施普林格·自然旗下专业学术期刊《自然-计算科学》最新发表一篇清华大学团队完成的技术研究论文发现，一个机器学习模型在空间城市规划方面，能为城市社区生成高效的土地使用和道路规划，超越其他算法和人类专家，这一模型展示如何使用机器学习来协助人类规划者进行空间城市规划的复杂任务。
该论文介绍，有效的社区空间规划有助于城市可持续发展。城市空间规划通常由人类设计者经过多轮分析、讨论和迭代完成。特别是对于土地利用和生成道路规划的任务，潜在解决方案可能是海量的。这可能妨碍城市规划的进程，因为人类专家没有多少时间能集中在流程中更具概念性和创造性的步骤中。
论文通讯作者、清华大学电子工程系副教授李勇和同事提出一个深度强化学习算法的模型，可以进行复杂的城市空间规划，基于15分钟城市概念(其中，居民步行或骑车15分钟即可抵达基本服务设施)产生最佳规划。结合人工输入，他们的研究表明，机器学习辅助土地和道路空间规划的表现超越了其他算法和专业人类设计师，在所有考虑的指标方面均提高达50%左右，而且速度快3000倍。
论文作者还展示了他们的方法可如何用于为不同规划策略生成高效计划，例如与其他设置相比需更重视公园和绿地覆盖的情形。
《自然-计算科学》同期发表国际同行专家的“新闻与观点”文章称，这项研究发现表明机器学习作为支持性工具增加人类规划师生产力，以及可能创造出更可持续城市生活的高效规划的能力。