هزيمة 8 مخططين بشريين: يقترح فريق تسينغهوا نموذجًا للتخطيط المكاني الحضري يعتمد على التعلم المعزز

المؤلف: بينبين

المحرر: لي باوزو، سانيانغ

اقترح فريق البحث بجامعة تسينغهوا نموذجًا وطريقة للتعلم المعزز للتخطيط المكاني للمجتمع الحضري، وأدرك عملية تخطيط حضري يتعاون فيها المخططون البشريون مع خوارزميات الذكاء الاصطناعي، مما يوفر فكرة جديدة للتخطيط الآلي للمدن الذكية.

إن المدن لا تحمل توقعات الناس المتحمسة لحياة مستقرة ومزدهرة فحسب، بل إنها تشكل أيضًا أساسًا مهمًا لدعم الأنشطة الاقتصادية المختلفة. من العصر الزراعي إلى العصر الصناعي، ثم إلى العصر الرقمي اليوم، لم يتوقف الناس أبدًا عن تحسين الراحة والأمان في المدن. وفي هذه العملية، أصبحت أهمية التخطيط الحضري بارزة بشكل متزايد.

في السنوات الأخيرة، ومع التوجه نحو جعل المدن أكثر ملاءمة للعيش، حظي مفهوم "مدينة الـ15 دقيقة" بمزيد من الاهتمام. ويتمثل جوهرها في تمكين السكان من الوصول إلى مرافق الخدمات الأساسية سيراً على الأقدام أو بالدراجة في غضون 15 دقيقة، وهو ما يعكس توقعات الناس بشأن التخطيط المكاني الفعال في المجتمعات الحضرية. ومع ذلك، ونظرا لتنوع المساحة الجغرافية الحضرية، فإن تخطيط استخدام الأراضي الحضرية وتخطيط الطرق يعد مهمة معقدة وصعبة للغاية، وكانت تعتمد دائمًا بشكل كبير على خبرة المخططين المحترفين.

وفي ضوء ذلك،تعاون مركز أبحاث علوم المدن والحوسبة بجامعة تسينغهوا وكلية الهندسة المعمارية عبر التخصصات لاقتراح طريقة مبتكرة للتخطيط المكاني للمجتمع الحضري تعتمد على التعلم التعزيزي العميقيمكن لنموذج الذكاء الاصطناعي المقترح أن يتعلم التخطيط الحضري من البيانات الضخمة، ويحسن الكفاءة المكانية بشكل مستمر، ويحقق في النهاية مستوى تخطيط يتجاوز مستوى الخبراء البشريين.

قال باولو سانتي، وهو عالم أبحاث في مختبر Senseable City التابع لمعهد ماساتشوستس للتكنولوجيا:وقد أثبت هذا بنجاح إمكانية تعاون البشر والذكاء الاصطناعي لإكمال مهام تخطيط التصميم المكاني، مما يوفر اتجاهات بحثية غنية للعلوم الحضرية.وقد تم نشر البحث حاليًا في مجلة Nature Computational Science.

عنوان الورقة:

https://www.nature.com/articles/s43588-023-00503-5

رابط GitHub: 

https://github.com/tsinghua-fib-lab/DRL-urban-planning

رد على "التخطيط الحضري" في حساب WeChat العام للحصول على الورقة الكاملة

من خلال الجمع بين ملايين بيانات التخطيط، تم اقتراح 3 مفاهيم رئيسية

استجابة للتخطيط المجتمعي الجديد "مدينة الـ15 دقيقة"، أجرى فريق البحث بجامعة تسينغهوا ملايين التخطيط في بيئة حضرية افتراضية.نقترح رسمًا بيانيًا لتجاور المدينة، ونموذج تخطيط حضري يعتمد على التعلم المعزز العميق، وإطار عمل تعاوني بين الذكاء البشري والاصطناعي.

الرسوم البيانية للتجاور الحضري: التغلب على تحديات الأحياء المتنوعة وغير المنتظمة

الشبكات العصبية التلافيفية مناسبة للمهام ذات المدخلات المنتظمة، مثل لعبة Go وتصميم الشريحة. ومع ذلك، فإن المجتمعات الحضرية متنوعة وغير منتظمة، والشبكات العصبية التلافيفية لا تتمتع بمزايا كبيرة في المهام المماثلة. للتغلب على هذه المشكلة،واقترح فريق البحث رسمًا بيانيًا لتجاور المدينة لوصف البنية الطوبولوجية للهندسة الحضرية.

ومن بينها، يتم استخدام العناصر الجغرافية الحضرية كعقد، بما في ذلك المخططات والطرق والتقاطعات وما إلى ذلك، في حين يتم استخدام علاقات التجاور المكانية كحواف. إن استخدام النماذج الرسومية يمكن أن يوفر تمثيلًا موحدًا للمجتمعات الحضرية من أي شكل، وبالتالي الاستفادة من قدرات البحث الفعالة لخوارزميات التعلم التعزيزي العميق في مساحات العمل الضخمة وتحقيق تخطيط ذكي لأراضي وطرق المجتمع الحضري.

نموذج التعلم التعزيزي العميق: تقليل مساحة العمل

من خلال نمذجة الرسم البياني للتجاور الحضري، يتم إعادة صياغة التخطيط المكاني الحضري كسلسلة من الاختيارات التي تم إجراؤها على رسم بياني ديناميكي، حيث تؤدي كل خطوة من خطوات تحديد الحواف والعقد في مساحة الرسم البياني إلى تطور الرسم البياني وفقًا لذلك. وهذا تحدي كبير آخر - مساحة العمل الضخمة. قد تتجاوز مساحة العمل لمجتمع متوسط الحجم 4000 إلى القوة 100 (4000 إجراء ممكن في كل خطوة، وإجمالي 100 خطوة لتخطيط مساحة المجتمع)، مما يجعل عملية النمذجة مرهقة وتتطلب الكثير من العمالة.

ولتقليص مساحة العمل، قام الباحثون ببناء استراتيجيتين وشبكة قيم.يتم استخدام شبكة السياسة لمساعدة وكيل الذكاء الاصطناعي في اختيار موقع الأرض والطرق، ويتم استخدام شبكة القيمة للتنبؤ بجودة التخطيط المكاني بناءً على مفهوم "مدينة الـ 15 دقيقة". ومن خلال أخذ العينات من شبكة السياسات واستخدام شبكة القيمة لتقدير جودة التخطيط، يتم تقليص مساحة العمل بشكل كبير.

(أ) مُرمِّز حالة الشبكة العصبية البيانية

(ب) شبكة استراتيجية استخدام الأراضي

(ج) شبكة تقدير قيمة التخطيط المجتمعي

(د) شبكة استراتيجية تخطيط الطرق

(هـ) مخطط تخطيطي لعملية اتخاذ القرار ماركوف على خريطة التخطيط المجتمعي

ومن أجل الحصول على تمثيل فعال للعناصر الجغرافية الحضرية،قام الباحثون بتطوير مشفر حالة يعتمد على شبكة عصبية بيانية (GNN)، والذي يتم مشاركته بين شبكات القيمة والسياسة، يستغل تمرير الرسائل وتجميع الجيران على رسم بياني لاستمرارية المناطق الحضرية لالتقاط العلاقات المكانية بين الأراضي وأجزاء الطرق والتقاطعات.

التعاون بين الإنسان والذكاء الاصطناعي: أسرع بـ 3000 مرة

ونظرا لتعقيد أساليب التخطيط الحضري،اقترح فريق البحث سير عمل للذكاء الاصطناعي والمخططين البشريين للتعاونحيث يركز المخططون البشريون على إنشاء النماذج الأولية للمفاهيم، ويُستخدم النموذج للقيام بأعمال التخطيط الشاقة والتي تستغرق وقتًا طويلاً.

يتفوق سير العمل هذا على سير العمل الذي يكمله البشر بالكامل في كل من مؤشرات التخطيط الموضوعية وفي الاختبار الأعمى الذاتي الذي يجريه 100 مخطط محترف، كما أنه أكثر كفاءة من حيث الوقت بنحو 3000 مرة. ويُظهر هذا أن المخططين البشريين يمكنهم الاستفادة من سير العمل التعاوني بين الذكاء الاصطناعي والبشر. من خلال تصميم سير عمل تعاوني بين المخططين البشريين والذكاء الاصطناعي، يمكن تحسين كفاءة عمل المخططين البشريين بشكل كبير، ويمكن إنشاء خطط تخطيط مجتمعية بأنماط مختلفة بكفاءة.

طريقة جديدة تتفوق على 8 مخططين بشريين

وتظهر التجارب أن مخطط التخطيط المجتمعي المبني على طريقة البحث هذه يمكن أن يحسن بشكل كبير المؤشرات المختلفة لـ "مدينة الـ 15 دقيقة".في ظل نفس الظروف الأولية وقيود التخطيط، تتفوق طريقتنا بشكل كبير على الخوارزميات الحديثة والمخططين البشريين، مما يحسن المقياس الموضوعي للكفاءة المكانية بأكثر من 48.6%.

وخاصة عند استخدام المجتمعات الحقيقية الموجودة كشروط أولية،يمكن للنموذج إنشاء خطط لتحويل استخدام الأراضي تعمل على تحسين إمكانية وصول السكان إلى المرافق المختلفة بشكل كبير بما يزيد عن 18.5%.

(أ) طريقة الاستدلال المركزية (ب) طريقة الاستدلال اللامركزية (ج) الخوارزمية الجينية (د) خوارزمية التعلم المعزز متعدد الطبقات (هـ) الطريقة التي اقترحها البحث (و) مقارنة مؤشرات أداء المدينة لمدة 15 دقيقة: و مؤشرات الخدمة، ز المؤشرات البيئية

(أه) الخطط المكانية التي وضعها المخططون البشريون.
(i) المخطط المكاني للأرضية الناتج عن الطريقة المقترحة.
(ج) مقارنة بين أداء الخدمة والكفاءة البيئية لكليهما.
(ك) مقارنة إمكانية الوصول إلى الخدمات لتلبية خمسة احتياجات سكنية أساسية بين التصميمين.

وتظهر النتائج أن الطريقة التي اقترحها فريق البحث تفوقت على 8 مخططين بشريين محترفين من حيث الخدمات والمؤشرات البيئية.. وعلى وجه التحديد، تعمل الطريقة المقترحة على تحسين كفاءة الخدمة بمقدار 13.64% و19.52% بالنسبة لأفضل أداء للمخطط المتوسط، على التوالي. ومن حيث المؤشرات البيئية، تم تحسين الكفاءة بمقدار 15.38% و 59.65% على التوالي.

وعلاوة على ذلك، فيما يتعلق بإمكانية الوصول إلى خمس خدمات أساسية للطلب السكني (أي التعليم، والرعاية الطبية، والتسوق، والعمل، والترفيه)، فإن الطريقة التي اقترحها فريق البحث لا تزال تحقق أداءً أكثر توازناً، مع تصنيف 3/5 وهو الأعلى نسبياً لجميع المخططين البشريين.

التكامل بين الإنسان والآلة: مستقبل التخطيط الحضري

من ناحية أخرى، يتعين على التخطيط الحضري التعامل مع نظام بيئي معقد يشمل السكان والتنظيم والبيئة والتكنولوجيا. ومن ناحية أخرى، فهي تقع في مجرى تطبيق التكنولوجيا، وقد بدأت عملية التحديث الرقمي للصناعة متأخرة.

في السنوات الأخيرة، جلبت التطورات في مجال الذكاء الاصطناعي فرصًا جديدة لمخططي المدن. وباستخدام خوارزميات الذكاء الاصطناعي وتقنيات تحليل البيانات، يمكن للمخططين اكتساب فهم أعمق للأنظمة المعقدة التي تشكل المدن الحديثة، مما يساعدهم على اتخاذ قرارات أكثر استنارة بشأن القضايا المتعلقة بالتخطيط الحضري. ومع ذلك، تجدر الإشارة إلى أن التخطيط الحضري ليس لعبة تتطلب فقط اختيار استخدام الأراضي ومواقع الطرق، بل هو تفاعل معقد بين أصحاب المصلحة المتعددين.

في الوقت الحاضر، تسترشد نماذج الذكاء الاصطناعي المشاركة في التخطيط الحضري بشكل أساسي بالمؤشرات الثابتة. وعلى الرغم من إمكانية إعداد خطط مجتمعية ذات كفاءة مكانية عالية، فإن تخطيط مدينة بأكملها يعد مهمة أكثر تعقيداً وتتطلب النظر في أهداف متنوعة بما في ذلك النمو الاقتصادي وصحة السكان. وبالإضافة إلى ذلك، فإن القضايا مثل ملكية الأراضي، والوصول العام، والفصل الحضري والتجديد، كلها تتطلب الاهتمام.

ونأمل أنه بالإضافة إلى مساعدة المخططين البشريين في تسريع عملية التخطيط المكاني، فإن نموذج الذكاء الاصطناعي قادر أيضًا على جلب فوائد أوسع للمشاركين الآخرين. على سبيل المثال، من خلال إدخال خيارات التخصيص في النموذج، يمكن بناء منصة عامة لتسهيل مشاركة السكان والمطورين في عملية التخطيط. ويوضح الإطار الذي اقترحه فريق البحث بجامعة تسينغهوا إمكانية تحقيق مستوى أعلى من المشاركة من قبل جميع المشاركين وهو خطوة مهمة نحو مدينة أكثر شفافية وشاملة.