KI-Framework SPLI quantifiziert Stadtflächenlayout präzise

Ein neues, auf arXiv veröffentlichtes Forschungsprojekt stellt ein datengetriebenes System namens Site Planning Layout Indicator (SPLI) vor, das die räumliche Anordnung von Stadtflächen systematisch bewertet. Durch die Kombination von OpenStreetMap‑Daten, Points of Interest, Gebäudemorphologie, Nutzungsflächen und Satellitenbildern liefert SPLI strukturierte Informationen, die bisher nur schwer quantifizierbar waren.

Das System erweitert traditionelle Kennzahlen um fünf Dimensionen: Erstens klassifiziert es Gebäudehierarchien klarer, zweitens misst es sieben typische Layout‑Muster wie symmetrisch, konzentrisch oder achsenorientiert, drittens wandelt es qualitative Vielfalt in messbare Indikatoren um (Functional Ratio und Simpson Index), viertens bewertet es die Erreichbarkeit wesentlicher Dienstleistungen unter Einbeziehung von Verkehrsnetzen, und fünftens erfasst es die Nutzungseffizienz über Floor Area Ratio und Building Coverage Ratio.

Um fehlende Datenpunkte zu ergänzen, setzt SPLI auf moderne Deep‑Learning‑Ansätze wie Relational Graph Neural Networks und Graph Neural Networks. Diese Modelle füllen Lücken in den Datensätzen und ermöglichen eine konsistente Analyse über verschiedene Städte hinweg.

Erste Tests zeigen, dass SPLI die Genauigkeit der funktionalen Klassifizierung deutlich steigert und eine einheitliche Basis für die Bewertung von Stadtflächen schafft. Damit eröffnet das Framework neue Möglichkeiten für Stadtplaner, Entscheidungsträger und Forschung, die Effizienz und Vielfalt urbaner Räume präziser zu messen und zu optimieren.