北京城市规划学会数字城市规划专业委员会（以下简称“专委会”）旨在以数字城市规划实施推动城市建设，建立本市数字城市规划建设相关政策和标准，促进数字城市领域新技术、新场景，助力城市规划治理向规范化、精细化、智慧化方向发展，更好地服务支撑首都规划建设管理，提升对首都规划决策服务的前瞻性、科学性和客观性。专委会由北京市城市规划设计研究院牵头，30余家机构、高校、科技企业共同参与建设，是北京城市规划学会下属的分支机构之一。
本年度专委会将举办一系列学术研讨活动。本期专委会与北京市城市规划设计研究院数字科技学部、数字技术规划中心、总工办（编辑部）、规划大数据联合创新实验室（BDR）、数字孪生城市创新实验室（DCI）共同组织了PlanGPT与智能规划场景探索专题讲座，邀请北京大学深圳研究生院城市规划设计学院副院长张文佳研究员，结合其团队研究成果，从大模型发展现状、PlanGPT的研发过程、基于PlanGPT的智能规划场景、PlanGPT对规划业务流程的重构等方面开展了深入探讨。
北京大学深圳研究生院城市规划与设计学院研究员、博士生导师、副院长，国家级青年人才。毕业于南京大学(本科)、北京大学(硕士)与美国德州大学奥斯汀分校(博士)。主要从事时空大数据与人工智能技术开发、土地利用与交通一体化规划、城市行为系统、空间结构优化、微观人地关系模拟等研究。担任中国地理学会行为地理专委会秘书长。主持国家自然科学基金(面上、青年)、重点研发子课题等国家级项目4项，省市级纵向项目5项。在JUE、AAAG.JPER、CEUS、TRD等期刊上发表中英文论文80余篇，成果获中国地理科学“十大年度进展”、Springer Nature “中国作者年度高影响力研究”、美国交通运输协会第100届年会最佳论文、中国城市规划学会优秀科技论文专项奖（求是）、中国地理学会青年优秀论文奖等。
张文佳研究员主题讲座《PlanGPT与智能规划场景探索》
大模型发展现状：人工智能加快国土空间规划智慧化转型
在信息化转型时代，人工智能是推动规划智能化的关键技术。2023年9月自然资源部印发《全国国土空间规划实施监测网络建设工作方案（2023-2027年）》，提出要“建设国土空间规划专业大模型，开发辅助编制、自动审查、动态预警等业务管理智能工具，形成跨场景、跨业务、跨数据协同共治的大模型能力”。在通用大模型方面，2022年11月OpenAI发布的ChatGPT引领生成式人工智能潮流，随后通用大语言模型风起云涌，如百度“文心一言”、腾讯“混元大模型”、阿里“通义大模型”等等，可谓是“百模大战”。在行业大模型方面，各大科研机构、高校、企事业单位积极探索行业大模型，北京交通大学发布了交通领域大模型“TransGPT·致远”，上海交通大学发布了地球科学领域大模型“白玉兰”，携程发布旅游行业大模型“问道”，维智科技发布了城市大模型“CityGPT”等。从成效来看，通用大模型推进整体智能技术进步，行业大模型则推动专业领域效能提升与高质量发展。
PlanGPT的研发过程可以总结为三个阶段：第一阶段是利用国土空间规划通识数据集，基于开源大模型进行微调，能够初步理解和回答国土空间规划领域的专业问题；第二阶段是本地化大模型与知识库结合部署，通过自定义的向量数据库系统，能够迅速、准确地搜索和提取有价值的信息；第三阶段是本地大模型与在线知识库结合部署，使其具有获取丰富、可扩展在线知识的能力。在此基础上，采用基于规划师反馈的强化学习(Planner-based RLHF)技术，旨在使生成的文本成果更加符合规划师的专业要求。
在上述知识库搭建过程中，通过对Plan-Emb、Plan-KE和Plan-DB三个关键技术模块进行优化，以提升大模型检索的准确性。其中，Plan-Emb模块是基于国土空间规划领域文本数据的预训练词嵌入模型，用以表征专业术语。Plan-KE模块是基于国土空间规划领域文本数据训练的关键词抽取器，用以精准定位用户提问与备选段落中的关键词。Plan-DB模块采用“先略读，再精读”的多层级向量检索策略，旨在提高关键词抽取的准确性。
PlanGPT的技术论文（https://arxiv.org/pdf/2402.19273.pdf）
当前大模型在图文分析、知识管理、内容生成、自动审查、智能评估、AI助手等情境中有着重要的应用前景。PlanGPT具备卓越的规划数据质量检验与知识管理能力，其中包括：信息检索能力，能够提供详实的规划信息；总结归纳能力，能够根据特定的要求提炼和总结关键内容；横向对比能力，能够发现多个规划方案之间的优劣势以及潜在的改进空间。此外，PlanGPT实现了国土空间规划的辅助编制、风格迁移、自动审查、动态预警等功能。然而，PlanGPT大模型在专业知识的准确理解与检索方面还存在一定改进空间，这也是后续工作拟重点攻克的难题。
PlanGPT知识库与问答大模型准确度比较（与Kimi、阿里比较）
