规划问道本刊“学术动态（Planning Reviews）”栏目，推介国内外学术书籍和文献报告、关注国际研究动态和前沿热点、分享规划案例研究。本期“智能城镇化”专栏，向大家推介一篇AI模型应用于城市社区空间规划的研究文献。
（专栏编辑：杨婷，同济大学建筑与城市规划学院副研究员）
来源：ZHENG Y, LIN Y, ZHAO L, et al. Spatial planning of urban communities via deep reinforcement learning[J]. Nature Computational Science, 2023: 1-15.
城市社区空间已成为创新、创造力和机会的中心，吸引了各行各业寻求城市便利设施（如娱乐、教育、医疗保健和就业） 的人们。城市社区的有效空间规划对于城市快速城镇化和可持续发展至关重要，在塑造人们与环境以及人与人之间互动的方式、创造独特的城市文化和身份方面发挥着重要作用。现代城市规划趋于以汽车为导向，功能集中、交通依赖汽车，给城市生活带来诸多挑战，例如交通拥堵和高温室气体排放等。为了克服这些挑战，作者研究提出了一种新型的人工智能模型，该模型利用构建的图形来描述城市的拓扑结构，将城市规划问题转化为图上的顺序决策问题。
本文开发了基于图神经网络（GNN） 的状态编码器，可以捕捉到土地、道路段和交叉点之间的空间关系。通过这种方式，AI模型可以生成比城市规划师更高效的空间规划方案。实验结果显示，这个模型在空间效率方面大幅超越现有算法和城市规划师，特别是在现实世界社区的应用中，与城市规划师设计的规划方案相比，该模型显著提高了居民对各种设施的可达性，提升率达到了18.5%。
此外，本文还讨论了模型的可迁移性。模型能够在不同规划需求、规模和复杂性之间实现有效迁移，通过适应预训练模型到更复杂的场景，显著减少了模型训练的时间。作者还对规划风格的多样性进行了研究。由于城市规划不存在一种通用的设计，因此模型能够生成不同风格的多个规划方案，如以服务为导向的生活圈社区规划和以生态为导向的绿色社区规划。
本文还将这个AI模型结果与专业城市规划师的方案进行了比较，结果显示AI模型在优化空间效率方面具有明显优势。作者进而提出了一种人机协作的工作流程，在城市规划中结合城市规划师的专业知识和AI模型的高效能力，从而提高规划的生产力和效率。
综合而言，本文展示了通过数据驱动方法进行城市规划具有巨大的潜力。随着训练数据的增加，AI模型的性能显著提高，为未来更大规模的自动化规划铺平了道路。本文通过将社区空间规划问题形式化为顺序马尔可夫决策过程（MDP），成功实现了土地利用规划和道路规划的两个阶段，为城市规划领域带来了新的研究方向和方法。
（供稿：徐小东，同济大学上海自主智能无人系统科学中心博士研究生）
本文为《城市规划学刊》原创文章
欢迎在朋友圈转发
识别二维码 访问本刊官网
URBAN PLANNING FORUM Since 1957
创新性、前瞻性、学术性
中文核心期刊，中国科技核心期刊，中国人文社会科学核心期刊，中文社会科学引文索引来源期刊（CSSCI），中国期刊全文数据库（CJFD）全文收录期刊，中国学术期刊综合评价数据库（CAJCED）统计源期刊，中国科学引文数据库（CSCD）来源期刊，中国核心学术期刊（RCCSE），国家哲学社会科学学术期刊数据库收录期刊
官网链接：https://upforum.tongji.edu.cn/main.htm
投稿链接：http://cxgh.cbpt.cnki.net
Email: upforum@vip.126.com
电话：021-65983507
传真：021-65975019
微信号：upforum
原文始发于微信公众号（城市规划学刊upforum）：【学术动态】深度强化学习在城市社区空间规划中的应用 | 2023年第6期
