用于自动化城市规划的深度人类引导条件变分生成建模

城市规划设计土地利用配置，并能有益于建设宜居、可持续、安全的社区。受图像生成的启发，深度城市规划旨在利用深度学习生成土地利用配置。然而，城市规划是一个复杂的过程。现有研究通常忽略了规划中对个性化人类引导的需求，以及规划生成中的空间层次结构。此外，缺乏大规模土地利用配置样本带来了数据稀疏性挑战。本文研究了一种新颖的深度人类引导城市规划方法，以共同解决上述挑战。具体而言，我们将该问题表述为基于深度条件变分自编码器的框架。在该框架中，我们利用深度编码器-解码器设计来生成土地利用配置。为了捕捉土地利用的空间层次结构，我们强制解码器生成功能区的粗粒度层和 POI 分布的细粒度层。为了整合人类引导，我们允许人类将其需求描述为文本，并将这些文本用作模型的条件输入。为了缓解训练数据稀疏性并提高模型鲁棒性，我们引入了变分高斯嵌入机制。它不仅使我们能够更好地逼近训练数据的嵌入空间分布并采样更大规模的群体以克服稀疏性，而且为城市规划生成增加了更多的概率随机性，以提高嵌入多样性，从而提高鲁棒性。最后，我们进行了广泛的实验以验证我们方法提升的性能。