Los tipos de uso del suelo urbano, un aspecto fundamental de la planificación urbana, la gestión del suelo y la utilización efectiva de los recursos espaciales, están exhibiendo una complejidad creciente. La identificación eficiente y científica de los tipos de uso del suelo urbano a gran escala se ha convertido en un gran desafío en la investigación urbana. Para abordar esto, el presente estudio adopta una perspectiva basada en la estructura funcional e integra datos comerciales de AOI, datos de POI, datos de luz nocturna y datos de distribución de población para clasificar el uso del suelo. A diferencia de los algoritmos de ponderación de datos existentes, esta investigación aplica técnicas de inteligencia artificial, utilizando la información categórica de los datos de AOI como etiquetas. A través del aprendizaje profundo supervisado, los tipos de uso del suelo urbano se refinan en nueve categorías principales y 21 subcategorías en ciudades de diferentes escalas y ubicaciones. En comparación con los modelos SVM, RF y MLP, el modelo XGBoost logró la mayor precisión en la clasificación del suelo de construcción urbana (puntuación F1 promedio ponderada = 0.87). Además, al comparar los datos de AOI con conjuntos de datos de prueba del mundo real, la precisión y granularidad de la clasificación del uso del suelo se mejoraron significativamente. Finalmente, este modelo de IA, combinado con imágenes de teledetección y datos de redes de transporte, se utilizó para generar un mapa de uso del suelo para la ciudad objetivo, ofreciendo información sobre la generalizabilidad de los modelos de IA en la clasificación del uso del suelo urbano.