引言：为什么城市模拟需要人类行为
想象一下，您能够“预演”一座城市的未来：如果关闭中心街道，交通将如何变化，或者居民在区域疏散时会有怎样的行为。这正是城市模拟的用途——它们帮助在交通政策中做出决策、评估风险和研究社会过程，而无需影响现实生活。但长期以来，这类模型要么过于简单，无法捕捉人类行为的全部复杂性，要么依赖很快就会过时的僵化场景。
随着大型语言模型（LLM）的发展，创建能够规划自己一天生活的智能体成为可能：上班、购物、赴约——并且是在整座城市的规模上完成这些活动。这类模拟看起来非常逼真，但它们有一个隐藏的缺陷。标准方法采用少样本提示（few-shot prompting）：模型被展示几个示例，并被要求以类似方式行动。结果，智能体复现的不是居民的真实习惯，而是语言模型本身内置的“平均化”行为表征。这就好比问一个从未去过您所在城市的人，当地人是如何生活的——他只会用泛泛之词来回答，充其量是社会学教科书里的内容。
CityReal 的运作方式
为了弥合“模板化”行为与“真实”行为之间的鸿沟，一个研究团队——Nicolas Bougie、Xiaotong Ye 和 Narimasa Watanabe——提出了 CityReal 框架。其核心理念是：被模拟的智能体不按模板行动，而是像真实的人一样，以意图为指引做出决策。
CityReal 的智能体不是执行一系列简单“串联”起来的逐步动作，而是构建一个连贯的活动与出行计划。它不会在真空中执行“去咖啡馆”这个孤立动作：这次出行被嵌入到它更广泛的日程、周计划甚至月度目标之中。这种方法更接近真实的人类行为——人们会规划自己的事务，并在时间、路线和优先级之间寻求平衡。
模块化架构与意图
CityReal 中的每个智能体由多个模块组成，分别负责行为的不同方面：路线物流、活动选择、时间管理以及与其他智能体的交互。所有这些模块都从属于一个协调决策的中央意图模块。得益于此，智能体的行为不是一组零散功能的集合，而是一个拥有自身习惯和偏好的完整个体。
随着时间推移，智能体会不断学习。它们会适应各种约束——例如商店的营业时间或公共交通的时刻表——并逐渐形成稳定的路线和日常惯例。这使得它们的行为不仅逼真，而且真正具有涌现性：从简单的规则和学习中产生出复杂的模式，而这些模式并非开发者直接预设的。
文本适配器与人口统计
但最有趣的是将智能体行为与现实人口统计联系起来的机制。为此，CityReal 使用了文本适配器。这些是专门的可训练组件，能够根据观测数据“调校”行为模块。例如，如果统计数据显示该城市居民通常花约 40 分钟通勤，适配器就会调整路线选择和出发时间，使其符合真实分布。
这样一来，智能体不仅模仿“普通人”的行为，还能复现特定人群的统计规律：有人骑自行车，有人偏好公共交通，有人工作时间不规律。正是得益于适配器，模拟才能在整座城市的层面上与数据保持一致，而不仅仅是针对个别个体。
实验与结果
研究人员使用 CityReal 进行了实验，将模拟扩展到数万个智能体。这足以分析的不只是个体轨迹，还有城市现象：人群密度、地点热度、移动流量，甚至不同场景下智能体的福祉水平。例如，可以模拟早高峰或大型活动，观察基础设施负荷将如何变化。
结果表明，与经典的 LLM 智能体相比，CityReal 在与现实人类行为的一致性方面有显著提升。在微观层面——这是单个决策的准确性：去哪里、走哪条路线、什么时间出发。在宏观层面——这是整体模式的吻合：市中心在什么时段变得拥挤、主要人流方向在哪里、哪些区域成为“瓶颈”。
而且，改进不仅在视觉上显而易见，在作者使用的量化指标中也有体现。这意味着该模拟可以用于预测——例如，评估交通方案变更的后果或规划大型活动。模型越准确地反映真实行为，基于它的结论就越可靠。
实际应用价值
框架的创建者强调，CityReal 不仅仅是一个普通的模拟，而是一个可扩展的城市规划与预测测试平台。它对城市规划师、交通规划人员、道路交通安全专家以及社会科学研究者都很有价值。
想象一下：您想了解新建一座桥梁将如何影响居民的出行时间。与其依赖粗略估算，您可以运行一个包含数万个智能体的模拟——这些智能体像真实的人一样行事，拥有自己的习惯、偏好和对变化的反应。或者您需要规划紧急情况下的疏散：CityReal 可以模拟人流、瓶颈以及安全疏散居民所需的时间。
重要的是，使用 CityReal 无需为每个智能体手动编写规则。只需设定架构并加载真实人口的统计数据——智能体就会自行学习以相应方式行事。这大大简化了模型向新城市或新场景的适配过程。
值得一提的是，该研究于 2026 年 7 月 8 日提交至 arXiv，涉及多个类别：physics.soc-ph、cs.AI 和 cs.MA。这种组合凸显了研究的跨学科性质——处于社会系统物理学、人工智能和多智能体建模的交汇点。
CityReal 是迈向真正反映城市生活而非对其刻板印象的模拟的一步。也许不久之后，这类模型将成为那些为城市未来做出决策的人的标准工具。
