面对城市空间的高度集聚以及用地类型的日趋复杂，如何高效科学地识别大规模空间用地类型，成为规划编制过程中的一大难点。基于此，本文从业态功能和城市形态学视角出发，交叉利用建筑形态及业态Pol大数据，突破目前已有的业态赋权模型识别方法，在进行空间校准、TF—lDF变换和数据库建构的基础上，采用人工智能方法，对不同类型、规模、区位的城市进行系统性的有监督深度学习与智能识别，将城市用地精细识别至国标最小类。同时，从形态指标、布局形态、特殊形态等维度嵌入智能规则，并通过置信度标注、调研反馈和系统自优化等方法，来进一步提高识别的精细度与准确率。
