本文提出了一种基于深度生成学习和人类指导的深层次生成模型来解决传统城市规划中的一些局限性，通过标记实现从目标区域到分区再到网格的三级生成过程，包括感知规划需求、功能投影和多关注模型等来生成网格水平的土地利用配置。

Dec, 2022

通过深度学习和对空间环境的分析，提出了一种用于自动规划城市用地的敌对学习框架，可以加快城市规划进程并提高规划效率。

Aug, 2020

通过集成先进的信息、通信和计算技术对现代城市进行数字化转型，标志着数据驱动的智能城市应用迈入了一个新时代，以实现高效和可持续的城市管理。本综述旨在探讨生成式人工智能技术与城市数字孪生的创新整合，以解决智慧城市领域中的挑战，如交通与流动性管理、能源系统运营、建筑和基础设施管理以及城市设计。综述从介绍热门生成式人工智能模型及其应用领域开始，然后系统回顾现有的利用生成式人工智能技术自治能力促进城市监测和预测分析的城市科学应用，包括数据增强、合成数据和场景生成、自动化 3D 城市建模以及生成式城市设计和优化。在回顾的基础上，本综述讨论了将生成式人工智能模型融入下一代城市数字孪生中以实现更可靠、可扩展和自动化管理智慧城市的潜在机会和技术策略。

May, 2024

本研究探讨了生成人工智能在理解城市人类感知方面的能力，在通过筛选的文字和图像描述来捕捉城市地方认同感方面具有潜力，因此它可以为城市设计文献提供未来研究机会和潜在局限性。

Jun, 2023

采用深度生成学习构建基于人类指导、考虑空间层级的城市规划器，并引入生成对抗网络以解决空间层级问题。

Sep, 2022

人文地理学中人工智能的最新进展和应用主要集中在机器（深度）学习方面，包括地点表示与建模，空间分析与预测性映射，城市规划与设计。这一交叉学科合作将有助于推动 GeoAI 的发展，为所有人创造一个更好和可持续发展的世界。

Dec, 2023

这篇论文提出了一种集成计算机视觉和生成式人工智能（genAI）的新方法，通过先进的图像分割和扩散模型的协同作用，实现了城市设计的全面方法。我们的研究方法涵盖了详细图像分割的 OneFormer 模型和通过 ControlNet 实现的文本描述生成图像的稳定扩散 XL（SDXL）扩散模型。早期测试表明，UrbanGenAI 不仅提升了城市景观重建的技术前沿，也在设计教学和社区参与的城市规划方面提供了显著的益处。UrbanGenAI 的持续发展旨在对其在更广泛的背景下的有效性进行进一步验证，并集成实时反馈机制和三维建模能力等附加功能。

Jan, 2024

智能交通系统中的生成人工智能技术在处理不同类型任务的关键问题方面发挥了至关重要的作用，包括交通感知、交通预测、交通仿真和交通决策，并总结了在将生成人工智能应用于智能交通系统时面临的挑战和基于不同应用场景的未来研究方向。

Dec, 2023

这篇文章探讨了生成人工智能在建筑设计中的广泛应用，从生成 2D 图像、视频和 3D 模型的基本原理到对建筑设计各个阶段的影响，指出了设计创新的新方向和应用生成人工智能的新轨迹。

Mar, 2024

城市规划中，土地利用调整在将土地配置与可持续城市发展的当前需求相一致方面起着至关重要的作用。然而，现今城市规划实践面临两个主要问题，即土地利用决策过于依赖人类专家，并且难以协调利益多样化的利益相关者。为了解决这些挑战，我们引入了基于共识的多智能体强化学习框架来进行现实世界的土地利用调整。该框架用于参与型城市规划，允许多样化的智能体作为利益相关者的代表为首选土地利用类型投票。在此框架中，我们提出了一种新的共识机制在奖励设计中，通过集体决策来优化土地利用。为了抽象复杂城市系统的结构，城市的地理信息被转化为空间图结构，然后通过图神经网络进行处理。对来自现实社区的传统自上而下规划和参与型规划方法的全面实验表明，我们的计算框架增强了全局效益并适应了多样化的利益，提高了不同人群的满意度。通过整合多智能体强化学习，我们的框架确保参与型城市规划决策更加动态和适应不断变化的社区需求，并提供了一个强大的平台来自动化处理复杂的现实世界城市规划过程。

Oct, 2023