本文介绍了UrbanVLP模型，一种新颖的视觉-语言预训练模型，能提高城市规划的可解释性。UrbanVLP整合了宏观和微观层面的信息，并通过生成高质量的城市图像描述来提升可解释性。实验证明UrbanVLP在六个社会经济任务上表现出卓越性能，并通过网络平台验证了其实用性。