Neue KI‑Algorithmen verbessern Stadtflächenplanung in Mischgebieten

Die optimale Aufteilung von Stadtflächen ist ein komplexes, mehrzieliges Optimierungsproblem, das für die nachhaltige Stadtentwicklung von entscheidender Bedeutung ist. In einer aktuellen Studie wurden neue Ansätze aus der Computational Intelligence vorgestellt, die dieses Problem gezielt adressieren.

Die Autoren entwickelten mehrere Optimierungsalgorithmen, die Differential Evolution mit mehrzieligen genetischen Algorithmen kombinieren. Besonders hervorzuheben sind der CR+DES‑Algorithmus, der skalierte Differenzvektoren nutzt, sowie eine systematische Strategie zur Relaxation von Nebenbedingungen, die die Qualität der Lösungen verbessert, ohne die Praktikabilität zu gefährden. Die Wirksamkeit der Verfahren wurde durch statistische Tests – unter anderem Kruskal‑Wallis‑Analysen – bestätigt.

In einer Fallstudie mit 1.290 Grundstücken erzielte der CR+DES‑Ansatz eine Steigerung der Flächennutzungs‑Kompatibilität um 3,16 % im Vergleich zu bestehenden Methoden. Der MSBX+MO‑Algorithmus zeigte eine Verbesserung der Preisoptimierung um 3,3 %. Die statistische Analyse belegte, dass Algorithmen, die Differenzvektoren einsetzen, die traditionellen Ansätze in mehreren Metriken deutlich übertreffen.

Diese Ergebnisse liefern Stadtplanern und Politikern evidenzbasierte Werkzeuge, um die widersprüchlichen Ziele der Flächennutzung – Kompatibilität, Wirtschaftlichkeit und Nachhaltigkeit – besser auszubalancieren. Damit unterstützen die vorgestellten Methoden die Entwicklung effektiver Stadtentwicklungsstrategien in schnell urbanisierenden Regionen.