清华-MIT团队提出LLM驱动的智能城市规划框架，实现“概念-生成-评估”全流程人机协同，革新城市设计，共创宜居未来。
原文标题：研究成果 | 清华-MIT联合团队在Nature子刊《自然·计算科学》上发文，提出大语言模型驱动的城市规划新范式
原文作者：数据派THU
冷月清谈：
文章指出，传统规划方法仍受限于规划师中心制、公众参与不足及定性评估等问题。而大语言模型凭借其强大的知识整合、逻辑推理及多模态生成能力，为此带来了突破性机遇。研究团队提出的闭环框架包含概念设计、方案生成和效果评估三个核心阶段，并由大语言模型、视觉大模型（VLM）和LLM智能体协同驱动。
在概念设计阶段，LLM作为跨学科的“规划顾问”，能与规划师进行多轮对话，整合多领域知识，生成创新性概念和初步空间构想草图。方案生成阶段则利用VLM将这些抽象的文本概念转化为具体的、可视化的城市设计方案，如土地利用布局、建筑轮廓，甚至逼真的三维城市场景。效果评估阶段引入LLM智能体构建“虚拟城市”，模拟不同人口统计学特征的居民行为，从而量化评估方案在交通距离、设施使用率、碳排放和社会公平性等方面的潜在影响，为规划方案的迭代优化提供科学、前瞻性的反馈。
初步验证实验显示，LLM在专业考题上表现超越部分人类专家，LLM智能体模拟的热点区域也与真实人群流动数据高度吻合，展现了其巨大潜力。该框架强调建立一种人机协同的新工作流，让人类规划师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。同时，团队也坦承面临着高质量城市设计数据稀缺、巨大的计算资源需求和模型中潜在地理社会偏见等挑战，并呼吁未来在建立开放数据平台、开发更高效专用模型和设计公平性算法方向进行深入研究，以期构建更高效宜居、可持续的未来城市。
怜星夜思：
2、报告里说AI是助攻，不是要取代人类规划师的。但想知道大家觉得，未来我们城市的规划师具体会做哪些事情？那些特别专业又很具创意性的活儿，AI能帮上多少忙？还有啊，如果我住的房子、走的街道是AI‘设计’的，大家能接受吗？会不会觉得很冷冰冰？
3、文章里说城市规划需要大量高质量数据，同时又要避免AI的潜在偏见。那么，收集这些数据的时候，怎么才能在方便AI规划城市的同时，又保护好咱们老百姓的个人隐私呢？大家觉得哪些数据是AI规划城市最需要的，但又最容易触碰到隐私红线的？
原文内容
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。
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。
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。
-
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。
图2: 基于LLM的城市概念设计流程图
-
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。
图3：城市方案生成示意图
-
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。
图4：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。
图5：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。
论文链接：https://www.nature.com/articles/s43588-025-00846-1
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。
