发布时间：2025-11-23 18:56:27 点击量：
2025年11月8日-9日，由国家自然科学基金委员会指导，北京大学、北京市城市规划设计研究院主办的“地理空间人工智能支持下的时空优化方法研讨会”在北规院新业务楼成功举办。此次研讨会是国家自然科学基金重点项目《地理空间人工智能支持下的时空优化方法》的一项重要学术活动。
研讨会通过“主题报告”和“内部讨论”两项议程，围绕地理空间人工智能（GeoAI）驱动的时空优化理论、技术与相关实践展开深入探讨。主题报告环节邀请五位专家学者和三位青年学者分享前沿探索和实践经验。共同推动时空优化研究的深化，加强北规院在地理空间人工智能领域的积累与建设，并通过跨学科的交流碰撞，推动研究成果在超大城市治理等实际场景中的应用与转化。
11月8日上午报告环节由北京市城市规划设计研究院科技委副总师、数字技术规划中心主任张晓东主持。下午报告由北京大学张帆助理教授主持。北京市规划和自然资源委员会党组成员、北京市城市规划设计研究院院长石晓冬做开幕致辞。
石院长在致辞中对与会专家学者表示热烈欢迎，并指出此次研讨会是北规院搬入新业务楼的首次学术研讨活动，既是对北规院搬迁工作的一次重要检验，也是对北规院未来科研发展的鼓励与鞭策。在国土空间规划数字化、智能化转型的关键时期，高校与科研院所聚力于前沿理论创新，规划院等实践单位则聚焦应用场景实践转化，能够形成优势互补、经验互鉴、成果互动的研究体系。此次研讨会将有助于进一步深化产、学、研、用相结合的协作模式，共同推动理论创新与实践应用的双向融合，开创国土空间治理的智能化新局面。
关美宝以《地理人工智能在环境暴露与可持续城市中的应用》为题作主旨报告，深入探讨了地理空间人工智能（GeoAI）在理解人类环境暴露与健康行为方面的前沿应用。传统研究受限于静态的居住地数据，而通过整合GPS追踪、移动感知等新技术，可以捕捉人类在时空中复杂的行为轨迹。报告重点介绍了如何利用GeoAI开发新方法，基于高分辨率时空数据挖掘精准的地理时空背景，并通过具体案例，揭示了这些发现对于建设可持续城市的深远意义。
田莉以《城市人本数智化规划治理(HumanIs)理论与实践》为题，针对城市规划治理面临的巨系统复杂性，介绍了“智慧人居冰山模型”理论框架。该模型将可见的建成环境视为“显性系统”，而将难以观测的社会经济、居民行为与情感认知归为“隐性系统”。其次，报告探讨了人工智能从参与式方案生成到宏观政策模拟等多个场景应用，特别是多智能体模拟技术如何作为核心驱动力加快实现人本数智化规划，最后，审慎展望了该范式未来的完善方向与其能力边界。
王少华作了《时空大数据和人工智能驱动的城市服务设施配置优化研究及挑战》报告，该报告聚焦于可持续发展背景下的城市服务设施配置优化问题，强调利用时空大数据和人工智能方法作为提升城乡公共设施布局效率的关键技术路径。报告详细介绍了团队如何将深度强化学习等前沿AI技术与传统的运筹学空间优化理论相结合，构建旨在实现快速求解、综合考虑多要素、多情景地理分析的新型选址模型，这些创新模型以期能够在国土空间规划的城乡服务设施选址等实践中发挥重要作用。
姚凌以《大数据与大模型驱动新能源潜力评估与空间规划》为题，介绍了“双碳”目标下从微观建筑屋顶到宏观全球互联的多层级新能源评估与时空优化框架。该框架综合利用多源遥感数据、深度学习模型、辐射传输模拟与电力系统调度模型，实现了对光伏发电潜力的精细量化与消纳能力评估。在此基础上，通过多目标优化算法，成功实现了跨区域资源配置与局部光伏布局的协同优化。研究展示了地理空间智能在新能源潜力评估与时空优化中的支撑作用，为实现碳中和与能源安全提供了科学路径。
穆望舒作《空间优化中的不确定性及其解决方案》报告，系统剖析了空间优化问题中不确定性的多维度来源，如数据误差、尺度效应及模型简化偏差等。面向分析随机优化、鲁棒优化等传统方法的局限性，创新性地提出了 “精细化需求分析-不确定性可视化-深度学习模拟-深度强化学习优化”的四步系统性解决方案。并结合城市设施布局的典型场景进行了验证。
林雨铭报告题目为《基于元强化学习的城市更新多目标复杂决策》。针对超大城市更新中多目标冲突、多主体博弈带来的复杂决策挑战，提出了一种基于元强化学习（Meta-RL）的动态优化框架。该框架以城市模拟器为“智能推演引擎”，通过Meta-RL算法在多任务环境下进行自适应训练，使系统快速响应规划目标的动态变化并支撑优化方案。在北京城中村改造的案例中，该系统在方案生成效率和人机协同效果上均显著优于传统方法，为城市更新从静态规划迈向动态智能规划提供了可扩展的、可持续的新范式。
张敏分享了《面向城市规划标准的知识图谱构建与智能服务研究》。面对规划标准知识挖掘中的专业性高、实体模糊Kaiyun机械等问题，研究构建了一套融合深度学习与大语言模型的知识图谱应用方法体系。该体系利用大模型的语义能力构建高质量标注语料，设计实体关系联合抽取模型，构建规划标准知识图谱。并应用检索增强生成（RAG）框架，综合知识图谱的推理能力与大模型的生成能力，支撑实现精准、可溯源的智能问答服务，为规划相关部门开展规划标准体系的智能化应用提供了方法借鉴。
贾馥榕以《基于强化学习的城市视觉导航与空间认知地图构建》为题，介绍了强化学习框架在城市导航场景中的前沿研究。该研究采用强化学习智能体在无明确地图的情况下模拟执行类人视觉导航任务，旨在从算法层面揭示人类如何通过感官输入组织空间知识。基于强化学习智能体能够隐式地构建内部认知地图的研究现状，本研究系统分析了智能体编码目标信息和特定城市结构特征的能力，验证神经元级别的表征在支持类人空间认知中的作用，并探索了AI在解码人类导航策略方面的潜力。
11月9日，国家自然科学基金重点项目《地理空间人工智能支持下的时空优化方法》内部讨论会召开。会议由项目负责人、北京大学刘瑜教授主持，香港中文大学关美宝教授、北京市城市规划设计研究院数字中心张晓东主任，以及北京大学、香港中文大学、北京市城市规划设计研究院的项目核心成员共同参会。围绕项目后续推进路径展开务实研讨，聚焦核心技术攻关、成果产出场景、跨单位协作机制等关键议题深入交流。重点明确项目分阶段目标与任务分工，进一步梳理成果转化方向与落地场景，为项目高效推进、高质量完成奠定基础。
此次“地理空间人工智能支持下的时空优化方法”研讨会，以跨学科思维打破领域壁垒，集中展示了地理信息科学、人工智能与国土空间规划交叉融合的前沿理论、创新方法及实践案例，同时也为国家自然科学基金重点项目的有序推进明确了实施路径。彰显新技术重塑国土空间治理逻辑、提升资源配置效能的核心价值，为国土空间治理智能化奠定理论与实践基础。下一步，项目组将深化“产学研用”协同创新，推动GeoAI技术在规划编制、用途管制、动态监测等场景落地应用，将研讨成果转化为国土空间治理智能化发展实效。
