城市设计中生成式人工智能应用的进展综述

摘要

【目的】生成式人工智能（generative artificial intelligence, GAI）正深度介入城市设计流程，为复杂任务建构、多角色参与、高效生成提供技术支持。本研究旨在识别GAI在城市设计中的主要应用类型与介入机制，分析其演化趋势与典型特征，并对关键技术挑战与未来研究方向进行梳理。【方法】通过系统检索近10年中英文主流数据库中的代表性研究与案例，纳入125篇与GAI及城市设计交叉相关的文献，构建“GAI技术类型×城市设计任务阶段”的分析框架，将模型划分为图像驱动、语言驱动、结构驱动与反馈优化4类，任务阶段划分为前期分析、方案生成、评估优化与决策、效果表达，并结合设计思维理论，采用技术接受模型（technology acceptance model, TAM）作为描述性分析视角，梳理不同模型在感知有用性/感知易用性上的表现与介入逻辑差异。【结果】研究发现，GAI已广泛嵌入城市设计各阶段任务流程，不同类型模型在多阶段任务中形成了协同耦合机制。图像驱动模型因其直观性与易用性被最早采纳，语言、结构与反馈优化模型在策略建构、规则嵌入与多目标优化中展现出更大潜力，但整体应用仍不均衡。模型组合、跨模态协同与过程迭代呈上升态势，不同模型间感知有用性与易用性的差异影响其应用比例。【结论】当前多数GAI模型仍以过程式组合为主，尚未具备生成式智能的逻辑建构能力，在城市设计中的作用主要体现为任务响应与辅助生成。模型可控性差、可解释性不足与地域数据适应性不强是制约其广泛应用的核心瓶颈。未来研究应聚焦于构建结构化的本土设计数据体系、增强模型的控制透明机制与跨模型协同能力，推动GAI从工具型介入向设计逻辑深度参与者演进。

关键词

生成式人工智能 / 城市设计 / 生成模型 / 规划辅助 / 大语言模型

基金资助

国家自然科学基金面上项目“数字经济时代收缩城市空间重构的智能测度、机理认知与规划设计响应研究”（编号52578077）