AI赋能城市规划新范式

集智俱乐部 09月12日

AI赋能城市规划新范式

面对城市规划的复杂挑战，清华大学等机构的跨学科团队在《自然·计算科学》发文，首次提出由大语言模型（LLM）驱动的智能城市规划框架。该框架融合AI的计算、推理与生成能力与人类规划师的专业经验，旨在打造“智能规划助手”，实现概念设计、方案生成和效果评估的全流程人机协同。框架利用LLM作为“规划顾问”，VLM进行“视觉设计”，LLM智能体进行“虚拟城市”模拟评估。实验表明，LLM在规划概念问题上表现优于顶尖人类专家，LLM智能体模拟的居民行为也高度吻合真实数据，展现了AI在城市规划领域的巨大潜力，为构建高效、创新、响应迅速的城市设计流程开启了新篇章。

💡 AI驱动的城市规划新框架：该研究首次系统性地提出了一个由大语言模型（LLM）驱动的智能城市规划框架，旨在将AI的强大能力与人类规划师的专业经验相结合，开启人机协同的新范式。这一框架通过整合LLM、视觉大模型（VLM）和大模型智能体，覆盖了城市规划的“概念设计”、“方案生成”和“效果评估”三个核心阶段，致力于提升规划效率和创新性。

🧠 LLM作为“智能规划顾问”：在概念设计阶段，LLM能够整合地理、社会、经济等多领域知识，与规划师进行多轮对话，提出创新性概念，并生成详细的规划描述文本和初步空间构想草图。研究发现，LLM在回答复杂规划概念问题上的表现已超越部分顶尖人类规划师，显示出其在提升概念设计深度和效率方面的巨大潜力。

🎨 VLM赋能“视觉设计”与智能体驱动“虚拟评估”：视觉大模型（VLM）能够将抽象的文本概念转化为可视化的城市设计方案，如土地利用布局和三维城市场景，并确保设计符合现实约束。同时，LLM智能体通过模拟居民在虚拟城市中的活动，能够进行多维度的量化评估，如交通、设施使用率和碳排放，为规划方案的科学迭代提供前瞻性反馈，其模拟结果已与真实居民流动数据高度吻合。

🚀 构建人机协同的未来：该框架并非取代人类规划师，而是将AI定位为“智能规划助手”，使规划师能从繁琐工作中解放出来，专注于创新、伦理和沟通。尽管面临数据稀缺、计算资源需求高以及潜在偏见等挑战，但研究团队致力于通过开放数据平台、高效模型和公平性算法，推动AI技术服务于更公平、包容的城市环境，最终借助AI助手，规划师能更快更好地设计出高效宜居、可持续的城市。

郑瑜等 2025-09-10 16:12 上海

AI规划师，人机交互时代的城市规划新路径

导语

面对日益复杂的城市系统和多元化的社会需求，传统城市规划方法正遭遇瓶颈。如今，人工智能（AI）正为这个古老而重要的领域带来颠覆性的革新。

近日，由清华大学电子工程系城市科学与计算研究中心、建筑学院与麻省理工学院（MIT）感知城市实验室、美国东北大学等顶尖机构的学者组成的跨学科团队，在国际前沿期刊《自然·计算科学》上发表观点文章，首次系统性地提出了一个由大语言模型（LLM）驱动的智能城市规划框架。该框架将AI的强大计算、推理与生成能力，同人类规划师的专业经验与创造力深度融合，旨在将AI打造为人类的“智能规划助手”，共同应对现代城市规划中的复杂挑战，为实现更高效、创新和响应迅速的城市设计流程，开启了人机协同的新范式。

郑瑜丨作者

论文题目：Urban planning in the era of large language models论文链接：https://www.nature.com/articles/s43588-025-00846-1论文来源：Nature Computational Science

城市规划的演进与瓶颈

城市规划的理论与实践在不断发展，从早期侧重物理空间和美学形态的“艺术设计”，演变为二战后将其视为复杂系统，并采用科学模型分析的“科学规划”。然而，这些方法在今天面临着新的挑战：一方面，规划过程仍以规划师为中心，公众参与的广度和深度有限；另一方面，规划方案的评估往往是定性、主观且滞后的，难以进行科学的量化决策和快速迭代。

近年来，以生成对抗网络（GANs）和强化学习（RL）为代表的传统AI模型开始应用于城市规划，在生成街道网络、功能分区等方面展现了潜力。但这些模型通常是为特定任务设计的，知识面狭窄，难以应对现代城市规划与日俱增的跨学科复杂性。大语言模型（LLM）的出现，以其强大的知识整合、逻辑推理和多模态生成能力，为突破这一瓶颈带来了历史性机遇。

LLM驱动的城市规划新流程

针对传统方法的不足，研究团队创新性地提出了一个包含概念设计（Conceptualization）、方案生成（Generation）和效果评估（Evaluation）三个核心阶段的闭环框架。该框架由大语言模型、视觉大模型（VLM）和大模型智能体（LLM Agent）协同驱动，为人类规划师提供全流程的智能辅助。

提出的大语言模型驱动的城市规划框架。该框架整合LLM、VLM和LLM智能体，形成“概念-生成-评估”的协同工作流。

1. 概念设计：LLM成为拥有跨学科知识的“规划顾问”

在规划初期，规划师输入需求、约束和指导方针等文本信息。经过海量数据预训练的LLM，能够深度整合地理、社会、经济等多领域知识，与规划师进行多轮“对话”。它不仅能提出创新性的概念想法，还能根据复杂的上下文进行推理，生成详细的规划描述文本和初步的空间构想草图，极大地提升了概念设计阶段的效率和深度。

基于LLM的城市概念设计流程图

2. 方案生成：VLM化身“视觉设计师”，将文字转化为蓝图

该框架利用视觉大模型（VLM）将抽象的文本概念转化为具体的、可视化的城市设计方案。规划师可以通过文本指令（Prompt）精确描述规划概念和约束条件，经过城市设计数据微调的VLM能够生成精细的视觉输出，如土地利用布局、建筑轮廓，甚至是逼真的三维城市场景，同时还能确保设计符合地理等现实约束。

城市方案生成示意图

3. 效果评估：LLM智能体构建“虚拟城市”，预演未来生活

为了对规划方案进行科学评估，框架引入了LLM智能体进行城市动态模拟。研究人员为智能体设定不同的人口统计学特征（如年龄、职业），让它们在生成的虚拟城市中模拟居民的日常出行、设施使用等活动。通过分析这些模拟行为，可以得到关于交通距离、设施使用率、碳排放、社会公平性等多维度的量化评估指标，为规划方案的迭代优化提供科学、前瞻性的反馈。

基于LLM&VLM智能体的城市规划效果评估方案

初见成效：AI展现超越人类专家的潜力

为验证该框架核心能力的可行性，清华大学电子系城市科学与计算研究中心持续发布CityGPT、CityBench、 UrbanLLaVA等系列语言视觉跨模态城市大模型及UrbanWord、EmbodiedCity、AgentSociety等城市具身仿真平台与社会模拟系统，为大模型时代的城市规划与社会治理奠定了技术基础。针对LLM时代的城市规划，研究团队进行了一系列概念验证实验。在一项测试中，研究者让LLM回答城市规划师专业资格考试的题目，结果显示，最大规模的LLM在回答复杂规划概念问题上的表现，超过了排名前10%的人类规划师，证明了其在概念化阶段的巨大潜力。

在评估阶段的模拟测试中，团队利用LLM智能体在美国纽约和芝加哥的两个社区中模拟居民的设施访问行为。模拟结果显示，智能体访问的热点区域与真实的居民流动数据高度吻合，证明了LLM智能体在预测规划方案实际影响方面的准确性和有效性。

LLM生成城市规划效果示意图

挑战与展望：构建人机协同的未来城市

研究团队最后强调，这一框架并非要取代人类规划师，而是旨在建立一种人机协同的新工作流。在这种模式下，规划师可以从繁琐的数据处理和绘图工作中解放出来，更专注于创新、伦理考量以及与各方利益相关者的沟通，而AI则负责高效地完成概念整合、方案生成和模拟评估。

同时，文章也指出了该技术路线面临的挑战，包括高质量城市设计数据的稀缺性、巨大的计算资源需求，以及模型中潜在的地理和社会偏见等。未来的研究需要建立开放的数据平台，开发更高效的专用模型，并设计公平性算法，确保AI技术能够公平、包容地服务于所有城市环境。

我们可以期待在不久的将来，城市规划师借助强大的AI助手，能够更快、更好地设计出高效宜居、可持续的城市，充分释放人类的创造力来塑造我们共同的城市家园。

作者介绍

该论文第一作者为清华大学电子工程系博士生郑瑜，通信作者为清华大学电子工程系李勇教授、清华大学建筑学院林雨铭助理教授以及美国东北大学环境工程系Qi R. Wang副教授。合作者包括清华大学电子系的徐丰力助理教授，以及MIT感知城市实验室的Paolo Santi研究员和Carlo Ratti教授。

「大模型时代下的Agent建模与仿真」读书会

集智俱乐部联合山东工商学院副教授高德华、天津大学教授薛霄、北京师范大学教授张江、国防科技大学博士研究生曾利共同发起「大模型时代下的Agent建模与仿真」读书会。读书会自2025年7月8日开始，每周二晚上7:30-9:30进行，预计持续分享8周左右。扫码加入Agent建模与仿真的前沿探索之旅，一起共学、共创、共建、共享「大模型时代下的Agent建模与仿真」社区，共同畅想大模型时代人工社会的未来图景！

核心问题

Agent建模与仿真是什么，核心技术发生了怎样的演变？

大模型时代，Agent建模与仿真会给复杂系统理论带来哪些突破？

大模型如何赋能Agent实现自主思考与动态适应？

大模型驱动的Agent交互会涌现出什么新型的社会现象？

Agent建模与仿真如何改变金融、心理、管理、军事等领域的研究范式？

你将收获

梳理Agent建模与仿真的历史发展脉络与方法论；

掌握一套理解、分析、控制、预测复杂系统的计算实验框架；

掌握基于多主体强化学习的复杂系统优化方法；

领略领域前沿学者的研究体系与科研路径。

详情请见：大模型时代下的Agent建模与仿真：共探人工社会未来图景