理論研究 | 茅明睿：社區體檢到更新的AI場景創新

導讀

2025年10月17日，2025年中國城市規劃學會住房與社區規劃專業委員會年會在深圳大學召開。中國城市規劃學會城市規劃新技術應用專業委員會委員、城市象限科技創始人CEO、北京社區研究中心主任茅明睿作題為《社區體檢到更新的AI場景創新》的主旨報告。

本文字數：3268字

閱讀時間：10分鐘

茅明睿

中國城市規劃學會城市規劃新技術應用專業委員會委員，城市象限科技創始人CEO，北京社區研究中心主任

我主要圍繞三個層面，分享我們在人工智能背景下，探索數字化工具如何賦能社區規劃與城市更新工作的思考與實踐。

1

在人工智能背景下，數字化工具如何幫助我們在社區做好城市體檢服務

自2019年住建部在全國范圍內推動城市體檢試點工作以來，已形成了體系化的工作架構。該體系明確定義了住房、小區（社區）、街區、城區（城市）4個層次的體檢，并建立了規范的成果輸出要求，如住房尺度的“一表一單一臺賬”、小區與街區尺度的“一表一單”等，這些均與住房及社區規劃密切相關。

在此背景下，微觀尺度城市體檢的數字化賦能：能做什么？解決什么？如何提效？

2023年有幸配合中規院和中科院地理所參與了住建部全國城市體檢調查工作，主要用到兩類工具：一是全國居民問卷調查，累計獲取了超過100萬份高質量居民滿意度問卷，覆蓋2023年全國61個試點和樣本城市；二是基于云雀象限的市民提案征集，我們通過互式地圖采集居民空間化訴求，累計獲取6萬余條有效數據。

除了抽樣調查和公眾參與，城市體檢還有針對街區、社區、住房三個尺度的線下調查采集要求，在全國所有城市建成區，逐步建立小區、樓棟與單元級的標準化臺賬表。理論上，這一體系若能全面落實，即可逐年掌握每個小區每棟建筑的狀況、精準定位問題所在，并關聯相應的現場影像。未來3—5年內有望實現全國297個地級以上和397個縣級以上城市小區和樓棟臺賬的全覆蓋。這將成為未來住房與社區更新規劃的重要數據基礎。

為響應住建部對住房-小區-街區尺度的線下調查要求，我們專項研發了配套的數字化體檢工具。該工具已成功應用于多個省市近年來的年度調查工作。在用戶反饋的驅動下不斷迭代，目前該工具已能高效地為每一個小區、樓棟和街區，自動化生成符合標準的調查臺賬、統計表格、問題清單和問題地圖，并正在實現體檢報告的大部分章節自動生成。

今年7月17日，住建部發布《城市更新規劃編制導則》，明確“無體檢不更新、先體檢后更新”原則，并建立起“專項規劃—片區策劃—項目實施策劃”三級體系，每一級均遵循“先體檢后規劃”邏輯。

在這一框架下，片區體檢成為銜接學術探索與標準實踐的關鍵切入點。我們一直探索通過物聯感知設備自動化采集微觀建成環境數據，以支持空間更新與設計。此前因缺乏規范依據，該研究主要依托高校合作推進，成果難以轉化。如今，片區策劃要求為其提供了落地場景。通過搭載多類傳感器的穿戴設備與電動輪椅，我們可在社區調研中自動采集全景影像、坡度、噪聲、空氣質量等多維度數據，快速構建高維數據集，為片區更新提供扎實依據。

在此基礎上，后臺系統能自動生成空氣質量、噪聲、設施分布等各類專題地圖，并通過深度學習算法，自動識別出路面不平整、建筑立面破損、無障礙設施缺失等問題，并將問題精準定位在空間地圖上。采集的街景影像支持人工補充標注，并與地圖聯動，實現問題的可視化及多人在線協作。更進一步，針對算法識別出的負面空間點位，我們集成了AI生圖能力，能自動調用算法生成改造方案的示意效果圖。這項技術從在建設部大院的首次實驗至今，經過兩年迭代已趨成熟。

然而，我們必須認識到，單次的空間環境體檢往往只能捕捉靜態的“表象”。一個社區的深層問題需要持續的“陪伴”與洞察，但這在廣闊的中國城市化區域里成本極高。無論是年度滿意度調查還是線上工作坊，都難以持續、全面地關照大規模群體的動態訴求。

因此，當前中國最有價值的數據規劃資產之一是12345市民熱線數據，我們如何在社區規劃當中有效地利用12345數據變成了比較有意義的事情。2025年，我們主動開展了兩項關鍵工作：一是團隊參與北京市市民熱線中心的常態化數據治理與挖掘工作；二是開展12345專項算法模型的開發建設。

我們的工作分為兩個核心層次：

首先，是梳理熱線問題分類與城市更新的關系。北京12345熱線有超過2500個細分類別，并非都與城市更新直接相關。我們從中篩選出與城市更新（如老舊小區改造、公共服務設施）等緊密相關的訴求類別，建立了映射關系。

其次，是對非結構化文本進行深度智能解析。簡單的工單派發分類遠不能滿足分析需求。我們利用大模型技術，開發了一套自動化打標簽系統，從市民描述的文本中，智能提取并標準化“人、事、地、物、時間、組織”等實體。例如，識別工單是否涉及老年人、兒童等特定人群；關聯到具體哪個小區，并自動匹配該小區的屬性（如是否商品房、有無電梯、建筑年代等）；同時，對反映的問題進行極細顆粒度打標，例如“老舊小區-單元門-損壞”、“社區公園-照明-不足”等。

通過構建這樣一個龐大的標簽體系，我們能夠對每月上百萬條的訴求工單進行系統化挖掘。比如它能夠穿透數據，宏觀上分析哪些開發商、物業公司投訴集中，哪些小區是“問題爆點”，并洞察其深層原因。在某原拆原建自主更新項目中，我們系統分析了該片區歷年的所有熱線訴求，將結構化分析結論應用于規劃方案優化和群眾工作策劃。

2

體檢并不是在設計規劃當中的全部工作，還要考慮怎么做好更新方案

在更新模式的知識萃取與推薦方面，我們與國家發展改革委城市中心合作，協助住建部科技司對全國數百個城市更新案例進行結構化分析。我們利用大模型（QWEN、DeepSeek-R1蒸餾模型）對數千個文檔（包括方案成果、總結報告、新聞報道）進行智能解析，抽取項目尺度、更新類型、產權模式、投融資路徑、運營方式等35類關鍵實體，構建了覆蓋全國項目的“城市更新案例知識圖譜”。

通過圖譜分析，我們可以清晰地對比和總結成功經驗。例如，分析發現“典型案例”的項目，在老舊小區改造中，其投融資模式更傾向于以社會資本為主，運營方式多為政企合作，收益來源多元；而僅“入圍”的項目則更多地依賴政府財政資金和主導。基于該圖譜未來規劃師有可能只需輸入基地現狀與核心痛點，系統就能智能推薦最適配的參考案例與更新模式，并能在地圖上可視化展示所有類似項目的位置。

在設計方案的高效生成與公眾參與方面，AI生圖技術正在快速普及。例如，蕾奧規劃自主研發的LeiAI工具，支持上傳線稿、SketchUp體塊模型或現狀照片，快速生成建筑、景觀及社區空間的多元更新效果圖，極大提升了方案構思和表達的效率。

3

在推動社區參與和共創上，我們也進行了有趣的嘗試

城市象限與蕾奧規劃、國匠城聯合開發了“社繪AI”小程序，與常見征集文字意見的方式不同，我們鼓勵居民直接拍攝社區問題照片上傳。AI會自動識別照片中的環境要素與潛在問題，并生成初步的改造建議和可視化方案。居民可以修改建議，所有生成方案都會標注在社區共創地圖上，供其他居民瀏覽、評論。這種方式降低了參與門檻，旨在激發更廣泛的社區互動和創意。希望借助這次會議的場合有更多人用這個工具，能夠組建更多的工作坊，讓更多的居民做社區生圖的工作。

本文來源：住房與社區規劃專委會

【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 | 王明田：縣城體檢指標與方法

點擊圖片閱讀全文