本篇 刊文 最初于 24 年 2023 月 XNUMX 日在 MDPI 上发表。
长读（18 分钟）
这篇评论文章是国际科学理事会关于全球科学计划的成果 城市健康与福祉.
近年来，城市居民面临的健康挑战的强度和范围有所增加。 这部分是由于未能充分适应和应对紧急和不断扩大的全球系统性风险，也是由于对复杂性对城市健康的深远影响的理解仍然有限。 虽然复杂性科学越来越多地被健康和城市科学所接受，但它尚未在功能上融入城市健康研究、政策和实践。 在环境约束不断升级的背景下加速城市化将需要更深入地应对复杂性，但矛盾的是，还需要更快、更有效和更规避风险的决策。 满足这些需求将需要采用综合、包容、协作、系统、快速和节俭的科学、政策和实践风格。 我们建议在科学方法论、认识论和本体论立场、理性类型和治理方面进行转型，以将研究人员、决策者、从业者和公民转向一种新的、复杂的城市健康科学。
1. 简介
虽然城市卫生科学家和决策者早就承认城市是一个复杂的系统，但调查和实践尚未充分应对其影响。 我们在此建议，将城市视为复杂的系统将需要对当前的城市健康研究和实践进行重大、明确的改变。 不采取这种方法会导致数据、决策和结果长期存在不公平现象，减少自由，无法充分解决环境和生态系统退化问题，并导致城市地区数十亿人的健康状况欠佳或下降——尤其是在全球化时代健康危机，例如气候变化和最近的 COVID-19 大流行引起的危机。 因此，城市健康应该与城市复杂性科学进行更深入、更务实的接触。 这将有助于解决城市中最紧迫的健康和公平问题，减少城市化和可持续发展本身的意外后果，并加强管理复杂城市系统的能力。
在过去的几十年里，各种委员会和评论呼吁对城市决策和城市设计如何影响人口健康和健康公平进行更多研究，并采取相应的行动 [1,2,3]. 这些重要的评论本身建立在较早的文献之上，要求城市设计、规划和政策认识到有助于城市环境中健康或不健康的独特特征 [4,5,6,7]. 这半个世纪的增量工作为城市健康提供了重要的见解，但仍有相当大的空间可以从城市健康科学与政策制定之间的接口的新视角中受益：
- 承认并优先考虑持续存在的不平等现象，并认识到它们在城市复杂性中的实质性根源；
- 从城市健康是复杂过程的紧急结果这一基本认识出发，并相应地质疑关于健康因果关系的线性假设；
- 采用多尺度视角，考虑复杂的区域和全球连通性、网络和流动如何影响城市健康；
- 侧重于促进公民参与城市目标设定、实施、治理、监测和沟通的方式；
- 认识到并致力于将当地的复原力作为预测、应对和从健康危机中吸取教训的有利框架；
- 更加重视历史和学习，尤其是失败的城市健康实验和被低估的成功经验；
- 利用新的数字工具和技术。
在许多情况下，城市健康学者和从业者已经认识到，提供更健康、公平和包容的城市取决于更多地参与城市的复杂性，而不是试图简化不可简化的事物。 事实上，越来越多的人认为，由于难以感知、理解和管理城市的复杂性，城市中出现了许多负面的健康影响 [8].
多中心、参与性、反身性、适应性和跨学科的研究和政策风格取得了重要进展，这可以被视为尝试处理复杂性并将复杂的决策情况与必要的治理机构（例如，结构、机制、规则）相匹配) [9]. 然而，最近也出现了相反的趋势，更多的是自上而下/强制性的政策风格，而不是自下而上/共识的政策风格[10,11,12]; 全球突发卫生事件、风险和灾难，尤其是最近的全球 COVID-19 大流行，可能加速了这一趋势 [13].
这并不是说更一致的政策风格总是“更好”。 相反，要有效驾驭日益复杂的社会、生态和技术城市环境，必须具备与复杂性带来的限制和机遇相匹配的政策风格、参与式决策机制和治理能力。 控制论第一定律指出，系统必须具有一定数量的控制或响应机制，等于或大于系统面临的潜在干扰的数量 [14]. 复杂情况下的政策制定很少遵守这条法则，这通常是由于创造更具经济效率的结果的竞争利益。
梵 [15] 论证了将政策制度与复杂性相匹配的重要性，并指出后者决定了决策选择的框架。 与简单的模块化系统相比，复杂系统不仅需要考虑个人理性，还需要考虑社会理性，不仅需要考虑工具理性，还需要考虑交流理性。 换句话说，它们要求我们不仅要考虑实现个人目标的进展总和，还要考虑实现集体目标的进展，不仅要考虑实现结果的技术手段，还要考虑促进迭代、共识理解的机制。 很多时候，制度惰性导致科学和政策仅仅基于个人理性和人类互动的工具类型，导致具有成本效益但次优的选择和意想不到的负面后果，特别是对于城市可持续性和健康等复杂问题。 穆勒 [16] 将“无处不在”的政策失败归因于错误的假设，即复杂的系统可以被精确地确定、密切预测和精确地控制——矛盾的是，对复杂性的简单化承认会导致过度自信和不切实际的期望。
反对更深入地处理复杂性的保留有时是基于这样的看法，即这种参与排除了科学方法的及时和严格的应用。 在挑战不断升级的背景下，这是一个特别尖锐的批评，在这种情况下，解决方案的需求比传统科学通常能够提供的要快得多。 然而，基于线性假设的狭隘决策往往会导致复杂系统中的灾难性后果； 用读 [17] （经常被错误地归因于凯恩斯），“含糊其辞总比完全错误好。” 此外，复杂情况下的决策不一定要慢得要死：在复杂的健康情况下，快速、启发式决策的成功应用已有丰富的历史 [18,19].
由复杂性科学指导的决策也可能被认为缺乏清晰度（例如，目标、方法或信息），因此可能会引起不信任。 这就是复杂城市健康问题的解决方案通常取决于集体行动的原因之一； 让所有相关规模的所有相关利益攸关方参与可提高决策的合法性，即使在复杂性导致无法减少的歧义的情况下也是如此。
决策者自己可以设置额外的障碍来应对复杂性。 例如，他们可能会选择坚持现有的政策风格或决策方法，以保持信誉并避免不可靠的感觉——这种行为可以通过所谓的“沉没成本”来解释。 复杂性，常常与“复杂性”相混淆，会基于感知到的变革成本而产生阻力——尤其是当变革可能威胁到政策制定者惯常的角色和立场时。 既得利益通常会阻止决策者对他们受益的系统进行必要的更改。 即使现有结果在全球范围内不是最优的，这些因素也适用，并且复杂性知情的方法将有利于共同利益。
在研究、政策和实践中系统化复杂性思维的挑战是巨大的。 它呼吁在机构内将知识创造的参与过程制度化，这些机构一直致力于将专家知识与变幻莫测的异议、民粹主义和政治隔离开来。 在应对科学知识的偏颇和与复杂现实相关的不可避免的不确定性时，Jasanoff [20] 提出了“谦逊技术”的理由； 方法——或者更好的是，制度化的思维习惯——试图抓住人类理解的参差不齐的边缘：未知的、不确定的、模棱两可的和无法控制的。 承认预测和控制的局限性，谦逊的技术直面我们缺乏完美远见的规范性影响。 它们要求专家、决策者和公众之间具有不同的能力和不同形式的参与，而这在以前被认为是治理所必需的。 它们不仅需要正式的参与机制，还需要一个鼓励公民利用其知识和技能解决共同问题的知识环境。
总之，很明显，面对复杂性，必须调整决策的信息和认识论框架。 在这篇评论中，我们建议修改城市健康的决策方式，详细说明如何将复杂性科学和政策应用于城市健康挑战以满足 21 世纪的需求。
2. 走向新的城市健康科学
将城市理解为复杂系统并与之互动的历史由来已久。 在 19 世纪中叶，Cerda [21] 基于对几何、形式和工作机制概念的观察，为城市科学奠定了基础。 格迪斯 [22]，半个世纪后，人们认为城市是从流动和网络演变而来的。 最近，随着复杂性科学领域的重大进步，城市开始被视为自下而上、进化、自组织过程的产物，而不是自上而下的设计 [23,24].
在过去的十年中，出现了一种新的城市科学，它认识到城市是复杂的中心，包含多种类型的嵌入式、重叠和相互作用的系统 [25,26,27]. 由于这种复杂性部分是有组织的，部分是突发的，因此城市部分是可规划的，部分是不可预测的和不可规划的，这取决于观察的物理和时间尺度。
城市健康在这里被定义为生活在城市中的人们的健康及其所依赖的环境的复杂状态，它的复杂性不亚于城市本身。 因此，为了继续维护和改善人类健康和环境，特别是在风险不断升级的背景下，城市健康领域也必须应对城市的复杂性。 健康城市的新科学将吸取对城市复杂性的更广泛调查的经验教训 [28]. 它将补充对城市健康作为多种社会和环境决定因素的结果的理解，加深对城市健康作为人类与其环境之间相互作用的产物的认识，或者更广泛地说，作为相互作用的社会-生态技术系统 (SETS) [29,30].
重点从多重决定因素的观点转变为关注系统相互作用的观点意味着科学事业结构的相应变化； 前者可以由来自多个学科的研究人员团队并行研究，而后者需要一致性（从许多不相关的调查中收集证据）和跨学科和跨学科调查的有力吸收[9,31,32]. 反过来，这需要更加关注参与过程，以确保产生新见解并为政策和实践提供信息（以及其他好处）所需的多方面证据。 用简·雅各布斯的话来说 [33]，“城市有能力为每个人提供一些东西，只是因为而且只有当它们是由每个人创造的时候。”
从本质上讲，复杂的城市健康科学将鼓励关注城市健康和环境挑战的上游根本原因，从而允许采用更有效、更主动的预防方法，而不是更典型的努力应对的反应模式缓解问题。 通过包容性参与和对系统性意外后果的关注，它还将为解决城市中普遍存在的社会、制度和健康不公平现象提供见解和激励措施 [34].
至关重要的是，这种方法也更适合在现代城市化特有的超连通性背景下理解和寻找解决方案。 正如巴蒂所说 [26]，“在一个现在由通信主导的世界中……现在是我们将重点从位置转移到交互的时候了，从将城市简单地视为理想化的形态转变为将它们视为通信、交互、贸易和交换的模式； 简而言之，将它们视为网络。” 城市空间的连通性呈指数级增长。 例如，现代交通系统可以实现快速且地理范围更广的流动性，从而实现更多潜在的人与人之间的联系。 正如在 COVID-19 的特例中所观察到的那样，交通和其他城市系统所带来的密集、紧密相互关联、快速变化的环境需要同样快速、灵活、多样化和多源的治理响应 [35,36].
城市连通性不仅限于人与人之间的互动。 通过系统联系，城市复杂性将人类活动转化为对人和环境的广泛影响，解决了一些问题，但也创造了新的“邪恶”挑战，它们之间有着千丝万缕的联系[37]. 因此，全球城市系统推动了增长和发展、提高了预期寿命并减少了贫困。 然而，城市增长建立在——并系统地退化了——全球城市网络所连接的全球生态系统之上，它提供了建设和养活城市的资源，以及吸收城市废物的汇[38,39].
因此，更好地理解城市作为一个复杂的系统最终会让我们更加坚定地理解城市与地球之间的深层联系。 面对日益系统性的全球风险[13] 以及我们集体无法实现联合国可持续发展目标 (SDG) 的可能性越来越大 [40] 到 2030 年 [41]，这种理解也可能使我们对如何定义和追求可持续性产生重要的新见解，借鉴复杂性科学的经验教训以及我们集体行动和智慧的能力。 它还应促进参与现有的可持续发展概念批评[42,43,44]——特别是最广泛可见的“进步”措施的生态不连贯性[45]——通过扩大思想的讨论来促进更好的结果。
3. 转变以实现城市健康的复杂性知情方法
基于科学家、城市居民和其他利益相关者以及决策者的长期观察，我们提出 四个关键转变 支持以复杂性为基础的城市健康方法。 这些转变与 (a) 我们如何看待我们面临的挑战的性质（本体论）以及我们了解这些挑战的能力（认识论）有关； (b) 我们用来获取知识的工具（方法）； (c) 我们根据这些知识（理性）作出反应和做出决定的方式； (d) 我们组织机构以促进这种方法（治理）的方式。
自然以及我们如何认识它：转变本体论和认识论的立场
近半个世纪以来，科学方法一直是我们声称“了解”现实的主要基础，因此也是循证决策的基础。 事实上，威尔逊观察到“在科学方法的帮助下，我们已经获得了对物理世界的全面认识，远远超出了前几代人的梦想”[46]. 然而，这种扩展的观点，实际上是科学方法本身，在某些情况下受到挑战，因为它不能代表现实世界问题的完整或有用的图景。
作为经典应用，科学方法倾向于假设自然过程可以还原为独立变量之间可观察、可测试的因果关系。 它倾向于定量分析而不是定性分析，不鼓励歧义，并将分析人员视为站在观察系统“外部”的客观的、无限理性的个体。 在哲学中，这种信念被称为现实主义。
然而，现实涉及许多复杂因素：非线性反馈关系、多向因果关系、突发行为，以及我们观察或试图发现现实的方法。 人类过程的本质意味着科学生产本身会受到复杂偏见的影响。 因此，询问哪种模型最接近一个普遍现实几乎没有帮助。 更有用的是承认所有模型都不能完全解释现实的复杂性，并且某些模型比其他模型更有用：依赖模型的现实主义 [47].
因此，经典科学往往无法产生可操作的知识或满足社会需求。 模型无法反映人们的生活现实。 研究周期总是被事件赶超，将科学纳入决策的体制机制不发达，科学实践往往无法与社会挑战的范围或复杂性相匹配。 尽管对科学的总体信任度很高——在某些情况下甚至在 COVID-19 大流行的背景下甚至更高 [47]——不信任通常存在于群体之间或在科学被认为提供的证据与生活现实不同或规定的行动未能解决当地优先事项的情况下[48].
解决这些问题需要改变我们对现实本质以及我们如何知道它的理解。 对复杂系统的另一种更有用的理解可以通过方法论来实现，这些方法论不那么严格但更定性，允许歧义，并将复杂性视为从系统组件之间以及与更广泛环境的交互中出现——包括与观察者的交互，观察者从而内化到系统中。 这种方法表明，我们观察到的复杂系统以及我们参与其中的复杂系统易于理解，因此易于预测和影响。 与经典方法的一个关键区别是观察到科学本身对不断变化的环境和不断变化的决策情况并非无动于衷[49].
除了依赖模型的现实主义之外，另一种回应是认识到后常态和以任务为导向的科学方法的重要性 [50,51]. 常规科学通过避免偏见声称其可信度，而后常规科学则有意识地选择最适合指导科学为实践创造知识的任务的偏见和价值观。 在知识生产过程中，它同样包含更广泛的社会部分（扩展的同伴社区）[52]. 后常态科学解决的问题包括与重大技术危害或环境污染有关的问题。 对于此类问题，伦理判断和价值观起着与形式分析同样重要的作用。 更广泛地采用这种认识论立场——通过科学权威、教育、政策和实践的有意识推动——将提高我们应对日益复杂挑战的能力。
磨砺贸易工具：转变科学方法
为了克服人类理解和有效实践的持续障碍，通常实施的科学方法必须扩展其概念化和应用，以纳入新的方法； 例如，系统方法和跨学科研究被广泛认为是应对复杂挑战的关键方法 [9,29,53]. 在城市健康方面，Newell 和 Siri 主张在城市健康决策中应用低阶系统动力学模型 [54].
事实上，科学实践本身就是一个复杂的系统，它将受益于复杂性科学的洞察力，不断调整和磨练其方法、规则和观念，以满足复杂现实的持久需求。
同样，为了满足我们新的依赖模型的现实主义的要求，科学必须结合新的证据领域，包括来自社会科学的实践和经验知识和见解，以及来自科学领域之外的新伙伴。
我们已经开始看到支持方法论创新的科学结构发生变化。 事实上，“在每一个时代，科学都是围绕着它的主要问题而形成的，并随着它们而发展”[55]. 因此，在从“大星球上的小世界”到“小星球上的大世界”的背景转变中[56]]，随着越来越多（而且相互联系更加紧密）的人、城市和其他人工制品，我们已经开始看到学科界限的软化和“隐含一致性”的混合科学领域的出现[46]，以及以行动为导向的后常态科学在认识论或伦理方面存在不确定性的情况下出现，决策利害关系反映了利益相关者之间相互冲突的目的。
作为实地建设项目的一部分，新颖的、面向复杂性的方法的持续扩展将需要明确的机构和财政支持。 这将需要研究人员做出认真的努力，以限制行话并为复杂问题提供有用的解释和直接的解决方案——同时不降低不可简化的复杂性。 也许最重要的是，考虑到将知识转化为行动完全取决于社会对科学的信任，这将需要不懈地关注与最终用户相关的可操作知识的创建。
有各种资源可用于支持这种转变。 仅举两个例子，国际科学理事会关于城市健康和福祉的全球科学计划在过去十年中详细阐述了城市健康的系统方法，并为未来的研究和行动提出了行动建议 [57]. 与此同时，经合组织颁布了支持跨学科研究以应对复杂社会挑战的建议，这是对这种方法价值的更广泛、日益认可的一部分 [9].
将知识转化为合理的行动：转变理性
当面临不确定性（与可计算的风险相对）、有限的时间、数据和计算能力时——复杂决策情况下经常出现的情况——以在完美信息下做出最佳决策为前提的理性行动的传统概念是不准确的并且通常无法提供预期的结果。 相反，在这种情况下，应该支持考虑背景的生态理性和寻求通过共同发现的过程逐步获得更好答案的协作理性。
除其他特征外，此类规则可能会利用启发式方法来避免明确计算概率的需要，并且应该更好地适应其环境结构。 在从确定性决策到概率决策再到启发式决策的转变中，无限理性和无限计算能力的不切实际假设越来越宽松。 虽然启发式方法不能替代深入调查，但在一个不确定的世界中，简单的启发式方法——即一种快速、节俭、通常基于经验的决策策略，专注于一小组高度相关的预测因素——可以更有效当迫切需要采取行动时，比其他决策策略更准确。 当启发式与其环境完美匹配时，可以实现生态理性的决策。
启发式方法已被推广为管理复杂性的一种方法，例如，在绿色基础设施的实施中 [58]和数据驱动的城市设计[59]. ICT4S（可持续信息和通信技术）中的关键系统思考需要关键系统启发式 (CSH) 方法，正如多伦多 Sidewalk Labs“智能城市”项目所证明的那样。 CSH 认识到计算方法在城市决策中的局限性，并平衡必须考虑的事实和价值观与人们认为人类生活应该如何组织的概念之间的紧张关系 [60]. 类似的例子还有贝鲁特某地区噪声污染减少的部分系统分析[61].
在复杂情况下做出理性决策的另一个关键因素是不同合作伙伴之间的协作。 与知识生产的方法论方法一样，经验、价值观、优先事项和背景知识的多样性对于确保决策与需求完全匹配并且可能获得有效实施所必需的支持至关重要。
所有复杂的城市决策情况都涉及一系列相互作用的主体和客体以及各种类型的资源，包括私人、公共资源和公共产品和服务。 充分的反应将包含基于不同理性的多种方法，同时考虑事实和价值，以及过去和未来需求和愿望的经验和过去知识。
支持了解复杂性的方法：转变治理
当决策制定策略变得更加生态理性，因此，根据定义，更好地适应其社会和生物物理环境时，它们必然会变得更具包容性、审慎性和反思性。 决策所依据的规范和原则应该是适应性的，而不是不管制定这些规范和原则的情况如何，这些情况可能已经改变。 在这种情况下，复杂决策情况下的治理将比基于个人理性（即基于固定原则和关系的假设）的结构更加稳健和灵活。
稳健的治理结构有助于促进健康的城市复杂性。 他们具有适应性，因为他们受益于现有的决策规则和策略，同时保留通过学习改变的能力。 从某种意义上说，他们是自反的，因为他们能够根据对自己在不断变化的环境中的表现的反思来改变自己[62,63,64].
这些转变不会自动发生，因此我们需要对治理机制和制度结构与复杂系统相互作用的方式进行更多的研究，并倡导促进那些产生健康复杂性的系统（不会造成无益的混乱）。
4。 结论
城市化继续带来一系列威胁健康和福祉的挑战和不公平现象。 需要一门新的城市健康科学来理解这种情况发生的原因和方式，并充分、迅速地应对系统性风险并预防人类灾难。 城市化带来的日益复杂性并不会不可避免地带来城市优势。
需要积极塑造城市系统的复杂性； 应对城市卫生挑战必须借助运作良好且连接良好的物理、体制和技术基础设施支持的多样化的人力和社会资本。
在科学实践中，应对复杂性需要对多学科、跨学科、跨学科和面向任务的科学做出明确的努力和投资。 由于科学中持续的激励结构，在高级期刊上发表的专业、狭隘的知识比更一般和实用的指南、报告或知识交流更受青睐。 科学实践的这些特征导致了知识的碎片化，以及在决策层面运作的声音越来越不平等。
在政策制定方面，应对复杂性需要更多投资于公众赋权、建立社会凝聚力和参与决策，而不仅仅是确保特权和决策权。 它需要领导层不回避复杂性，并愿意解决为建立集体行动和公共利益而量身定制的体制和政策改革，也或特别是当这意味着政治制度需要自我改革以更好地应对复杂的决策情况。
在社会上，这意味着积极参与和应对城市居民面临的城市健康挑战，并让他们成为城市规划和设计过程的一部分。 它需要表达和认可人们对他们需要和想要的城市的愿景。
将所有这些必要的转变结合在一起并建立新的互动和联盟，可以通过向现实世界中的城市学习，这些城市已经成功地发展和转型以应对过去面临的挑战。 通过探索数字化提供的新的可能性和空间，今天我们还能够参与建模、建设和模拟未来的健康城市。 复杂性领导理论 [65]、协作建模和城市规划、公民科学和创造性集体智慧[66] 这些例子是推动我们创建新的城市健康科学的一系列行动的一部分。
弗朗茨·W·加茨韦勒, 中国科学院城市环境研究所; 澳门联合国大学学院。
萨罗吉贾亚辛哈，科伦坡大学医学院； 斯里兰卡 Sabaragamuwa 大学医学院。
何塞·G·西里，独立研究员，费城。
杰森·科伯恩，公共卫生学院和城市与区域规划系，全球健康城市中心，加州大学伯克利分校。
Mike Swigunski 在 Unsplash 上的图片
