解码城市工业复杂性：通过 IndustryScopeGPT 提升数据驱动洞察

工业园区是城市经济增长的关键因素。然而，其发展常常面临工业需求与城市服务之间失衡的挑战，凸显了战略规划和运营的必要性。本文引入 IndustryScopeKG，一个大型多模态、多层次的工业园区知识图谱，整合了包括街景、企业、社会经济和地理空间信息等多样化城市数据，捕捉工业园区内部复杂关系和语义。同时，我们提出 IndustryScopeGPT 框架，利用大型语言模型 (LLM) 结合蒙特卡洛树搜索，以提升工业园区规划与运营 (IPPO) 中的工具增强推理与决策能力。我们的工作显著改善了场地推荐和功能规划，展示了将 LLM 与结构化数据集结合以推进工业园区管理的潜力。该方法为智能 IPPO 研究树立了新标杆，为推进城市工业发展奠定了坚实基础。该数据集及相关代码已提供，地址为 https://github.com/Tongji-KGLLM/IndustryScope。