击败 8 名人类规划师：清华团队提出强化学习的城市空间规划模型
内容提要
清华大学研究团队提出了基于强化学习的城市社区空间规划模型与方法，实现了人类规划师与人工智能算法的协作。研究表明，该方法在服务和生态指标上击败了8名专业人类规划师，提高了空间效率超过48.6%。此外，他们还提出了AI与人类规划师协作的工作流程，提高了时间效率3000倍。这一研究为智能城市的自动化规划提供了新思路。
延伸解读
从围棋到城市：图表示如何化解不规则难题
城市社区形态不规则，卷积神经网络难以直接处理，而围棋等规则网格任务则不同。研究团队将地块、道路、交叉口作为节点，空间邻接关系作为边，构建城市邻接图，从而用图模型统一表示任意社区。这一转换使深度强化学习能在巨大动作空间中高效搜索，实现用地与道路的智能布局。
人机协作：规划师做原型，AI 做繁重工作
研究提出的协作流程中，人类规划师专注于概念原型设计，AI 模型则承担繁重耗时的规划任务。在客观指标和 100 名专业规划师的主观盲测中，该流程均优于纯人工流程，时间效率提高 3000 倍。这意味着规划师可借助 AI 快速生成不同风格的方案，将精力更多投入创造性决策。
超越人类专家：指标提升与平衡性优势
在相同初始条件和约束下，该方法在服务和生态指标上击败 8 名专业规划师，空间效率客观指标提升超过 48.6%。相比最佳和一般规划师，服务效率分别提高 13.64% 和 19.52%，生态效率分别提高 15.38% 和 59.65%。在五种基本住宅需求服务可达性上，该方法有 3/5 排名最高，表现出更平衡的性能。
局限与展望：城市规划不止于空间布局
文章指出，城市规划涉及多方利益相关者互动，AI 模型目前主要受静态指标引导，虽能生成高空间效率方案，但完整城市还需考虑经济增长、居民健康等多元目标，以及土地所有权、公共通道、城市隔离和翻新等问题。研究希望未来通过定制选项构建公共平台，促进居民和开发商参与，推动更透明包容的城市发展。
Q&A
清华大学提出的城市空间规划模型基于什么技术？
该模型基于深度强化学习，并结合图神经网络来表示城市地理元素，实现城市社区空间规划。
这个AI规划模型在哪些指标上超越了人类规划师？
在服务和生态指标上，该模型击败了8名专业人类规划师。具体来说，服务效率比最佳和一般规划师分别提高13.64%和19.52%，生态效率分别提高15.38%和59.65%。
人机协作规划流程如何提高效率？
人类规划师专注于概念原型设计，AI模型完成繁重耗时的规划工作，该协作流程在时间效率上提高了3000倍，并在客观指标和主观盲测中均优于完全由人类完成的工作流程。
城市邻接图在模型中起什么作用？
城市邻接图将城市地理元素（如地块、道路、交叉口）作为节点，空间邻接关系作为边，为任意形式的城市社区提供统一表示，从而支持深度强化学习算法在巨大动作空间中进行高效搜索和智能布局。
该模型如何应对巨大的动作空间挑战？
研究团队构建了两个策略网络和一个价值网络：策略网络辅助选择土地和道路位置，价值网络基于“15分钟城市”概念预测规划质量。通过从策略网络采样并用价值网络估计，大幅缩小了动作空间。
这项研究对未来城市规划有什么意义？
该研究为智能城市的自动化规划提供了新思路，展示了AI与人类规划师协作的可行性，有望促进居民和开发商等多方参与规划过程，推动更加透明和包容的城市发展。
