随着信息化技术的发展，如今的城市已经步入了一个“大智移云”（大数据、智能化、移动互联网、云计算）的时代，各种技术紧密结合在一起，不仅大大改变着城市居民的传统生活方式，而且有望掀起新一轮产业变革。 当前，结合数字化的相关技术，城市设计方法呈现出了不同于以往发展阶段的新特点。智能化使得城市的数据库与多源大数据挖掘紧密结合，进一步支撑和发展了人工智能在城市设计中的方法运用与技术创新。通过物联网与移动互联网的紧密结合，产生了更多的城市大数据。 在城市设计过程中深入分析、挖掘多源大数据，可帮助城市设计者更好地分析判断城市发展问题，指导城市设计。 通过人工智能技术与城市设计技术的结合，能够更加高效迅速地模拟并计算不同城市设计方案可能产生的经济效益、社会效益和生态效益。以往的城市效益优化分析，往往需要设计者构建模型，并根据反馈结构进一步优化方案。通过人工智能神经网络结构的系统构建，能够将效益分析与设计优化一体化，大大提高设计的高效性。 人工智能技术的运用现已广泛涉及空间、生态、交通、公共管理等多个方面。在城市空间方面，目前的研究在结合计算机视觉技术的城市影像方面成果较为成熟，通过图像学习生成各类建筑、城市街景乃至更大尺度的城市形态平面方案。 1980年代初，国外相关研究尝试将人工智能技术应用于建筑设计领域，苏黎世联邦理工学院ETH教授施密特Gerhard Schmitt提出将“计算机创造力”与“用户交互”相结合，在建筑尺度层面引发了“数字链”建筑生成等众多理论与技术探索，为人工智能在城市设计领域的研究探索提供了思路和基础。此外，关于城市形象智能算法、大规模程序化自动建模等计算机领域的技术方法的突破创新，也为人工智能与城市设计结合提供了技术支撑。 在人工智能与设计领域结合的第二次机会的时代背景下，人工智能在街区尺度的城市设计领域已有一定研究，目前主要包括以下四个方向： 1.针对功能单一街区基本规范的方案强排设计。目前大部分既有研究集中在居住区为主的生成式设计，依托住区设计中体系化的规则参数生成强排方案，并结合日照、消防等指标予以优化评价。此外，该类方法在规则约束明确的高层建筑群生成中也有一定研究。 2.针对模数明确的历史街区肌理设计。依托传统建筑聚落及街巷肌理特色模数，通过数据挖掘和机器学习技术建立数字化生成设计工具，生成历史街区形态肌理。 3.基于案例库学习的住区建筑群落形态设计。通过非结构化数据库的搜索技术，找到可适当变形的案例模型，以实现自动生成符合各项专业要求的高层居住街坊。 4.基于邻近街区特征识别的机器辅助设计。通过附近街区建筑和社会经济特征来识别特定类型的城市环境及主要街道，从而指导城市设计。 随着人工智能技术逐步被应用于城市设计领域，实现了从确定抽象开发量指标到自动生成具象三维建筑群体体量，但仍存在以下问题： 1.现有图像学习等方法在城市设计领域应用不足。虽然来自人工智能领域的计算机视觉技术经过40余年的发展取得了长足的进展，但由于现有图像学习等智能生成手段的不可控性不易解释，单纯的图像学习方法难以实现非居住类用地的街区形态与建筑尺度的内在机理学习，导致人工智能生成方案仅适用于空间规划较为简单的居住用地，而难以满足不同用地性质混合情况下对空间组合的特定要求。 2.街区层面设计思维逻辑难以体现多尺度城市设计决策要求。从建筑出发的“自下而上”的设计思维适用于小尺度、功能单一的地段，而城市设计更注重对城市空间形态和风貌的整体控制，需要强调不同街区间的功能、空间、景观、交通、步行等联系，也需要采取“自上而下”的设计思路，但目前存在对应不同尺度的设计方案信息难以传递的问题。 3.应对不同功能地块的街区尺度城市设计方法缺失。目前街区尺度的人工智能城市设计主要面向功能单一的居住区、历史街区等，而不同功能街区的建筑排列组合的设计思路，与居住区、历史街区等生成方法不尽相同，在设计规范方面也存在较多差异，因此需要寻找一种更加共融的智能设计思路。 4.“黑箱”整体生成模式缺少逐级交互优化机制。图片学习生成住区强排方案等方法更多的是采取对抗网络直接生成方案，并采取基本规则规范进行校验，但不同街区的功能并不像住区在道路及步行体系上偏向自洽封闭的设计思路，传统的设计流程会综合不同街区的道路、步行路径乃至建筑进行多轮方案设计，而目前“黑箱”这种整体生成的方式阻隔了设计师逐级交互优化的机会。
