Generation and Optimization of District‑ and Plot‑Level Spatial Schemes for Urban Renewal

GAO Jinding; CUI Xuesen; LIU Geng; ZHANG Honghui; LIU Xiaoping

doi:10.13203/j.whugis20260324

您当前的位置：

首页 >

文章列表页 >

Generation and Optimization of District‑ and Plot‑Level Spatial Schemes for Urban Renewal

Cartography and GIS | 更新时间：2026-10-15

- Generation and Optimization of District‑ and Plot‑Level Spatial Schemes for Urban Renewal
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 11, Pages: 2485-2501(2026)
- 作者机构：
  
  1.中山大学地理科学与规划学院，广东广州，510006
  2.广东国地科技股份有限公司，广东广州，510650
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20260324
  CLC： P208
- Received：01 September 2026，
  
  Published：05 November 2026
- 稿件说明：
移动端阅览
高金顶,崔学森,刘耿，等.城市更新的片区‑地块空间方案生成与优化方法[J].武汉大学学报（信息科学版）,2026,51(11):2485-2501.

GAO Jinding,CUI Xuesen,LIU Geng,et al.Generation and Optimization of District‑ and Plot‑Level Spatial Schemes for Urban Renewal[J].Geomatics and Information Science of Wuhan University,2026,51(11):2485-2501.
高金顶,崔学森,刘耿，等.城市更新的片区‑地块空间方案生成与优化方法[J].武汉大学学报（信息科学版）,2026,51(11):2485-2501. DOI：10.13203/j.whugis20260324

GAO Jinding,CUI Xuesen,LIU Geng,et al.Generation and Optimization of District‑ and Plot‑Level Spatial Schemes for Urban Renewal[J].Geomatics and Information Science of Wuhan University,2026,51(11):2485-2501. DOI：10.13203/j.whugis20260324

摘要

城市更新需要在共同场地条件下开展多方案推演，并衔接片区功能组织与地块建筑布局。针对现有生成式城市设计聚焦单一对象、难以支持多情景生成与跨层级调整的问题，提出片区‑地块空间方案生成与调整方法。该方法以共同规划情景统筹用地约束和建设控制参数，贯通分层道路生成、地块构建、多情景用地配置与细分、逐地块建筑布局生成及对象级调整。实验结果表明，所提方法可在同一道路-地块骨架上形成差异明确的多情景用地方案，住宅布局生成取得最低Fréchet Inception距离，4项建设控制参数误差均低于对比模型，并将建筑重叠面积由59.4 m²降至0 m²。广钢新城案例形成4类更新方案，实现道路、地块、用地和建筑布局的一体化生成。该方法可将更新方案组织为可比较、可测算和可局部修正的对象化状态，为城市更新前期方案推演与迭代调整提供支撑。

Abstract

Objectives

Urban renewal requires multiple alternative schemes under common site conditions and coordinated spatial design at district and plot levels. Existing generative urban-design studies commonly focus on isolated objects such as roads

land use

or buildings

and do not jointly support multi-scenario generation

district-to-plot linkage

and scheme adjustment.

Methods

We propose a method for generating and adjusting district- and plot-level spatial schemes. A shared planning scenario coordinates district-level land-use constraints and development m²control parameters for different plot types. Explicit road

plot

land-use

and building objects connect hierarchical road generation

plot construction

multi-scenario land-use allocation and subdivision

plot-by-plot building-layout generation

object-based representation

and local adjustment.

Results

Multi-scale Transformer-vector‑quantized generative adversarial network road generation generates large-area road networks hierarchically at primary and secondary levels and increases length-weighted metric integration in one local regeneration area from 3.20 to 3.94. Deep reinforcement learning and generative adversarial network-based land-use selection respondes to functional orientations and specifies facility counts on the same road-plot skeleton

producing multi-scenario schemes with distinct land-use compositions and spatial distributions. Multi-condition GauGAN achieves the lowest Fréchet Inception distance in residential-layout baseline comparisons. The root mean square error (RMSE) values for the four development-control parameters are lower than those of comparable baselines

and modifying a single parameter produces targeted adjustments to building layouts. The Fruchterman‑Reingold force-directed algorithm reduces the building-overlap area from 59.4 m² to 0 m² through object-level local correction. In Guanggang New Town

four renewal schemes are generated under common site conditions

and each scheme integrates road‑plot‑land-use organization

plot-by-plot building layouts

and the assembled district-scale built form.

Conclusions

The proposed method organizes urban-renewal schemes as object-based states that are comparable

measurable

adjustable

and locally correctable

supporting early-stage scenario exploration

development-intensity checking

and iterative refinement.

关键词

Keywords

references

中华人民共和国住房和城乡建设部办公厅 . 住房城乡建设部办公厅关于印发城市更新规划编制导则的通知：建办科［2025］ 46 号［EB/OL］. （ 2025-07-17 ）［ 2026-08-13 ］. https：//www.mohurd.gov.cn/gongkai/zc/wjk/art/2025/art_c2f8e25bece84825bd3d469ed24e6f35.html https://www.mohurd.gov.cn/gongkai/zc/wjk/art/2025/art_c2f8e25bece84825bd3d469ed24e6f35.html .

Office of the Ministry of Housing and Urban Rural Development of the People's Republic of China . Notice of the General Office of the Ministry of Housing and Urban Rural Development on Issuing the Guidelines for the Compilation of Urban Renewal Plans： Jianbanke ［2025］No. 46［EB/OL］. （ 2025-07-17 ）［ 2026-08-13 ］. https：//www.mohurd.gov.cn/gongkai/zc/wjk/art/2025/art_c2f8e25bece84825bd3d469ed24e6f35.html https://www.mohurd.gov.cn/gongkai/zc/wjk/art/2025/art_c2f8e25bece84825bd3d469ed24e6f35.html .

广州市规划和自然资源局 . 广州市城市更新专项规划（2021—2035年）［R］. 广州：广州市规划和自然资源局， 2024 .

Guangzhou Municipal Planning and Natural Resour‑ ces Bureau . Guangzhou Urban Renewal Special Plan（2021—2035）［R］. Guangzhou ： Guangzhou Planning and Natural Resources Bureau ， 2024 .

林良国，赵耀龙，柯恩童 . 面向城市更新的地理空间信息技术研究现状与展望［J］. 地球信息科学学报， 2024 ， 26 （ 4 ）： 898 - 914 .

LIN Liangguo ， ZHAO Yaolong ， KE Entong . Research Status and Prospects of Geospatial Information Technology for Urban Renewal ［J］. Journal of Geo‑Information Science ， 2024 ， 26 （ 4 ）： 898 - 914 .

何捷，王超群，潘伟江，等 . 从专用模型到通用模型驱动的范式升级： GeoAI研究综述与展望［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 8 ）： 1700 - 1724 .

HE Jie ， WANG Chaoqun ， PAN Weijiang ， et al . From Task-Specific Models to General-Purpose Model-Driven Paradigm Shift： A Review and Future Directions of GeoAI Research ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 8 ）： 1700 - 1724 .

洪齐远，夏俊豪，龙瀛 . 城市设计中生成式人工智能应用的进展综述［J］. 风景园林， 2025 ， 32 （ 12 ）： 24 - 34 .

HONG Qiyuan ， XIA Junhao ， LONG Ying . Generative Artificial Intelligence in Urban Design： A Review of Recent Applications ［J］. Landscape Architecture ， 2025 ， 32 （ 12 ）： 24 - 34 .

李锐，刘朝辉，吴华意 . 城市人口流动感知与建模方法综述［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 5 ）： 973 - 995 .

LI Rui ， LIU Zhaohui ， WU Huayi . A Review of Urban Population Mobility Perception and Modeling Methods ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 5 ）： 973 - 995 .

王孟琪，李伯钊，王振立，等 . 一种集成知识图谱和大语言模型的智能地图制图框架［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 4 ）： 840 - 851 .

WANG Mengqi ， LI Bozhao ， WANG Zhenli ， et al . An Intelligent Map Cartography Framework Integrating Knowledge Graph and Large Language Mo‑del ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 4 ）： 840 - 851 .

FENG T ， LI L ， LI W T ， et al . CaRoLS： Condition-Adaptive Multi-level Road Layout Synthesis ［J］. Computers & Graphics ， 2025 ， 133 ： 104451 .

GU X Y ， ZHANG M M ， LYU J X ， et al . Genera‑ting Urban Road Networks with Conditional Diffusion Models ［J］. ISPRS International Journal of Geo‑Information ， 2024 ， 13 （ 6 ）： 203 .

FANG Z ， QI J X ， FAN L B ， et al . A Framework for Human-Computer Interactive Street Network Design Based on a Multi-stage Deep Learning Approach ［J］. Computers， Environment and Urban Systems ， 2022 ， 96 ： 101853 .

苏峰山，禄小敏，叶云会，等 . 基于图卷积自编码器的道路网相似度计算方法［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 2 ）： 391 - 402 .

SU Fengshan ， LU Xiaomin ， YE Yunhui ， et al . A Road Network Similarity Calculation Method Based on Graph Convolutional Autoencoder ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 2 ）： 391 - 402 .

WANG D J ， FU Y J ， LIU K P ， et al . Automated Urban Planning for Reimagining City Configuration via Adversarial Learning： Quantification， Generation， and Evaluation ［J］. ACM Transactions on Spatial Algorithms and Systems ， 2023 ， 9 （ 1 ）： 1 - 24 .

WANG D J ， WU L F ， ZHANG D H ， et al . Human-Instructed Deep Hierarchical Generative Lear‑ning for Automated Urban Planning ［C］// AAAI Conference on Artificial Intelligence ， Washington D. C.， USA ， 2023 .

JIANG F F ， MA J ， WEBSTER C J ， et al . Automated Site Planning Using CAIN-GAN Model ［J］. Automation in Construction ， 2024 ， 159 ： 105286 .

GAO J D ， GUO J J ， LIU X P ， et al . Combined Multi-condition Generative Adversarial Network and Force-Directed Algorithm for Generating Intelligent Residential Layout ［J］. Transactions in GIS ， 2025 ， 29 （ 3 ）： e70040 .

GAO J D ， LIANG C ， XU X C ， et al . GenFusion： Crafting Future Urban Building Layouts via Diffusion Model and Genetic Algorithm ［J］. Information Geography ， 2025 ， 1 （ 1 ）： 100015 .

QIN Y M ， ZHAO N X ， YANG J L ， et al . UrbanEvolver： Function-Aware Urban Layout Regeneration ［J］. International Journal of Computer Vision ， 2024 ， 132 （ 9 ）： 3408 - 3427 .

HE M Y ， LIANG Y B ， WANG S H ， et al . Human-Guided Urban Form Generation Using Multimodal Diffusion Models ［J］. Building and Environment ， 2026 ， 287 ： 113892 .

ESSER P ， ROMBACH R ， OMMER B . Taming Transformers for High-Resolution Image Synthesis ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Nashville，TN，USA， 2021 .

PARK T ， LIU M Y ， WANG T C ， et al . Semantic Image Synthesis with Spatially-Adaptive Normalization ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Long Beach， CA， USA， 2019 .

FRUCHTERMAN T M J ， REINGOLD E M . Graph Drawing by Force-Directed Placement ［J］. Software： Practice and Experience ， 1991 ， 21 （ 11 ）： 1129 - 1164 .

VELIČKOVIĆ P ， CUCURULL G ， CASANOVA A ， et al . Graph Attention Networks ［C］// The 6th International Conference on Learning Representations ， Vancouver， Canada ， 2018 .

VAN DEN OORD A ， VINYALS O ， KAVUKCUOGLU K . Neural Discrete Representation Learning ［C］// The 31st International Conference on Neural Information Processing Systems ， Long Beach， California， USA， 2017 .

CHANG H W ， ZHANG H ， JIANG L ， et al . MaskGIT： Masked Generative Image Transformer ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， New Orleans， LA， USA， 2022 .

SCHULMAN J ， WOLSKI F ， DHARIWAL P ， et al . Proximal Policy Optimization Algorithms ［PP/OL］. V2. arXiv （ 2017-08-28 ）［ 2026-08-13 ］. https：//doi.org/10.48550/arXiv.1707.06347 https://doi.org/10.48550/arXiv.1707.06347 .

ISOLA P ， ZHU J Y ， ZHOU T H ， et al . Image-to-Image Translation with Conditional Adversarial Networks ［C］// IEEE Conference on Computer Vision and Pattern Recognition ， Honolulu， HI， USA， 2017 .

ESTER M ， KRIEGEL H P ， SANDER J ， et al . A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise ［C］// The 2nd International Conference on Knowledge Discovery and Data Mining ， Portland， Oregon， USA， 1996 .

KARRAS T ， LAINE S ， AITTALA M ， et al . Analyzing and Improving the Image Quality of StyleGAN ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， Seattle， WA， USA， 2020 .

GB 50180—2018 城市居住区规划设计标准［S］.GB 50180 —

2018 Standard for Urban Residential Area Planning and Design ［S］.

WANG Z ， BOVIK A C ， SHEIKH H R ， et al . Image Quality Assessment： From Error Visibility to Structural Similarity ［J］. IEEE Transactions on Image Processing ， 2004 ， 13 （ 4 ）： 600 - 612 .

HEUSEL M ， RAMSAUER H ， UNTERTHINER T ， et al . GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium ［C］// The 31st International Conference on Neural Information Processing Systems ， Long Beach， California， USA， 2017 .

JIANG F F ， MA J ， WEBSTER C J ， et al . Building Layout Generation Using Site-Embedded GAN Model ［J］. Automation in Construction ， 2023 ， 151 ： 104888 .

LIU B C ， ZHU Y Z ， SONG K P ， et al . Towards Faster and Stabilized GAN Training for High-Fidelity Few-Shot Image Synthesis ［C］// International Conference on Learning Representations ， Online ， 2021 .

林隽，吴军 . 存量型规划编制思路与策略探索：广钢新城规划的实践［J］. 华中建筑， 2015 ， 33 （ 2 ）： 96 - 102 .

LIN Juan ， WU Jun . Methods and Strategies on Storage Developable Land Planning： the Planning Practice of Guanggang New Town ［J］. Huazhong Architecture ， 2015 ， 33 （ 2 ）： 96 - 102 .

程国宇，邓浩坤，张隆龙，等 . 城市更新中的绿地感知与社区治理：以广钢新城为例［J］. 世界地理研究， 2022 ， 31 （ 3 ）： 572 - 581 .

CHENG Guoyu ， DENG Haokun ， ZHANG Longlong ， et al . Green Space Perception and Community Governance in Urban Renewal： A Case Study of Guanggang New Town， Guangzhou ［J］. World Regional Studies ， 2022 ， 31 （ 3 ）： 572 - 581 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Spatiotemporal Evolution and Explainable Analysis of Grassland Vulnerability in the Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

High-Resolution L-Band InSAR Study of Intense Near-Field Deformation Associated with Shallow Moderate Earthquakes

Three-State Fusion Support Problem of Marine Geographic Information for Ship Navigation

Geometric and Frequency-Domain Constrained Single-Step Diffusion for Seabed Terrain Super-Resolution Reconstruction

Development and Prospects of Spaceborne Greenhouse Gas LiDAR Technology

Related Author

No data

Related Institution

No data

AI问答

⁰