近年来,人工智能（Artificial Intelligence,简称AI）已经渗透到许多学科领域且得到广泛应用。虽然人工智能在建筑领域中的应用还处于初级阶段,但却让我们看到它在建筑设计和工程建造上的巨大潜力。人工智能的发展必将给建筑行业带来深刻的变革,也将重塑建筑学科。本文的工作聚焦于人工智能辅助建筑设计（AI Aided Architectural Design,简称AIAAD）,这是一个全新的研究方向,旨在让机器变成一个具有人类建筑师资质的AI,它有着广阔的应用前景和重大的现实意义。一方面,它将给人们的生活带来前所未有的改变,在不久的将来人们也许会住在完全由AI设计并建造的房子里;另一方面,它也会极大的促进智慧城市和智能建造等领域的发展。此论文提出了一种基于给定的建筑外边界自动生成住宅建筑内部空间平面图的方法。具体的,本文设计了一个新的深度神经网络框架（ActFloor-GAN）,在对真实世界中海量的平面图学习之后,它成为了一个可以独立进行平面图设计的AI建筑师,以替代人类建筑师的工作和减轻他们的设计压力。本文的方法具有以人为中心的独特优势,即生成的平面图不仅在几何形状上是合理的,还在拓扑结构上是合理的,以增强居民与环境的交互,使居民拥有更好的居住体验。从输入的建筑外边界,本文的方法首先合成一个反映建筑内部空间结构和人与环境交互作用的人类活动图。本文提出了两种方法来生成人类活动图,一个是通过预先训练好的生成对抗网络（GAN）模型自动地生成,另一个是通过本文开发的用户交互系统允许用户放置家具来半自动地生成。然后将人类活动图输入到本文设计的深度神经网络框架（ActFloor-GAN）中,以指导模型生成建筑内部房间布局的像素级预测。本文在ActFloor-GAN模型的训练中使用了一个重新制定的循环一致性约束,以最大限度地提高模型的总体预测性能,从而使ActFloor-GAN能够生成高质量的房间布局预测结果。最后,这些高质量的布局预测结果可以很容易地被本文设计的后处理模块转换为矢量化的平面图,进而可以被建筑师直接使用。本文也与消融技术、现有方法以及专业建筑师做了一系列的对比实验,来证明本文提出的方法的可行性和有效性。首先,与消融技术的定性和定量对比表明,相比于消融技术,本文的方法利用人类活动图预测建筑内部房间布局具有优越的性能。其次,专业建筑师的主观评估表明,本文的方法生成的结果可媲美真实世界中专业建筑师设计的平面图,并且在平面图房间布局的拓扑结构上远优于现有的方法。最后,模型生成结果的多样性分析表明,本文的全自动方法可以生成多样化的以人为中心的平面图以供用户选择,半自动方法则允许用户进行家具放置以生成用户偏好的人类活动图,进而生成对应的平面图,增强了模型按用户所需生成平面图的灵活性。