近日，清华大学电子系城市科学与计算研究中心、建筑学院与国外学者组成跨学科团队，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。

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”，演变为二战后被视为复杂系统，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。

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。

图1.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

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。

图2.基于LLM的城市概念设计流程图

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。

图3.城市方案生成示意图

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。研究团队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。

图4.基于LLM&VLM智能体的城市规划效果评估方案

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，研究团队让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，证明了其在概念设计阶段的巨大潜力。

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。

图5.LLM生成城市规划效果示意图

该工作建立了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。

研究成果以“大语言模型时代的城市规划”（Urban planning in the era of large language models）为题，于9月8日发表于《自然·计算科学》（Nature Computational Science）。

清华大学电子系2019级博士生郑瑜为论文第一作者，清华大学电子系教授李勇、建筑学院助理教授林雨铭以及美国东北大学环境工程系副教授王琦（Qi R. Wang）为论文通讯作者。论文共同合作者包括清华大学电子系助理教授徐丰力，以及麻省理工学院（MIT）感知城市实验室研究员保罗·桑蒂（Paolo Santi）和教授卡洛·拉蒂（Carlo Ratti）。研究得到国家重点研发计划的支持。