迈向人工智能时代的城市规划者，涵盖生成式 AI、大语言模型和代理型 AI-计算机科学-生成式人工智能-大语言模型-AI 城市规划.pdfVIP

迈向人工智能时代的城市规划者，涵盖生成

式AI、大语言模型和代理型AI

YanjieFu

SchoolofComputingandAI

ArizonaStateUniversity

Tempe,AZ,USA

yanjie.fu@asu.edu

摘要—生成式人工智能、大型语言模型和代理型人工智能规划见解并适应不断变化的城市条件的人工智能城市

分别在城市规划领域中崭露头角。然而，人工智能与城市规划的规划者成为可能。这一洞见引发了一个根本性的问题：

本融合为AI城市规划师提供了有趣的机会。本文将城市规划概念人工智能如何在人工智能时代重塑城市规划实践和伦

化为一个生成式AI任务，其中AI在地理空间、社会和以人为

译理？生成式AI、大型语言模型和代理型AI在城市规划

本的约束下综合土地使用配置。我们探讨了生成式AI方法如何

中重塑城市设计，包括VAEs、GANs、变换器和扩散模型。我们中扮演什么角色？机器能否发展到人类的能力水平，自

1进一步识别出关键差距：1）结合城市理论指导的研究有限，2）动且快速地计算土地使用配置？通过这种方式，机器可

v

0在多种空间分辨率或角度上进行AI城市规划研究有限，3）从以成为规划助手，而人类规划者可以根据特定需求调整

3数据中增强城市设计知识的研究有限，4）解决现实世界互动的由机器生成的计划。

7研究有限。为了解决这些局限性，本文概述了未来研究方向，包

4

1括理论引导的生成、数字孪生和人机共设计，呼吁将生成智能与II.重新思考生成式人工智能、大语言模型和能动人工

.

7参与式城市主义进行新的整合。智能时代的城市规划

0

5I.介绍和动机

2尽管城市规划复杂且难以自动化，一个新的视角是

:

v城市规划是一个跨学科和复杂的流程，涉及公共政将城市规划视为一种生成任务，在特定目标区域的地理

i

x策、社会科学、工程学、建筑学、景观设计以及其他相空间、基础设施、社会经济和以人为本的约束条件下，

r

a关领域。有效的城市规划可以帮助减轻城市系统的运营生成最优的土地使用和建成环境配置。

和社会脆弱性，如高税收、犯罪、交通拥堵和事故、污

染、抑郁和焦虑。A.城市规划作为生成式人工智能

传统城市规划过程大多由专业的城市规划师完成。基于生成对抗网络（GANs）、变分自编码器

尽管城市数据越来越丰富，经典的规划方法仍然保持静（VAEs）、自回归模型和扩散过程的GenAI，构成了自动

态且适应缓慢。然而，快速的城市化、气候变化、老化城市布局综合的算法基础。例如，GANs利用生成器学

的基础设施以及日益扩大的社会不平等共同为城市设习良好规划的空间配置分布，而判别器则区分高质量和

计带来了挑战。低质量的计划。一个对抗损失函数协调最小最大化游戏

近期在生成式人工智能（GenAI）、大型语言模型以优化两个网络。VAEs将目标区域的城市上下文数据

（LLMs）和代理型人工智能方面的突破为重新思考城市编码为潜在嵌入，并通过最小化重构损失将其解码为空

规划提供了变革性的机会。这些技术引入了生成未来替间配置。自回归模型采用顺序架构（例如Transformer）

代方案、理解复杂文本和视觉数据以及作为能够推理、逐步生成空间配置，其中每一步都基于先前输出并通过

模拟和导航规划目标的自主代理的能力。这些AI范式最大似然估计进行训练。扩散模型通过前向噪声注入过