理論研究 | 大數據和人工智能驅動下的城市體檢技術架構與應用路徑

導讀

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

針對傳統城市體檢在數據采集、分析診斷、決策支持與公眾參與等方面的問題與局限性，在系統分析大數據和人工智能技術對傳統城市體檢影響的基礎上，圍繞一體化推進城市體檢與城市更新的全流程要求，構建了“多源數據動態感知與融合處理——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”的技術架構，搭建了智能化城市體檢信息平臺系統架構，并結合項目實踐案例，提出大數據和人工智能在城市體檢全流程中的具體應用方向和實現路徑，以期為推動城市體檢智能化、精細化轉型，以及城市更新治理提供科學依據和技術支撐。

本文字數：9126字

閱讀時間：28分鐘

作者 | 丁俊、張思敏

廣東省城鄉規劃設計研究院科技集團股份有限公司，廣東省智慧安全城市規劃與監測重點實驗室

關鍵詞

大數據、人工智能、城市體檢、技術架構、應用路徑

1

引 言

城市體檢是實施城市更新行動、統籌城市規劃建設管理、推動城市人居環境高質量發展的重要抓手，也是補齊城市建設短板、解決“城市病”問題的一項基礎性工作[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年住房和城鄉建設部提出“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展[2]。在理論層面，學術界從城市體檢的理論基礎[3]、方法體系[4]、技術體系[5]、指標體系[6-7]、機制創新[8]等方面開展了大量研究；在實踐層面，自2019年住房和城鄉建設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合城市更新工作，探索了一批可復制可推廣的經驗。

然而，隨著城市規模和復雜程度與日俱增，傳統城市體檢技術方法已逐步無法滿足動態、精細化的城市治理需求，在數據采集處理、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，大數據和人工智能技術的快速發展為城市體檢提供了新的思路和手段。部分學者從時空大數據采集[9]、定量評價模型構建[10]、數字化城市體檢平臺[11]搭建等方面，探討了大數據、人工智能等新技術賦能城市體檢的應用方向和實踐路徑。但是，目前已有研究和實踐仍處于起步階段，尚未構建起系統化的大數據和人工智能驅動下的城市體檢技術架構，大數據和人工智能在城市體檢中的應用也有待進一步深化。

基于此，本文在深刻總結傳統城市體檢面臨的主要問題與短板基礎上，系統分析大數據、人工智能等新技術對傳統城市體檢的影響，嘗試構建基于大數據和人工智能的城市體檢技術架構，并結合筆者團隊的一些項目實踐經驗，提出其在城市體檢全流程中的應用方向和實現路徑，以期為推動城市體檢智能化、精細化轉型提供技術支撐。

2

傳統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、社會滿意度調查等方式，也探索了各具特色的工作路徑。總的來說，當前城市體檢在明確體檢范圍與對象的前提下，基本遵循“指標體系構建-數據采集處理-問題分析診斷-結果應用反饋”的技術路徑，形成“發現問題-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，傳統城市體檢仍存在以下問題與局限性：

2.1

數據采集與整合的低效性

在數據采集方面，傳統城市體檢主要依賴統計年鑒、部門上報、實地調查、問卷調查等方式，數據獲取周期長，人力成本和時間成本高，且效率低下。傳統城市體檢的數據更新周期長，通常是以年度為單位的靜態數據，無法捕捉城市短期的問題，難以實時反映城市的動態運行狀態，且人工調查、統計報表等數據獲取方式易受人為因素影響，數據的準確性難以保證。在數據整合和分析處理方面，由于城市體檢的數據來源廣泛且分散，各部門數據格式不統一，數據孤島現象嚴重，給多源異構數據整合和共享帶來了很大困難。另外，隨著城市復雜性和獲取數據量的增加，傳統低效的數據整合與處理方法已無法滿足動態、精細化的城市治理需求。

2.2

分析方法與工具的局限性

在數據分析評估方面，傳統城市體檢主要依賴描述性統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，評價過程中專家經驗權重分配的主觀性較強，因而導致分析深度往往不足。在城市問題識別和預測方面，面對城市這一動態復雜系統，由于數據處理和分析模型的局限，傳統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，也難以準確模擬城市多要素交互效應，因而難以全面、精準地評估城市運行狀態，為城市更新治理提供前瞻性的決策支持。在分析結果的可視化和交互方面，傳統城市體檢報告以文字圖表為主，缺乏三維動態可視化平臺，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不足

公眾參與是城市體檢的重要環節，但傳統城市體檢中的公眾參與度普遍較為薄弱，多采用抽樣調查來收集市民意見，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督城市更新進展。另外，在城市體檢的決策支持方面，傳統城市體檢往往通過“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，缺乏動態跟蹤與效果評估機制，難以形成“監測-診斷-優化-復查”閉環，易陷入“年年體檢、問題依舊”的循環，因而造成城市體檢決策與執行脫節的情況。

3

大數據和人工智能對傳統城市體檢的影響

近年來，大數據和人工智能技術的快速發展為城市體檢提供了新的思路和手段，正在推動傳統城市體檢從靜態評估向動態監測、從經驗驅動向數據驅動轉變，將重構城市體檢數據采集、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支撐。具體表現在以下幾個方面：

3.1

數據融合從碎片低效到標準高效

針對傳統城市體檢數據來源碎片化、獲取周期長、動態性不足等問題，大數據技術能夠有效整合時空大數據、社會感知數據等多源異構數據和文本、圖像、視頻等多模態數據，提高數據的采集效率和覆蓋范圍，有效降低人力成本和時間成本，并實現對城市運行狀態的實時動態感知。針對傳統城市體檢數據整合難度大、處理效率低下、數據孤島等問題，大數據技術和人工智能技術可以打破各部門之間的數據孤島，提升數據整合效率和標準化程度，促進部門協同和數據共享，形成統一的數據映射框架，為城市體檢和城市更新提供更全面、更精準的數據支持。

3.2

分析能力從淺層統計到深度洞察

針對傳統城市體檢分析方法單一、分析深度和精準度不足等問題，大數據技術以及機器學習、深度學習等人工智能技術可以對城市體檢的復雜多元數據進行深度挖掘，并進行城市復雜系統建模分析，減少專家經驗的主觀依賴，在提供更精準、全面評估結果的同時，提升城市問題識別與診斷的深度和科學性。針對傳統城市體檢難以實時反映城市運行狀態的局限性，大數據和人工智能技術能夠有效融合物聯網技術，捕捉城市運行的短期變化，實時監測城市運行狀態，幫助城市管理者及時發現問題和異常情況。另外，大數據和人工智能技術也能夠改變傳統城市體檢結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閉環

針對傳統城市體檢公眾參與度不足的問題，大數據和人工智能技術可以推動城市體檢數據的共享和開放，快速響應公眾意見，為公眾參與城市體檢提供更多的機會和渠道，構建“市民-政府”協同治理生態。針對傳統城市體檢決策支持不足的問題，大數據和人工智能技術可以對城市運行中的潛在問題進行預測分析和預警，縮短決策周期，幫助城市管理者制定更加科學、合理的城市更新治理決策，并推動城市體檢從“事后評估”轉向“事前預警”，形成“監測-診斷-優化-復查”的動態閉環。

4

基于大數據和人工智能的城市體檢技術架構與應用路徑

針對傳統城市體檢存在的問題，結合大數據和人工智能技術的發展趨勢以及筆者團隊在項目實踐中的探索經驗，圍繞一體化推進城市體檢與城市更新的全流程要求，構建“多源數據動態感知與融合處理——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”的技術架構（圖1），并搭建智能化城市體檢信息平臺系統架構。需要說明的是，本技術架構不涉及城市體檢指標體系的構建，重點利用大數據和人工智能技術，彌補傳統城市體檢在數據采集、問題診斷、決策支持等方面的技術局限。

圖1 大數據和人工智能驅動下的城市體檢技術架構

（圖片來源：作者自繪）

4.1

多源數據動態感知與融合處理

大數據和人工智能技術的深度應用，為城市體檢提供了從數據采集到處理分析的全流程支撐，尤其在多源數據動態感知與融合處理方面展現出顯著優勢。通過整合各類靜態與動態多源異構（多模態）數據資源，提升感知粒度與覆蓋范圍，智能化實現數據融合以及時空數據底座構建，為城市體檢精準、高效、動態開展提供堅實的數據基礎。

4.1.1 多源異構數據采集

多源異構數據采集是傳統城市體檢數據體系的重要拓展，可有效突破傳統城市體檢指標數據覆蓋面窄、更新滯后的瓶頸。其包括靜態基礎數據與動態感知數據兩個維度：靜態基礎數據采集主要包括各類規劃成果數據、人口與經濟統計、用地與建筑信息、公共服務設施分布等結構化資料，可依托政府信息化平臺、國土空間基礎信息平臺等途徑實現數據匯聚；動態感知數據采集則依賴物聯網與移動互聯網基礎設施，涵蓋環境監測傳感器（如PM2.5、噪聲、水質）、交通流視頻采集設備、無人機遙感、街景圖像采集終端以及手機軌跡、社交平臺POI簽到等時空數據。針對不同體檢主題（如宜居環境、通達交通、空間活力等），可構建“指標-數據”映射機制，制定精細化、多維度的數據采集策略，實現感知數據在時間、空間與語義三維上的協同耦合，從而提升城市體檢的數據支撐能力與動態感知水平。

4.1.2 數據智能融合處理

在傳統城市體檢統計與調研數據基礎上，引入多源異構數據融合與人工智能技術，可實現城市體檢數據的快速高效處理。在具體處理過程中，首先通過數據清洗、缺失填補與異常檢測等預處理技術保障數據質量；其次，基于知識圖譜構建城市體檢核心實體與關系模型，統一表示多源數據中的地點、設施、事件、問題等元素，推動語義對齊；隨后，利用圖神經網絡、深度表征學習等方法，實現結構化數據、文本、圖像與時序數據等多模態信息的向量化表達，構建統一的特征空間；最后，結合聚類、分類、回歸等算法模型，完成指標提取、特征增強與問題識別等任務。整體而言，基于人工智能的數據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 時空數據底座建設

數據底座作為城市體檢系統的數據基礎設施，其智能化建設是實現高效感知、融合與應用的關鍵支撐。鑒于多源異構數據量巨大且訪問頻繁，可采用“數據湖+數據倉庫”雙層架構：數據湖用于存儲結構化與非結構化數據，支持并發寫入與靈活接入；數據倉庫聚焦指標計算和建模分析，提供高性能查詢分析能力。底座對接多源異構（多模態）數據資源，構建統一元數據管理機制與數據標簽體系，支持數據跨域共享與語義融合。同時，嵌入時間戳與地理編碼以構建多層時空索引，結合圖數據庫、時空數據庫、分布式存儲與計算等技術，提升海量數據的組織能力與檢索效率。通過標準化數據治理與智能化數據調度，構建“全域感知-統一融合-按需服務”的數據基礎平臺，為城市體檢的動態運行與科學分析提供持續穩定時空數據支撐。

4.2

城市問題智能評估與分析診斷

城市體檢正由靜態描述向智能診斷轉變，借助大數據與人工智能，城市問題評估實現從定性經驗到定量模型的躍升。以筆者團隊在廣州市海珠區開展項目實踐為例，運用圖像識別、深度學習等技術，對城市空間品質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據與模型支撐。

4.2.1 城市空間品質智能分析評估

城市空間品質是城市體檢中的核心評估內容，直接關系到居民的生活體驗與城市形象感知。在城市空間品質評估中，圖像識別與深度學習技術為微觀環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進行試點，采集了800張街景圖像數據，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（圖2）。與此同時，結合百度POI、慧眼人口數據和sDNA網絡分析方法，計算設施密度、功能混合度、步行可達性和空間活力等功能性指標。通過引入ELO與ANN算法對專家經驗進行擬合，量化主觀感知維度。最終，基于各類指標，生成了街道空間品質的可視化地圖，清晰展示了城市空間品質較高或偏低的區域，為后續城市治理與優化提供了科學依據。該方法可推廣至其他城區，實現大范圍、低成本、高精度的街道空間品質快速評估。

圖2 基于SegFormer的城市街道空間品質評估示意圖

（圖片來源：作者自繪）

4.2.2 城市建設問題智能識別診斷

城市體檢中需精準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，目標檢測算法與深度學習模型的融合應用為城市建設問題智能識別診斷提供了可能。以廣州市海珠區為例，筆者團隊結合城市空間圖像與目標檢測算法，開展了基于深度學習的城市問題識別研究（圖3）。首先，構建問題樣本圖像數據集，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練樣本。其次，基于目標檢測算法對圖像進行訓練與識別，采用遷移學習策略提升模型在城市場景中的泛化能力。訓練模型在驗證集上準確率達到87.6%，可實現多問題類型的同步識別。圖像預處理過程包括圖像裁剪、去噪、增強與標注標準化，確保模型輸入一致性。在測試階段，將識別結果與GIS系統關聯，生成城市問題分布熱力圖，支持問題空間溯源與優先級排序。此方法有效提升了城市體檢的診斷效率與精準度，支撐問題導向型城市治理決策。

圖3 基于目標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 城市發展趨勢智能預測模擬

城市發展趨勢預測是城市體檢邁向前瞻性治理的重要環節，借助大數據與人工智能技術，可構建復雜城市預測模型，對城市運行狀態進行多維度、動態化模擬。該類模型通常融合時序建模、圖神經網絡、強化學習等技術手段，識別變量間的非線性耦合關系與演化路徑，實現對關鍵指標變化趨勢的精準預測。在實際應用中，模型可輸入當前城市運行數據，輸出不同規劃情境下的模擬結果，輔助決策者評估政策實施效果、識別潛在問題區域，并制定更具針對性和適應性的更新方案。通過將預測結果與可視化平臺聯動，還可實現動態地圖展示與交互分析，提升預測信息的可讀性與指導性。該方法有助于推動城市體檢從靜態評估走向智能研判，助力實現“模擬未來-指導當下”的目標，為空間優化與更新決策提供科學支撐。

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，也是城市規劃、設計、建設、治理決策的重要依據。在城市更新治理決策階段，人工智能技術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融合處理技術的深化，城市更新決策將逐步實現從靜態規劃到動態適應的范式轉型。針對城市體檢診斷出的各類城市問題，可以構建基于大語言模型的城市更新智能決策系統，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（如法規庫、案例庫）與檢索增強生成（RAG）技術，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計

傳統城市更新改造方案設計圖紙制作周期長，而人工智能生成內容（AIGC）技術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。以筆者團隊開發的AIGC創意設計平臺（圖4）和某街道更新改造項目（圖5）為例，基于擴散模型基礎架構，構建城市更新改造設計知識體系，收集和制作城市更新改造設計圖像訓練集，通過LoRA微調和ControlNet控制的方式，訓練融入城市更新改造專業知識的圖像生成大模型，并將其部署在AIGC創意設計平臺上。在具體實踐應用中，通過輸入更新改造前的圖紙和響應的提示詞，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 筆者團隊開發的輔助城市更新改造的AIGC創意設計平臺

（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

人工智能技術為公眾參與城市體檢與更新提供了多種可能，將重構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、方案設計和方案反饋的過程中，公眾可借助融入了城市更新專業知識的AIGC產品，通過簡單拍照上傳身邊發現的城市問題，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，從而征集公眾的創意改造倡議，幫助缺乏規劃設計專業知識的居民更好地與規劃師溝通，實現居民意愿與專業設計的有效結合。另外，也可以利用大語言模型創造類人的智能體，扮演各類公眾角色進行復雜互動和推理，與規劃師合作生成方案、討論方案、修改方案，突破傳統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集成

在大數據與人工智能技術持續演進的推動下，城市體檢信息平臺正加速向智能化與集成化方向發展，逐步由傳統的數據匯聚系統升級為集數據采集、處理、分析、建模與服務于一體的智能治理中樞。平臺以“分層架構+技術集成”為核心設計理念，構建涵蓋設施層、數據層、算法層、服務層與管理層的五大功能模塊（圖6）。在設施層，平臺在傳統城市體檢信息平臺基礎上，集成AI算力節點與異構數據接入模塊，支持高頻物聯感知、視頻流處理與圖像識別等任務。在數據層，構建“數據湖+數據倉庫”雙層結構，支撐原始數據匯聚與結構化建模協同推進。在算法層，部署目標檢測、語義分割、圖神經網絡、強化學習等多類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，平臺在傳統城市體檢信息平臺的基礎上進一步強化系統的安全與隱私保護機制。通過大數據和人工智能技術的深度集成，信息平臺已從傳統“數據倉庫”轉型為“智能中樞”，為城市體檢全流程提供穩定、高效、智能的系統支撐。

圖6 城市體檢信息平臺架構示意圖

（圖片來源：作者自繪）

5

結 語

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

參考文獻（向下滑動查看）

[1]住房和城鄉建設部. 住房和城鄉建設部關于開展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字化城市體檢探索——基于多源時空數據[J]. 西部人居環境學刊, 2024, 39 (03): 35-42.

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

[4]王凱, 徐輝, 駱芊伊, 等. 基于城市空間復雜性關系的城市體檢方法研究[J]. 自然資源學報, 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、技術的新響應[J]. 地理科學, 2021, 41(10): 1697-1705.

[6]吳海平, 楊瑛, 毛磊, 等. 面向更新片區的城市體檢評估指標體系構建與實踐——基于長沙市31個城市更新片區的實證分析 [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體系探索[J]. 城鄉規劃,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]. 城市規劃, 2024, 48 (S1): 70-78+160.

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

[10]殷輝禮, 楊敏. 大數據賦能城市體檢應用探索——以蘇州市A區為例 [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與實施[J]. 城市勘測,2022(6): 33-36.

*本文為2025中國城市規劃年會論文。

【免責聲明】本公眾號發布的內容僅供學習交流使用，不以任何形式進行牟利。內容版權歸原作者所有。如有侵犯您的權益，請及時與我們聯系，我們將于第一時間協商版權問題或刪除內容。內容為作者個人觀點，不代表本公眾號立場和對其真實性負責。

理論研究 | 多尺度城市人居環境感知對居民幸福感的影響——基于“四好”建設理念與城市體檢數據的分析

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 | 面向高質量規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