的角色从制定静态计划转向监督实时适应系统，需通过定义目标、约束和操作范围进入控制架构。规划者需明确可接受阈值（如拥堵、噪声、空气质量标准），并嵌入采购合同，建立仿真影响评估和定期审查机制。
**8 政策、伦理与治理挑战**：研究识别了问责扩散、公平与算法偏差、隐私与基础设施监控、主权与数据政治经济、参与和机构监督、网络安全与韧性六大挑战，并通过表4将治理机制和责任人映射到自动化循环各阶段，强调前置可问责性（P6）的必要性。
**9 闭环城市自动化框架与六个命题**：框架通过四个要素（表1、表2、图2、图3和表4）实现操作化，并总结出六个可检验命题：P1空间传播、P2非平稳性、P3机构反馈、P4后果-监督耦合、P5具身-仿线前置可问责。
研究讨论了理论框架的局限性：作为概念性工作，六项命题尚未经验验证，案例材料主要来自北美、欧洲、新加坡、中国和印度，且依赖英语文献，限制了全球南方城市的适用性。未来研究需通过比较案例研究检验命题，特别是失败、中断和有争议的部署；需研究数字孪生如何跨越决策支持与自动化边界；需调查采购合同中的监督条款实践；需评估治理框架在规划者、运营商、监管者等利益相关方中的可行性，并扩展至全球南方城市。
本研究表明，当计算输出获得物质和制度性后果时，AI–IoT系统的城市意义显著增强。此时，仅凭模型性能不足：空间传播、系统条件变化、人类行为和公共权威成为分析问题的一部分。论文作出三项贡献：概念上，区分了物理AI作为系统架构、空间智能作为认知能力、闭环城市自动化作为分析透镜，并将其与AIoT、信息物理系统、具身AI和城市数字孪生区分（表1和表2）；分析上，识别了与经典控制假设的四个偏离（非平稳城市系统、多智能体扰动、空间分布执行、机构中介反馈），并通过六个可检验命题形式化；实践上，为规划者、基础设施管理者、监管者和公共当局提供了在部署前定义设定点、监督、覆盖程序、责任、审计权利和暂停条件的治理框架。自动化城市的未来将更少取决于技术必然性，而更多取决于刻意设计的制度与设计选择，以将创新与空间正义、基础设施韧性、公众信任和民主合法性相协调。
