Plan2Map：从规划记录重建地理空间边界的多模态基准

研究团队日前发布Plan2Map，一项针对英国规划记录的多模态基准测试，旨在让AI学会从复杂的文档中自动重建地理空间边界。该基准包含208个测试案例，系统需从规划通知文本、地图图版、标签和边界标注中提取信息，输出符合要求的GeoJSON格式边界数据。

文档中的地理边界为何难以重建？

规划文档通常不会直接给出机器可读的边界坐标，而是通过文字描述、地图标注等间接信息来界定范围。这就像给出一张写着“从大槐树往东走50步再往南”的纸条，却要求还原出完整地块——传统方法根本做不到。Plan2Map的出现，正是为了填补这一空白。

基准测试具体考核什么能力？

• 系统需读取规划通知文本，理解其中的空间约束条件。
• 从地图图版和标签中定位参考点，结合边界注释建立坐标关联。
• 最终输出有效的地理空间边界，与预留的参考GeoJSON进行对比评分。

这其实要求AI同时具备文本理解、图像分析和空间推理能力，挺考验多模态模型的综合实力。

GeoPlanAg子集带来什么新挑战？

研究团队还提出了GeoPlanAg子集，专门聚焦农业规划场景。想想看，农田边界常常根据自然地形不规则划分，文档里的描述可能写着“沿小溪东岸至老橡树”——这种模糊表述，机器凭什么能精确还原？Plan2Map就是要让模型学会处理这种现实中的复杂场景。

基准发布的意义何在？

没有标准化的评估工具，各家的模型效果根本没法横向比较。Plan2Map为学术界和工业界提供了统一的测试平台，推动地理空间AI向着更实用的方向发展。未来若能将规划审批流程部分自动化，咱们的城市建设效率确实能提升不少。