2025菁研杯·第四届“青年实践营”规划技能竞赛近日已圆满落下帷幕。此前已对会议情况进行了详细报道，为进一步展现青年规划人才在AI赋能规划领域的创新成果与实践智慧，现将本届竞赛的获奖项目进行集中展示。
这些项目涵盖城市交通、空间规划、居民活动分析等多个领域，充分体现了AI技术与规划实践的深度融合，为解决城市发展中的实际问题提供了富有创意的解决方案。
出行活动推断：从大数据到大模型
广州大学
张承智、庄财钢、王文丙、黎敏婷
本项目围绕大数据挖掘与大模型推理两条技术路径开展出行活动推断研究。
在大数据挖掘方面，项目以无桩共享单车轨迹数据为实证对象，针对开放环境下短途出行活动识别困难以及设施吸引力量化不足等关键问题，构建了改进的引力模型体系，以弥补传统引力模型过度强调距离衰减、忽视设施规模差异的不足，从而提升出行活动的识别精度。
在大模型推理方面，项目基于广州市居民出行调查数据，提出了 TripPurpose LLMs 推断框架。在模型训练层面，项目选取四个国产中等规模开源大模型（DeepSeek-7B、DeepSeek-R1-8B、Qwen2.5-7B、Qwen3-8B）作为基座模型，通过 LoRA 等参数高效微调技术开展领域自适应训练，实现交通出行行为领域知识的高效注入。
AI赋能的多尺度多类型“高保真”空间开发预测模型研究
武汉理工大学
任智、郑雨秋、杨悦、党杨杨、唐辰晨、李宛宸、时明亮、马晓凤、潘晓锋
针对于当前土地利用数据精度不足、分类体系粗糙以及空间开发模型多局限于单一框架难以真实反映复杂驱动机制的现实问题，本研究以系统性思维为指导，在深入探索多类型空间开发内在机理并全面提升土地与空间数据质量的基础上，构建了一个AI赋能的、从宏观到微观、覆盖多类型的“高保真”空间开发预测模型体系。
在机理分析层，针对不同的空间开发类型，利用系统动力学模型开展多类型空间开发机理研究。在数据处理层，利用随机森林模型开展建筑物类型识别、用地类型识别与清洗工作。在模型构建层，进行大区域级、城市交通小区级以及城市地块级三个尺度的空间开发预测模型构建。在模型校正与验证层，利用生成对抗网络进行数据扩样，同时利用遗传算法进行模型的参数校正与验证。本研究旨在为区域和城市规划、交通规划提供决策支持。
基于大语言模型智能体的城市交通信号控制优化方法
广州市交通规划研究院有限公司
陈嘉超、何鸿杰、唐清、庞小雅
本项目在实现层面构建“环境—智能体—策略库”的协同控制。交叉口持续输出交通流、排队、饱和度等状态信息，智能体对多源数据进行语义级理解与特征压缩，在无需复杂数据预处理的情况下完成状态识别与决策推理。
核心创新在于将传统信号控制方法及工程经验，直接转化为自然语言形式的策略提示词模板，避免规则编码和复杂建模，仅通过自然语言描述即可被智能体快速调用与组合。该模式将控制策略开发和信号优化成本从“程序开发级”降至“文本编写级”，显著缩短新策略的设计、验证周期；在低算力、可离线部署条件下实现高频次策略迭代，提高有限预算下的信号优化效率，降低对高端专业人员的依赖，具备良好的工程适用性和规模化推广价值。
三等奖
基于本源解析的城市交通病智能诊断
东南大学
郑乐迅、叶雯宇、石嘉俊、陈千卓、卢劲舟、黄志文、胡海强、张映、张晨昊
面对城市高质量发展的迫切需求，东南大学“粤秀东南”团队针对传统交通治理“先发现，后解决”的弊端，研发了基于本源解析的城市交通病智能诊断与主动预防系统。
该研究框架打破了传统出行链分析的局限，通过融合手机信令、土地利用与卡口AVI等长期监测数据，利用对抗逆强化学习模型深度挖掘居民出行动机，将散乱轨迹还原为语义丰富的个体活动链。运用f-散度逆强化学习算法，从海量轨迹中反演驱动拥堵的底层“奖励函数”，实现病因精准诊断；并进一步利用解析梯度实施链式行为干预，结合行为克隆技术进行生成式策略推演与反事实场景评估。
该作品能够在线评估政策干预对交通效率影响的长远作用，极大地降低了决策试错成本，为城市治理从被动响应向主动预防的跨越式转变提供了技术支撑。
基于AI技术的城市居民活动链生成
香港大学
王超凡、郭泽骁、周洋
本研究构建“行为分型+活动链生成”统一框架，聚焦智慧城市居民时空行为模拟核心难题，破解传统出行调查数据样本有限、更新滞后，以及位置大数据缺乏活动语义的痛点，通过 AI 技术生成高保真合成活动链，支撑精细化城市治理。
行为分型阶段，依托南京住户出行调查数据，将个体一日活动标准化为48时间片活性序列，采用马尔科夫链混合模型识别通勤、休闲购物、接送三类典型行为模式，结合多项Logit模型关联社会经济属性，揭示行为异质性根源。
活动链生成阶段，搭建融合社会经济属性、时空特征的多维度信息的Transformer生成架构，创新引入活动-位置先验与JS散度正则项，保障生成活动链微观逻辑与宏观统计合理性。实验证明模型优于基线，生成数据真实性显著，可为动态人口推演、交通仿真等应用提供合成数据支持。
大模型智能体驱动的城市公交多方博弈模拟及应用探索
同济大学
黄知微、卢永晟、夏强、向涛
本研究以城市公交线网调整为研究场景，提出一种大模型智能体驱动的城市公交多方博弈模拟框架，重点刻画居民、政府与公交公司三类主体在公交调整过程中的博弈过程，为提升城市公交服务水平提供决策支持。
本研究分别设计三类智能体，将三类智能体嵌入统一的交通仿真环境中，模拟公交线路调整情景下各主体的策略选择、行为响应与多轮博弈过程，分析不同决策组合对居民出行模式、公交运行绩效与公共治理目标的综合影响。
最终，基于多方智能体反馈与博弈结果，探索实现整体社会收益最大化的公交线网优化方案，为城市公交精细化治理与政策制定提供新的决策支持工具。
智巡畅行-无人机AI探测系统
广东交通职业技术学院
庄燕裕、周李、李双双、黎苗、陈炫枫
“智巡畅行”无人机AI探测系统，是响应“AI赋能规划实践与应用”主题的智慧交通创新方案。针对传统交通治理中固定监控覆盖不全、人工巡查低效、跨部门协同不畅等痛点，系统融合无人机、AI、5G、边缘计算技术，构建“空天地”一体化交通管控新范式。
系统采用“采集-预处理-智能分析-决策输出”四层架构，通过无人机多模式巡航采集全场景交通数据，经AI算法精准识别异常、预判车流，快速输出管控指令。核心指标表现优异，数据采集准确率99.5%，异常识别准确率≥99%，车流预判误差率≤4%。
经实践验证，系统可使交通异常识别时长缩短91.7%，应急处置效率提升73.2%，高峰通行效率提高90%，大幅降低人力成本。该系统不仅为城市交通精细化治理提供可复制方案，更助力智慧城市建设，引领交通行业数字化、智能化转型。
供稿 | 科创与质量管理中心
编辑 | 科创与质量管理中心
