近日，公共管理学院土地资源管理系副教授刘轶伦课题组在国家自然科学基金等项目的资助下，在城市更新领域取得重要突破，创新性地构建了城镇低效用地识别模型。相关成果在《Habitat International》（中科院一区Top期刊，影响因子7.0）发表。
2025年7月中央城市工作会议明确指出，我国城市发展正经历战略性转型，从快速增长期转向稳定发展期，城市更新亟需提升存量土地的利用效率。在面临土地资源紧缺与空间老化的双重挑战时，精准识别低效用地成为可持续发展的关键。然而，传统识别方法存在三重瓶颈：首先，低效用地影响因素复杂多样；其次，标注数据有限且类型单一；最后，决策过程缺乏透明性，难以支持政策制定。因此，该研究提出了结合可解释人工智能（XAI）与地理相似性推理（GSR）的集成识别模型（XAI-GSR），成功解决了上述问题。
XAI-GSR集成框架创新性地实现了在复杂城市环境下的小样本识别。首先，构建多维指标体系，量化低效用地特征；其次，利用可解释性机器学习技术，解析主导因子；最后，基于地理相似性推理的算法，仅需少量样本即可预测城市范围内的低效用地概率，突破了数据限制。
相比传统低效用地普查方法，XAI-GSR具有三大优势：一是降低成本，减少80%的外业核查费用；二是实现分类施策，针对不同类型的主导因子制定更新策略；三是支持动态优化，构建自迭代的土地产出数据库，实时评估城市更新潜力。
以土地紧缺型城市深圳为试验区，模型成功识别出三类低效用地集群，识别精度达82.9%，共发现9668个潜在低效地块，占建成区的25.44%。这一成果为高密度城市的更新规划提供了可量化、可解释的科学工具。
研究成果响应中央“推进城市更新”的政策方向，可为“集约高效利用土地”、“差异化更新治理”及“智慧城市决策”提供重要技术支撑。通过利用XAI-GSR模型低成本动态监测城镇低效用地空间分布，为城市更新规划提供更加可靠的技术支持工具。这不仅有助于减少行政部门进行低效用地外业调查的成本，还促进了理性城市更新和规划，推动了可持续城市发展。XAI-GSR模型推动城市更新决策支持系统朝着更加低成本、高效率、可解释的方向发展。
公共管理学院2023级硕士生林川为该论文第一作者，刘轶伦副教授为该论文的通讯作者。该研究得到了国家自然科学基金面上项目（42071356）、广东省科技计划（2024A1111120008）、广东省社会科学基金（GD24CGL63）等项目的资助。
相关论文链接：https://doi.org/10.1016/j.habitatint.2025.103503
文图/公共管理学院
