1. 首頁 > 生活百科 > >

超越90%城市規劃師，清華、MIT等提出人機協作新范式

揚州ai

超越90%城市規劃師，清華、MIT等提出人機協作新范式

文章圖片

超越90%城市規劃師，清華、MIT等提出人機協作新范式

文章圖片

超越90%城市規劃師，清華、MIT等提出人機協作新范式

文章圖片


清華大學聯手MIT等機構提出了一個「大語言模型+規劃師」新框架 ， AI像助手一樣全程陪跑 ， 從聊需求、畫藍圖到用虛擬居民預演效果 ， 讓城市規劃又快又科學 。 實驗顯示 ， AI已能考過九成人類規劃師 ， 未來人機將各展所長 ， 一起把城市設計得更宜居、更公平 。
面對日益復雜的城市系統和多元化的社會需求 ， 傳統城市規劃方法正遭遇瓶頸 。
如今 ， 人工智能（AI）正為這個古老而重要的領域帶來顛覆性的革新 。
近日 ， 由清華大學電子工程系城市科學與計算研究中心、建筑學院與麻省理工學院（MIT）感知城市實驗室、美國東北大學等頂尖機構的學者組成的跨學科團隊 ， 在國際前沿期刊《自然·計算科學》上發表觀點文章 ， 首次系統性地提出了一個由大語言模型（LLM）驅動的智能城市規劃框架 。
論文鏈接：https://www.nature.com/articles/s43588-025-00846-1
該框架將AI的強大計算、推理與生成能力 ， 同人類規劃師的專業經驗與創造力深度融合 ， 旨在將AI打造為人類的「智能規劃助手」 ， 共同應對現代城市規劃中的復雜挑戰 ， 為實現更高效、創新和響應迅速的城市設計流程 ， 開啟了人機協同的新范式 。
該論文第一作者為清華大學電子工程系博士生鄭瑜 ， 通信作者為清華大學電子工程系李勇教授、清華大學建筑學院林雨銘助理教授以及美國東北大學環境工程系Qi R. Wang副教授 。
合作者包括清華大學電子系的徐豐力助理教授 ， 以及MIT感知城市實驗室的Paolo Santi研究員和Carlo Ratti教授 。

城市規劃的演進與瓶頸城市規劃的理論與實踐在不斷發展 ， 從早期側重物理空間和美學形態的「藝術設計」 ， 演變為二戰后將其視為復雜系統 ， 并采用科學模型分析的「科學規劃」 。
然而 ， 這些方法在今天面臨著新的挑戰：
一方面 ， 規劃過程仍以規劃師為中心 ， 公眾參與的廣度和深度有限；
另一方面 ， 規劃方案的評估往往是定性、主觀且滯后的 ， 難以進行科學的量化決策和快速迭代 。
近年來 ， 以生成對抗網絡（GANs）和強化學習（RL）為代表的傳統AI模型開始應用于城市規劃 ， 在生成街道網絡、功能分區等方面展現了潛力 。
但這些模型通常是為特定任務設計的 ， 知識面狹窄 ， 難以應對現代城市規劃與日俱增的跨學科復雜性 。
大語言模型（LLM）的出現 ， 以其強大的知識整合、邏輯推理和多模態生成能力 ， 為突破這一瓶頸帶來了歷史性機遇 。

LLM驅動的城市規劃新流程針對傳統方法的不足 ， 研究團隊創新性地提出了一個包含概念設計（Conceptualization）、方案生成（Generation）和效果評估（Evaluation）三個核心階段的閉環框架 。
該框架由大語言模型、視覺大模型（VLM）和大模型智能體（LLM Agent）協同驅動 ， 為人類規劃師提供全流程的智能輔助 。
圖1：提出的大語言模型驅動的城市規劃框架

概念設計：LLM成為擁有跨學科知識的「規劃顧問」在規劃初期 ， 規劃師輸入需求、約束和指導方針等文本信息 。
經過海量數據預訓練的LLM ， 能夠深度整合地理、社會、經濟等多領域知識 ， 與規劃師進行多輪「對話」 。
它不僅能提出創新性的概念想法 ， 還能根據復雜的上下文進行推理 ， 生成詳細的規劃描述文本和初步的空間構想草圖 ， 極大地提升了概念設計階段的效率和深度 。
圖2: 基于LLM的城市概念設計流程圖

方案生成：VLM化身「視覺設計師」 ， 將文字轉化為藍圖該框架利用視覺大模型（VLM）將抽象的文本概念轉化為具體的、可視化的城市設計方案 。
規劃師可以通過文本指令（Prompt）精確描述規劃概念和約束條件 ， 經過城市設計數據微調的VLM能夠生成精細的視覺輸出 ， 如土地利用布局、建筑輪廓 ， 甚至是逼真的三維城市場景 ， 同時還能確保設計符合地理等現實約束 。
【超越90%城市規劃師，清華、MIT等提出人機協作新范式】圖3：城市方案生成示意圖

效果評估：LLM智能體構建「虛擬城市」 ， 預演未來生活為了對規劃方案進行科學評估 ， 框架引入了LLM智能體進行城市動態模擬 。
研究人員為智能體設定不同的人口統計學特征（如年齡、職業） ， 讓它們在生成的虛擬城市中模擬居民的日常出行、設施使用等活動 。
通過分析這些模擬行為 ， 可以得到關于交通距離、設施使用率、碳排放、社會公平性等多維度的量化評估指標 ， 為規劃方案的迭代優化提供科學、前瞻性的反饋 。
圖4：基于LLMVLM智能體的城市規劃效果評估方案

初見成效 ， AI展現超越人類專家的潛力為驗證該框架核心能力的可行性 ， 清華大學電子系城市科學與計算研究中心持續發布CityGPT、CityBench、 UrbanLLaVA等系列語言視覺跨模態城市大模型及UrbanWord、EmbodiedCity、AgentSociety等城市具身仿真平臺與社會模擬系統 ， 為大模型時代的城市規劃與社會治理奠定了技術基礎 。
針對LLM時代的城市規劃 ， 研究團隊進行了一系列概念驗證實驗 。
在一項測試中 ， 研究者讓LLM回答城市規劃師專業資格考試的題目 ， 結果顯示 ， 最大規模的LLM在回答復雜規劃概念問題上的表現 ， 超過了排名前10%的人類規劃師 ， 證明了其在概念化階段的巨大潛力 。
在評估階段的模擬測試中 ， 團隊利用LLM智能體在美國紐約和芝加哥的兩個社區中模擬居民的設施訪問行為 。
模擬結果顯示 ， 智能體訪問的熱點區域與真實的居民流動數據高度吻合 ， 證明了LLM智能體在預測規劃方案實際影響方面的準確性和有效性 。
圖5：LLM生成城市規劃效果示意圖

挑戰與展望 ， 構建人機協同的未來城市研究團隊最后強調 ， 這一框架并非要取代人類規劃師 ， 而是旨在建立一種人機協同的新工作流 。
在這種模式下 ， 規劃師可以從繁瑣的數據處理和繪圖工作中解放出來 ， 更專注于創新、倫理考量以及與各方利益相關者的溝通 ， 而AI則負責高效地完成概念整合、方案生成和模擬評估 。
同時 ， 文章也指出了該技術路線面臨的挑戰 ， 包括高質量城市設計數據的稀缺性、巨大的計算資源需求 ， 以及模型中潛在的地理和社會偏見等 。
未來的研究需要建立開放的數據平臺 ， 開發更高效的專用模型 ， 并設計公平性算法 ， 確保AI技術能夠公平、包容地服務于所有城市環境 。
我們可以期待在不久的將來 ， 城市規劃師借助強大的AI助手 ， 能夠更快、更好地設計出高效宜居、可持續的城市 ， 充分釋放人類的創造力來塑造我們共同的城市家園 。

參考資料https://www.nature.com/articles/s43588-025-00846-1
本文來自微信公眾號“新智元” ， 作者：LRST， 36氪經授權發布 。

    推薦閱讀