动态模拟城市聚集网络在扰动下的韧性：一种融合深度学习和基于代理的方法——以京津冀地区为例

韧性评估与动态模拟框架构建：基于GAT-ABM的北京-天津-河北都市群极端事件响应研究

　　

陈若曦|王佩佩|郑新琪|饶欣瑞|张晓媛|王文琪

中国地质大学人工智能学院，北京，中国

摘要

发展具有韧性的城市聚落对于区域安全和可持续发展至关重要。然而，现有的静态评估方法往往无法捕捉网络节点之间的时空定性依赖关系以及多智能体决策与网络演化之间的相互作用。为了解决这些不足，本研究提出了一个结合了熵-CRITIC加权、图注意力网络（GAT）和基于智能体的建模（ABM）的GAT-ABM框架。以京津冀城市聚落（BTHUA）为例，我们构建了一个多维度韧性指数，并模拟了极端干扰下的网络动态。研究结果揭示：（1）核心区域与边缘区域之间存在显著差异，中心城市的韧性是边缘城市的1.2至2.5倍；（2）网络具有高度敏感性，57.8%的次级节点在连接强度变化时会出现超过25%的显著波动；（3）存在一个分阶段的恢复机制，企业响应可以减少初始影响，政府干预可加速中期恢复60.9%，而公众参与则推动了74.4%的灾后重建工作。通过量化智能体行为与网络结构变化之间的相互作用，本研究为政策制定者提供了一个动态工具，以优化跨城市风险治理和区域协同韧性。

引言

加速的城市化进程推动了城市基础设施发展和经济竞争力的显著提升，但同时也加剧了对各种冲击的系统性脆弱性（Sun等人，2024年）。这一悖论凸显了开发能够在中断时保持核心功能的同时具备韧性的城市系统的紧迫性（Amirzadeh、Sobhaninia和Sharifi，2022年）。在相互连接的城市聚落中——这些复杂网络以密集的资源流动和功能依赖性为特征——韧性表现为一种由节点能力和网络动态共同塑造的新兴属性（Datola，2023年；Wang等人，2024年）。这种系统复杂性要求采用创新方法来模拟干扰下的韧性传播机制。

早期的研究从单一或多个维度测量了城市韧性的程度。学者们建立了一套选择物理指标来评估城市韧性的系统。例如，经济、社会、基础设施和生态等主要子系统可以描述特定城市的韧性价值（Huang、Sun和Du，2022年；Zhang等人，2024年）。通过引入技术维度（Liu等人，2022年）、制度环境（Mu、Fang和Yang，2022年）和信息要素（Cheng和Liu，2023年）等子系统，可以进一步讨论和观察城市韧性。在使用CRITIC（Zhang等人，2023年）、熵权重方法（Zhang等人，2023年）或TOPSIS方法（Wang等人，2024年；Wang、Zheng、Chen和Xu，2024年；Zeng、Wei和Duan，2022年）计算指标权重后，一些研究利用BP神经网络（Lu、Zhang、Jiao、Wei和Zhang，2022年）或灰色预测模型（Yin、Hu和Huang，2023年）进行城市韧性预测。还有一些研究选择了空间自相关分析（Sun等人，2024年）来讨论城市聚落的时空演化模式（Zeng等人，2022年），或通过时空演化来推导发展轨迹（Peng等人，2023年；Zhu、Zheng和Xiang，2023年）。尽管付出了努力，但这些模拟仍无法从全面的角度描述城市聚落网络韧性的强度。

为了从整体角度衡量城市聚落的韧性，通常需要跨多个维度汇总连通性数据。涵盖信息交流、交通基础设施和经济联系的城市间网络已被广泛用于量化城市聚落内的多维度连通性（Liu等人，2022年；Wei和Pan，2021年）。新兴研究逐渐纳入了额外的子系统，包括创新网络（Liu等人，2025年）、经济网络（Xie、Wang、Han和Liu，2020年）以及生态网络（Hong、Guo、Li和Liao，2022年）。社会网络分析（SNA）已成为评估结构属性的主要方法，其中层次结构、连通性、传递性和聚类系数等指标提供了对网络韧性的部分洞察（Peng等人，2018年）。然而，作为静态的网络韧性分析，它们的动态模拟能力仍然有限。由于方法论的限制，虽然可以进行灾后分析，但无法提供实时的灾前预警或制定恢复策略（Zhao、Fang和Liu，2020年）。为了模拟节点故障，（Wei和Pan，2021年）依次移除了中国城市聚落网络中的节点，并通过传播性和多样性分析了影响。研究人员（Hong等人，2022年）对深圳生态网络的最大韧性值进行了类似的动态模拟。然而，他们的模拟基于一个不现实的极端情景，无法捕捉到城市聚落的真实世界干扰。值得注意的例外包括对京津冀城市聚落（BTHUA）的COVID-19影响评估：（Mu、Fang、Yang和Guo，2022年）测量了城市网络结构韧性的变化，但由于时间分辨率较低，这些评估不适用于快速发生的干扰。此外，当前的方法论未能有效整合宏观尺度的聚落韧性与微观尺度的城市节点响应。

鉴于城市聚落网络的相互依赖性（Zhao等人，2020年），本研究解决了现有文献在城市聚落韧性方面的局限性，并确定了两个核心创新点：量化城市节点之间的时空特征，并阐明智能体与网络之间的交互逻辑。我们提出了一种新的图注意力网络（GAT）和基于智能体的模型（ABM）的集成方法，该方法包括时空相关性捕捉、智能体行为模拟和动态韧性分析。GAT在捕捉城市聚落的空间连通性方面表现出色，并将其与时间输入数据相结合（Qi、Liu、Liu、Xu和Qiu，2023年），从而共同增强了城市韧性发展的时空依赖性。ABM被用来模拟智能体行为对网络拓扑权重的动态反馈。

本案例研究聚焦于BTHUA，这是一个位于中国北部的战略重要城市聚落，包含13个城市，快速的城市化加剧了生态、环境和经济挑战（Sun等人，2024年）。为了基于真实情景进行模拟，我们模拟了7月31日发生的极端降雨事件（Xiong、Tang和Tian，2022年）。在ABM模型中，我们引入了三种智能体：政府、公众和企业（Wang等人，2024年），并设置了三种情景：政府主导的协调、公众互助和企业支持的恢复。情景比较揭示了不同的韧性模式，为基于证据的政策建议提供了依据。

本文的结构如下：第2节详细介绍了理论框架、数据来源，并描述了GAT-ABM的集成和模拟协议。第3节展示了BTHUA的韧性动态和特定情景下的政策含义。最后，第4节总结了理论贡献并概述了未来的研究方向。

模型描述

本研究通过动态网络模拟在干扰下对BTHUA的韧性进行了全面分析。首先，建立了一个多维度网络，该网络描述了BTHUA内的城市间连通性强度，整合了交通、流空间和组织网络，作为边权重输入。随后进行结构韧性评估，以描述网络的拓扑结构。接着，为了定义节点特征输入，...

模拟与讨论

本节介绍了为BTHUA构建的子系统网络的强度以及对城市韧性的全面评估。通过分析网络结构韧性，我们获得了每个城市对整个城市聚落网络韧性的贡献以及城市节点的排名。此外，基于GAT模拟，我们动态干扰了城市连接强度，并使用ABM分析了真实情景下的城市韧性变化。

结论

本研究解决了在极端干扰下量化城市聚落结构与节点韧性之间动态相互作用的关键挑战。通过将GAT模型与经验校准的ABM相结合，我们开发了一个新颖的诊断性模拟框架。以2023年极端降雨事件期间的BTHUA为例，本研究提供了以下关键的方法论和科学贡献：

在时空异质性方面的方法论创新

数据声明

我们使用的数据集已在第2.5.2节的数据来源中展示。数据可应要求提供。

CRediT作者贡献声明

陈若曦：撰写——初稿，可视化。王佩佩：撰写——审稿与编辑，方法论，概念化。郑新琪：监督，资源，概念化。饶欣瑞：正式分析，数据管理。张晓媛：可视化，方法论。王文琪：可视化，验证。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本研究得到了中央高校基本科研业务费（项目编号：2652023060）和“深时数字地球”科学技术领军人才团队资金（中国地质大学（北京）深时数字地球前沿科学中心）（中央高校基本科研业务费；项目编号：2652023001）的支持。