面向复杂城市系统的物理信息AI综述
物理与社会
2025-06-18 v1 人工智能
计算机与社会
摘要
城市系统是复杂系统的典型例子，将基于物理的建模与人工智能（AI）相结合，为增强预测准确性、可解释性和决策能力提供了一种有前景的范式。在此背景下，AI擅长捕捉复杂的非线性关系，而基于物理的模型则确保与现实世界规律的一致性并提供可解释的见解。我们对城市应用中的物理信息AI方法进行了全面回顾。所提出的分类法将现有方法分为三个范式——物理集成AI、物理-AI混合集成和AI集成物理——并进一步详细介绍了七种代表性方法。这种分类阐明了物理-AI集成的不同程度和方向，指导根据应用需求和数据可用性选择和开发适当的方法。我们系统地考察了它们在八个关键城市领域的应用：能源、环境、经济、交通、信息、公共服务、应急管理以及城市系统整体。我们的分析强调了这些方法如何利用物理规律和数据驱动模型来应对城市挑战，增强系统的可靠性、效率和适应性。通过综合现有方法及其城市应用，我们识别了关键差距并概述了未来的研究方向，为下一代智能城市系统建模铺平了道路。
引用
@article{arxiv.2506.13777,
title = {A Survey of Physics-Informed AI for Complex Urban Systems},
author = {En Xu and Huandong Wang and Yunke Zhang and Sibo Li and Yinzhou Tang and Zhilun Zhou and Yuming Lin and Yuan Yuan and Xiaochen Fan and Jingtao Ding and Yong Li},
journal= {arXiv preprint arXiv:2506.13777},
year = {2025}
}