Oct, 2023
AI 智能 Agent 作为城市规划师：通过基于共识的多 Agent 强化学习调整利益相关者动态
AI Agent as Urban Planner: Steering Stakeholder Dynamics in Urban Planning via Consensus-based Multi-Agent Reinforcement Learning
Kejiang Qian, Lingjun Mao, Xin Liang, Yimin Ding, Jin Gao...
TL;DR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。