La forma urbana de alta densidad y la disposición de los edificios en las ciudades modernas han contribuido a numerosos problemas ambientales. El área de viento en calma causada por disposiciones inadecuadas de los edificios resulta en acumulación de contaminantes. Para realizar un diseño práctico y mejorar el microclima urbano, investigamos la relación espacial entre carreteras, edificios y espacios abiertos utilizando la técnica de aprendizaje automático. Primero, se emplearon el crecimiento de regiones y el agrupamiento k-means para identificar carreteras y edificios. Basándonos en el programa de enmascaramiento de imágenes, seleccionamos áreas de entrenamiento de acuerdo con el mapa de uso del suelo. En segundo lugar, utilizamos la técnica de estadísticas de múltiples puntos para crear nuevas imágenes del tejido urbano. Al considerar la imagen de entrenamiento como un modelo previo, nuestro programa reprodujo constantemente estructuras morfológicas en el área objetivo. Intensificamos la similitud con las áreas de entrenamiento y enriquecimos la variabilidad entre las imágenes generadas. En tercer lugar, se aplicaron la distancia de Hausdorff y el escalado multidimensional para lograr un examen de calidad. El método propuesto se llevó a cabo para cumplir con un diseño de renovación urbana en Xi"an, China. Basándonos en el registro histórico, aplicamos dinámica de fluidos computacional para simular la circulación del aire y la ventilación. Los resultados indican que el tamaño del área de viento en calma se ha reducido. El entorno del viento se ha mejorado significativamente debido al aumento de la velocidad del viento.