← 案例目录DATAWHALE / FDE

案例 04 · 城市规划研判

Datawhale原书章节 · 印刷页码 33—45 · 当前仅加载一页

Datawhale《FDE案例100》,案例04,原书第38页;下方可展开文字版

原书第 38 页 · 点击页面可放大查看

查看与复制本页文字

文字由原PDF提取,阅读顺序和表格请以原页为准。

项目很容易陷入一个永远做不完的数据工程。
所以我们后来主动收敛。从整个市,缩到一个区,再缩到类似米市巷这样的具体单元,
然后只挑两条明确的业务流验证。
这个决策后来我觉得非常重要,场景足够小,数据才有可能搞干净;数据搞干净,结果
才可能足够精准;结果足够精准,业务人员才愿意相信。
所以一期我们没有把所有第三方系统和数据中台全部接进来,只让参与试点的部门先筛
选真正需要的数据,把这一小块场景的数据治理好。
第三步,把“数据、知识、报告”三个底座先做扎实。
我们当时为什么敢说20分钟生成的报告是“可推敲”的?主要靠的是底下三件事。
第一是数据。报告里的关键数据尽量来自规划院提供的真实数据,并通过专业计算得
到,不让模型自己猜。
第二是知识。我们把相关规划规则、专业文档等知识整理出来,通过检索增强的方式让
AI能够找到依据。比如一个写字楼为什么不能建在某个位置,可能是碰到了历史文化保
护线。过去规划师要去大量PDF里找相关规定,现在可以更快定位到对应规则。
第三是报告模板。不同部门原来都有自己的报告习惯,我们把各部门模板以及行业里的
模板拿过来,最后归纳出一个相对通用的输出结构。
所以最后AI是在真实数据、专业规则和固定报告结构里工作,不再凭空写作。
第四步,让AI调度专业工具,把计算留给工具。
这个也是我们后面非常重要的一个判断。很多规划计算其实有明确规则。既然有专业GIS
工具能够精准计算,就没有必要让大模型自己算。
所以我们的分工慢慢清晰起来:模型负责理解和分析,专业工具负责事实和计算,人负
38/243