面向城市更新多目标空间分配的混合多智能体与遗传算法框架

《Scientific Reports》：A hybrid multi-agent and genetic algorithm framework for multi-objective spatial allocation in urban regeneration

　　

摘要

现代城市再生必须应对因土地利用冲突、严格的环境管控以及多方利益相关者关系而日益增加的复杂性。传统规划方法在动态模拟和系统整合能力上存在局限，经常无法平衡多样化的空间优化目标。在此，我们提出了 IMAGO（综合多智能体遗传优化），这是一个原创框架，它将多智能体系统（MAS）与多目标遗传算法（MOGA）相结合，以在利益相关者决策与建成环境变革之间建立相互反馈机制。在武汉核心城区的实施中，IMAGO 综合了地块级地理空间信息、社会经济指标、生态标准和监管限制。它模拟了政府机构、开发商和居民的决策，并将其动态谈判直接纳入遗传搜索循环中。实证评估证实，IMAGO 在关键绩效指标上可靠地优于传统规划模型：土地利用多样性（0.842 ± 0.025）、公园服务覆盖率（0.683 ± 0.020）、居民满意度（0.756 ± 0.022）和开发商投资回报率（1.842 ± 0.045）。这些发现强调了基于智能体的行为模拟反馈如何提高规划方案的可行性。生成的布局展示了智慧的土地利用转变：废弃工业区被重新开发为综合社区，闲置的外围区域被转换为生态缓冲区或低密度住宅，碎片化的绿地被合并为连续系统。这些变化与人口趋势和政策重点相关，表明模拟的利益相关者行动有效地指导了空间重组。因此，IMAGO 提供了一个可迁移的计算平台，以辅助复杂的城市更新决策。