[论文解读] 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 22

一句话总结

本文综述并发展深度生成式人工智能框架（LUCGAN、CLUVAE、IHPlanner），以利用地理空间、出行、社会数据和人为引导实现土地利用配置生成自动化。

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.

研究动机与目标

• 激发将城市规划与人工智能结合，以提升可持续性、宜居性和韧性。
• 将自动化土地利用配置表述为一个深度生成学习任务。
• 将现有的用于城市规划的生成模型方法（GAN、VAE、Transformer）与领域知识相结合。
• 突出 AI 与城市规划接口中的挑战、局限性及未来研究方向。

提出的方法

• 将城市规划框架为以地理空间 context 和人为指令为条件的类图像生成的土地利用配置。
• 提出 LUCGAN：通过空间图嵌入周边情境，并用扩展的 GAN 生成配置。
• 提出 CLUVAE：一个条件变分编码器-解码器，利用人为引导和情境生成结构化的土地利用输出。
• 提出 IHPlanner：一个基于 Transformer 的分层生成器，配备 Functionalizer 模块和多注意力以捕捉空间依赖。
• 讨论生成模型的目标函数（VAE 的 ELBO、GAN 的对抗损失、自回归/流/能量基模型的似然）以及领域导向正则化。
• 概述数据稀疏、人工介入控制与公平性方面的局限性及未来方向。

实验结果

研究问题

• RQ1 如何从周边情境和人为指令中定量化并自动生成土地利用配置？
• RQ2 哪些架构（GAN、VAE、Transformer）在具有领域知识和空间层级的自动化城市规划中最有效？
• RQ3 如何整合人为指导以产生多样、鲁棒且公平的土地利用配置？
• RQ4 当前自动化规划工具在捕捉规划语义和专业需求方面的局限性？
• RQ5 空间层级和社会经济互动在生成可信的城市规划中的作用？

主要发现

• LUCGAN 将周边情境嵌入到经纬度-通道表示中，并使用扩展的 GAN 来生成土地利用配置。
• CLUVAE 引入一个结合人为指引和空间层级的条件变分编码器-解码器，以提高鲁棒性和多样性。
• IHPlanner 采用基于 Transformer 的分层生成，配备 Functionalizer 以编码人为和环境约束，并在子区域之间使用多注意力机制。
• 本文展示了基于真实世界数据的定性和定量评估，强调在实现以人为本和时空一致的规划方面的改进与仍存的挑战。
• 局限性包括对丰富规划语义的编码困难、实现稳定的现实世界性能，以及数据稀疏和评估指标问题。