學術報告 | 張鴻輝：城市存量低效空間更新改造的三維模擬與優化決策

導讀

2025年8月31日上午，2025中國城市規劃年會之“時空智能賦能城市更新”學術研討會在沈陽成功舉辦。中國城市規劃學會城市規劃新技術應用專委會副主任委員、廣東國地規劃科技股份有限公司聯席總裁、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字孿生技術破解城市存量空間更新難題，并系統介紹了其團隊構建的“數字底座-改造方案-多主體交互”三位一體的技術路徑。

本文字數：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與需求

我國城市發展已從增量發展階段轉向存量挖潛、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利用質量與效率、促進城市高質量與可持續發展的關鍵手段。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，主要體現在以下三個方面：一是多主體協同博弈機制缺失，利益相關方之間的復雜關系難以協調；二是動態社會要素缺乏考量，傳統規劃方法難以應對人流、車流等動態變化；三是方案生成與優化能力不足，方案設計效率和科學性有待提升。

為應對這些挑戰，亟需結合數字孿生、人工智能、仿真模擬等新技術，為城市存量低效空間的更新改造提供三維模擬與優化決策的支撐，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協同博弈，通過數字孿生技術支撐動靜態要素的耦合仿真模擬，以及通過生成式AI技術支撐改造方案的快速生成與智能優選。

二

實踐探索

構建全流程三維模擬與優化決策系統

為實現上述目標，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化、動態要素三維模擬仿真與方案優選等關鍵技術，構建了一套“基于三維數字孿生的更新改造方案模擬與優化決策系統”，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化等難題。將城市更新改造的全流程模擬與優化決策，融合成一個多主體參與的交互式集成系統。該系統通過構建“數字底座-改造方案-多主體交互”的數字孿生更新改造底座，奠定了堅實的數據與交互基礎；并通過方案智能生成模型，實現了多目標、多情景三維改造方案的快速生成與優化。同時，系統還集成了對人口活動、交通流量、碳排放、微氣候環境等動態要素的三維模擬仿真技術，確保在滿足多重約束條件的同時，遴選出最優的改造方案。

1

數字孿生更新改造底座的構建

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

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、環境要素等不同對象的可視化渲染效果，實現城市更新改造方案在高保真環境下的孿生呈現。對單個建筑、設施、局部環境等小場景，采用PBR材質、UV貼圖、光線追蹤、Lumen全局動態光照與發射等技術進行渲染，從而生成高度逼真的模型。對建筑群、片區等大場景，采用DLSS深度學習超級采樣、Nanite極高模型細節等技術進行渲染，實現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等專業仿真模擬軟件能力，以及研發各類仿真推演模型，以支持對人口、車流、碳排放及微環境等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的潛在影響，為后續方案的迭代優化提供數據支撐。

在數據基礎方面

以廣州市天河、海珠、荔灣、白云、黃埔等五大中心城區作為典型案例區，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、工業、歷史文化街區等多種改造類型，為后續的孿生環境搭建和方案模擬提供了堅實的數據基礎。

2

多目標多情景三維改造方案智能生成與優化

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

在此數據基礎之上，進一步研發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網絡（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的更新范式（如全面改造或微更新）。此高階推薦繼而驅動一個多尺度的方案生成引擎，該引擎在片區、地塊及地塊內部等不同層級上，執行一個“生成-評價-迭代”的遞歸優化循環，以實現設計方案的逐步優化。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定技術支持。

在片區尺度上，基于已有控規數據，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、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，實現圖屬融合。該技術能夠在1秒內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，生成滿足規劃條件的逼真模型，目前已在廣州廣鋼新城項目中得到實踐驗證。

3

動態要素的三維模擬仿真與方案優選

在動態要素的三維模擬方面，將車流、能耗、風環境、人流這四大動態要素融入改造方案的優化過程。通過采用NSGA-II多目標優化算法進行綜合評估，優化后的方案在風環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。在此數據基礎上，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；在社區尺度上，則能夠評估公園、人行道網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建微觀交通仿真模型，結合實時車流量數據，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境，實現方案的優選。最后，將靜態要素（如建筑布局）與動態要素（如風環境、能耗）的模擬結果相結合，以“舒適風面積區域最大化”和“能耗最小化”為目標函數，在滿足容積率、建筑密度等約束條件下，對建筑的樓型、高度、位置等進行優化調整。

4

更新改造全流程三維模擬與優化決策

研究開發了一套可視化的交互集成系統。該系統不僅能通過數字孿生環境展示數據資源、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整。其中，數字孿生展示包括數據資源瀏覽、數據對比分析、效果仿真模擬、數據查詢統計等功能，通過匯聚三維數據庫、更新改造環境、更新改造方案庫、案例庫，實現更新改造現狀環境、方案效果的孿生展示、對比分析，以及區域內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、條件參數設置、方案快速生成、方案調整、方案導出等功能，通過集成MC-GauGAN 方案生成模型、基于DDPG方案尋優算法，實現不同類型、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整，用戶可以設定不同角色（如規劃師、居民），根據具體需求擬定設計條件（如學校、商業中心），在方案生成后，還可以對建筑間距、高度、立面等參數進行人為調整，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深化研究：第一，構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，融入規劃知識與約束，構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-規劃傳導-博弈開發參數-方案生成-迭代優化”的全流程閉環，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、道路環境整治、節點風貌提升等微更新場景提供堅實技術支撐。

*根據現場報告整理，已經專家審閱。整理人：王亞非

供稿單位：人工智能與數字經濟廣東省實驗室（深圳）

【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。

規劃年會 | 學術研討會十八：時空智能賦能城市更新

點擊圖片閱讀全文

【規劃年會】張鴻輝：國土空間規劃助力能源碳減排的思考

點擊圖片閱讀全文

會議 | 聚焦“模型驅動 場景賦能”，2025城市規劃信息化年會在佛山召開

點擊圖片閱讀全文