清華研究：規(guī)劃城市空間，AI快人類3000倍！

如今，在城市空間規(guī)劃領(lǐng)域，人類設(shè)計(jì)師也有了 AI 伙伴。

來自清華大學(xué)的研究團(tuán)隊(duì)提出了一個(gè)深度強(qiáng)化學(xué)習(xí)算法的模型?；?15 分鐘城市概念，該模型可以進(jìn)行復(fù)雜的城市空間規(guī)劃。結(jié)合人工輸入，機(jī)器學(xué)習(xí)輔助土地和道路空間規(guī)劃的表現(xiàn)超越了其他算法和專業(yè)人類設(shè)計(jì)師，在所有考慮的指標(biāo)方面均提高 50% 左右，且速度快了 3000 倍。

相關(guān)研究論文以“Spatial planning of urban communities via deep reinforcement learning”為題，剛剛發(fā)表在最新一期的 Nature 子刊 Nature Computational Science 上。

在一篇同期發(fā)的新聞與觀點(diǎn)文章中，MIT 可感知城市實(shí)驗(yàn)室（MIT Senseable City Lab）的研究科學(xué)家 Paolo Santi 寫道：“Yu Zheng 等人處理了關(guān)鍵的概念性和計(jì)算性挑戰(zhàn)，同時(shí)還成功展示了將 AI 與人類工作流程融合于空間布局規(guī)劃領(lǐng)域的可行性，為未來提供了豐富的研究方向。

城市規(guī)劃亟待轉(zhuǎn)變，“15分鐘城市”概念廣受歡迎

城市已經(jīng)成為創(chuàng)新、創(chuàng)意和機(jī)遇的中心，它吸引著來自各行各業(yè)的人們，他們?cè)谶@里尋求娛樂、教育、醫(yī)療和就業(yè)的機(jī)會(huì)。有效空間規(guī)劃對(duì)于城市的經(jīng)濟(jì)活動(dòng)和可持續(xù)發(fā)展至關(guān)重要。

現(xiàn)代城市規(guī)劃往往以車輛為導(dǎo)向，偏向于集中式功能和依賴汽車的交通方式，這樣的方式不僅會(huì)造成交通擁堵，還會(huì)加劇全球氣候變暖。同時(shí)，新冠疫情也暴露出城市在封鎖期間的脆弱性。因此，城市規(guī)劃亟待轉(zhuǎn)變，需要加快從以車輛為導(dǎo)向轉(zhuǎn)向以人為導(dǎo)向。

值得注意的是，“15 分鐘城市”概念在規(guī)劃新的城市社區(qū)和翻新現(xiàn)有社區(qū)方面越來越受歡迎，居民可以在 15 分鐘內(nèi)步行或騎行到基本服務(wù)設(shè)施，這也體現(xiàn)了人們對(duì)于城市社區(qū)內(nèi)高空間效率布局的期待。

然而，人類已經(jīng)投入了幾十年的努力來開發(fā)計(jì)算模型和支持工具，以使城市規(guī)劃自動(dòng)化?，F(xiàn)在，盡管人類城市規(guī)劃師使用地理信息系統(tǒng)工具的生產(chǎn)力比幾十年前高了幾個(gè)數(shù)量級(jí)，但繁瑣的布局任務(wù)仍然需要手動(dòng)完成。

相比于人類專家，AI 代理能夠生成更高效的規(guī)劃方案

為了應(yīng)對(duì)上述挑戰(zhàn)，清華大學(xué)的研究團(tuán)隊(duì)提出了基于深度強(qiáng)化學(xué)習(xí)的城市規(guī)劃模型，該模型能夠生成城市社區(qū)的土地利用和道路布局。

然而，與芯片設(shè)計(jì)和圍棋等具有規(guī)則網(wǎng)格條件的任務(wù)相比，城市社區(qū)存在不同形式的幾何形狀，更具多樣性和不規(guī)則性。

為解決該問題，研究團(tuán)隊(duì)提出了一個(gè)城市連續(xù)性圖，用于描述城市幾何的拓?fù)浣Y(jié)構(gòu)，其中城市地理元素作為節(jié)點(diǎn)，空間連續(xù)性作為邊。圖的構(gòu)建允許捕捉任何形式社區(qū)的基本空間關(guān)系。因此，他們將空間規(guī)劃制定為圖上的順序決策問題，并在拓?fù)鋵用嫔线M(jìn)行規(guī)劃，而不是在幾何層面上。

另外，空間規(guī)劃的另一個(gè)主要挑戰(zhàn)是巨大的解決方案空間和更大的伴隨動(dòng)作空間。一個(gè)中等規(guī)模社區(qū)的動(dòng)作空間可能很容易超過 4000的一百次方（每個(gè)步驟有 4000 種可能動(dòng)作，共 100 個(gè)步驟用于社區(qū)空間規(guī)劃），這使得窮舉搜索不可行。

為了減小動(dòng)作空間，研究人員訓(xùn)練了一個(gè) AI 代理，該代理由一個(gè)價(jià)值網(wǎng)絡(luò)和兩個(gè)策略網(wǎng)絡(luò)組成，通過在巨大的動(dòng)作空間中進(jìn)行高效的探索和利用來尋找良好的規(guī)劃策略。具體而言，價(jià)值網(wǎng)絡(luò)基于“15分鐘城市”概念的實(shí)現(xiàn)情況來預(yù)測(cè)空間規(guī)劃的質(zhì)量，另外兩個(gè)策略網(wǎng)絡(luò)用于 AI 代理選擇土地利用和道路的位置。通過從策略網(wǎng)絡(luò)中采樣動(dòng)作并使用價(jià)值網(wǎng)絡(luò)估計(jì)獎(jiǎng)勵(lì)，動(dòng)作空間得到了大幅縮小。

為了獲得城市地理元素的有效表示，研究人員又進(jìn)一步開發(fā)了基于圖神經(jīng)網(wǎng)絡(luò)（GNN）的狀態(tài)編碼器，它利用城市連續(xù)性圖上的消息傳遞和鄰居聚合，捕捉土地、道路段和交匯點(diǎn)之間的空間關(guān)系。這個(gè) GNN 狀態(tài)編碼器在價(jià)值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)之間共享，從而促進(jìn)獎(jiǎng)勵(lì)預(yù)測(cè)和位置選擇。最終，相比于人類專家，AI 代理能夠生成更高效的規(guī)劃方案。

廣泛的實(shí)驗(yàn)結(jié)果表明，在相同的初始條件和規(guī)劃約束下，該方法明顯優(yōu)于最先進(jìn)的算法和人類專家，可以將空間效率的客觀指標(biāo)提高 48.6% 以上。特別是在使用現(xiàn)有的真實(shí)社區(qū)作為初始條件時(shí)，該模型可以生成土地利用改造計(jì)劃，將居民對(duì)各種設(shè)施的可訪問性顯著提高 18.5% 以上。

考慮到城市規(guī)劃方法的成熟性和復(fù)雜性，基于所呈現(xiàn)的 DRL 模型，研究人員提出了一個(gè) AI 與人類設(shè)計(jì)師協(xié)作的工作流程，其中人類設(shè)計(jì)師專注于概念原型設(shè)計(jì)，并利用該模型完成繁重和耗時(shí)的規(guī)劃工作。

結(jié)果證明，人類設(shè)計(jì)師可以從 AI 與人類協(xié)作的工作流程中受益，該工作流程在客觀規(guī)劃指標(biāo)和由 100 名專業(yè)人類設(shè)計(jì)師組成的主觀盲測(cè)試中均優(yōu)于完全由人類勞動(dòng)完成的工作流程，并在時(shí)間效率上提高 3000 倍。

此外，該模型還可以從簡單的場景中學(xué)習(xí)通用的規(guī)劃技能，并將其應(yīng)用于設(shè)計(jì)不同風(fēng)格的大規(guī)模復(fù)雜規(guī)劃任務(wù)中，例如綠色社區(qū)和服務(wù)社區(qū)。

機(jī)器學(xué)習(xí)促進(jìn)可持續(xù)城市發(fā)展與多方參與

然而，在本次實(shí)驗(yàn)中，雖然生成的空間規(guī)劃數(shù)量超過 100 萬個(gè)，但與類似的 DRL 任務(wù)（如圍棋和芯片設(shè)計(jì)）中利用的數(shù)據(jù)集相比，仍然不夠大。另外，本次研究方法擴(kuò)展到城市級(jí)別需要從分布式集群收集大量的訓(xùn)練樣本，以及在多臺(tái)服務(wù)器上使用多個(gè) GPU 訓(xùn)練更大的神經(jīng)網(wǎng)絡(luò)。

值得注意的是，分解的三個(gè)子空間（什么要規(guī)劃、在哪里規(guī)劃和如何規(guī)劃）可以由代理共同優(yōu)化，但這需要更多的訓(xùn)練樣本。此外，什么要規(guī)劃的部分可以擴(kuò)展到包括與城市可持續(xù)性相關(guān)的其他重要元素，如公共交通路線和車站。另外，該框架還忽視了空間規(guī)劃的一些主觀評(píng)估指標(biāo)，如美學(xué)和藝術(shù)評(píng)分。

當(dāng)前框架主要受靜態(tài)指標(biāo)的引導(dǎo)，雖然可以生成具有高空間效率的社區(qū)規(guī)劃，但規(guī)劃整個(gè)城市是一項(xiàng)更加復(fù)雜的任務(wù)，需要考慮經(jīng)濟(jì)增長和居民健康在內(nèi)的多樣化目標(biāo)。通過一些靜態(tài)指標(biāo)來評(píng)估城市級(jí)別規(guī)劃的影響幾乎是不可能的。

在大多數(shù)實(shí)驗(yàn)中，研究人員忽略了數(shù)百條城市規(guī)劃的規(guī)則，沒有考慮到實(shí)際城市規(guī)劃中的土地所有權(quán)、公共通道、城市隔離和翻新等關(guān)鍵問題。但是，通過必要和合理的調(diào)整，該方法可以很好地處理這些實(shí)際規(guī)劃中的規(guī)則和政治問題。

盡管研究還存在不足之處，但我們不能否認(rèn)它的意義。

機(jī)器學(xué)習(xí)作為支持性工具可以增加人類規(guī)劃師的生產(chǎn)力，也有可能創(chuàng)造出更加可持續(xù)發(fā)展的城市生活。另外，除了幫助規(guī)劃者加速空間布局過程外，還可以為其他參與者帶來更廣泛的好處。通過引入定制選項(xiàng)到模型中，可以構(gòu)建公共平臺(tái)，促進(jìn)居民和開發(fā)商參與規(guī)劃過程。

正如研究論文所提到的那樣，城市規(guī)劃絕不是一個(gè)簡單的選擇土地利用和道路位置的游戲，而是多方利益相關(guān)者之間復(fù)雜的互動(dòng)。本次研究提出的框架展示了所有參與者更高程度參與的可能性，是邁向更加透明和包容城市的一小步。

參考鏈接：

https://www.nature.com/articles/s43588-023-00503-5

https://www.nature.com/articles/s43588-023-00515-1

作者：閆一米

編輯：學(xué)術(shù)君