[논문 리뷰] Generative AI Meets Future Cities: Towards an Era of Autonomous Urban Intelligence

Dongjie Wang, Chang‐Tien Lu외 3명|arXiv (Cornell University)|2023. 04. 08.

Human Mobility and Location-Based Analysis인용 수 22

한 줄 요약

본 논문은 지리공간 데이터, 이동성 데이터, 사회적 데이터 및 인간 지도를 활용하여 토지 이용 구성 생성을 자동화하기 위해 심층 생성 AI 프레임워크(LUCGAN, CLUVAE, IHPlanner)를 조사하고 개발합니다.

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.

연구 동기 및 목표

• 도시 계획과 AI의 통합을 촉진하여 지속 가능성, 살기 좋은 환경, 회복력을 향상시키는 것을 목표로 한다.
• 자동화된 토지 이용 구성 문제를 심층 생성 학습 과제로 공식화한다.
• 도시 계획을 위한 기존 생성 모델 접근법(GAN, VAE, Transformer)을 도메인 지식과 융합한다.
• AI-도시계획 인터페이스에서의 도전과제, 한계 및 향후 연구 방향을 강조한다.

제안 방법

• 도시 계획을 지리공간 맥락과 인간 지시를 조건으로 하는 이미지 유사한 토지 이용 구성의 생성으로 프레이밍한다.
• LUCGAN 제안: 공간 그래프를 통한 주변 맥락 임베딩과 확장 GAN으로 구성을 생성한다.
• CLUVAE 제안: 인간의 가이드와 맥락을 사용하여 구조화된 토지 이용 출력을 생성하는 조건부 변분 인코더-디코더.
• IHPlanner 제안: 공간 의존성을 포착하기 위한 Functionalizer 모듈과 다중 주의를 갖춘 계층적 변환기 기반 생성기.
• 생성 모델의 목적 함수(VAEs의 ELBO, GAN의 적대적 손실, 자기회귀/플로우/에너지 기반 모델의 가능도) 및 도메인 안내 정규화를 논의한다.
• 데이터 희소성, 인간-루프 제어, 공정성에 대한 한계 및 향후 방향을 개괄한다.

실험 결과

연구 질문

• RQ1 주위 맥락과 인간 지시로 토지 이용 구성을 어떻게 정량화하고 자동으로 생성할 수 있는가?
• RQ2 어떤 아키텍처(GAN, VAE, 트랜스포머)가 도메인 지식과 공간 위계를 갖춘 자동화된 도시계획을 가장 잘 지원하는가?
• RQ3 인간의 지 guiding를 통합하여 다양하고 강건하며 공정한 토지 이용 구성을 어떻게 생산할 수 있는가?
• RQ4 현 자동화 계획 도구가 계획 의미론과 전문가 요구사항을 포착하는 데 어떤 한계가 있는가?
• RQ5 공간 위계 및 사회경제적 상호작용이 가능성 있는 도시 계획 생성을 위한 역할은 무엇인가?

주요 결과

• LUCGAN은 주변 맥락을 위도-경도-채널 표현으로 임베딩하고 확장 GAN을 활용해 토지 이용 구성을 생성한다.
• CLUVAE는 인간의 가이드와 공간 위계를 도입하여 강건성과 다양성을 개선하는 조건부 변분 인코더-디코더를 도입한다.
• IHPlanner는 Functionalizer를 이용한 인간 및 환경 제약 인코딩과 하위구역 간 다중 주의 메커니즘을 갖춘 트랜스포머 기반 계층적 생성기를 사용한다.
• 본 논문은 실제 데이터를 이용한 질적 및 양적 평가를 통해 인간 중심적이고 공간적으로 일관된 계획 달성의 개선과 남은 과제를 강조한다.
• 데이터 희소성과 평가 지표 문제, 풍부한 계획 의미론의 인코딩 어려움 및 안정적 현장 성능 달성의 한계가 포함된다.