導(dǎo)讀

城市體檢在城市更新與治理中的重要性日益凸顯，但傳統(tǒng)技術(shù)方法已逐步無法滿足智能化、精細化的城市治理需求，大數(shù)據(jù)和人工智能技術(shù)為新時期的城市體檢提供了新思路、新手段。

針對傳統(tǒng)城市體檢在數(shù)據(jù)采集、分析診斷、決策支持與公眾參與等方面的問題與局限性，在系統(tǒng)分析大數(shù)據(jù)和人工智能技術(shù)對傳統(tǒng)城市體檢影響的基礎(chǔ)上，圍繞一體化推進城市體檢與城市更新的全流程要求，構(gòu)建了“多源數(shù)據(jù)動態(tài)感知與融合處理——城市問題智能評估與分析診斷——城市更新智能決策與公眾參與”的技術(shù)架構(gòu)，搭建了智能化城市體檢信息平臺系統(tǒng)架構(gòu)，并結(jié)合項目實踐案例，提出大數(shù)據(jù)和人工智能在城市體檢全流程中的具體應(yīng)用方向和實現(xiàn)路徑，以期為推動城市體檢智能化、精細化轉(zhuǎn)型，以及城市更新治理提供科學(xué)依據(jù)和技術(shù)支撐。

本文字數(shù)：9126字

閱讀時間：28分鐘

作者 | 丁俊、張思敏

廣東省城鄉(xiāng)規(guī)劃設(shè)計研究院科技集團股份有限公司，廣東省智慧安全城市規(guī)劃與監(jiān)測重點實驗室

關(guān)鍵詞

大數(shù)據(jù)、人工智能、城市體檢、技術(shù)架構(gòu)、應(yīng)用路徑

1

引 言

城市體檢是實施城市更新行動、統(tǒng)籌城市規(guī)劃建設(shè)管理、推動城市人居環(huán)境高質(zhì)量發(fā)展的重要抓手，也是補齊城市建設(shè)短板、解決“城市病”問題的一項基礎(chǔ)性工作[1]。自2015年中央城市工作會議提出“建立城市體檢評估機制”以及2017年住房和城鄉(xiāng)建設(shè)部提出“一年一體檢、五年一評估”的要求以來，城市體檢在理論和實踐上都得到了快速發(fā)展[2]。在理論層面，學(xué)術(shù)界從城市體檢的理論基礎(chǔ)[3]、方法體系[4]、技術(shù)體系[5]、指標(biāo)體系[6-7]、機制創(chuàng)新[8]等方面開展了大量研究；在實踐層面，自2019年住房和城鄉(xiāng)建設(shè)部開展全國首批城市體檢評估試點以來，城市體檢工作逐步推廣，各樣本城市和試點城市結(jié)合城市更新工作，探索了一批可復(fù)制可推廣的經(jīng)驗。

然而，隨著城市規(guī)模和復(fù)雜程度與日俱增，傳統(tǒng)城市體檢技術(shù)方法已逐步無法滿足動態(tài)、精細化的城市治理需求，在數(shù)據(jù)采集處理、城市問題診斷、城市更新決策支持等方面都暴露出了一系列問題和短板。近年來，大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展為城市體檢提供了新的思路和手段。部分學(xué)者從時空大數(shù)據(jù)采集[9]、定量評價模型構(gòu)建[10]、數(shù)字化城市體檢平臺[11]搭建等方面，探討了大數(shù)據(jù)、人工智能等新技術(shù)賦能城市體檢的應(yīng)用方向和實踐路徑。但是，目前已有研究和實踐仍處于起步階段，尚未構(gòu)建起系統(tǒng)化的大數(shù)據(jù)和人工智能驅(qū)動下的城市體檢技術(shù)架構(gòu)，大數(shù)據(jù)和人工智能在城市體檢中的應(yīng)用也有待進一步深化。

基于此，本文在深刻總結(jié)傳統(tǒng)城市體檢面臨的主要問題與短板基礎(chǔ)上，系統(tǒng)分析大數(shù)據(jù)、人工智能等新技術(shù)對傳統(tǒng)城市體檢的影響，嘗試構(gòu)建基于大數(shù)據(jù)和人工智能的城市體檢技術(shù)架構(gòu)，并結(jié)合筆者團隊的一些項目實踐經(jīng)驗，提出其在城市體檢全流程中的應(yīng)用方向和實現(xiàn)路徑，以期為推動城市體檢智能化、精細化轉(zhuǎn)型提供技術(shù)支撐。

2

傳統(tǒng)城市體檢面臨的主要問題

自開展城市體檢工作以來，從國家到地方都已形成了相對成熟的工作機制，各樣本城市和試點城市通過城市自我體檢、第三方體檢、社會滿意度調(diào)查等方式，也探索了各具特色的工作路徑。總的來說，當(dāng)前城市體檢在明確體檢范圍與對象的前提下，基本遵循“指標(biāo)體系構(gòu)建-數(shù)據(jù)采集處理-問題分析診斷-結(jié)果應(yīng)用反饋”的技術(shù)路徑，形成“發(fā)現(xiàn)問題-解決問題-鞏固提升”的城市體檢工作機制。但是，在實際工作中，傳統(tǒng)城市體檢仍存在以下問題與局限性：

2.1

數(shù)據(jù)采集與整合的低效性

在數(shù)據(jù)采集方面，傳統(tǒng)城市體檢主要依賴統(tǒng)計年鑒、部門上報、實地調(diào)查、問卷調(diào)查等方式，數(shù)據(jù)獲取周期長，人力成本和時間成本高，且效率低下。傳統(tǒng)城市體檢的數(shù)據(jù)更新周期長，通常是以年度為單位的靜態(tài)數(shù)據(jù)，無法捕捉城市短期的問題，難以實時反映城市的動態(tài)運行狀態(tài)，且人工調(diào)查、統(tǒng)計報表等數(shù)據(jù)獲取方式易受人為因素影響，數(shù)據(jù)的準(zhǔn)確性難以保證。在數(shù)據(jù)整合和分析處理方面，由于城市體檢的數(shù)據(jù)來源廣泛且分散，各部門數(shù)據(jù)格式不統(tǒng)一，數(shù)據(jù)孤島現(xiàn)象嚴重，給多源異構(gòu)數(shù)據(jù)整合和共享帶來了很大困難。另外，隨著城市復(fù)雜性和獲取數(shù)據(jù)量的增加，傳統(tǒng)低效的數(shù)據(jù)整合與處理方法已無法滿足動態(tài)、精細化的城市治理需求。

2.2

分析方法與工具的局限性

在數(shù)據(jù)分析評估方面，傳統(tǒng)城市體檢主要依賴描述性統(tǒng)計與簡單的趨勢分析、對比分析等方法來綜合評價城市運行狀態(tài)，評價過程中專家經(jīng)驗權(quán)重分配的主觀性較強，因而導(dǎo)致分析深度往往不足。在城市問題識別和預(yù)測方面，面對城市這一動態(tài)復(fù)雜系統(tǒng)，由于數(shù)據(jù)處理和分析模型的局限，傳統(tǒng)城市體檢分析模型難以捕捉城市運行中的細微變化和潛在問題，也難以準(zhǔn)確模擬城市多要素交互效應(yīng)，因而難以全面、精準(zhǔn)地評估城市運行狀態(tài)，為城市更新治理提供前瞻性的決策支持。在分析結(jié)果的可視化和交互方面，傳統(tǒng)城市體檢報告以文字圖表為主，缺乏三維動態(tài)可視化平臺，決策者難以直觀理解城市問題空間分布與演變趨勢。

2.3

公眾參與和治理閉環(huán)不足

公眾參與是城市體檢的重要環(huán)節(jié)，但傳統(tǒng)城市體檢中的公眾參與度普遍較為薄弱，多采用抽樣調(diào)查來收集市民意見，反饋渠道單一，信息顆粒度粗且參與度低，治理過程透明度不足，市民難以直觀反饋意見和直接監(jiān)督城市更新進展。另外，在城市體檢的決策支持方面，傳統(tǒng)城市體檢往往通過“問題清單”形式提出整改建議，整改效果需等待下一輪體檢周期驗證，缺乏動態(tài)跟蹤與效果評估機制，難以形成“監(jiān)測-診斷-優(yōu)化-復(fù)查”閉環(huán)，易陷入“年年體檢、問題依舊”的循環(huán)，因而造成城市體檢決策與執(zhí)行脫節(jié)的情況。

3

大數(shù)據(jù)和人工智能對傳統(tǒng)城市體檢的影響

近年來，大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展為城市體檢提供了新的思路和手段，正在推動傳統(tǒng)城市體檢從靜態(tài)評估向動態(tài)監(jiān)測、從經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)變，將重構(gòu)城市體檢數(shù)據(jù)采集、分析診斷和決策支持的底層邏輯，為城市更新治理提供更加智能高效的技術(shù)支撐。具體表現(xiàn)在以下幾個方面：

3.1

數(shù)據(jù)融合從碎片低效到標(biāo)準(zhǔn)高效

針對傳統(tǒng)城市體檢數(shù)據(jù)來源碎片化、獲取周期長、動態(tài)性不足等問題，大數(shù)據(jù)技術(shù)能夠有效整合時空大數(shù)據(jù)、社會感知數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)和文本、圖像、視頻等多模態(tài)數(shù)據(jù)，提高數(shù)據(jù)的采集效率和覆蓋范圍，有效降低人力成本和時間成本，并實現(xiàn)對城市運行狀態(tài)的實時動態(tài)感知。針對傳統(tǒng)城市體檢數(shù)據(jù)整合難度大、處理效率低下、數(shù)據(jù)孤島等問題，大數(shù)據(jù)技術(shù)和人工智能技術(shù)可以打破各部門之間的數(shù)據(jù)孤島，提升數(shù)據(jù)整合效率和標(biāo)準(zhǔn)化程度，促進部門協(xié)同和數(shù)據(jù)共享，形成統(tǒng)一的數(shù)據(jù)映射框架，為城市體檢和城市更新提供更全面、更精準(zhǔn)的數(shù)據(jù)支持。

3.2

分析能力從淺層統(tǒng)計到深度洞察

針對傳統(tǒng)城市體檢分析方法單一、分析深度和精準(zhǔn)度不足等問題，大數(shù)據(jù)技術(shù)以及機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)可以對城市體檢的復(fù)雜多元數(shù)據(jù)進行深度挖掘，并進行城市復(fù)雜系統(tǒng)建模分析，減少專家經(jīng)驗的主觀依賴，在提供更精準(zhǔn)、全面評估結(jié)果的同時，提升城市問題識別與診斷的深度和科學(xué)性。針對傳統(tǒng)城市體檢難以實時反映城市運行狀態(tài)的局限性，大數(shù)據(jù)和人工智能技術(shù)能夠有效融合物聯(lián)網(wǎng)技術(shù)，捕捉城市運行的短期變化，實時監(jiān)測城市運行狀態(tài)，幫助城市管理者及時發(fā)現(xiàn)問題和異常情況。另外，大數(shù)據(jù)和人工智能技術(shù)也能夠改變傳統(tǒng)城市體檢結(jié)果的可視化和交互方式，通過三維可視化等方式，為決策者直觀展示城市問題空間分布與演變趨勢。

3.3

治理模式從單向評估到動態(tài)閉環(huán)

針對傳統(tǒng)城市體檢公眾參與度不足的問題，大數(shù)據(jù)和人工智能技術(shù)可以推動城市體檢數(shù)據(jù)的共享和開放，快速響應(yīng)公眾意見，為公眾參與城市體檢提供更多的機會和渠道，構(gòu)建“市民-政府”協(xié)同治理生態(tài)。針對傳統(tǒng)城市體檢決策支持不足的問題，大數(shù)據(jù)和人工智能技術(shù)可以對城市運行中的潛在問題進行預(yù)測分析和預(yù)警，縮短決策周期，幫助城市管理者制定更加科學(xué)、合理的城市更新治理決策，并推動城市體檢從“事后評估”轉(zhuǎn)向“事前預(yù)警”，形成“監(jiān)測-診斷-優(yōu)化-復(fù)查”的動態(tài)閉環(huán)。

4

基于大數(shù)據(jù)和人工智能的城市體檢技術(shù)架構(gòu)與應(yīng)用路徑

針對傳統(tǒng)城市體檢存在的問題，結(jié)合大數(shù)據(jù)和人工智能技術(shù)的發(fā)展趨勢以及筆者團隊在項目實踐中的探索經(jīng)驗，圍繞一體化推進城市體檢與城市更新的全流程要求，構(gòu)建“多源數(shù)據(jù)動態(tài)感知與融合處理——城市問題智能評估與分析診斷——城市更新智能決策與公眾參與”的技術(shù)架構(gòu)（圖1），并搭建智能化城市體檢信息平臺系統(tǒng)架構(gòu)。需要說明的是，本技術(shù)架構(gòu)不涉及城市體檢指標(biāo)體系的構(gòu)建，重點利用大數(shù)據(jù)和人工智能技術(shù)，彌補傳統(tǒng)城市體檢在數(shù)據(jù)采集、問題診斷、決策支持等方面的技術(shù)局限。

圖1 大數(shù)據(jù)和人工智能驅(qū)動下的城市體檢技術(shù)架構(gòu)

（圖片來源：作者自繪）

4.1

多源數(shù)據(jù)動態(tài)感知與融合處理

大數(shù)據(jù)和人工智能技術(shù)的深度應(yīng)用，為城市體檢提供了從數(shù)據(jù)采集到處理分析的全流程支撐，尤其在多源數(shù)據(jù)動態(tài)感知與融合處理方面展現(xiàn)出顯著優(yōu)勢。通過整合各類靜態(tài)與動態(tài)多源異構(gòu)（多模態(tài)）數(shù)據(jù)資源，提升感知粒度與覆蓋范圍，智能化實現(xiàn)數(shù)據(jù)融合以及時空數(shù)據(jù)底座構(gòu)建，為城市體檢精準(zhǔn)、高效、動態(tài)開展提供堅實的數(shù)據(jù)基礎(chǔ)。

4.1.1 多源異構(gòu)數(shù)據(jù)采集

多源異構(gòu)數(shù)據(jù)采集是傳統(tǒng)城市體檢數(shù)據(jù)體系的重要拓展，可有效突破傳統(tǒng)城市體檢指標(biāo)數(shù)據(jù)覆蓋面窄、更新滯后的瓶頸。其包括靜態(tài)基礎(chǔ)數(shù)據(jù)與動態(tài)感知數(shù)據(jù)兩個維度：靜態(tài)基礎(chǔ)數(shù)據(jù)采集主要包括各類規(guī)劃成果數(shù)據(jù)、人口與經(jīng)濟統(tǒng)計、用地與建筑信息、公共服務(wù)設(shè)施分布等結(jié)構(gòu)化資料，可依托政府信息化平臺、國土空間基礎(chǔ)信息平臺等途徑實現(xiàn)數(shù)據(jù)匯聚；動態(tài)感知數(shù)據(jù)采集則依賴物聯(lián)網(wǎng)與移動互聯(lián)網(wǎng)基礎(chǔ)設(shè)施，涵蓋環(huán)境監(jiān)測傳感器（如PM2.5、噪聲、水質(zhì)）、交通流視頻采集設(shè)備、無人機遙感、街景圖像采集終端以及手機軌跡、社交平臺POI簽到等時空數(shù)據(jù)。針對不同體檢主題（如宜居環(huán)境、通達交通、空間活力等），可構(gòu)建“指標(biāo)-數(shù)據(jù)”映射機制，制定精細化、多維度的數(shù)據(jù)采集策略，實現(xiàn)感知數(shù)據(jù)在時間、空間與語義三維上的協(xié)同耦合，從而提升城市體檢的數(shù)據(jù)支撐能力與動態(tài)感知水平。

4.1.2 數(shù)據(jù)智能融合處理

在傳統(tǒng)城市體檢統(tǒng)計與調(diào)研數(shù)據(jù)基礎(chǔ)上，引入多源異構(gòu)數(shù)據(jù)融合與人工智能技術(shù)，可實現(xiàn)城市體檢數(shù)據(jù)的快速高效處理。在具體處理過程中，首先通過數(shù)據(jù)清洗、缺失填補與異常檢測等預(yù)處理技術(shù)保障數(shù)據(jù)質(zhì)量；其次，基于知識圖譜構(gòu)建城市體檢核心實體與關(guān)系模型，統(tǒng)一表示多源數(shù)據(jù)中的地點、設(shè)施、事件、問題等元素，推動語義對齊；隨后，利用圖神經(jīng)網(wǎng)絡(luò)、深度表征學(xué)習(xí)等方法，實現(xiàn)結(jié)構(gòu)化數(shù)據(jù)、文本、圖像與時序數(shù)據(jù)等多模態(tài)信息的向量化表達，構(gòu)建統(tǒng)一的特征空間；最后，結(jié)合聚類、分類、回歸等算法模型，完成指標(biāo)提取、特征增強與問題識別等任務(wù)。整體而言，基于人工智能的數(shù)據(jù)融合方法不僅提升了體檢分析的效率與自動化程度，也為城市問題診斷和更新策略模擬提供了可靠支撐。

4.1.3 時空數(shù)據(jù)底座建設(shè)

數(shù)據(jù)底座作為城市體檢系統(tǒng)的數(shù)據(jù)基礎(chǔ)設(shè)施，其智能化建設(shè)是實現(xiàn)高效感知、融合與應(yīng)用的關(guān)鍵支撐。鑒于多源異構(gòu)數(shù)據(jù)量巨大且訪問頻繁，可采用“數(shù)據(jù)湖+數(shù)據(jù)倉庫”雙層架構(gòu)：數(shù)據(jù)湖用于存儲結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，支持并發(fā)寫入與靈活接入；數(shù)據(jù)倉庫聚焦指標(biāo)計算和建模分析，提供高性能查詢分析能力。底座對接多源異構(gòu)（多模態(tài)）數(shù)據(jù)資源，構(gòu)建統(tǒng)一元數(shù)據(jù)管理機制與數(shù)據(jù)標(biāo)簽體系，支持數(shù)據(jù)跨域共享與語義融合。同時，嵌入時間戳與地理編碼以構(gòu)建多層時空索引，結(jié)合圖數(shù)據(jù)庫、時空數(shù)據(jù)庫、分布式存儲與計算等技術(shù)，提升海量數(shù)據(jù)的組織能力與檢索效率。通過標(biāo)準(zhǔn)化數(shù)據(jù)治理與智能化數(shù)據(jù)調(diào)度，構(gòu)建“全域感知-統(tǒng)一融合-按需服務(wù)”的數(shù)據(jù)基礎(chǔ)平臺，為城市體檢的動態(tài)運行與科學(xué)分析提供持續(xù)穩(wěn)定時空數(shù)據(jù)支撐。

4.2

城市問題智能評估與分析診斷

城市體檢正由靜態(tài)描述向智能診斷轉(zhuǎn)變，借助大數(shù)據(jù)與人工智能，城市問題評估實現(xiàn)從定性經(jīng)驗到定量模型的躍升。以筆者團隊在廣州市海珠區(qū)開展項目實踐為例，運用圖像識別、深度學(xué)習(xí)等技術(shù)，對城市空間品質(zhì)和典型問題進行探索分析，取得良好成效。實踐驗證了智能技術(shù)在城市問題診斷中的可行性，也為城市更新提供了堅實的數(shù)據(jù)與模型支撐。

4.2.1 城市空間品質(zhì)智能分析評估

城市空間品質(zhì)是城市體檢中的核心評估內(nèi)容，直接關(guān)系到居民的生活體驗與城市形象感知。在城市空間品質(zhì)評估中，圖像識別與深度學(xué)習(xí)技術(shù)為微觀環(huán)境的精細化分析提供了強有力的支持。筆者團隊在廣州市海珠區(qū)進行試點，采集了800張街景圖像數(shù)據(jù)，利用SegFormer模型對圖像進行語義分割，自動提取綠視率、天空開敞度、界面圍合度和機動化程度等客觀視覺指標(biāo)（圖2）。與此同時，結(jié)合百度POI、慧眼人口數(shù)據(jù)和sDNA網(wǎng)絡(luò)分析方法，計算設(shè)施密度、功能混合度、步行可達性和空間活力等功能性指標(biāo)。通過引入ELO與ANN算法對專家經(jīng)驗進行擬合，量化主觀感知維度。最終，基于各類指標(biāo)，生成了街道空間品質(zhì)的可視化地圖，清晰展示了城市空間品質(zhì)較高或偏低的區(qū)域，為后續(xù)城市治理與優(yōu)化提供了科學(xué)依據(jù)。該方法可推廣至其他城區(qū)，實現(xiàn)大范圍、低成本、高精度的街道空間品質(zhì)快速評估。

圖2 基于SegFormer的城市街道空間品質(zhì)評估示意圖

（圖片來源：作者自繪）

4.2.2 城市建設(shè)問題智能識別診斷

城市體檢中需精準(zhǔn)識別出存在的具體問題類型，如建筑立面老化、道路破損、綠化雜亂等，目標(biāo)檢測算法與深度學(xué)習(xí)模型的融合應(yīng)用為城市建設(shè)問題智能識別診斷提供了可能。以廣州市海珠區(qū)為例，筆者團隊結(jié)合城市空間圖像與目標(biāo)檢測算法，開展了基于深度學(xué)習(xí)的城市問題識別研究（圖3）。首先，構(gòu)建問題樣本圖像數(shù)據(jù)集，涵蓋四類典型問題：鋪裝破損、立面破損、綠植雜亂、道路坑洼，采用圖像增強方式擴充訓(xùn)練樣本。其次，基于目標(biāo)檢測算法對圖像進行訓(xùn)練與識別，采用遷移學(xué)習(xí)策略提升模型在城市場景中的泛化能力。訓(xùn)練模型在驗證集上準(zhǔn)確率達到87.6%，可實現(xiàn)多問題類型的同步識別。圖像預(yù)處理過程包括圖像裁剪、去噪、增強與標(biāo)注標(biāo)準(zhǔn)化，確保模型輸入一致性。在測試階段，將識別結(jié)果與GIS系統(tǒng)關(guān)聯(lián)，生成城市問題分布熱力圖，支持問題空間溯源與優(yōu)先級排序。此方法有效提升了城市體檢的診斷效率與精準(zhǔn)度，支撐問題導(dǎo)向型城市治理決策。

圖3 基于目標(biāo)檢測算法的城市問題智能識別示意圖

（圖片來源：作者自繪）

4.2.3 城市發(fā)展趨勢智能預(yù)測模擬

城市發(fā)展趨勢預(yù)測是城市體檢邁向前瞻性治理的重要環(huán)節(jié)，借助大數(shù)據(jù)與人工智能技術(shù)，可構(gòu)建復(fù)雜城市預(yù)測模型，對城市運行狀態(tài)進行多維度、動態(tài)化模擬。該類模型通常融合時序建模、圖神經(jīng)網(wǎng)絡(luò)、強化學(xué)習(xí)等技術(shù)手段，識別變量間的非線性耦合關(guān)系與演化路徑，實現(xiàn)對關(guān)鍵指標(biāo)變化趨勢的精準(zhǔn)預(yù)測。在實際應(yīng)用中，模型可輸入當(dāng)前城市運行數(shù)據(jù)，輸出不同規(guī)劃情境下的模擬結(jié)果，輔助決策者評估政策實施效果、識別潛在問題區(qū)域，并制定更具針對性和適應(yīng)性的更新方案。通過將預(yù)測結(jié)果與可視化平臺聯(lián)動，還可實現(xiàn)動態(tài)地圖展示與交互分析，提升預(yù)測信息的可讀性與指導(dǎo)性。該方法有助于推動城市體檢從靜態(tài)評估走向智能研判，助力實現(xiàn)“模擬未來-指導(dǎo)當(dāng)下”的目標(biāo)，為空間優(yōu)化與更新決策提供科學(xué)支撐。

4.3

城市更新智能決策與公眾參與

城市體檢診斷出的城市問題是城市更新改造的前提，也是城市規(guī)劃、設(shè)計、建設(shè)、治理決策的重要依據(jù)。在城市更新治理決策階段，人工智能技術(shù)能夠縮短城市更新決策周期，提高公眾參與深度，輔助形成“城市體檢——更新決策——更新實施”一體化的閉環(huán)工作體系。

4.3.1 基于大語言模型的城市更新智能決策

隨著大語言模型和多模態(tài)融合處理技術(shù)的深化，城市更新決策將逐步實現(xiàn)從靜態(tài)規(guī)劃到動態(tài)適應(yīng)的范式轉(zhuǎn)型。針對城市體檢診斷出的各類城市問題，可以構(gòu)建基于大語言模型的城市更新智能決策系統(tǒng)，利用大語言模型的語義理解、知識推理及生成能力，依托本地化知識庫（如法規(guī)庫、案例庫）與檢索增強生成（RAG）技術(shù)，快速自動生成符合政策框架的城市更新改造方案，并通過多智能體辯論機制模擬不同利益主體的觀點碰撞，輔助規(guī)劃師或管理者評估方案的可行性，從而制定有針對性的城市更新政策建議和項目清單。

4.3.2 基于AIGC的城市更新改造方案設(shè)計

傳統(tǒng)城市更新改造方案設(shè)計圖紙制作周期長，而人工智能生成內(nèi)容（AIGC）技術(shù)和圖像生成大模型為城市更新改造圖像快速生成提供了可能。以筆者團隊開發(fā)的AIGC創(chuàng)意設(shè)計平臺（圖4）和某街道更新改造項目（圖5）為例，基于擴散模型基礎(chǔ)架構(gòu)，構(gòu)建城市更新改造設(shè)計知識體系，收集和制作城市更新改造設(shè)計圖像訓(xùn)練集，通過LoRA微調(diào)和ControlNet控制的方式，訓(xùn)練融入城市更新改造專業(yè)知識的圖像生成大模型，并將其部署在AIGC創(chuàng)意設(shè)計平臺上。在具體實踐應(yīng)用中，通過輸入更新改造前的圖紙和響應(yīng)的提示詞，可以快速生成多個更新改造方案，在大幅提升前期概念設(shè)計效率的同時，也為城市更新管理部門提供了更多改造靈感。

圖4 筆者團隊開發(fā)的輔助城市更新改造的AIGC創(chuàng)意設(shè)計平臺

（圖片來源：作者自繪）

圖5 某街道更新改造前（左）后（右）對比圖

（圖片來源：作者自繪）

4.3.3 基于智能交互的公眾參與治理新模式

人工智能技術(shù)為公眾參與城市體檢與更新提供了多種可能，將重構(gòu)城市更新治理的智能交互新模式。例如，在城市更新前期溝通、方案設(shè)計和方案反饋的過程中，公眾可借助融入了城市更新專業(yè)知識的AIGC產(chǎn)品，通過簡單拍照上傳身邊發(fā)現(xiàn)的城市問題，由AI來識別分析和生成修改建議，并基于修改建議即時生成公眾期望中的改造效果圖，從而征集公眾的創(chuàng)意改造倡議，幫助缺乏規(guī)劃設(shè)計專業(yè)知識的居民更好地與規(guī)劃師溝通，實現(xiàn)居民意愿與專業(yè)設(shè)計的有效結(jié)合。另外，也可以利用大語言模型創(chuàng)造類人的智能體，扮演各類公眾角色進行復(fù)雜互動和推理，與規(guī)劃師合作生成方案、討論方案、修改方案，突破傳統(tǒng)公眾參與模式的空間局限性與信息不對稱瓶頸。

4.4

城市體檢信息平臺的技術(shù)集成

在大數(shù)據(jù)與人工智能技術(shù)持續(xù)演進的推動下，城市體檢信息平臺正加速向智能化與集成化方向發(fā)展，逐步由傳統(tǒng)的數(shù)據(jù)匯聚系統(tǒng)升級為集數(shù)據(jù)采集、處理、分析、建模與服務(wù)于一體的智能治理中樞。平臺以“分層架構(gòu)+技術(shù)集成”為核心設(shè)計理念，構(gòu)建涵蓋設(shè)施層、數(shù)據(jù)層、算法層、服務(wù)層與管理層的五大功能模塊（圖6）。在設(shè)施層，平臺在傳統(tǒng)城市體檢信息平臺基礎(chǔ)上，集成AI算力節(jié)點與異構(gòu)數(shù)據(jù)接入模塊，支持高頻物聯(lián)感知、視頻流處理與圖像識別等任務(wù)。在數(shù)據(jù)層，構(gòu)建“數(shù)據(jù)湖+數(shù)據(jù)倉庫”雙層結(jié)構(gòu)，支撐原始數(shù)據(jù)匯聚與結(jié)構(gòu)化建模協(xié)同推進。在算法層，部署目標(biāo)檢測、語義分割、圖神經(jīng)網(wǎng)絡(luò)、強化學(xué)習(xí)等多類AI模型，面向城市體檢多樣化場景提供智能化算法支持。服務(wù)層通過可視化引擎與API接口向用戶提供地圖分析、趨勢研判、方案生成等應(yīng)用模塊，滿足多部門、跨場景的使用需求。在管理層，平臺在傳統(tǒng)城市體檢信息平臺的基礎(chǔ)上進一步強化系統(tǒng)的安全與隱私保護機制。通過大數(shù)據(jù)和人工智能技術(shù)的深度集成，信息平臺已從傳統(tǒng)“數(shù)據(jù)倉庫”轉(zhuǎn)型為“智能中樞”，為城市體檢全流程提供穩(wěn)定、高效、智能的系統(tǒng)支撐。

圖6 城市體檢信息平臺架構(gòu)示意圖

（圖片來源：作者自繪）

5

結(jié) 語

城市體檢是一項長期性、持續(xù)性的工作，也是促進城市高質(zhì)量發(fā)展、提高城市治理水平的重要工具。本文基于大數(shù)據(jù)、人工智能等新技術(shù)，構(gòu)建了一個新的城市體檢技術(shù)架構(gòu)，并提出了具體的應(yīng)用方向，這為傳統(tǒng)城市體檢提供了新的思路。需要說明的是，新數(shù)據(jù)、新技術(shù)在城市體檢中的應(yīng)用遠不止于此，但也不能完全替代傳統(tǒng)的城市體檢方法，是傳統(tǒng)城市體檢的重要補充和支撐；同時，人工智能技術(shù)在城市體檢中的應(yīng)用也需考慮倫理、安全、隱私等問題。未來在大數(shù)據(jù)、人工智能等新技術(shù)快速迭代發(fā)展背景下，如何兼顧效率與安全，更好賦能城市體檢和城市更新，還有待持續(xù)跟蹤和深化研究。

參考文獻（向下滑動查看）

[1]住房和城鄉(xiāng)建設(shè)部. 住房和城鄉(xiāng)建設(shè)部關(guān)于開展2022年城市體檢工作的通知[Z]. 2022.

[2]葉宇, 黃成成, 陳昶宇, 等. 人民城市理念下的數(shù)字化城市體檢探索——基于多源時空數(shù)據(jù)[J]. 西部人居環(huán)境學(xué)刊, 2024, 39 (03): 35-42.

[3]張文忠. 中國城市體檢評估的理論基礎(chǔ)和方法[J]. 地理科學(xué), 2021(10):1-10.

[4]王凱, 徐輝, 駱芊伊, 等. 基于城市空間復(fù)雜性關(guān)系的城市體檢方法研究[J]. 自然資源學(xué)報, 2025, 40 (01): 91-103.

[5]石曉冬, 楊明, 王吉力. 城市體檢:空間治理機制、方法、技術(shù)的新響應(yīng)[J]. 地理科學(xué), 2021, 41(10): 1697-1705.

[6]吳海平, 楊瑛, 毛磊, 等. 面向更新片區(qū)的城市體檢評估指標(biāo)體系構(gòu)建與實踐——基于長沙市31個城市更新片區(qū)的實證分析 [J]. 南方建筑, 2024, (07): 11-21.

[7]熊國平, 李昊昊. 城市更新視角下城市體檢評估指標(biāo)體系探索[J]. 城鄉(xiāng)規(guī)劃,2023(3):1-6.

[8]徐輝, 王文靜, 徐鈺清, 等. 一體化推進城市體檢與城市更新的方法探索[J]. 城市規(guī)劃, 2024, 48 (S1): 70-78+160.

[9]何炬, 張文忠, 曹靖, 等. 多源數(shù)據(jù)在城市體檢中的有機融合與應(yīng)用——以北京市為例[J]. 地理科學(xué), 2022, 42(2): 185-197.

[10]殷輝禮, 楊敏. 大數(shù)據(jù)賦能城市體檢應(yīng)用探索——以蘇州市A區(qū)為例 [J]. 改革與開放, 2024, (24): 42-49.

[11]杜博群, 李司宇. 沈陽城市體檢信息平臺的建設(shè)與實施[J]. 城市勘測,2022(6): 33-36.

*本文為2025中國城市規(guī)劃年會論文。

【免責(zé)聲明】本公眾號發(fā)布的內(nèi)容僅供學(xué)習(xí)交流使用，不以任何形式進行牟利。內(nèi)容版權(quán)歸原作者所有。如有侵犯您的權(quán)益，請及時與我們聯(lián)系，我們將于第一時間協(xié)商版權(quán)問題或刪除內(nèi)容。內(nèi)容為作者個人觀點，不代表本公眾號立場和對其真實性負責(zé)。

理論研究 | 多尺度城市人居環(huán)境感知對居民幸福感的影響——基于“四好”建設(shè)理念與城市體檢數(shù)據(jù)的分析

點擊圖片閱讀全文

理論研究 | 張文忠：基于多尺度城市體檢的城市更新路徑研究

點擊圖片閱讀全文

理論研究 | 面向高質(zhì)量規(guī)劃實施的城市體檢評估實踐——以北京城市副中心為例

點擊圖片閱讀全文