规划领域专属PlanGPT来啦！未来每个院都会有自己的大模型吗?丨城市数据派

年终数据技能大冲刺开车啦！

同时报名还可享更多优惠：

任选2套同报，钜惠价再减200元！

任选3套同报，钜惠价再减360元！

任选4套同报，钜惠价再减520元！

任选5套同报，钜惠价再减650元！

（多套同报优惠到1月30日截止，

以上优惠不包括营13和营14）

加我获取每套课程详细介绍

加我咨询和报名课程

---

我们是行为与空间智能实验室（简称BSAI，中文叫不是AI）团队，目前由北大张文佳研究员领衔，团队主要由博士生、硕士生和博士后组成，十分跨学科（地理、规划、计算机、智能科学、心理学、数学、交通、金融、遥感、建筑、公管等等），大模型并非我们研究的重点，但是具备human-like的空间认知与行为决策的大模型是我们一直的探索的方向（虽然之前并不叫大模型，蹭个热度）。

导读

▪ 大模型能考过注册规划师吗？

▪ 大模型在城市规划专业的考研笔试中能取得高分吗？

▪ 规划院有一堆项目资料和规划文档，大模型能否帮我智能整理并通过日常对话沟通问答，查询和归纳提取关键信息？

▪ 大模型能帮我做案例分析和比较吗？

▪ 大模型能帮我做具体规划项目的策划与方案吗？例如TOD规划、城市更新、社区生活圈等

▪ 大模型能不要糊弄我，像个有经验的规划师一样给我回复和沟通吗？

▪ 我能打造一个像我一样思考的“数字规划师”吗？具体来说，大模型能学习和迁移我的规划工作经验和写作风格吗？大模型能学习领导的写作风格帮助修改底下递上来的规划方案吗？

▪ 大模型能帮助规划师完成多模态的规划方案生成吗？图文并茂且逻辑关联

▪ 多个大模型组成多个数字规划师，是不是就可以生成数字规划院，我们就可以躺平了或者失业了？

如果你对上述问题感兴趣，可以读下去或者找我们一起做真正可以面向规划（院）、提高规划实务工作效率的大模型！

为了提高规划师与规划院的城乡规划工作效率，北京大学深圳研究生院行为与空间智能实验室提出了一个在规划领域的专用大型语言模型（LLM）PlanGPT。该模型不仅利用了本地知识数据库和网络搜索功能，还通过特定领域的微调，成功地解决了城市规划文本带来的独特挑战以及通用大模型在行业领域应用中的不足。经过一系列实证测试，PlanGPT在城市规划领域表现出色，为规划师提供了更高质量的回复，也为相关工作带来了文本分析、生成等应用上的便捷。PlanGPT有望给相关工作带来效率提升，促进城市(乡)规划领域的智能化转型。

1 背景介绍

大型语言模型(LLMs)凭借其强大的推理、记忆和理解能力，在金融、医学、法律、交通等领域已经取得了显著进展(FinGPT, HuaTuo, ChatLaw等)。这些针对特定垂直领域的大语言模型，通过特定领域数据的微调，有效地解决了通用大型模型因训练数据分布不均导致的幻觉问题。然而在城市规划与设计领域，却一直缺乏一个专用大语言模型，帮助从业人员从大量的规划文本中快速检索有用信息、提供准确响应、实时访问数据以进行决策分析，从而提高工作效率。

城市规划领域的文本呈现出几个明显特征：同构性、异质性和政府官方文风格。同构性指的是规划文本通常使用一些固定的短语结构或句子结构，比如“完善区域的城市功能、梳理支撑体系”,“科学合理、高标准”,“宏观背景、产业发展、空间格局”等，极大地增加了信息检索等难度。异质性表现为不同的规划文本在文章内容、写作结构、行文风格上存在差异，不利于模型的训练和数据微调。城市规划领域旨在为政府机关和社会建设提供服务，因此规划文本通常会具备政府文件的风格。然而，通用大型模型在训练过程中往往较少接触到这种特定的语言风格，这导致输出文本往往无法满足城市规划者的需求。

为了解决这些问题，BSAI团队提出了大语言模型PlanGPT。PlanGPT具备一个可自定义的向量数据库检索系统，能够在同构或异质的规划文本中精确提取有用的知识。同时它还能充分利用网络搜索工具获取外界实时信息，缓解了模型因离线训练造成的信息滞后问题。此外，通过收集网络上公开的城市规划材料和来自规划论坛的大量语料数据, 我们制作了 “城市规划公开数据集” (Urban Planning Open Dataset)，并对模型进行了微调，将领域特定的知识和语言风格融入到大语言模型中。

2 PlanGPT架构

PlanGPT具有多源数据的检索与处理能力，能够为各种城市规划的相关任务提供全面支持。PlanGPT包括四个核心组成部分：Vector-LLM、Local-LLM、Web-LLM以及Integrate-LLM，整体框架如下图所示。

▪ Vector-LLM 是PlanGPT的精确检索引擎，专为同构或异质的规划文本设计。它通过自定义的向量数据库系统，能够迅速且准确地搜索和提取有价值的信息。

▪ Local-LLM 利用城市规划公开数据集进行微调，为PlanGPT提供了该领域特定的知识基础。这一组件让模型能够更好地理解和回答城市规划领域的问题，提高了模型的实用性和适应性。

▪ Web-LLM利用网络搜索功能，让PlanGPT能够获取实时数据进行决策分析，赋予了模型与外界信息保持同步的能力。

▪ Integrate-LLM 使用打分（Score）或总结（Summary）技术，将前述各部分组合在一起，使PlanGPT能够采用更准确、高效的方式应对城市规划领域的各种挑战。

3 PlanGPT展示

当前版本的PlanGPT不仅拥有丰富的地理和规划知识，还具备了三大核心能力：知识检索、文本生成、信息融合。

▪ 知识检索：PlanGPT拥有调用工具精确检索的能力。作为城市规划领域的智能助手，它可以在在线(网络)或离线(数据库)地从海量的城市规划材料中检索信息，帮助从业者便捷地了解领域内的重要背景，加强了规划决策的可信度。

▪ 文本生成：PlanGPT在较长文本生成上表现优异。经过大量公开的规划文本微调后，已经能够生成具有政府文件与规划领域风格的语言，可用于创建、扩写与城市规划相关的文档和报告，减轻从业人员的写作负担。

▪ 信息融合：PlanGPT 具备出色的信息整合能力。打分模式(Score)会自主选择合适的工具去应对不同的任务场景, 总结模式(Summary) 能在多模态的数据中取长补短，为从业人员尽力提供最优质答案。

4 以PlanGPT为底层大模型与中规院深圳分院和学术信息中心共同研发规划院专属的大模型CoPlanner 1.0

2023年9月16日，在中国城市规划设计研究院主办的2023年大湾区规划论坛上，我们团队携手中规院深圳分院团队，视频发布了规划院专属的行业大模型CoPlanner 1.0。这一创新性的智能规划大模型是在PlanGPT基础上，利用中规院高质量的对齐语料和规划师的反馈进行逐步微调，形成了中规院专属的大模型CoPlanner，以探索多元化的规划场景，为PlanGPT实现产品化迈出重要一步。

▪ 合作创新助力智能规划：这一合作标志着中规院深圳分院与北大BSAI团队在智能规划领域的前瞻性合作。CoPlanner 1.0的核心是基于北大团队的微调，融合了中规院的高质量对齐语料和规划师的实际反馈，创造出一个专注于规划行业的大型语言模型。

▪ 本地知识与网络搜索能力：CoPlanner 1.0不仅依赖于先进的语言模型技术，还结合了本地知识库的强大资源。这使得它能够更准确地理解并应对涉及地理和规划的问题。同时，模型还具备网络搜索功能，能够及时获取最新的信息和数据，为规划决策提供实时支持。

▪ 多元规划场景应用：CoPlanner 1.0的发布将为规划领域带来重大突破。它不仅可用于城市规划知识问答、检索与生成，还将应用于各种规划场景，包括土地利用规划、交通规划、环境规划等多个领域。这一多元化的应用潜力将极大地提高规划师的工作效率和决策质量。

CoPlanner 1.0信息从4:00开始

以下视频来源于

城PLUS