PRL：城市街道網(wǎng)絡(luò)的通用生成機制

摘要

通過分析9000個城市區(qū)域的街道網(wǎng)絡(luò)，此篇論文識別出典型空間網(wǎng)絡(luò)模型無法解釋的屬性，其中包括極端的中介中心性異質(zhì)性。據(jù)此，研究團隊提出一個通用的、簡潔的生成模型，該模型基于兩步機制：首先生成一個生成樹作為主干網(wǎng)絡(luò)，然后迭代添加邊以匹配實證度分布。該模型僅受一個代表晶格等效節(jié)點密度的參數(shù)控制，能準確重現(xiàn)關(guān)鍵的通用屬性，從而在實證觀察與生成模型之間架起橋梁。

關(guān)鍵詞：城市街道網(wǎng)絡(luò)（Urban Street Networks）、通用模型（Universal Model）、中介中心性（Betweenness Centrality，BC）、最小生成樹（Minimum Spanning Tree，MST）、空間異質(zhì)性（Spatial Heterogeneity）、生成模型（Generative Model）、等效晶格密度（Equivalent Lattice Density）、隨機伊甸模型（Random Eden Model）、度分布（Degree Distribution）

趙思語丨作者

趙思怡丨審校

論文題目：Universal Model of Urban Street Networks 論文鏈接：https://link.aps.org/doi/10.1103/1vj4-n8vn 發(fā)表時間：2025年9月25日 論文來源：Physical Review Letters

街道網(wǎng)絡(luò)建模的挑戰(zhàn)與突破

城市街道網(wǎng)絡(luò)的復(fù)雜結(jié)構(gòu)長期難以被精準建模。雖然深度學習模型能生成視覺逼真的街道圖像，但這些“黑箱”模型難以揭示網(wǎng)絡(luò)形成的底層機制。2025年9月25日發(fā)表于Physical Review Letters的研究提出了一個突破性解決方案：僅用單一參數(shù)控制的通用模型，即可準確再現(xiàn)全球9000個城市街道網(wǎng)絡(luò)的核心特征。

識別街道網(wǎng)絡(luò)的關(guān)鍵特征

研究團隊首先明確了街道網(wǎng)絡(luò)的兩個核心特征。中介中心性（Betweenness Centrality, BC）衡量了道路在最短路徑中的重要程度，高BC的道路承擔著城市主要的交通流量。實證數(shù)據(jù)顯示，BC分布在街道網(wǎng)絡(luò)中呈現(xiàn)顯著異質(zhì)性，少數(shù)主干道承擔了大部分交通壓力。另一特征是度分布，即不同類型交叉口的比例分布。然而研究發(fā)現(xiàn)，僅憑度分布無法確定網(wǎng)絡(luò)拓撲，相同度分布可能對應(yīng)完全不同的城市結(jié)構(gòu)。

全球街道網(wǎng)絡(luò)的普適規(guī)律

通過對全球9000個城市的大規(guī)模分析，研究揭示了驚人的規(guī)律性。在度分布方面，死胡同（度1節(jié)點）、三岔路口（度3）和十字路口（度4）的比例穩(wěn)定在18%、62%和19%左右。更關(guān)鍵的是，BC分布的基尼系數(shù)中位數(shù)高達0.66，表明絕大多數(shù)城市都存在明顯的"主干道-支路"分級結(jié)構(gòu)。為統(tǒng)一比較不同城市，研究者創(chuàng)新性地提出了等效晶格密度（p） 參數(shù)，該參數(shù)成功量化了從高山市（p=0.22）的松散結(jié)構(gòu)到布宜諾斯艾利斯（p=0.95）的規(guī)整網(wǎng)格的結(jié)構(gòu)差異。

圖1：城市結(jié)構(gòu)的密度密碼——等效晶格參數(shù)p的全球圖譜

從傳統(tǒng)局限到創(chuàng)新解決方案

經(jīng)典模型如隨機伊甸模型（Random Eden Model） 雖能復(fù)制度分布，但生成的網(wǎng)絡(luò)結(jié)構(gòu)過于緊湊均勻，無法再現(xiàn)BC的高度異質(zhì)性。受城市發(fā)展歷史的啟發(fā)——城市往往先形成核心干道再逐步填充細節(jié)——研究團隊提出了基于最小生成樹（Minimum Spanning Tree, MST） 的兩步生成機制。

圖2：從均勻到層級——最小生成樹（MST）模型如何重塑城市主干道

該模型首先在規(guī)則網(wǎng)格上構(gòu)建MST作為主干網(wǎng)絡(luò)，這一結(jié)構(gòu)天然具備高BC特性，模擬了城市發(fā)展的核心骨架。隨后通過迭代添加或刪除局部邊的方式調(diào)整局部連接，使網(wǎng)絡(luò)度分布精確匹配實證數(shù)據(jù)，同時保持與預(yù)設(shè)密度參數(shù)p一致。這種"先主干、后支路"的機制巧妙地將網(wǎng)絡(luò)的功能性與結(jié)構(gòu)性要求統(tǒng)一起來。

模型驗證與理論意義

通過調(diào)節(jié)單一參數(shù)p，該模型成功生成了從低密度模塊化結(jié)構(gòu)到高密度融合結(jié)構(gòu)的完整城市網(wǎng)絡(luò)譜系。定量比較顯示，基于MST的模型在平均度、中介中心性基尼系數(shù)等關(guān)鍵指標上的數(shù)值分布與實證數(shù)據(jù)高度重疊，顯著優(yōu)于傳統(tǒng)的隨機伊甸模型。特別是在最能體現(xiàn)路網(wǎng)層級結(jié)構(gòu)的BC基尼系數(shù)上，新模型的結(jié)果與真實世界數(shù)據(jù)幾乎一致，準確再現(xiàn)了城市中“主干道-支路”的功能分化特征。

圖3：數(shù)據(jù)驅(qū)動的驗證——新模型在關(guān)鍵指標上顯著優(yōu)于傳統(tǒng)基線

這一通用模型的價值不僅在于其預(yù)測準確性，更在于揭示了城市復(fù)雜結(jié)構(gòu)背后的簡單生成機制。該模型為研究城市形態(tài)對交通、環(huán)境的影響提供了新范式，標志著城市網(wǎng)絡(luò)研究向系統(tǒng)化、定量化邁出了關(guān)鍵一步。雖然模型尚未考慮地理約束等現(xiàn)實因素，但其建立的堅實基礎(chǔ)將為未來研究提供重要基準。

AI+Social Science讀書會

人工智能技術(shù)，尤其是大模型，正重塑社會結(jié)構(gòu)與日常生活 —— 從基礎(chǔ)的自動語法糾正，到復(fù)雜的公共政策制定，其影響已滲透至多元領(lǐng)域。隨著 AI 能力的進階，人們也開始探討：它能否模擬人類思考？我們對 AI 生成內(nèi)容的依賴度該如何界定？它又會怎樣改變?nèi)穗H交流的方式？

集智俱樂部聯(lián)合斯坦福大學博士后研究員裴嘉欣、芝加哥大學心理學系助理教授白雪純子、賓夕法尼亞大學沃頓商學院博士后研究員吳雨桐、美國東北大學博士后研究員楊凱程，共同發(fā)起，聚焦 AI 與社會科學交叉的新問題、新機遇與新挑戰(zhàn)。讀書會已完結(jié)，現(xiàn)在報名可加入社群并解鎖回放視頻權(quán)限。

詳情請見：

1.

2.

3.

4.

5.

6.