[論文レビュー] Large Language Model for Participatory Urban Planning

Zhilun Zhou, Yuming Lin+2 more|arXiv (Cornell University)|Feb 27, 2024

Geographic Information Systems Studies被引用数 11

ひとこと要約

この論文は multi-agent LLM フレームワークを用いて participatory urban planning の planner および resident の役割をシミュレートし、fishbowl discussions を用いて土地利用計画を反復的に修正し、居住者の満足と包摂を最適化する。

ABSTRACT

Participatory urban planning is the mainstream of modern urban planning that involves the active engagement of residents. However, the traditional participatory paradigm requires experienced planning experts and is often time-consuming and costly. Fortunately, the emerging Large Language Models (LLMs) have shown considerable ability to simulate human-like agents, which can be used to emulate the participatory process easily. In this work, we introduce an LLM-based multi-agent collaboration framework for participatory urban planning, which can generate land-use plans for urban regions considering the diverse needs of residents. Specifically, we construct LLM agents to simulate a planner and thousands of residents with diverse profiles and backgrounds. We first ask the planner to carry out an initial land-use plan. To deal with the different facilities needs of residents, we initiate a discussion among the residents in each community about the plan, where residents provide feedback based on their profiles. Furthermore, to improve the efficiency of discussion, we adopt a fishbowl discussion mechanism, where part of the residents discuss and the rest of them act as listeners in each round. Finally, we let the planner modify the plan based on residents' feedback. We deploy our method on two real-world regions in Beijing. Experiments show that our method achieves state-of-the-art performance in residents satisfaction and inclusion metrics, and also outperforms human experts in terms of service accessibility and ecology metrics.

研究の動機と目的

• 従来の手法に代わる、時間とコストを節約する参加型都市計画を動機づける。
• 多様な居住ニーズをモデル化するために、LLMベースの計画者エージェントと居住者エージェントを導入する。
• 大規模コミュニティでの議論を拡張するためのfishbowlディスカッション機構を開発する。
• 居住者のフィードバックに基づいて初期の土地利用計画を計画者が修正できるようにする。

提案手法

• 地域マップとプロファイルを含むプロンプトを介して、LLMエージェントに計画者と居住者の役割を割り当てる。
• 地域の初期土地利用計画を作成し、コミュニティ内で居住者のディスカッションをシミュレートする。
• fishbowlディスカッション機構を用いて、内側のスピーカーと外側のリスナーを交互に含める。
• ディスカッション履歴を要約して文脈を扱いやすく保ち、計画を適切に更新する。
• 地域をコミュニティに分割し、ニーズの均衡を図るために複数のディスカッションラウンドを実行する。
• need-agnostic (Service, Ecology) および need-aware (Satisfaction, Inclusion) 指標を用いてベースラインと比較評価する。

実験結果

リサーチクエスチョン

• RQ1 LLMベースのエージェントはプランナー-居住者の参加型計画プロセスを効果的にシミュレートできるか。
• RQ2 居住者のディスカッション（fishbowl機構を含む）は多様な居住ニーズへの適合を改善するか。
• RQ3 サービス、エコロジー、満足度、包摂の点で、LLMベースのアプローチはベースラインや人間デザイナーとどう比較されるか？
• RQ4 ディスカッションラウンドの回数が計画の品質と効率に与える影響は何か？

主な発見

モデル	サービス (HLG)	エコロジー (HLG)	満足度 (HLG)	包摂 (HLG)	サービス (DHM)	エコロジー (DHM)	満足度 (DHM)	包摂 (DHM)
Random	0.491	0.505	0.708	0.698	0.690	0.664	0.689	0.698
Centralized	0.654	0.364	0.578	0.560	0.562	0.393	0.516	0.538
Decentralized	0.709	0.455	0.678	0.691	0.743	0.518	0.687	0.706
GSCA	0.682	0.439	0.653	0.657	0.584	0.464	0.587	0.621
Human Expert	0.756	0.468	0.650	0.475	0.717	0.527	0.631	0.544
DRL	0.773	0.747	0.708	0.716	0.671	0.880	0.566	0.605
Ours	0.756	0.713	0.787	0.773	0.760	0.724	0.778	0.790

• 提案手法は、両データセット（HLG と DHM）において、need-aware 指標（Satisfaction と Inclusion）で最高の性能を達成する。
• HLG では、Satisfaction が 0.787、Inclusion が 0.773 に達し、いくつかのベースラインを上回る；DRL は need-agnostic 指標で優れているが、need-aware 指標では劣る。
• need-agnostic 指標では、本手法は概ね二位で、ServiceとEcologyでは人間の専門家をしばしば凌ぐ。
• アブレーションでは、ロールプレイとディスカッションの両方が性能に寄与することが示され、いずれかを排除すると、need-aware 指標がそれぞれ 4.7–8.0% および 4.1–6.3% 減少する。
• fishbowl ラウンドを 1 から 3 に増やすと、Satisfaction と Inclusion が顕著に改善され、3 ラウンドを超えると収穫減が生じる。
• 本手法は fishbowl 機構を介して大規模な居住者集団へのディスカッションを拡張しつつ、現実的な Ecology のトレードオフを維持する。