新中国成立以来,城市发展几经转型,如今的城市建设要考虑的因素更加复杂多元,城市空间布局也趋向混合化,传统的基于经验的城市规划和设计方式产生了一定的局限性,需要使用新的技术手段。计算机技术自出现以来在城市领域应用广泛,从最初的辅助图纸绘制,到以地理信息系统为首的多种技术手段辅助城市研究和分析,再到如今信息时代下,机器学习、深度学习等技术成为新的热门,为城市规划和设计开辟了一条新的道路。本研究基于地理学第一定律,从设计用地和周边环境之间的关联性出发,采用机器学习中的人工神经网络算法,学习城市多源数据之间的潜在规律,挖掘城市建设与发展的内在逻辑。计算机基于该逻辑为设计用地生成空间布局方案,来辅助现有的人工规划与设计。城市空间布局的生成方法构建分为数据准备、单网格基础算法开发和多网格扩展算法开发共三部分。本研究将划分研究区域得到的数据网格作为基本研究单元,从用地功能、城市形态、交通联系三个维度采集研究数据,处理后生成数据集输入,搭建人工神经网络框架并训练优化,生成单网格模型,而后基于蒙特卡洛树搜索算法以及相邻格填补算法两种不同思路,实现多个未知网格的结果生成,扩展方法的适用范围。方法构建完成后,以南京市为学习对象开展方法的实例应用研究。划定研究区域,采集、处理数据,训练生成人工神经网络模型,并选择三处不同区域进行模型的单网格和多网格测试。测试结果验证了方法流程的可行性和有效性。最后,从算法和结果两方面展开对案例城市空间布局生成方法的分析与评价。经算法分析,得出人工神经网络算法整体表现较好,相邻格填补算法的表现优于蒙特卡洛树搜索算法。经结果分析,证明方法能够生成具有一定参考价值的城市空间布局方案,并通过探讨周边现状和中部预测结果数据间的联系,从中归纳出了一系列较为合理的城市空间布局规律。本文正文共约42 000字,图表95幅。