基于双阶段流的可追溯城市规划生成建模
机器学习
2023-10-05 v1
摘要
城市规划旨在为目标区域设计可行的土地利用配置，在现代高速城市化进程中变得愈发重要。然而，由人类设计师进行的传统城市规划可能是一项复杂而繁重的任务。得益于深度学习算法的进步，研究者已开始开发自动化规划技术。尽管这些模型已展现出有前景的结果，它们仍面临若干未解决的局限：1）忽略城市功能区与配置之间的关系，且未能捕捉不同功能区之间的关系。2）生成过程可解释性与稳定性不足。为克服这些局限，我们提出了一种基于归一化流（normalizing flows）的新颖生成框架，即双阶段城市流（Dual-stage Urban Flows, DSUF）框架。具体而言，第一阶段利用区域级城市规划流，基于给定的周边语境与人类引导生成城市功能区。随后我们采用信息融合模块捕捉功能区之间的关系并融合不同方面的信息。第二阶段利用配置级城市规划流，从融合信息中获得土地利用配置。我们设计了若干实验以表明，我们的框架在城市规划任务上优于其他生成模型。
引用
@article{arxiv.2310.02453,
title = {Dual-stage Flows-based Generative Modeling for Traceable Urban Planning},
author = {Xuanming Hu and Wei Fan and Dongjie Wang and Pengyang Wang and Yong Li and Yanjie Fu},
journal= {arXiv preprint arXiv:2310.02453},
year = {2023}
}