对于城市的可持续发展，城市社区空间规划发挥着至关重要的作用。尽管地理信息系统和计算机辅助设计带来了便利，但确定土地使用和道路布局，仍然严重依赖人类专家。
今日，清华大学电工系 北京信息科学与技术国家研究中心Yu Zheng，李勇Yong Li等，在Nature Computational Science上发文，提出了人工智能城市规划模型，以生成城市社区的空间规划。为了克服城市地理多样性和不规则性，还构造了图形，以描述任意形式的城市拓扑结构，并将城市规划表述为图上的顺序决策问题。为了解决庞大解空间的挑战，还开发了一种基于图神经网络的强化学习模型。在合成和真实世界社区上的实验表明，该项计算模型，在客观指标上优于人类专家设计的计划，并且可以生成响应不同环境和需求的空间计划。还提出了城市规划的人工-人工智能协同工作流程，人类设计师可以从模型中大大受益，从而提高工作效率，用更少的时间，生成更高效的空间规划。该项研究方法展示了城市规划与计算技术融合的巨大潜力，并为利用计算方法，以解决城市科学中具有挑战性现实世界问题的更多探索，铺平了道路。![]()
Spatial planning of urban communities via deep reinforcement learning.![]()
图1:社区改造示范与15分钟城市。
![]()
图2:将预先训练的模型转移到不同的空间规划任务。
![]()
图3:不同风格的社区方案展示。
![]()
图4:与人类专业设计师比较和协作。
Zheng, Y., Lin, Y., Zhao, L. et al. Spatial planning of urban communities via deep reinforcement learning. Nat Comput Sci (2023). https://doi.org/10.1038/s43588-023-00503-5https://www.nature.com/articles/s43588-023-00503-5声明：仅代表译者个人观点，小编水平有限，如有不当之处，请在下方留言指正！