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

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

利用生成式人工智能建立反馈丰富的社会系统计算模型，通过生成代理基于模型（GABMs），将人类决策过程在社会环境中进行模拟，并探讨了社会规范扩散的一种简单 GABM 模型，以及该模型在不同情境下的敏感性和重要性。

Sep, 2023

本文介绍了城市规划和人工智能两个领域的重要性和联系，探讨了人工智能如何促进现代城市规划，主要思路是通过机器学习研究实现从社会媒体、环境、经济活动等方面对目标区域的土地利用配置自动生成，为两个领域的交叉研究提供了关键的研究方向。

Apr, 2023

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

通过使用生成型人工智能及图像修补算法，本研究提出一种方法来解决城市地区的绿地不足问题，突出显示新兴技术在塑造城市干预规划过程中的转型潜力。

Apr, 2024

通过 Governance of the Commons Simulation（GovSim）仿真平台，研究了大型语言模型在资源共享中的战略互动和合作决策，发现了在模型共享资源管理能力方面存在的巨大差距，并强调了沟通的重要性。

Apr, 2024

通过与类 ChatGPT 的大规模语言模型连接，利用基于生成的人工智能的代理人疫情模型，使每个代理人能够自主理解和决策，从而将人类行为纳入疫情模型，本研究开创可能改善动态系统建模的潜力，为代表人类大脑、推理和决策方式的建模提供一种方法。

Jul, 2023

基于大型语言模型的多智能体协作框架可用于模拟参与式城市规划，使居民的需求得到充分考虑，并在满足居民满意度和包容性指标方面取得了领先的表现，同时在服务可及性和生态指标方面超越人类专家。

Feb, 2024

通过模拟不同环境中多代理之间的语言交互，研究语言在人类集体行为中的作用，发现多信息交流有助于多样性情境中的更多新颖且有意义的新兴行为的产生。

Mar, 2024