學術(shù)報告 | 張鴻輝：城市存量低效空間更新改造的三維模擬與優(yōu)化決策

導讀

2025年8月31日上午，2025中國城市規(guī)劃年會之“時空智能賦能城市更新”學術(shù)研討會在沈陽成功舉辦。中國城市規(guī)劃學會城市規(guī)劃新技術(shù)應用專委會副主任委員、廣東國地規(guī)劃科技股份有限公司聯(lián)席總裁、教授級高工張鴻輝作報告（由劉易欣博士代講）。報告深入剖析了如何利用數(shù)字孿生技術(shù)破解城市存量空間更新難題，并系統(tǒng)介紹了其團隊構(gòu)建的“數(shù)字底座-改造方案-多主體交互”三位一體的技術(shù)路徑。

本文字數(shù)：4019字

閱讀時間：13分鐘

一

背景認知

存量時代下城市更新的挑戰(zhàn)與需求

我國城市發(fā)展已從增量發(fā)展階段轉(zhuǎn)向存量挖潛、增存并重的新階段。在這一背景下，城市存量低效空間的更新改造，已成為提升城市土地開發(fā)利用質(zhì)量與效率、促進城市高質(zhì)量與可持續(xù)發(fā)展的關鍵手段。然而，當前的城市更新面臨著多類型、多主體、多目標和多要素制約下的復雜挑戰(zhàn)，主要體現(xiàn)在以下三個方面：一是多主體協(xié)同博弈機制缺失，利益相關方之間的復雜關系難以協(xié)調(diào)；二是動態(tài)社會要素缺乏考量，傳統(tǒng)規(guī)劃方法難以應對人流、車流等動態(tài)變化；三是方案生成與優(yōu)化能力不足，方案設計效率和科學性有待提升。

為應對這些挑戰(zhàn)，亟需結(jié)合數(shù)字孿生、人工智能、仿真模擬等新技術(shù)，為城市存量低效空間的更新改造提供三維模擬與優(yōu)化決策的支撐，從而提高更新改造的科學化與智能化水平。這引出了三個核心需求：通過多智能體支撐實現(xiàn)協(xié)同博弈，通過數(shù)字孿生技術(shù)支撐動靜態(tài)要素的耦合仿真模擬，以及通過生成式AI技術(shù)支撐改造方案的快速生成與智能優(yōu)選。

二

實踐探索

構(gòu)建全流程三維模擬與優(yōu)化決策系統(tǒng)

為實現(xiàn)上述目標，團隊著力研究多目標多情景下的三維改造方案智能生成與優(yōu)化、動態(tài)要素三維模擬仿真與方案優(yōu)選等關鍵技術(shù)，構(gòu)建了一套“基于三維數(shù)字孿生的更新改造方案模擬與優(yōu)化決策系統(tǒng)”，以解決城市更新中多主體參與、智能化生成、精細化模擬和情景化優(yōu)化等難題。將城市更新改造的全流程模擬與優(yōu)化決策，融合成一個多主體參與的交互式集成系統(tǒng)。該系統(tǒng)通過構(gòu)建“數(shù)字底座-改造方案-多主體交互”的數(shù)字孿生更新改造底座，奠定了堅實的數(shù)據(jù)與交互基礎；并通過方案智能生成模型，實現(xiàn)了多目標、多情景三維改造方案的快速生成與優(yōu)化。同時，系統(tǒng)還集成了對人口活動、交通流量、碳排放、微氣候環(huán)境等動態(tài)要素的三維模擬仿真技術(shù)，確保在滿足多重約束條件的同時，遴選出最優(yōu)的改造方案。

1

數(shù)字孿生更新改造底座的構(gòu)建

數(shù)字孿生環(huán)境是支撐三維改造方案生成、模擬與優(yōu)選的基礎。其核心在于構(gòu)建一個集“數(shù)字底座-改造方案-多主體交互”于一體的更新改造底座，將現(xiàn)實世界的更新過程與數(shù)字世界的精準模擬緊密相連。在技術(shù)實現(xiàn)上，團隊聚焦于硬件與軟件環(huán)境的設計，核心解決支撐更新改造的二、三維信息高效渲染、動靜態(tài)要素仿真模擬及數(shù)據(jù)高性能計算分析等技術(shù)問題。

在可視化渲染方面

集成WebGL高效渲染、Unreal實時渲染等3D渲染引擎，支持更新改造空間底座、方案效果、環(huán)境要素等不同對象的可視化渲染效果，實現(xiàn)城市更新改造方案在高保真環(huán)境下的孿生呈現(xiàn)。對單個建筑、設施、局部環(huán)境等小場景，采用PBR材質(zhì)、UV貼圖、光線追蹤、Lumen全局動態(tài)光照與發(fā)射等技術(shù)進行渲染，從而生成高度逼真的模型。對建筑群、片區(qū)等大場景，采用DLSS深度學習超級采樣、Nanite極高模型細節(jié)等技術(shù)進行渲染，實現(xiàn)大場景的電影級實時渲染。

在仿真模擬方面

集成了CFD（計算流體動力學）、Anylogic、EnergyPlus等專業(yè)仿真模擬軟件能力，以及研發(fā)各類仿真推演模型，以支持對人口、車流、碳排放及微環(huán)境等4種要素的精細化模擬分析，輔助科學直觀的評估改造方案和效果。如交通仿真模擬可用以評估生成的三維改造方案，精準分析其交通通達性以及對周邊路網(wǎng)的潛在影響，為后續(xù)方案的迭代優(yōu)化提供數(shù)據(jù)支撐。

在數(shù)據(jù)基礎方面

以廣州市天河、海珠、荔灣、白云、黃埔等五大中心城區(qū)作為典型案例區(qū)，涵蓋了全面改造、混合改造、微改造等不同模式，以及居住、商業(yè)、工業(yè)、歷史文化街區(qū)等多種改造類型，為后續(xù)的孿生環(huán)境搭建和方案模擬提供了堅實的數(shù)據(jù)基礎。

2

多目標多情景三維改造方案智能生成與優(yōu)化

在方案生成和優(yōu)化層面，構(gòu)建了覆蓋片區(qū)、地塊到地塊內(nèi)部的多尺度、全流程智能生成模型。模型基礎在于大規(guī)模三維方案庫的建立，其過程始于更新區(qū)域的精準識別：通過對歷史多期數(shù)據(jù)的時空分析，識別出城市更新的潛在區(qū)域；隨后，針對這些區(qū)域系統(tǒng)性地提取其歷史文脈、法定規(guī)劃與現(xiàn)狀建成環(huán)境等多源信息，并進行格式化處理后納入數(shù)據(jù)庫。為支撐這一流程，該技術(shù)框架集成了自主研發(fā)的CAD解析、建筑邊界提取與規(guī)則化等關鍵工具，目前已完成對粵港澳大灣區(qū)285個更新小區(qū)、8個城市的規(guī)劃方案及24個城市現(xiàn)狀數(shù)據(jù)的深度采集與處理。

在此數(shù)據(jù)基礎之上，進一步研發(fā)了更新改造模式推薦算法與方案生成模型。該模型的核心在于利用圖神經(jīng)網(wǎng)絡（GNN）學習城市肌理中復雜的拓撲關系，從而智能判別并推薦最優(yōu)的更新范式（如全面改造或微更新）。此高階推薦繼而驅(qū)動一個多尺度的方案生成引擎，該引擎在片區(qū)、地塊及地塊內(nèi)部等不同層級上，執(zhí)行一個“生成-評價-迭代”的遞歸優(yōu)化循環(huán)，以實現(xiàn)設計方案的逐步優(yōu)化。整個框架具備高度的靈活性與適應性，能夠為從整體拆建到立面改造、街道景觀提升等多種更新模式提供穩(wěn)定技術(shù)支持。

在片區(qū)尺度上，基于已有控規(guī)數(shù)據(jù)，對地塊信息進行圖編碼，采用離線強化學習的方式，對用地布局模式進行學習，通過提取的策略選擇機制，可以快速生成新的用地布局方案。生成速度小于<1s/4km2，可有效支持居住、生態(tài)、交通等多情景的方案生成。在地塊尺度上，主要依賴StyleGAN和GauGAN等模型，通過對方案庫的編碼訓練，實現(xiàn)圖屬融合。該技術(shù)能夠在1秒內(nèi)生成多個三維建筑布局方案，并且可以通過控制容積率、建筑密度等參數(shù)，生成滿足規(guī)劃條件的逼真模型，目前已在廣州廣鋼新城項目中得到實踐驗證。

3

動態(tài)要素的三維模擬仿真與方案優(yōu)選

在動態(tài)要素的三維模擬方面，將車流、能耗、風環(huán)境、人流這四大動態(tài)要素融入改造方案的優(yōu)化過程。通過采用NSGA-II多目標優(yōu)化算法進行綜合評估，優(yōu)化后的方案在風環(huán)境和能耗方面的綜合績效可提升10%以上，其中能耗預測精度達到0.87，風環(huán)境預測精度達到0.82。

人流活動模擬基于多智能體社會力模型，通過對個體在不同空間尺度下移動行為的仿真，可量化輸出流量密度圖、出入口通行能力等關鍵信息。在此數(shù)據(jù)基礎上，可進一步支撐多尺度的精細化評估：在建筑尺度上，能夠模擬應急疏散效率；在小區(qū)尺度上，可用于研判出入口布局與公共設施配置的合理性；在社區(qū)尺度上，則能夠評估公園、人行道網(wǎng)絡及公共服務設施的可達性與服務效能。車流活動模擬通過構(gòu)建微觀交通仿真模型，結(jié)合實時車流量數(shù)據(jù)，模擬出更新方案實施前后的道路擁堵程度變化，道路模擬可實時生成車道線和車道面，計算通行時間和擁堵程度等指標，并對多個方案進行并行模擬比較。風環(huán)境模擬利用GAN模型，通過對大量CFD模擬樣本的學習以及風向和風速等多條件的輸入，能夠快速預測和對比不同建筑布局方案下的風環(huán)境，實現(xiàn)方案的優(yōu)選。最后，將靜態(tài)要素（如建筑布局）與動態(tài)要素（如風環(huán)境、能耗）的模擬結(jié)果相結(jié)合，以“舒適風面積區(qū)域最大化”和“能耗最小化”為目標函數(shù)，在滿足容積率、建筑密度等約束條件下，對建筑的樓型、高度、位置等進行優(yōu)化調(diào)整。

4

更新改造全流程三維模擬與優(yōu)化決策

研究開發(fā)了一套可視化的交互集成系統(tǒng)。該系統(tǒng)不僅能通過數(shù)字孿生環(huán)境展示數(shù)據(jù)資源、對比分析方案、模擬方案效果，還支持多主體以人機交互的形式參與方案的生成與調(diào)整。其中，數(shù)字孿生展示包括數(shù)據(jù)資源瀏覽、數(shù)據(jù)對比分析、效果仿真模擬、數(shù)據(jù)查詢統(tǒng)計等功能，通過匯聚三維數(shù)據(jù)庫、更新改造環(huán)境、更新改造方案庫、案例庫，實現(xiàn)更新改造現(xiàn)狀環(huán)境、方案效果的孿生展示、對比分析，以及區(qū)域內(nèi)已有更新改造方案的分類查詢。改造方案智能生成包括更新改造程度推薦、主體行為設置、更新改造類型選擇、條件參數(shù)設置、方案快速生成、方案調(diào)整、方案導出等功能，通過集成MC-GauGAN 方案生成模型、基于DDPG方案尋優(yōu)算法，實現(xiàn)不同類型、不同主體更新改造方案的智能生成與導出。多主體通過交互形式參與改造方案的生成與調(diào)整，用戶可以設定不同角色（如規(guī)劃師、居民），根據(jù)具體需求擬定設計條件（如學校、商業(yè)中心），在方案生成后，還可以對建筑間距、高度、立面等參數(shù)進行人為調(diào)整，使最終方案能夠最大程度地滿足各方需求。

三

未來展望

未來將從以下兩個方面繼續(xù)深化研究：第一，構(gòu)建基于多智能體的用地布局方案全流程生成模型。基于大語言模型，融入規(guī)劃知識與約束，構(gòu)建多智能體博弈模型，并采用強化學習的方式，打通“確定改造范圍-規(guī)劃傳導-博弈開發(fā)參數(shù)-方案生成-迭代優(yōu)化”的全流程閉環(huán)，進一步提升方案生成的智能化與科學性。第二，融合文生圖模型進行微更新方案的生成。基于規(guī)劃知識，訓練能夠滿足空間約束的、多種風格的文生圖模型，為建筑立面改善、道路環(huán)境整治、節(jié)點風貌提升等微更新場景提供堅實技術(shù)支撐。

*根據(jù)現(xiàn)場報告整理，已經(jīng)專家審閱。整理人：王亞非

供稿單位：人工智能與數(shù)字經(jīng)濟廣東省實驗室（深圳）

【免責聲明】本公眾號發(fā)布的內(nèi)容僅供學習交流使用，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。

規(guī)劃年會 | 學術(shù)研討會十八：時空智能賦能城市更新

點擊圖片閱讀全文

【規(guī)劃年會】張鴻輝：國土空間規(guī)劃助力能源碳減排的思考

點擊圖片閱讀全文

會議 | 聚焦“模型驅(qū)動 場景賦能”，2025城市規(guī)劃信息化年會在佛山召開

點擊圖片閱讀全文