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!