面對(duì)日益復(fù)雜的城市系統(tǒng)和多元化的社會(huì)需求，傳統(tǒng)城市規(guī)劃方法正遭遇瓶頸。

如今，人工智能（AI）正為這個(gè)古老而重要的領(lǐng)域帶來(lái)顛覆性的革新。

近日，由清華大學(xué)電子工程系城市科學(xué)與計(jì)算研究中心、建筑學(xué)院與麻省理工學(xué)院（MIT）感知城市實(shí)驗(yàn)室、美國(guó)東北大學(xué)等頂尖機(jī)構(gòu)的學(xué)者組成的跨學(xué)科團(tuán)隊(duì)，在國(guó)際前沿期刊《自然·計(jì)算科學(xué)》上發(fā)表觀點(diǎn)文章，首次系統(tǒng)性地提出了一個(gè)由大語(yǔ)言模型（LLM）驅(qū)動(dòng)的智能城市規(guī)劃框架。

論文鏈接：https://www.nature.com/articles/s43588-025-00846-1

該框架將AI的強(qiáng)大計(jì)算、推理與生成能力，同人類(lèi)規(guī)劃師的專(zhuān)業(yè)經(jīng)驗(yàn)與創(chuàng)造力深度融合，旨在將AI打造為人類(lèi)的「智能規(guī)劃助手」，共同應(yīng)對(duì)現(xiàn)代城市規(guī)劃中的復(fù)雜挑戰(zhàn)，為實(shí)現(xiàn)更高效、創(chuàng)新和響應(yīng)迅速的城市設(shè)計(jì)流程，開(kāi)啟了人機(jī)協(xié)同的新范式。

該論文第一作者為清華大學(xué)電子工程系博士生鄭瑜，通信作者為清華大學(xué)電子工程系李勇教授、清華大學(xué)建筑學(xué)院林雨銘助理教授以及美國(guó)東北大學(xué)環(huán)境工程系Qi R. Wang副教授。

合作者包括清華大學(xué)電子系的徐豐力助理教授，以及MIT感知城市實(shí)驗(yàn)室的Paolo Santi研究員和Carlo Ratti教授。

城市規(guī)劃的演進(jìn)與瓶頸

城市規(guī)劃的理論與實(shí)踐在不斷發(fā)展，從早期側(cè)重物理空間和美學(xué)形態(tài)的「藝術(shù)設(shè)計(jì)」，演變?yōu)槎?zhàn)后將其視為復(fù)雜系統(tǒng)，并采用科學(xué)模型分析的「科學(xué)規(guī)劃」。

然而，這些方法在今天面臨著新的挑戰(zhàn)：

一方面，規(guī)劃過(guò)程仍以規(guī)劃師為中心，公眾參與的廣度和深度有限；

另一方面，規(guī)劃方案的評(píng)估往往是定性、主觀且滯后的，難以進(jìn)行科學(xué)的量化決策和快速迭代。

近年來(lái)，以生成對(duì)抗網(wǎng)絡(luò)（GANs）和強(qiáng)化學(xué)習(xí)（RL）為代表的傳統(tǒng)AI模型開(kāi)始應(yīng)用于城市規(guī)劃，在生成街道網(wǎng)絡(luò)、功能分區(qū)等方面展現(xiàn)了潛力。

但這些模型通常是為特定任務(wù)設(shè)計(jì)的，知識(shí)面狹窄，難以應(yīng)對(duì)現(xiàn)代城市規(guī)劃與日俱增的跨學(xué)科復(fù)雜性。

大語(yǔ)言模型（LLM）的出現(xiàn)，以其強(qiáng)大的知識(shí)整合、邏輯推理和多模態(tài)生成能力，為突破這一瓶頸帶來(lái)了歷史性機(jī)遇。

LLM驅(qū)動(dòng)的城市規(guī)劃新流程

針對(duì)傳統(tǒng)方法的不足，研究團(tuán)隊(duì)創(chuàng)新性地提出了一個(gè)包含概念設(shè)計(jì)（Conceptualization）、方案生成（Generation）和效果評(píng)估（Evaluation）三個(gè)核心階段的閉環(huán)框架。

該框架由大語(yǔ)言模型、視覺(jué)大模型（VLM）和大模型智能體（LLM Agent）協(xié)同驅(qū)動(dòng)，為人類(lèi)規(guī)劃師提供全流程的智能輔助。

圖1：提出的大語(yǔ)言模型驅(qū)動(dòng)的城市規(guī)劃框架。該框架整合LLM、VLM和LLM智能體，形成「概念-生成-評(píng)估」的協(xié)同工作流

概念設(shè)計(jì)：LLM成為擁有跨學(xué)科知識(shí)的「規(guī)劃顧問(wèn)」

在規(guī)劃初期，規(guī)劃師輸入需求、約束和指導(dǎo)方針等文本信息。

經(jīng)過(guò)海量數(shù)據(jù)預(yù)訓(xùn)練的LLM，能夠深度整合地理、社會(huì)、經(jīng)濟(jì)等多領(lǐng)域知識(shí)，與規(guī)劃師進(jìn)行多輪「對(duì)話」。

它不僅能提出創(chuàng)新性的概念想法，還能根據(jù)復(fù)雜的上下文進(jìn)行推理，生成詳細(xì)的規(guī)劃描述文本和初步的空間構(gòu)想草圖，極大地提升了概念設(shè)計(jì)階段的效率和深度。

圖2: 基于LLM的城市概念設(shè)計(jì)流程圖

方案生成：VLM化身「視覺(jué)設(shè)計(jì)師」，將文字轉(zhuǎn)化為藍(lán)圖

該框架利用視覺(jué)大模型（VLM）將抽象的文本概念轉(zhuǎn)化為具體的、可視化的城市設(shè)計(jì)方案。

規(guī)劃師可以通過(guò)文本指令（Prompt）精確描述規(guī)劃概念和約束條件，經(jīng)過(guò)城市設(shè)計(jì)數(shù)據(jù)微調(diào)的VLM能夠生成精細(xì)的視覺(jué)輸出，如土地利用布局、建筑輪廓，甚至是逼真的三維城市場(chǎng)景，同時(shí)還能確保設(shè)計(jì)符合地理等現(xiàn)實(shí)約束。

圖3：城市方案生成示意圖

效果評(píng)估：LLM智能體構(gòu)建「虛擬城市」，預(yù)演未來(lái)生活

為了對(duì)規(guī)劃方案進(jìn)行科學(xué)評(píng)估，框架引入了LLM智能體進(jìn)行城市動(dòng)態(tài)模擬。

研究人員為智能體設(shè)定不同的人口統(tǒng)計(jì)學(xué)特征（如年齡、職業(yè)），讓它們?cè)谏傻奶摂M城市中模擬居民的日常出行、設(shè)施使用等活動(dòng)。

通過(guò)分析這些模擬行為，可以得到關(guān)于交通距離、設(shè)施使用率、碳排放、社會(huì)公平性等多維度的量化評(píng)估指標(biāo)，為規(guī)劃方案的迭代優(yōu)化提供科學(xué)、前瞻性的反饋。

圖4：基于LLM&VLM智能體的城市規(guī)劃效果評(píng)估方案

初見(jiàn)成效

AI展現(xiàn)超越人類(lèi)專(zhuān)家的潛力

為驗(yàn)證該框架核心能力的可行性，清華大學(xué)電子系城市科學(xué)與計(jì)算研究中心持續(xù)發(fā)布CityGPT、CityBench、 UrbanLLaVA等系列語(yǔ)言視覺(jué)跨模態(tài)城市大模型及UrbanWord、EmbodiedCity、AgentSociety等城市具身仿真平臺(tái)與社會(huì)模擬系統(tǒng)，為大模型時(shí)代的城市規(guī)劃與社會(huì)治理奠定了技術(shù)基礎(chǔ)。

針對(duì)LLM時(shí)代的城市規(guī)劃，研究團(tuán)隊(duì)進(jìn)行了一系列概念驗(yàn)證實(shí)驗(yàn)。

在一項(xiàng)測(cè)試中，研究者讓LLM回答城市規(guī)劃師專(zhuān)業(yè)資格考試的題目，結(jié)果顯示，最大規(guī)模的LLM在回答復(fù)雜規(guī)劃概念問(wèn)題上的表現(xiàn)，超過(guò)了排名前10%的人類(lèi)規(guī)劃師，證明了其在概念化階段的巨大潛力。

在評(píng)估階段的模擬測(cè)試中，團(tuán)隊(duì)利用LLM智能體在美國(guó)紐約和芝加哥的兩個(gè)社區(qū)中模擬居民的設(shè)施訪問(wèn)行為。

模擬結(jié)果顯示，智能體訪問(wèn)的熱點(diǎn)區(qū)域與真實(shí)的居民流動(dòng)數(shù)據(jù)高度吻合，證明了LLM智能體在預(yù)測(cè)規(guī)劃方案實(shí)際影響方面的準(zhǔn)確性和有效性。

圖5：LLM生成城市規(guī)劃效果示意圖

挑戰(zhàn)與展望

構(gòu)建人機(jī)協(xié)同的未來(lái)城市

研究團(tuán)隊(duì)最后強(qiáng)調(diào)，這一框架并非要取代人類(lèi)規(guī)劃師，而是旨在建立一種人機(jī)協(xié)同的新工作流。

在這種模式下，規(guī)劃師可以從繁瑣的數(shù)據(jù)處理和繪圖工作中解放出來(lái)，更專(zhuān)注于創(chuàng)新、倫理考量以及與各方利益相關(guān)者的溝通，而AI則負(fù)責(zé)高效地完成概念整合、方案生成和模擬評(píng)估。

同時(shí)，文章也指出了該技術(shù)路線面臨的挑戰(zhàn)，包括高質(zhì)量城市設(shè)計(jì)數(shù)據(jù)的稀缺性、巨大的計(jì)算資源需求，以及模型中潛在的地理和社會(huì)偏見(jiàn)等。

未來(lái)的研究需要建立開(kāi)放的數(shù)據(jù)平臺(tái)，開(kāi)發(fā)更高效的專(zhuān)用模型，并設(shè)計(jì)公平性算法，確保AI技術(shù)能夠公平、包容地服務(wù)于所有城市環(huán)境。

我們可以期待在不久的將來(lái)，城市規(guī)劃師借助強(qiáng)大的AI助手，能夠更快、更好地設(shè)計(jì)出高效宜居、可持續(xù)的城市，充分釋放人類(lèi)的創(chuàng)造力來(lái)塑造我們共同的城市家園。