人間の計画立案者 8 人を倒す: 清華大学チームが強化学習都市空間計画モデルを提案

作者：ビンビン

編集者: Li Baozhu、三陽

清華大学の研究チームは、強化学習による都市コミュニティ空間計画モデルと手法を提案し、人間のプランナーと人工知能アルゴリズムが連携する都市計画プロセスを実現し、スマートシティの自動計画に新たなアイデアを提供した。

都市は、安心して心豊かに暮らし、働きたいという人々の熱い期待を担うだけでなく、さまざまな経済活動を支える重要な拠点でもあります。農業時代から工業時代、そしてデジタル時代に至るまで、人々は都市の快適性と安全性を向上させるプロセスを決してやめることはありません。この過程において、都市計画の重要性はますます重要になってきています。

近年、より住みやすくするために、基本的なサービス施設まで徒歩または自転車で15分以内にアクセスできる「15分都市」というコンセプトが注目を集めており、効率的な空間を求める人々の要望が反映されています。都市部のコミュニティにおけるレイアウトの期待。しかし、都市の地理的空間が多様であるため、都市の土地配置と道路計画は非常に複雑で困難な作業であり、常に専門の計画立案者の経験に大きく依存してきました。

これを考慮して、清華大学電子学部都市科学コンピューティング研究センターと建築学部は分野を超えて協力し、深層強化学習に基づく都市コミュニティ空間計画手法を革新的に提案しました。、提案された AI モデルは、大量のデータから都市計画を学習し、空間効率を継続的に最適化し、最終的には人間の専門家を超える計画レベルに到達することができます。

MIT Senseable City Lab の研究員パオロ・サンティ氏は次のように述べています。これは、人間と AI が協力して空間レイアウト計画タスクを完了する実現可能性を実証することに成功し、都市科学に豊かな研究の方向性を提供します。現在、この研究は Nature Computational Science に掲載されています。

用紙のアドレス:

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

GitHub リンク: 

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

公式アカウントのバックエンドにある「都市計画」に返信して完全な論文を入手してください

数百万の計画データと組み合わせて、3 つの主要なコンセプトを提案

「15 分都市」の新しい都市計画では、清華大学の研究チームが仮想都市環境で数百万件の計画を実施しました。都市隣接グラフ、深層強化学習都市計画モデル、人間と人工知能の協調フレームワークを提案。

都市隣接グラフ: 多様で不規則なコミュニティの問題を克服する

畳み込みニューラル ネットワークは、囲碁やチップ設計などの定期的な入力を伴うタスクに適しています。ただし、都市コミュニティは多様で不規則であり、同様のタスクでは畳み込みニューラル ネットワークには大きな利点がありません。この問題を克服するために、研究チームは、都市幾何学のトポロジーを記述する都市隣接グラフを提案しました。

このうち、土地区画、道路、交差点などの都市地理要素はノードとして使用され、空間的隣接関係はエッジとして使用されます。グラフ モデルを使用すると、あらゆる形態の都市コミュニティに統一された表現を提供できるため、巨大なアクション空間で深層強化学習アルゴリズムの効率的な検索機能を活用し、都市コミュニティの土地と道路のインテリジェントなレイアウトを実現できます。

深層強化学習モデル: アクションスペースの削減

都市隣接グラフをモデル化することにより、都市の空間計画は動的グラフ上の一連の選択として再定式化され、グラフ空間の各ステップでエッジとノードを選択するアクションにより、それに応じてグラフが進化します。これも大きな課題の 1 つです。それは巨大なアクション スペースです。中規模のコミュニティのアクション スペースは 4000 の 100 乗を超える場合があります (各ステップには 4000 の可能なアクションがあり、コミュニティ スペースの計画には合計 100 のステップがあります)。これにより、モデリング プロセスが退屈になり、作業負荷が膨大になります。

行動範囲を減らすために、研究者らは 2 つの戦略と価値ネットワークを構築しました。ポリシー ネットワークは、AI エージェントが土地と道路の位置を選択するのを支援するために使用され、バリュー ネットワークは「15 分都市」の概念に基づいて空間計画の品質を予測します。ポリシー ネットワークからサンプリングし、バリュー ネットワークを使用して計画の品質を推定することにより、アクション スペースが大幅に削減されます。

(a) グラフニューラルネットワーク状態エンコーダ

(b) 土地利用配置戦略ネットワーク

(c) まちづくり価値判断ネットワーク

(d) 道路配置戦略ネットワーク

(e) まちづくり地図におけるマルコフの意思決定プロセスの模式図

都市の地理的要素を効率的に表現するために、研究者らはさらに、グラフ ニューラル ネットワーク (GNN) に基づいた状態エンコーダーを開発しました。これは、価値ネットワークとポリシー ネットワークの間で共有され、都市連続性グラフ上のメッセージングと近隣集約を活用して、土地、道路セグメント、交差点間の空間関係をキャプチャします。

人間と人工知能の協働: 時間効率が 3000 倍向上

都市計画手法の複雑さを考えると、研究チームはAIが人間のプランナーと協力するためのワークフローを提案ここでは、人間のプランナーがコンセプトのプロトタイピングに集中し、モデルを利用して、重くて時間のかかる計画作業を完了します。

このワークフローは、客観的な計画指標と 100 人のプロのプランナーによる主観的なブラインド テストの両方において、完全に人間によって完了したワークフローを上回り、時間効率が 3,000 倍でした。これは、人間のプランナーと人工知能の間の共同ワークフローを設計することにより、人間のプランナーの作業効率が大幅に向上し、さまざまなスタイルのまちづくり計画を効率的に生成できることを示しています。 。

新しい手法が人間のプランナー 8 人を上回る

実験の結果、この調査手法に基づいたまちづくりソリューションが「15分都市」のさまざまな指標を大幅に改善できることが示されました。同じ初期条件と計画制約の下で、この方法は最先端のアルゴリズムや人間の計画立案者よりも大幅に優れており、スペース効率の客観的指標を 48.6% 以上改善できます。

特に既存のリアルコミュニティを初期条件として使用する場合、このモデルは、18.5% を超えるさまざまな施設への住民のアクセスを大幅に改善する土地利用転換計画を生成できます。

(a) 集中型ヒューリスティック手法 (b) 分散型ヒューリスティック手法 (c) 遺伝的アルゴリズム (d) 多層パーセプトロン強化学習アルゴリズム (e) 本研究で提案する手法 (fg) 15 分間の都市パフォーマンス指標の比較: f サービス指数、g 生態指数

(ah) 人間のプランナーによって作成された空間計画。
(i) 研究チームが提案した手法により作成された空間計画。
(j) 両者間のサービス効率と環境効率のパフォーマンスの比較。
(k) 2 つの設計間での 5 つの基本的な居住ニーズ サービスのアクセシビリティの比較。

その結果、研究チームが提案した方法は、サービスと生態学的指標の点でプロの人間プランナー8人を破ったことが示されました。。具体的には、この方法により、プランナーの最高パフォーマンスと平均パフォーマンスに比べて、サービス効率がそれぞれ 13.64% と 19.52% 向上します。生態学的指標の観点からは、15.38% と 59.65% の効率がそれぞれ向上しています。

さらに、研究チームが提案した方法は、5つの基本的な住宅需要サービス（教育、医療、買い物、仕事、娯楽）へのアクセスの点で、よりバランスの取れたパフォーマンスを達成しており、人間全体と比較して3/5の順位を占めています。プランナー最高。

人間と機械の結合: 都市計画の未来

都市計画は、人口、組織、環境、テクノロジーを含む複雑なエコシステムに対処する必要がある一方で、テクノロジー応用の下流に位置し、業界のデジタルアップグレードは遅れて始まりました。

近年、AI の進歩により、都市計画者は AI アルゴリズムとデータ分析テクノロジーを使用して、現代の都市を構成する複雑なシステムをより深く理解し、都市計画の問題についてより適切な意思決定を行うことができるようになりました。賢明な決断。ただし、都市計画は単に土地利用と道路の位置を選択するだけのゲームではなく、複数の関係者間の複雑な相互作用であることに注目する価値があります。

現在の都市計画への AI モデルの参加は、主に静的な指標によって導かれていますが、空間効率の高いコミュニティ計画を作成することは可能ですが、都市全体の計画は、経済成長や住民の健康などの多様な目標を考慮する必要がある、より複雑なタスクです。さらに、土地所有権、公共アクセス、都市分離、改修などの要素はすべて注意が必要です。

私たちは、人間のプランナーがスペース レイアウト プロセスをスピードアップするのに役立つだけでなく、AI モデルが他の参加者にも広範なメリットをもたらすことを期待しています。たとえば、モデルにカスタマイズ オプションを導入し、計画プロセスへの住民や開発者の参加を促進するための公共プラットフォームを構築します。今回清華大学の研究チームが提案した枠組みは、すべての参加者がより高いレベルで参加できる可能性を示しており、より透明性が高く包括的な都市に向けた重要な一歩でもある。