超图软件：基于AIGC自主LandGPT解决方案财富号

整体而言，大模型是整个生成式人工智能（AIGC）的技术基础，是未来AI的必然趋势。同时，AI大模型技术的应用为改变传统规划工作模式和技术方法提供了可能，将成为推动国土空间规划全周期管理数字化、网络化、智能化转型的重要推动力。

传统规划工作的几点问题和挑战

（一）知识和经验具有局限性。传统的规划工作对规划师的专业素养和经验要求较高，同时获取的数据和信息不够全面和准确，还通常受到主观因素的影响，最终导致规划工作效率低，且得到的规划成果也缺乏客观性和科学性。

（二）规划意图的快速精准表达缺乏技术手段。传统的规划技术方法缺少将抽象的理念转化为具体规划意图的手段，难以快速准确地呈现和表达规划方案的整体布局、空间结构和景观设计等方面的特点。

针对传统规划工作的问题和挑战，上海数慧基于开源的生成式人工智能（AIGC）技术，探索并构建了“LandGPT大模型+规划”解决方案，辅助规划师按照期望和需求，通过规划思路描述、体块建模、勾画草图等方式，更高效经济地自动生成规划设计意图、效果图、总平面图等初步成果。

“LandGPT大模型+规划”解决方案

技术架构

技术整体架构是“语言大模型+图像生成大模型+行业数据”的组合体，其中大语言模型（LLM）采用开源的LLaMA，尽管其参数规模比GPT-3略小，但在许多任务上都能和GPT-3的性能相媲美，它正在成为开源社区训练AI新模型的基础。图像生成大模型，采用SD扩散模型，这是一种生成模型，能够生成类似于它们训练数据的原创性新数据，也可以做图像分割、分类和异常检测。LLM语言模型部分，重点是对国土空间规划领域知识进行学习，可以对文字数据进行准确深入语义理解，尤其是在规则提取、规范约束、文字方案生成方面。扩散模型部分，重点是通过文字描述、体块模型、草图设计、规范约束等方面，生成图形方案，或对图形进行特点总结、解释描述，结合LLM语言模型，生成图文结合的方案。

图技术架构

整个框架分为基础设施、技术框架、应用平台、业务应用四层，其中基础设施，主要是基础环境，一部分进行本地部署，一部分租用外部云环境；技术框架部分，主要是以SD/LLaMA为基础的图像生成模型和语言大模型，另外需要根据国土空间规划行业特点，结合行业数据进行针对性微调训练，最后对模型进行优化处理，形成国土空间规划行业大模型；在应用平台，主要是对行业数据收集处理、格式转换、模型训练、模型管理、服务发布、应用管理等，最后支持类似设计方案生成、规划传导规则抽取、规划体块生成等应用。

典型场景应用示例

下图是根据一段文字描述，加上中间风格控制与设计草图所生成的规划设计效果图。该效果图布局方式按照“设计草图”进行布局，风格按照“风格约束”生成，同时也可以按照其他约束规则进行生成，而规则形式可以是文字或图。

图基于体块模型和风格约束的效果图生成

同样，也支持根据文字指令生成效果图，按照路网约束，或者草图，生成社区平面图，其效果如下所示。设计约束条件可以扩展，比如增加设计空间、位置、划定范围，以文、图等多种方式输入，最终生成按照指令要求、带有特定约束的方案，方案也可以是图加上文字说明。

图基于路网结构和规划意向的总平面图生成

实践证明，AI大模型可减少高频次、重复性的规划工作，提高应对不确定性和多变性的响应效率，为规划编制单位和规划师节省人力、物力甚至财力。通过持续学习、分析大量的数据与案例，为规划编制管理工作提供更多的信息、经验和洞察。

展望未来

随着人工智能（AI）技术的发展和深入应用，智慧国土空间规划建设正迎来新机遇和新动力。除本文介绍的规划意向和意图的快速生成表达之外，生成式人工智能（AIGC）还可应用于规划编制或调整方案生成、城市设计建筑形态推演、规划自动制图、规划实施监测评估结果智能生成等场景，推动规划全周期数字化管理模式创新。我司将围绕可感知、能学习、善治理、自适应的智慧规划目标，针对规划编制实施管理场景和国土空间规划实施监测网络（CSPON）建设，持续深度探索和实践人工智能与大模型技术应用。