《International Journal of Urban Sustainable Development》：Augmentation or automation? The expanding role of artificial intelligence in urban planning and governance
编辑推荐：
人工智能（AI）越来越多地被引入城市治理和规划中，但其实际作用仍然参差不齐且常常不明确。本文研究了AI目前如何在城市行政管理中使用，以及它如何塑造决策过程。研究人员结合了桌面研究、对城市AI图谱（Atlas of Urban AI）的实证分析以及与专家的德尔菲
人工智能（AI）越来越多地被引入城市治理和规划中，但其实际作用仍然参差不齐且常常不明确。本文研究了AI目前如何在城市行政管理中使用，以及它如何塑造决策过程。研究人员结合了桌面研究、对城市AI图谱（Atlas of Urban AI）的实证分析以及与专家的德尔菲调查（Delphi surveys）。研究发现，大多数应用主要作为决策支持系统（Decision Support Systems, DSS），通过数据分析、环境监测或移动性预测等方式增强行政和分析能力。然而，在某些领域，常规行政流程已经部分自动化。城市中的AI目前在混合治理安排中运行，其中算法系统支持而非取代人类决策。虽然这些技术可以提高城市治理的效率和信息基础，但它们的整合带来了与透明度、问责制、数据质量和潜在偏见相关的重要挑战，这些挑战需要解决以支持可持续城市发展。
**研究背景与问题**
人工智能（AI）在城市治理与规划中的应用日益广泛，但其实际角色仍不均衡且常不明确。现有研究多聚焦于特定技术或个案，缺乏对城市政府如何采纳与治理AI的系统性比较视角。随着气候变化、人口结构变化和资源稀缺等压力加剧，AI被视为提升规划效率和支持可持续、气候韧性城市发展的工具。然而，其整合也引发了关于透明度、问责制、数据质量及潜在偏见的重要挑战。为填补这一空白，本研究旨在考察AI目前如何在城市规划与治理中实施，以及这些技术如何重塑城市行政中的决策过程，特别关注增强（augmentation）、自动化（automation）与潜在自主性（autonomy）之间的关系。
**研究内容与结论**
研究人员结合文献综述、对城市AI图谱（Atlas of Urban AI）中218项倡议（涵盖74个城市）的实证分析，以及对德国专家的德尔菲调查（Delphi surveys，两轮有效问卷各35份），系统评估了AI的应用模式。结果显示，大多数应用主要作为决策支持系统，通过数据分析、环境监测或移动性预测增强行政和分析能力，仅部分常规流程实现自动化。AI目前运行于混合治理安排中，算法系统支持而非取代人类决策。这些发现表明，增强而非自动化是当前主导模式，但自动化程度正逐步提升。研究发表在《International Journal of Urban Sustainable Development》，其重要意义在于揭示了AI在可持续城市发展中的实际作用，以及需要建设稳健的治理框架以应对透明度、公平性和数据质量等挑战。
**关键技术方法**
本研究采用三步方法：第一，系统桌面研究（desk research），回顾近十年的科学文献、政策报告和机构研究，识别AI支持城市治理的案例；第二，对全球城市人工智能观察站（GOUAI）编制的城市AI图谱（Atlas of Urban AI）进行实证分析，该数据库从公开来源（包括市政报告、政府网站、科技公司出版物等）整理出218项倡议（含160个项目、45项政策和13项战略），重点分析应用领域、实施状态和治理原则；第三，对德国专家（来自城市规划部门、智慧城市单元、咨询公司和研究机构）进行两轮德尔菲调查（第一轮邀请268人，有效回复72人；第二轮54人回应，有效回复各35份，回收率约13%），采用描述性统计和定性内容分析评估应用领域、机构条件、预期收益和感知风险。
**研究结果**
**3. Urban AI in practice: evidence from the Atlas of Urban AI**
通过对全球城市AI图谱（Atlas of Urban AI）的分析，研究人员发现全球共记录218项倡议，欧洲领先（123项），其次为北美（44项）和东亚及太平洋（21项）。已实施118项，进展中22项，规划阶段31项。应用主题上，治理与城市服务（Governance and Urban Services）占主导（146项），其次为移动性（Mobility, 46项）、环境与资源（Environment and Resources, 43项）和社会服务（Social Services, 40项），基础设施与城市规划（Infrastructure and Urban Planning, 23项）及安全与韧性（Security and Resilience, 17项）角色较小。结论：AI的采纳存在区域和制度差异，主要应用于提升行政效率和支持服务交付，而非核心战略规划。
**3.1 Fields of application within Europe**
聚焦欧洲123项倡议时，研究人员发现其在荷兰、芬兰、西班牙、丹麦和英国尤为集中。实施成熟度较高：69项已完全运行，7项推进中，21项规划中。按行业分配，治理与城市服务占85项，移动性32项，环境与资源31项，社会服务24项，基础设施与城市规划12项。指导原则中，透明与公开（Transparency and Openness）最常见（94项），隐私保护（Privacy Protection）65项，公平与非歧视（Fairness and Non-Discrimination）55项，安全与保障（Safety & Security）50项，问责制（Accountability）39项，可持续发展原则仅8项。结论：欧洲AI应用主要作为决策支持技术，增强人类规划与行政能力，且规范性治理原则如透明度和隐私保护显著。
**3.2 Urban AI in European pioneer cities**
深入分析阿姆斯特丹、巴塞罗那、赫尔辛基、哥本哈根和伦敦五个先锋城市时，研究人员发现各城市已部署多项跨行业AI应用，如图像分析、聊天机器人、能源优化等。阿姆斯特丹通过算法注册表（Algorithm Register）和透明标准（Algorithm Transparency Standard）促进开放；巴塞罗那制定内部协议和外部咨询委员会；赫尔辛基建立AI注册表（AI Register）和公民信任项目；哥本哈根聚焦气候行动，参与AI4Cities项目；伦敦强调安全、伦理和移动数据管理，使用预测算法和面部识别技术。结论：这些应用主要体现增强而非完全自动化，均伴随治理机制（如算法注册表、伦理采购规则），表明AI被有意识地嵌入人本治理框架中。
**4. Urban AI in German municipalities: institutional contexts and practices**
通过德尔菲调查（Delphi survey），研究人员发现德国专家认为AI在图像识别与分析（53%）、风险评估（45%）、建筑申请数字审查（44%）等领域最相关。AI用于战略分析被45%专家视为非常相关，53%视为略有相关。专家共识认为AI主要增强分析能力，允许规划者专注于概念性和创造性任务，但面临结构性障碍（如部门“孤岛结构”）、法律不确定性、人力资源不足及公众不信任。成功实施需要充足人员培训、人本方法（human-centred approaches）和透明沟通策略。结论：AI在德国市政中主要作为增强工具，但体制障碍制约整合，需加强能力建设和伦理框架。
**讨论总结**
在讨论部分，研究人员结合图谱分析和德尔菲调查，指出AI当前以增强为主、自动化有限，原因包括规划决策的政治性和民主问责要求，以及法律框架对人工监督的强制规定。AI可提升分析能力和预测能力，但也涉及偏见、公平性和包容性问题，以及算法“黑箱”带来的透明度挑战。城市治理正转向混合治理模式（hybrid governance model），即算法系统辅助行政操作，但人类仍负责战略决策，这要求建设稳健的治理框架。同时，AI的整合可能重塑规划优先级和参与过程，需确保包容性参与。
**研究结论翻译**
本文考察了AI在当代城市规划与治理中的作用，重点关注市政AI应用中增强与自动化之间的关系。通过结合城市AI图谱（Atlas of Urban AI）的全球视角与德尔菲专家调查（Delphi survey）的机构洞察，研究提供了AI目前在城市中如何应用以及这些技术如何被市政行政部门感知的全面概览。从两个实证视角中，一致的模式浮现：AI目前主要被用于增强行政和分析能力，而非取代人类决策。图谱中记录的许多倡议，例如预测性移动系统、环境监测工具或自动化服务管理，聚焦于处理大型数据集和支持操作性决策。类似地，德尔菲调查表明市政行政部门主要将AI应用于分析任务和常规行政流程，包括图像识别、文件验证或公民请求分类。在这两种情况下，算法系统支持行政功能，而战略规划决策大体上仍处于人类控制之下。因此，城市AI在混合治理安排中运行，其中自动化主要限于程序性任务，而涉及规范性判断、政治协商和公共参与的规划决策依然依赖人类监督。同时，研究结果强调了与AI在城市决策中日益增长的使用相关的若干治理含义。数据驱动技术可以增强分析能力和预测能力，使行政部门能够识别复杂城市系统中的模式并支持循证政策制定。在可持续城市发展的背景下，这种分析能力可以帮助城市监测环境指标、评估气候减缓策略并评估规划决策的长期影响。然而，对算法系统的日益依赖也引发了与透明度、问责制和民主合法性相关的担忧。算法模型可能依赖不完整或有偏见的数据集，因此若未建立适当保障措施，可能复制现有的社会空间不平等。此外，不透明或专有算法可能限制公民和决策者理解或质疑算法知情决策的能力。因此，确保透明度、监督和公平性成为负责任的城市AI治理的核心挑战。
