[論文レビュー] Generative AI Meets Future Cities: Towards an Era of Autonomous Urban Intelligence

Dongjie Wang, Chang‐Tien Lu+3 more|arXiv (Cornell University)|Apr 8, 2023

Human Mobility and Location-Based Analysis被引用数 22

ひとこと要約

本論文は、地理空間データ、移動データ、社会データ、および人間のガイダンスを用いて、土地利用配置生成を自動化する深層生成AIフレームワーク（LUCGAN、CLUVAE、IHPlanner）を概説・開発します。

ABSTRACT

The two fields of urban planning and artificial intelligence (AI) arose and developed separately. However, there is now cross-pollination and increasing interest in both fields to benefit from the advances of the other. In the present paper, we introduce the importance of urban planning from the sustainability, living, economic, disaster, and environmental perspectives. We review the fundamental concepts of urban planning and relate these concepts to crucial open problems of machine learning, including adversarial learning, generative neural networks, deep encoder-decoder networks, conversational AI, and geospatial and temporal machine learning, thereby assaying how AI can contribute to modern urban planning. Thus, a central problem is automated land-use configuration, which is formulated as the generation of land uses and building configuration for a target area from surrounding geospatial, human mobility, social media, environment, and economic activities. Finally, we delineate some implications of AI for urban planning and propose key research areas at the intersection of both topics.

研究の動機と目的

• 持続可能性、居住性、レジリエンスを高めるために、AIと都市計画の統合を促進する。
• 自動化された土地利用配置を深層生成学習タスクとして定式化する。
• 都市計画における既存の生成モデルアプローチ（GAN、VAE、トランスフォーマー）と領域知識を統合する。
• AIと都市計画の接点における課題・限界・今後の研究方向を強調する。

提案手法

• 地理空間コンテキストと人間の指示に条件付けられた、画像風の土地利用配置の生成として都市計画を位置付ける。
• LUCGANを提案: 空間グラフを介して周辺コンテキストを埋め込み、拡張GANで配置を生成。
• CLUVAEを提案: 人間のガイダンスと文脈を用いて、構造化された土地利用出力を生成する条件付き変分エンコーダー–デコーダー。
• IHPlannerを提案: 空間依存性を捉えるためのFunctionalizerモジュールとマルチアテンションを備えた、トランスフォーマーベースの階層的生成器。
• 生成モデルの目的関数について議論（VAE の ELBO、GAN の adversarial loss、自己回帰/フロー/エネルギーベースモデルの尤度、および領域指向正則化。
• データの希少性、ヒューマン・イン・ザ・ループによる制御、フェアネスの課題と今後の方向性を概説する。

実験結果

リサーチクエスチョン

• RQ1 周囲の文脈と人間の指示から、土地利用配置を自動的に定量化し生成するにはどうすればよいか？
• RQ2 ドメイン知識と空間階層を活用した自動化された都市計画を最も効果的に支えるアーキテクチャは何か（GAN、VAE、トランスフォーマー）？
• RQ3 人間のガイダンスを統合して多様で堅牢かつ公平な土地利用配置を生み出すにはどうすればよいか？
• RQ4 現在の自動計画ツールが計画の意味論や専門家の要件を捉える際の限界は何か？
• RQ5 現実的な都市計画を生成する際の空間階層と社会経済的相互作用の役割は何か？

主な発見

• LUCGAN は周囲の文脈を緯度–経度–チャネル表現に埋め込み、拡張されたGANを用いて土地利用配置を生成します。
• CLUVAE は人間のガイダンスと空間階層を組み込んだ条件付き変分エンコーダー–デコーダーを導入し、頑健性と多様性を向上させます。
• IHPlanner は Functionalizer を用いて人間と環境の制約を符号化し、サブエリア横のマルチアテンション機構を備えた、トランスフォーマーベースの階層的生成を用います。
• 本論文は実データを用いた定性的・定量的評価を示し、人間中心で空間的に一貫した計画の実現に向けた改善点と依然としての課題を浮き彫りにしています。
• 制約には、豊かな計画意味論のエンコードの難しさと安定的な現実世界での性能の達成、データの希少性と評価指標の問題が挙げられます。