存量規(guī)劃時(shí)代，我國城市空間治理面臨更為精細(xì)高效的多重挑戰(zhàn)，其中城市用地識(shí)別作為規(guī)劃工作開展的關(guān)鍵前提，如何更加精準(zhǔn)高效地對(duì)大規(guī)模存量用地進(jìn)行科學(xué)識(shí)別，對(duì)于提高城市規(guī)劃效率，以及城市更新工作的高質(zhì)量開展起到了至關(guān)重要的作用。然而，面對(duì)城市用地在二維平面與三維立體上高度混合的復(fù)雜特征，現(xiàn)有數(shù)智化方法逐漸難以滿足精細(xì)化用地識(shí)別的要求，其根本原因在于，未能依據(jù)規(guī)劃師識(shí)別城市用地的“專業(yè)邏輯”去建構(gòu)智能化模型，具體有以下3點(diǎn)技術(shù)瓶頸：（1）二維與三維數(shù)據(jù)的識(shí)別結(jié)果難以融合；（2）識(shí)別精細(xì)度難以突破至地塊單元；（3）缺乏根據(jù)識(shí)別結(jié)果的自動(dòng)更正與迭代。

基于當(dāng)前城市用地識(shí)別的難點(diǎn)，本研究首先需要對(duì)規(guī)劃師人工識(shí)別用地的“專業(yè)邏輯”進(jìn)行解析，從中提取規(guī)劃師依據(jù)城市用地的二維形態(tài)特征，并逐漸融合三維立體特征進(jìn)行用地識(shí)別的核心關(guān)鍵步驟，以及多維用地特征影響用地識(shí)別的相互作用機(jī)理，進(jìn)而指導(dǎo)后續(xù)智能化用地識(shí)別模型的建構(gòu)。

總體來說，專業(yè)規(guī)劃師需要按照“二維形態(tài)直觀判斷”“建筑功能識(shí)別”和“三維形態(tài)感知修正”的“專業(yè)邏輯”。首先，對(duì)用地二維形態(tài)進(jìn)行總體認(rèn)知，依據(jù)遙感影像的大類用地初識(shí)；其次，針對(duì)混合地塊的用地功能與地塊細(xì)分，對(duì)建筑功能進(jìn)行分析；最后，對(duì)三維風(fēng)貌形態(tài)進(jìn)行感知，通過人眼三維視角對(duì)用地功能與邊界進(jìn)行修正，以此實(shí)現(xiàn)對(duì)城市用地的精細(xì)識(shí)別。值得注意的是，在精細(xì)化治理的要求下，城市用地精細(xì)識(shí)別的目標(biāo)顆粒度需要達(dá)到混合用地內(nèi)的地塊單元，包括對(duì)地塊單元的功能判定與邊界劃定。

人工識(shí)別城市用地的全過程本質(zhì)上是將二維和三維的用地形態(tài)與功能特征進(jìn)行融合，依據(jù)“專業(yè)邏輯”線性遞歸地對(duì)用地性質(zhì)與地塊邊界進(jìn)行判斷與驗(yàn)證。一方面，為得到準(zhǔn)確的用地識(shí)別結(jié)果，人工識(shí)別用地的全過程需要按照自上而下的線性路徑，以逐步形成對(duì)目標(biāo)用地特征的完整認(rèn)識(shí)。另一方面，識(shí)別過程中隨著城市用地信息維度的不斷增加，規(guī)劃師會(huì)對(duì)依據(jù)不同特征信息推斷出的結(jié)果進(jìn)行交叉驗(yàn)證，不斷細(xì)化修正以得到最終識(shí)別結(jié)果。

智能算法完整還原人工識(shí)別用地的全過程，是通過對(duì)城市用地外顯特征的數(shù)字量化，再依據(jù)人工識(shí)別用地的專業(yè)邏輯進(jìn)行智能化建模與規(guī)則設(shè)定，以實(shí)現(xiàn)對(duì)混合用地內(nèi)地塊性質(zhì)和邊界的自動(dòng)識(shí)別與劃分。而人工識(shí)別用地全過程的特征表明，這種依據(jù)城市用地的多維特征，通過規(guī)劃師線性推導(dǎo)的用地識(shí)別全過程具有被智能算法還原的可行性，其理論依據(jù)在于：城市用地多源特征信息的可量化融合、城市用地識(shí)別過程的可模塊化、城市用地客觀性質(zhì)與邊界的可解釋性（圖1）。

基于智能算法還原人工識(shí)別用地全過程的理論依據(jù)，本研究探索了一種將人工識(shí)別用地的“專業(yè)邏輯”轉(zhuǎn)化為“智能建?！钡姆椒?，即“智能相地”。智能相地方法的建構(gòu)主要包括3個(gè)模塊，分別對(duì)應(yīng)人工識(shí)別用地的3個(gè)核心專業(yè)邏輯，包括遙感影像深度學(xué)習(xí)模塊、建筑特征向量分類模塊和街景圖像語義分割模塊（圖2）。

智能相地的方法優(yōu)勢與理論突破在于，不僅能兼顧識(shí)別結(jié)果達(dá)到專業(yè)規(guī)劃師精細(xì)識(shí)別的高精準(zhǔn)度標(biāo)準(zhǔn)，同時(shí)還能逾越人工識(shí)別過程中固有的局限性。智能相地的方法通過人工智能對(duì)城市用地識(shí)別的全流程模擬，一步步把人工用地識(shí)別的“專業(yè)邏輯”轉(zhuǎn)譯為計(jì)算機(jī)“智能建?！?，使智能化用地識(shí)別的精細(xì)度突破至混合用地內(nèi)的地塊單元尺度，同時(shí)有效提高用地識(shí)別效率并降低人工識(shí)別的誤差。而在方法智能化轉(zhuǎn)型的過程中，規(guī)劃師將擺脫原先繁瑣重復(fù)的用地識(shí)別任務(wù)，轉(zhuǎn)而投身于人機(jī)協(xié)同的策略機(jī)制制定與智能化模型的建構(gòu)調(diào)優(yōu)等決策性工作，促使規(guī)劃基礎(chǔ)性工作的智能化轉(zhuǎn)型。

智能相地方法首先需對(duì)“平面直觀判斷”的專業(yè)邏輯進(jìn)行智能建模，相比僅通過遙感影像深度學(xué)習(xí)的識(shí)別方法，本研究將建筑矢量平面轉(zhuǎn)譯為統(tǒng)一顆粒度的柵格數(shù)據(jù)，實(shí)現(xiàn)了遙感影像數(shù)據(jù)特征與建筑形態(tài)多維特征的融合，從而更精準(zhǔn)地對(duì)大類用地類型進(jìn)行識(shí)別。包括數(shù)據(jù)預(yù)處理與融合、大類用地識(shí)別模型建構(gòu)與訓(xùn)練、地塊邊界初步劃分3個(gè)步驟（圖3）。

在南京主城區(qū)的實(shí)證案例中，將預(yù)處理后的數(shù)據(jù)集輸入訓(xùn)練好的智能化模型中，可得到南京主城區(qū)大類用地的初步識(shí)別結(jié)果，圖4顯示了4個(gè)典型街坊用地單元的識(shí)別主要過程和結(jié)果。與僅通過遙感影像深度學(xué)習(xí)的方法相比，大類用地初識(shí)的智能模塊融合了精細(xì)的建筑矢量特征，并通過智能規(guī)則的嵌入，提高了大類用地初識(shí)的準(zhǔn)確度。然而該模塊僅能準(zhǔn)確識(shí)別至大類用地性質(zhì)，因此需進(jìn)一步通過智能化建模還原完整專業(yè)邏輯，以實(shí)現(xiàn)更精細(xì)的用地識(shí)別。

城市用地的業(yè)態(tài)標(biāo)注與建筑形態(tài)特征是用地識(shí)別最主要的判斷依據(jù)，在大類用地性初識(shí)的基礎(chǔ)上，本研究在建筑單體顆粒度下建構(gòu)建筑單體的多維特征向量，細(xì)化識(shí)別單體建筑的用地類型歸屬分類，突破了用地識(shí)別的精細(xì)度至地塊單元的小類用地性質(zhì)的局限。需要注意的是，由于POI業(yè)態(tài)標(biāo)注和用地性質(zhì)在語義上并不存在完全對(duì)應(yīng)的關(guān)系，因此本研究采用監(jiān)督分類學(xué)習(xí)模型，綜合考慮POI業(yè)態(tài)標(biāo)注與建筑形態(tài)特征以對(duì)建筑單體類型進(jìn)行智能化識(shí)別，有效提高了智能識(shí)別模型的可解釋性。包括建筑多維特征向量建構(gòu)、建筑功能分類模型建構(gòu)與訓(xùn)練、地塊邊界細(xì)化劃分3個(gè)步驟（圖5）。

在南京主城區(qū)的實(shí)證案例中，通過上述方法建構(gòu)主城區(qū)建筑的多維特征向量數(shù)據(jù)庫，并通過訓(xùn)練好的模型與智能規(guī)則對(duì)建筑功能進(jìn)行預(yù)測分類，共得到36類建筑歸屬類型，進(jìn)而智能生成南京主城區(qū)的地塊細(xì)化識(shí)別結(jié)果，模型準(zhǔn)確率達(dá)91.3%，召回率達(dá)88.5%（圖6）。然而，由于業(yè)態(tài)標(biāo)注數(shù)據(jù)普遍存在誤差，以及用地發(fā)展與規(guī)劃間的不匹配，導(dǎo)致真實(shí)情況與識(shí)別結(jié)果不可避免地存在偏差，識(shí)別準(zhǔn)確度仍有提升的空間。

由于任何城市地塊都至少擁有一個(gè)沿街界面，因此本研究創(chuàng)新性地增加了智能化模擬人眼觀察街景風(fēng)貌與建筑形態(tài)對(duì)用地性質(zhì)進(jìn)行判斷的過程，同時(shí)還能識(shí)別出不同性質(zhì)地塊間的分界線?；诖耍ㄟ^智能規(guī)則的設(shè)定對(duì)部分用地識(shí)別的誤差進(jìn)行修正，使識(shí)別準(zhǔn)確度得以進(jìn)一步提升。包括街景圖像語義分割與空間配準(zhǔn)、街景建筑分類模型建構(gòu)與訓(xùn)練、建筑功能與地塊邊界修正3個(gè)步驟（圖7）。

在南京主城區(qū)的實(shí)證案例中，以百度街景圖像數(shù)據(jù)為基礎(chǔ)，預(yù)處理后共得到16284幅連續(xù)街景風(fēng)貌圖像與75128張單體建筑風(fēng)貌圖像，通過空間網(wǎng)格法將其與建筑矢量數(shù)據(jù)進(jìn)行空間配準(zhǔn)。進(jìn)而利用DeepLabv3+模型和訓(xùn)練好的VGG16深度學(xué)習(xí)模型，識(shí)別單體建筑立面圖像的用地功能歸屬類型?；诖?，對(duì)第二模塊建筑功能識(shí)別結(jié)果進(jìn)行校核修正，得到最終的用地精細(xì)識(shí)別結(jié)果（圖8）。

需要說明的是，由于南京主城區(qū)發(fā)展所處的階段，其商業(yè)服務(wù)設(shè)施用地普遍為混合功能用地，即無法將某一B類用地明確細(xì)分為單一中類或小類性質(zhì)，因此本研究在識(shí)別B類用地時(shí)，不對(duì)其具體小類性質(zhì)進(jìn)行識(shí)別，而更多關(guān)注其用地功能混合的特征，包括對(duì)商住混合、商辦混合和商業(yè)文化混合等混合功能地塊性質(zhì)的精細(xì)識(shí)別。部分城市小類用地的分類僅依靠相關(guān)政策、制度的解讀，無法通過多源大數(shù)據(jù)提取其特征，例如M類、W類用地的小類用地性質(zhì)，因此本文對(duì)于此類用地的識(shí)別不做具體小類用地性質(zhì)的區(qū)分。

由于城市用地的現(xiàn)狀特征與既定用地規(guī)劃間不可避免地存在一定程度的不匹配，加之多源大數(shù)據(jù)固有的誤差，導(dǎo)致少數(shù)用地不論通過專業(yè)人員或智能算法均難以準(zhǔn)確識(shí)別。對(duì)此，本研究通過建構(gòu)各子模塊維度和總體維度的智能規(guī)則庫，以進(jìn)一步智能相地地提升識(shí)別準(zhǔn)確度。在智能規(guī)則庫嵌入的基礎(chǔ)上，對(duì)訓(xùn)練集進(jìn)行多輪迭代循環(huán)測試，以不斷提高用地識(shí)別結(jié)果的精準(zhǔn)度。最終35種用地分類的識(shí)別準(zhǔn)確度均達(dá)到91%以上，平均準(zhǔn)確度為94.5%。

智能相地方法不僅能促進(jìn)規(guī)劃學(xué)科“產(chǎn)學(xué)研”的交叉融合，還能為未來城市規(guī)劃工作的模式的優(yōu)化帶來新的視角。通過傳統(tǒng)規(guī)劃師“專業(yè)邏輯”與新興數(shù)智技術(shù)“智能建模”的優(yōu)勢互補(bǔ)，將規(guī)劃師從大量基礎(chǔ)性工作中解放出來的同時(shí)，也促進(jìn)了“人機(jī)交互”的規(guī)劃工作新模式的發(fā)展。

未來，隨著城市用地精細(xì)識(shí)別的智能化轉(zhuǎn)型，城市用地的更新與治理工作如何在專業(yè)內(nèi)核與數(shù)智技術(shù)的融合下高效科學(xué)地開展，從而實(shí)現(xiàn)城市用地的高質(zhì)量發(fā)展，仍有待持續(xù)深入的研究。