清华大学提出基于深度强化学习的城市规划模型

新知榜官方账号

2023-09-13 01:26:45

背景

如今,在城市空间规划领域,人类设计师也有了AI伙伴。来自清华大学的研究团队提出了一个深度强化学习算法的模型。基于15分钟城市概念,该模型可以进行复杂的城市空间规划。结合人工输入,机器学习辅助土地和道路空间规划的表现超越了其他算法和专业人类设计师,在所有考虑的指标方面均提高50%左右,且速度快了3000倍。相关研究论文以“Spatialplanningofurbancommunitiesviadeepreinforcementlearning”为题,刚刚发表在最新一期的Nature子刊NatureComputationalScience上。

转型需求

城市已经成为创新、创意和机遇的中心,它吸引着来自各行各业的人们,他们在这里寻求娱乐、教育、医疗和就业的机会。有效空间规划对于城市的经济活动和可持续发展至关重要。现代城市规划往往以车辆为导向,偏向于集中式功能和依赖汽车的交通方式,这样的方式不仅会造成交通拥堵,还会加剧全球气候变暖。同时,新冠疫情也暴露出城市在封锁期间的脆弱性。因此,城市规划亟待转变,需要加快从以车辆为导向转向以人为导向。值得注意的是,“15分钟城市”概念在规划新的城市社区和翻新现有社区方面越来越受欢迎,居民可以在15分钟内步行或骑行到基本服务设施,这也体现了人们对于城市社区内高空间效率布局的期待。

研究内容

清华大学的研究团队提出了基于深度强化学习的城市规划模型,该模型能够生成城市社区的土地利用和道路布局。为了解决城市社区存在不同形式的几何形状,更具多样性和不规则性的问题,研究团队提出了一个城市连续性图,用于描述城市几何的拓扑结构,其中城市地理元素作为节点,空间连续性作为边。为了减小动作空间,研究人员训练了一个AI代理,该代理由一个价值网络和两个策略网络组成,通过在巨大的动作空间中进行高效的探索和利用来寻找良好的规划策略。为了获得城市地理元素的有效表示,研究人员又进一步开发了基于图神经网络(GNN)的状态编码器,它利用城市连续性图上的消息传递和邻居聚合,捕捉土地、道路段和交汇点之间的空间关系。最终,相比于人类专家,AI代理能够生成更高效的规划方案。

研究意义

机器学习作为支持性工具可以增加人类规划师的生产力,也有可能创造出更加可持续发展的城市生活。通过引入定制选项到模型中,可以构建公共平台,促进居民和开发商参与规划过程。正如研究论文所提到的那样,城市规划绝不是一个简单的选择土地利用和道路位置的游戏,而是多方利益相关者之间复杂的互动。本次研究提出的框架展示了所有参与者更高程度参与的可能性,是迈向更加透明和包容城市的一小步。

本页网址:https://www.xinzhibang.net/article_detail-11276.html

寻求报道,请 点击这里 微信扫码咨询

关键词

城市规划 深度强化学习 机器学习

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯