Generative AI in Urban Planning – a Prototype

生成式 AI 不断进步，我们正在寻找更多方法，让这些 AI 助手帮助我们解决各种任务。其中包括新药、基本粒子甚至新物理定律的发现。

在这里，我们将讨论另一个这样的学科，人工智能助手可能会在其中发挥重要作用。这个角色可能会向更多的社区开放城市规划的艺术，使其民主化，使其易于访问和透明。城市规划 – 我们作为一个社会物种如何建立和改善我们的城市中心的艺术和科学。

生态系统的枯竭、气温和海平面的上升、大规模的森林火灾、暴雨和永久冻土的融化——这就是我们生活的新世界。我们需要适应，学习，然后适应并再次学习。根据联合国的数据，到 2050 年，世界 68% 的人口将居住在城市地区。我们可以在城市中做些什么来减轻气候变化的不利影响？我们如何才能使我们的城市更高效、更宜居、更舒适？我们如何才能使我们的城市实现碳中和，对行人友好，并支持多元化、充满活力的社区，拥有充满阴凉的绿色公园和凉爽的池塘，而不是超大的停车场？

也许这就是人工智能可能提供帮助的地方。借助人工智能，我们可以建设不仅更智能、更可持续、更愉快的城市。

什么是城市规划？

城市规划是一门技术和政治学科，侧重于土地使用、建筑空间设计、交通和基础设施、人口分布和设施可达性。城市规划过程由一系列复杂的要求和期望驱动，包括可持续性、分区和土地利用组合、多样性、人口分布、居民和客人体验、平等获得公共资源和绿色空间，以及保护文化、历史和传统。

城市规划者努力创建功能齐全、公平和可持续的城市。他们通过制定平衡增长与社区需求的综合计划来解决交通拥堵、住房短缺和环境影响等问题。例如，有效的城市规划可以带来更多适合步行的社区、改善的公共交通系统和增加的绿色空间，所有这些都可以提高居民的生活质量。

现代城市规划的挑战

现代城市规划带来了许多挑战。该领域需要陡峭的学习曲线，缺乏通用流程，以及在基础设施、建筑、运筹学、社会学、历史和文化方面数十年的综合团队经验。

在处理项目时，城市规划团队经常面临无数复杂的要求。可持续性、宜居性和复原力处于最前沿，其目标是实现碳中和甚至碳正成果。确保平等获得设施和服务至关重要，促进步行、公共交通和无车区。此外，现代城市规划必须结合先进的电力基础设施，对可再生能源友好，支持水循环利用，并考虑盛行风的方向。这些需求往往是纠缠在一起的，有时甚至是相互冲突的，例如平衡总建筑面积、能源消耗、日光指数和学校准入。

多重未知因素使城市规划进一步复杂化。对什么是好城市的主观看法各不相同，城市规划决策与环境绩效之间不明确的因果关系增加了复杂性。一个城市的演变取决于随着时间的推移而发展的众多现象，因此很难将这些动态作为正式规则来捕捉。

城市规划必须与现有的文化背景保持一致，同时培养现代生活方式并提高生活质量。规划必须创造独特且可识别的环境，提供高质量的体验，培养地方感。

以最佳方式满足规划要求既是一门艺术，也是一个优化问题，这需要人类的专业知识，需要顺畅的沟通渠道，将城市规划团队与当地政府、居民和 AEC（建筑工程和施工）社区联系起来。频繁的社区参与需要快速的规划周期、透明度和提案的可解释性。所有这些都必须在时间和预算限制内完成。

为什么选择人工智能？

从概念规划过渡到详细的总体规划涉及多次体量研究的迭代，每个研究都根据定量和定性标准进行评估。随着项目规模的扩大，即使使用现代程序建模工具，这个过程也变得越来越耗时。

想象一下，有一个助手向以其出色的城市规划和高生活水平而闻名的模范“原型”城市学习。在训练过程中，该人工智能将捕获这些城市的复杂和非结构化属性。经过培训后，它可以帮助规划者将这些最佳实践无缝地应用于从社区到整个城市的新开发项目。

在这句话中，诺曼·福斯特（Norman Foster）强调了这样一种观点，即技术的有效性取决于使用它的人的创造力和技能，随着生成式人工智能工具的出现，情况将继续如此。

数据和知识驱动的人工智能解决方案，与人类专家并肩工作，可能是快速创建高效、宜居和精心设计的城市空间的关键。

什么是城市体量发电机？

城市体量生成器专注于城市规划的体量研究阶段，这是一个劳动密集型过程。在这个阶段，平屋顶建筑被战略性地放置在城市街区和道路的边界内。调整分区分配，优化人口分布，分配设施，完善可达性目标。城市体量生成器简化了这一过程，实现了高效和有效的规划。

用户工作流从定义街道开始，街道可以从 Open Street Map 导入、按程序生成和手动编辑。在这种情况下，我们关注的是法国巴黎的一部分。

街道网络隐含地定义了建筑LOD1.3模型将放置的街区，从而也分配了未来的居住人口。

图 1.此处将 ArcGIS CityEngine 用作用户前端，以便于规划者与 UMG 地理处理服务进行交互。这不是 CityEngine 的已发布功能，而是此时的内部原型。

每个区块都有一个分区类别属性，以及两个数字密度属性：建筑覆盖率 （BCR） 和容积率 （FAR）。这些属性决定了街区内建筑物的大小和高度。

这些指标是城市规划者用来指导体量研究的标准工具。

图2.规划师指定的区块属性：分区 （AT_category）、建筑覆盖率 （BCR） 和容积率 （FAR） 密度。这些值将决定将在该区块中生成的建筑物的大小和高度。

定义街道网络和街区属性后，AI 助手将创建第一个体量模型。这些建筑是由人工智能助手生成的，该助手在现有的“原型”城市中接受过培训，这些城市以其高城市规划标准而闻名，其中包括充足的绿色空间、无处不在的行人通道和发达的基础设施。在生成过程中，助手将从这些原型城市中学到的最佳实践应用于新的开发项目。建筑的形状、粒度以及它们相对于道路和彼此之间的有意义的方向，都是从这些示范性城市获得的知识的概括中得出的。虽然 AI 助手提供创意灵感，但建筑物占地面积和高度严格受用户指定的数字 FAR 和 BCR 指标控制。

图3.UMG 服务在生成式 AI 的帮助下，根据用户指定的街道和街区创建初始体量模型。

规划人员可以轻松编辑街道以设计新的社区。例如，在图 4 中，规划器添加了新街道，将一个大街区分成四个较小的街区。之后，将重新构建块，并重新定义默认块属性。规划师通过调整 FAR 和 BCR 属性将分区切换为住宅，并请求较小的低层建筑。

接下来，规划者决定左上角的街区需要属于混合住宅分区类别，以增强当地和邻近居民对城市服务和购物的可达性。

当黄色建筑出现在上次编辑的街区中时，请注意这些新的高层建筑如何具有更多的商业外观，反映了 AI 助手之前学到的模式。

图4.棕地开发用例：通过添加新道路和更改分区类别来重新规划社区。

构建体量模型后，计算种群分布。考虑到沿街道网络的出行成本，绿化区、购物中心和学校等关键设施被战略性地放置，以最大限度地提高行人的可达性并最大限度地减少居民的整体出行时间。