Intelli-Planner：通过大型语言模型赋能的强化学习实现定制化城市规划

有效的城市规划对于提升居民生活质量和确保社会稳定至关重要，在城市可持续发展中扮演着关键角色。当前的规划方法要么严重依赖人类专家，耗时费力；要么利用深度学习算法，但往往限制了利益相关者的参与。为了弥合这些差距，我们提出了Intelli-Planner，一个新颖的框架，它将深度强化学习(DRL)与大型语言模型(LLM)相结合，以促进参与式和定制化的规划方案生成。Intelli-Planner利用人口统计、地理数据和规划偏好，为每种功能类型确定高层次规划需求和诉求。在训练过程中，采用知识增强模块来增强策略网络的决策能力。此外，我们建立了一个多维评估系统，并使用基于LLM的利益相关者进行满意度评分。在不同城市环境下的实验验证表明，Intelli-Planner在客观指标上超越了传统基线，并达到了与最先进的基于DRL的方法相当的性能，同时提高了利益相关者满意度和收敛速度。这些发现强调了我们框架的有效性和优越性，凸显了将LLM的最新进展与DRL方法相结合以革新功能区规划相关任务的潜力。