Att förena stadsteori och artificiell intelligens: ett multiagentrekommendationssystem för hållbar stadsutveckling

Varför detta spelar roll för stadslivet

När allt fler städer vänder sig till artificiell intelligens för att hantera trafik, värmeböljor, brottslighet och föroreningar framträder en dold risk: många AI-projekt förbiser årtionden av hårt förvärvad kunskap om hur verkliga kvarter fungerar. Denna studie visar att de flesta urbana AI-verktyg jagar de senaste algoritmerna snarare än invånarnas faktiska behov, och presenterar sedan ett nytt sätt att återföra människoorienterat stadsresonemang som styrmaskinernas vägledning.

När smarta verktyg glömmer stadens klokskap

Författarna granskade 1 123 forskningsartiklar som använde AI för stadsplanering och säkerhet. De fann att färre än 2 av 100 ens nämnde klassiska idéer om städer, såsom hur gatuliv bidrar till trygghet eller hur tjänster bör organiseras i ett kvarter. Istället drevs nästan hälften av studierna främst av tekniken: forskare valde algoritmer eftersom de var nya eller kraftfulla, inte för att de matchade ett verkligt stadsproblem. Social rättvisa, långsiktig resiliens och vardagslivets trivsel behandlades ofta som eftertankar.

Data och algoritmer styr åt fel håll

Teamet undersökte också vilka typer av algoritmer och data dessa projekt använde. Modern maskininlärning och djupinlärning dominerade, och nyare AI-modeller som stora språkmodeller och generativa verktyg adopterades nästan omedelbart efter att de släppts. Samtidigt förlitade sig de flesta projekt på lättillgängliga sensorer och miljödata, som luftkvalitetsmätare eller trafikdetektorer. Svårare att samla in information om människors upplevelser, sociala förhållanden eller kvartersstruktur användes i mycket mindre utsträckning, trots att många stadsteorier säger att dessa faktorer är avgörande. Resultatet är vad författarna kallar ”dataopportunism”, där det som är mätbart formar frågorna snarare än det som verkligen betyder något för stadslivet.

Hur jakten på AI påskyndar problemet

Genom att se över tiden fann forskarna att AI i städer skiftade från försiktiga, problemdrivna experiment till ett snabbt ”teknologiskt tryck”. Före 2008 använde knappt några artiklar inom stadsplanering AI-begrepp. Efter det, och särskilt efter att djupinlärning tog fart, exploderade antalet AI-etiketterade studier, med mer än 60 procent publicerade efter 2020. Nya verktyg som bild–språk-modeller och stora textmodeller dök upp i stadsforskningen samma år som de uppfanns. Denna hastighet kan låta spännande, men den uppmuntrar till att använda det senaste oavsett om det passar uppgiften eller om det gör planerare blinda för sociala och miljömässiga avvägningar.

En ny vägledning för smartare, mer rättvis AI i städer

För att återknyta AI till verkliga stadsbehov byggde författarna ett system baserat på en stor språkmodell som agerar som en panel av expertassistenter. När systemet får en beskrivning av en stadsutmaning, såsom matsvinn, exponering för värme eller katastrofrisk, strukturerar en agent först problemet. En annan söker i en bank med 46 klassiska stadsteorier för att hitta de som bäst beskriver vad som pågår. En tredje matchar lämpliga AI-metoder, en fjärde föreslår nödvändiga datakällor, och en femte kontrollerar om hela paketet är robust och realistiskt. Tester på fallstudier visar att denna process förflyttar projekt bort från snäva mål, som att minska leveranskostnader eller förbättra prediktionsnoggrannhet, mot rikare mål som också tar hänsyn till jämlikhet, hälsa och klimatpåverkan.

Vad detta betyder för framtidens urbana AI

Enkelt uttryckt hävdar studien att frågan ”Vad kan denna algoritm göra?” är fel utgångspunkt. Istället bör planerare, ingenjörer och samhällen först fråga ”Vad kräver detta stadsproblem verkligen för att bli mer hållbart och rättvist?” och först därefter välja AI-verktyg som passar dessa behov och de bästa tillgängliga stadsteorierna. Genom att göra dessa teorier synliga och användbara i ett AI-rekommendationssystem visar författarna hur städer kan använda avancerad beräkning utan att förlora fokus på mänskliga upplevelser, gemensamma platser och långsiktig resiliens.

Citering: Tong, J., Wang, S., Wang, G. et al. Bridging urban theory and artificial intelligence: a multi-agent recommendation system for sustainable city development. npj Urban Sustain 6, 77 (2026). https://doi.org/10.1038/s42949-026-00377-2

Nyckelord: urban AI, hållbara städer, stadsplanering, multiagentsystem, smart stadsstyrning