城乡规划视角下大数据应用进展研究及其对上海2040总规编制的启示

王 森

0 引言

“大数据”（Big Data）这一概念起源于计算机网络技术，它最早被用于指代网络搜索索引更新过程中需要同时批量处理或者分析的大量数据集。然而，随着物联网、移动互联网、智能便携终端和云技术的发展，大数据的概念与价值早已突破了数据集本身，它被演绎成为一种新的视角与方法。IBM率先从特征出发对大数据的内涵进行了定义，他们认为大数据应该具有如下3个特点：（1）海量的数据规模（volume），至少是TB甚至是ZB级的数据；（2）多样的数据类型（variety），同时包含了结构化和非结构化的数据；（3）快速的数据流转和动态的数据体系（velocity）。随后，IDC对其进行了补充，认为数据的真实性与安全

性也是大数据的特征之一，即极大的数据价值（value）。笔者认为，这4个特征虽然全面，但过于苛刻，其解读过程中需要结合应用领域的实际情况。麦肯锡咨询公司也指出，并不一定要超过特定TB值的数据才能被算作大数据。实际上，大数据这一概念强调的是由于数据的非常规性，体现在数据的规模、复杂性或者动态性上，并导致常规的数据管理与分析手段失效。另一方面，维克托-迈尔舍恩伯格从分析方法上对大数据进行了分析，认为大数据分析方法有别于传统的抽样统计分析，而是在现代科技特别是计算机信息技术的支撑下直接对数据的全体进行展示与分析的方法[1]。因而大数据应用研究的核心包括两部分：数据及其处理（管理与分析）方法。

2014年，上海宣布启动新一轮城市总体规划的编制工作，在上海市人民政府印发的《关于编制上海新一轮城市总体规划的指导意见》中有别于以往的“以经济建设为中心”的扩张式发展，明确指出要严格控制城市发展规模，同时强调要在规划编制过程中突出“以人为本”的基本思想。而实际上，改革开放以来，上海经历了几十年的扩张式发展，其城市功能的不断复合与全球视野下流动性的增强为城市现状的梳理带来了挑战，而庞大的人口基数与复杂的人口结构更加加深了规划编制工作的难度。在这样的背景下，对当前大数据在城乡规划中的应用研究进行梳理，探讨大数据从数据或处理方法上能够为总规编制带来怎样的技术上的支撑，抑或是思路上的突破，既是大势所趋，又势在必行。

1 城乡规划视角下大数据应用研究进展

1.1 大数据在城市社会空间研究中的应用进展

大数据在城市社会空间研究中的应用主要集中在城市居民行为时空特征的研究上，包括城市人口分布的时空特征研究、居民通勤特征与职住关系研究，使得居民行为时空特征的研究方法日益丰富化。

1.1.1 城市人口分布的时空特征研究

城市的人口分布是城市地理学的主要研究内容，也是城市规划重要的基础数据之一，它对城市公共服务设施的配置以及城市交通流量的预测都有重要的意义。城市人口一般包括居住人口和岗位人口两类。前者的获取方式一般为5年一次的人口普查，后者则通过3年一次的经济普查。一方面，这种传统的数据获取方式调查周期长，数据更新不及时；另一方面，对于现代城市特别是上海这样的特大城市，人户分离的现象比较普遍，而新型业态的存在，也使得岗位人口与现实分布不一致。在这样的背景下，大数据技术为研究人员及时掌握城市人口分布的真实情况提供了路径。

在已有研究成果中，Kwan等利用GPS设备，收集了波特兰地区2天内的10 000个活动日志调查数据，并结合大尺度地形图及3DGIS软件对居民的活动密度、分布以及变化进行了时空模拟[2]；冉斌等利用手机基站数据，通过识别手机用户夜间、白天活动频繁区域，近似作为其居住地、工作地，从而对上海市常住人口和工作岗位以及流动人口活动的空间分布进行了模拟[3]；龙瀛等则利用公交刷卡数据结合城市土地利用信息，对北京的居住和功能空间进行了识别[4]。

由此可见，在大数据技术的支持下，人口数据的获取方式正向着多元化的方向发展，使得更加及时、真实的城市人口的分布的获取将成为可能。

1.1.2 居民通勤特征与职住关系研究

职住平衡是城市规划中基本的规划理念之一，其对于缓解城市的交通压力、提高居民的生活质量具有重要的意义。因而对于居民通勤特征和职住关系的研究也是规划实施评估的重要内容。传统的职住关系的研究是通过发放问卷进行OD调查来实现的，而近些年，开始有学者尝试利用大数据技术对研究方法进行改进。

在已有研究成果中，申悦等利用GPS、互动式调查网站、面对面或电话访谈相结合的数据获取手段，对北京天通苑和亦庄2个社区进行了抽样调查，并运用时空棱柱方法，从时间、空间、方式、路径4个维度来研究居民的通勤特征，使调查在连续性与可靠性上实现了一定程度的改进[5-6]；龙瀛等则利用公交刷卡数据结对居民出行调查的结果进行了校核，实现了北京居民职住关系与通勤行为的分析[4]；此外，国外还有不少学者通过对Twitter、Flickr等社交网络数据进行了深入挖掘，来分析城市居民的基本出行模式[7-8]。

较之传统以抽样调查为基础的OD调查，GPS、智能终端、社交网络等大数据技术是直接对用户总体进行的分析，能够避免传统OD调查过程中抽样的不规范性导致的系统偏差，且相比OD调查的截面数据，可以实现居民通勤行为的连续观测，从而更真实地反映城市职住关系的现状。

1.2 大数据在城市功能空间研究中的应用进展

大数据在城市功能空间研究中的应用体现在通过综合考虑居民的感知与物质空间相结合，来实现城市功能空间的划分，在目前的研究成果中，主要包括城市中心区划分和城市对外服务空间识别两类。

1.2.1 城市中心区的划分研究

传统的城市中心区通过识别土地利用类型就可实现，但是对于像北京、上海这样的特大城市，城市功能出现复合化、城市边界出现模糊化等特征，这使得直接从物质形态上对城市的中心区进行划分存在难度。在这样的背景下，从居民的感知出发，利用各类用户生成数据也许是在复杂环境下划分城市中心区的一条新途径。

例如，在已有文献中，Hollenstein等通过网络数据挖掘获取了800万个社交网络Flickr上的包含了用户位置信息的记录，他们通过对这些记录的标签和内容进行语义分析，提取了与城市中心区密切相关的关键词，从而对伦敦和芝加哥市区的中心区边界进行了划分[9]；Lüscher等则以英国大城市为案例，以地理实体空间为基础，与城市社会空间相结合，提出3种划分城市中心区的方法：（1）利用旅游地图、公交地图或网站描述信息来合成城市的中心区范围或边界；（2）利用社交网络中带有地理位置的图像信息，结合文本描述内容来划分城市的中心区；（3）利用网站网络日志调查的居民经验来确定城市的中心区范围[10]。1.2.2 城市对外功能空间的识别研究

城市对外功能空间的识别涉及城市对外交通及其他重大基础设施的布置，是城市规划编制前需要厘清的城市现状之一。然而，由于外来人流的逗留时间和位置都具有不确定性，传统方式无论是人口普查还是抽样调查都很难讲外来人流的活动范围划分出来。

Edwards等将GPS和网页工具相结合，模拟了悉尼和堪培拉2个城市76个旅游者的行动轨迹，从而分析旅游者的出行路径与活动范围[11]；冉斌等利用手机基站数据结合手机用户的归属地信息以及一段时期内手机用户的出行天数、频度等信息，对流动人口或短期逗留人口实现了辨别，并识别了他们在白天、夜间的活动范围，从而实现了城市对外功能能够空间的划分[3]。除了手机基站数据外，实际上，社交网络数据也包含了用户常住地信息与实际签到地信息，因而通过对社交网络数据进行挖掘，也能够实现城市对外功能空间的识别。

1.3 大数据在区域空间体系研究中的应用进展

大数据在城乡规划中的应用不仅局限于城市尺度，在区域尺度，大数据的应用也已经取得了一定的研究成果，主要包括区域联系与城市影响力研究，以及城市等级体系研究两类。

1.3.1 区域联系与城市影响范围研究

随着快速交通与信息网络的发展，城市间的交往日趋频繁，城市的影响范围也逐渐突破了其自身的边界。城市区域之间的功能联系与城市影响范围也逐渐成为了城市研究者关注的热点之一，特别是1996年卡斯特提出了流动空间的概念，重新定义了人们对时空的理解[12]，“关系”被认为是与“空间”同样重要作用于城市组织的另一动力。

除传统的客运交通数据外，通过网络数据挖掘获取的空间关系数据是城市研究者进行区域联系与城市影响力研究的主要数据来源。第一类空间关系数据是通过对网页数据进行语义分析[13]或通过搜索引擎[14-15]来分析在网页中地名的贡献率来表征地方之间的联系强度（关系）；第二类空间关系数据时通过编写爬虫软件抓取或调用API获取社交网络中用户之间的好友关系，通过不同地方人群好友的数量来表达地方之间的联系强度（关系）[16-17]。此外，还有学者通过调用API获取社交网络中的用户签到数据，通过比对用户签到地与用户归属地之间的差别，来构造城市间的交互模型[18]。

1.3.2 城市等级体系研究

区别于传统地方空间中利用城市人口、GDP等宏观社会经济指标来对城市的等级体系进行表征，卡斯特认为，城市在城市等级体系中的重要性不再仅仅取决于城市本身有什么，还取决于它和其他城市之间在交流什么。因而，在大数据时代，城市等级体系研究实际是建立在前述区域联系与城市影响范围的研究基础上的。

在已有研究中，汪明峰等利用网络用户数量、网络域名、专业网站页面结构的数据对构建区域城市等级体系进行了探索[19-20]；熊丽芳、甄峰等人借助百度指数，获取长三角从城市间的用户关注度数据，利用计算模拟城市信息流，分析了长三角城市间网络的时空演变特征[21]。施丽娜利用长三角二省一市133县5个年份的公路客货运量数据进行分析，通过公路客货运量所体现的空间联系，判断节点城市的变化和节点城市的等级[22]。陈映雪借助微博平台获取中国城市间网络信息关系数据，采用流分析方法呈现城市间网络信息联系的空间格局[23]。

2 大数据应用对上海总规2040编制的启示

从上述研究进展中可以看出，在大数据技术的支撑下，城乡规划研究呈现出数据来源多样化、研究尺度精细化、研究对象个体化、研究方法智能化、研究视角流动化等特征。在这样的背景下，将大数据有关的研究成果应用到上海总规2040编制的过程中，显得适时而必要。为了实现这一目标，在总规编制过程中可以探索以下几点。

2.1 城市社会空间与物质空间相结合

传统的规划现状研究通常是从用地数据出发，更多的是关注城市的物质空间，而对于城市中以人为主体的社会空间的关注往往停留在人口及其属性数据上，缺乏对空间分布以及行为模式的关注。实际上，这是由于数据源的限制，而非规划自身没有需求。而如前所述，从大数据在城乡规划应用的研究进展中可以看出，目前大数据的应用正是集中体现在对人的空间分布及其行为模式的数据收集与模拟之中。实际上，无论是GPS、手机基站数据、智能终端数据还是社交网络数据，它们都可以统称为用户生成数据，它们记录与反映了生活在城市中的人的行为模式的现状，体现人的本源需求。而从其应用领域中可以看到，无论是微观层面的城市居民通勤特征的研究还是宏观层面的区域城市体系的研究，都有了一定的研究成果。这无疑为打破过去规划现状研究局限于物质空间思维模式提供了有力的技术支撑。只有对城市的物质空间与社会空间都进行全面的了解，才有可能真正理解城市的运行机制及其存在的问题，并尝试去解决问题。这种研究视角也是本次总规编制“以人为本”思想的体现。

2.2 宏观分析与微观模拟相结合

上海目前的发展正逐渐由空间扩张向内部改造转变，在上海总规2040的编制原则就明确指出建设用地总量将不再增加，主要通过挖潜存量土地来满足未来上海发展的需求。在这样的背景下，小尺度的城市空间开发将成为主流，在充分挖掘宏观数据的基础上，结合在空间维度上精细化、时间尺度上连续化的微观数据来对城市未来空间发展进行预测以对制定的规划和政策进行评估显得尤为必要。

上海2040总体规划既要有自上而下的宏观指引，也应有以人、地、房等作为基本研究对象预测城市空间变化的自下而上的模拟。而基于大数据的精细化城市模拟在此次总规编制中可发挥如下作用。首先是微观视角的空间规划方案评估：利用大数据支持下的精细化城市模拟可以从微观层面识别城市活动主体对规划政策的反映，进而评估规划方案，如用地布局和开发强度的合理性，规划方案的交通影响，以及结合专业模型进行环境影响等方面的评估。然后是支持重大项目或基础设施的选址和评估：对于公共服务设施、市政交通基础设施等重大项目，通过其对城市活动主体的影响在地块空间尺度进行评价，给出评估结论及项目选址建议。

2.3 经验模型与大数据模型相结合

构建城市模型是指在对城市系统进行抽象和简化的基础上，对城市空间现象与过程进行抽象数学表达，实现对城市空间现象的理解，从而对城市系统进行科学管理与规划[24]。城市模型研究始于20世纪初期，从模拟城市功能空间的Lowry模型，到模拟城市之间交互联系的重力模型，到划分城市影响范围的断裂点模型，到综合考虑土地与交通之间反馈机制的ITLUP模型，经验模型在揭示城市空间结构、模拟城市发展方向上都曾发挥重要的作用。但是，必须认识到经验模型都是基于一定的假设建设起来的，随着时代的改变，这些假设成立的条件可能已经发生了改变。实际上，大数据本身也是一种模型方法，它不是对总体数据进行抽样，而是对数据全体进行直接分析， 比统计模型更为直观，同时避免了采样不科学产生的系统误差；同时，它不使用替代数据根据模型来进行推演，避免了模型假设中存在的问题，因而能更真实地反映实际情况。实际上，不同于统计学家和地理学家， 规划人对于模型的关注并不是那90%的吻合程度，有时候，也许正是那10%不吻合之处揭示了规划所关注的城市现象。因而，在总规编制中，只有将经验模型与大数据模型相结合才能更有利于实现对城市空间现象的理解。

2.4 构建以智慧城市为理念的大数据战略平台

从前述分析中可以看出，在当前背景下，城市研究存在以下特征：（1）数据的爆发性膨胀，据权威机构国际数据公司IDC统计，至2010年，每天存储1PB的照片，Youtube存储了31PB的流媒体数据，Cisco公司预计2012年每个月网络上视频流大约5 000PB，数据的膨胀是的城市研究面临数据的存储问题；（2）数据的多源化，除传统数据外，互联网数据、移动呼叫记录、交通刷卡记录、政府日常办公、呼叫服务中心、医疗记录都不同程度地为更深入理解城市带来了机遇，但是同时也伴随着数据整合的挑战。此外，要如何对这些庞大、多源的繁杂数据进行展示与分析，从中提取出有效的规划相关信息，同时还要考虑到这些数据并不是一个截面数据而是在时间维度上连续的过程，在这样的背景下，建立一个以智慧城市为理念的大数据战略平台是实现这一目标的重要途径。该数据平台应具有以下特质。

（1）高效、稳定的云计算设施环境。面对大量连续的数据，高性能的数据存储和计算展示设备是平台运行的基础。

（2）开放式的数据体系设计。城市规划是一个综合性学科，各行各业在工作中积累的数据，以及城市居民在生活中产生的数据都可以转化成有效的规划设计的边界条件，同时经过综合分析后的数据将更有利于各行业的管理和长远发展，所以此平台应更注重数据的增长性和共享性，具体措施有：1）采用面向对象的数据库设计方法和工具；2）统一数据对象的命名规则；3）归纳数据域的使用方式；4）统筹规划数据应用字典；5）把握元数据的定义和应用；6）规范数据库设计文档；7）重视应用相关数据标准。总之，此平台的设计应不是数据生产平台，而应建设成数据导入和融合的平台。

（3）规划模型的展示与监控。过去的规划模型受限于数据源，其结果是非连续的，是指某一时间点的预测数据+规划理论+模拟计算的结果，随着时间的推移，任何预设条件的改变都会影响最终的结果。而随着大数据时代的来临，数据的连续性和丰富性为模型预测和跟踪带来了可能，完全可以使用同一数据源来进行预测分析、后续跟踪和适时调整，规划设计将和城市管理有更紧密的连接。

（4）分析结果可视化。在纷繁的数据海洋中，通过程序的预设，将可以更直接地看到不同数据或数据组合所反映的结果。

总之，新型的规划数据库平台应不仅仅是静态的数据展示，更多的是动态数据的采集、数据挖掘、业务模型计算和预测对比，规划设计成果将不仅仅是一张专业图纸，而可能是一个动态模型，而规划师则是模型的缔造者。

3 问题与思考

对于城乡规划而言，在大数据时代，数据获取渠道的增加和数据规模的增大无疑为解读城市带来新的机遇，而计算能力的提高、自下而上研究方法的日益成熟，为海量数据的处理和更微观层面的研究提供了支持。以往规划决策支持模型大多面临建模思路复杂、开发周期长、维护成本高的困境，“数据就是模型”的思路从建模技术改进以外的另一个路径找到了应对困境的切入点。可以说，大数据战略平台和精细化城市模型都有潜力为上海总规2040的编制提供技术上的支撑，而诸如用户生成内容的新型数据源的挖掘则可以为总规编制从战略上和空间上都提供新的视角与思路。但是，必须要认识到将大数据引入城乡规划领域并不是一种革新，而是一种补充。笔者认为，通过大数据技术的引入挖潜出的以往规划中希望获取但是通过原有技术手段不能获取或者难以获取的信息，这实际上是对过去空白的一种填补，是一种从无到有的过程。但是另一方面，城乡规划的编制是一件非常严谨的事情，因而对数据的精准性有着严格的要求。但是由于目前学术界对大数据的有效性缺乏论证，特别是信息不对称等明显的缺点，因而在使用过程中，首先要认识到大数据技术的定位是辅助功能，包括对数据、现象进行印证，如果要直接应用必须首先进行数据处理并进行可行性分析。因而，对于规划而言，从无到有是不够的，如何做到从有到精，真正将大数据应用到规划编制中，真正实现智慧城市，都是未来研究中需要探索的问题。

References

[1]维克托，迈尔，肯尼思等. 大数据时代——生活，工作与思维的大变革[M]. 2013.Viktor Mayer-Schonberger. Big Data：A Revolution that Will Transform How We Live，Work and Think[M]. 2013.

[2]Kwan M，Lee J. Geovisualization of Human Activity Patterns Using 3D GIS：A Time-geographic Approach[J]. Spatially Integrated Social Science，2004：27.

[3]冉斌，邱志军，裘炜毅，等. 大数据环境下手机定位数据在城市规划中实践[C]//2013 中国城市规划年会论文集，2013.RAN Bin，Qiu Zhijun，Qiu Weiyi，et al.Application of Mobile Location Data in City Planning in Big Data Era[C]//Annual Ntional Planning Conference，2013.

[4]龙瀛，张宇，崔承印. 利用公交刷卡数据分析北京职住关系和通勤出行[J]. 地理学报，2012，67（10）.LONG Ying，ZHANG Yu，CUI Chengyin.Identifying Commuting Pattern of Beijing Using Bus Smart Card Data[J]. Acta Geographica Sinica，2012，67（10）.

[5]申悦，柴彦威. 基于 GPS 数据的城市居民通勤弹性研究：以北京市郊区巨型社区为例[J]. 地理学报，2012，67（6）：733-744.SHEN Yue，CHAI Yanwei. Study on Commuting Flexibility of Residents Based on GPS Data：A Case Study of Suburban Mega-communities in Beijing[J]. Acta Geographica Sinica，2012，67（6）：733-744.

[6]柴彦威，申悦，马修军，等. 北京居民活动与出行行为时空数据采集与管理[J]. 地理研究，2013，32（3）：441-451.CHAI Yanwei，SHEN Yue，MA Xiujun，et al. The Collection and Management of Spacetime Data of Individual Behavior Based on Location-based Technologies：A Case Study of Activity-travel Survey in Beijing[J]. Geographical Research，2013，32（3）：441-451.

[7]Malleson N，Birkin M. Analysis of Crime Patterns through the Integration of an Agent-based Model and a Population Microsimulation[J]. Computers，Environment and Urban Systems，2012，36（6）：551-561.

[8]Crandall D，Snavely N. Modeling People and Places with Internet Photo Collections[J]. Commun Acm，2012，55（6）：52-60.

[9]Hollenstein L，Purves R. Exploring Place through User-generated content: Using Flickr Tags to Describe City Cores[J]. Journal of Spatial Information Science，2014（1）：21-48.

[10]Lüscher P，Weibel R. Exploiting Empirical Knowledge for Automatic Delineation of City Centres from Large-scale Topographic Databases[J]. Computers，Environment and Urban Systems，2013，37：18-34.

[11]Edwards D. Using GPS to Track Tourists Spatial Behaviour in Urban Destinations[DB/OL].Available at SSRN 1905286，2009.

[12]Castells M. The Space of Flows[M]. The Rise of the Network Society，1996（1）：376-482.

[13]LIU Y，WANG F，KANG C，et al. Analyzing Relatedness by Toponym Co Occurrences on Web Pages[J]. Transactions in GIS，2014，18（1）：89-107.

[14]沈丽珍，罗震东，陈浩. 区域流动空间的关系测度与整合——以湖北省为例[J]. 城市问题，2011（12）：30-35.SHEN Lizhen，LUO Zhendong，CHEN Hao. A Study on Regional Space of Flows：A Case Study of Hubei Province[J]. Urban Problem，197（12）：30-35.

[15]熊丽芳，甄峰，王波，等. 基于百度指数的长三角核心区城市网络特征研究[J]. 经济地理，2013（7）： 67-73.XIONG Lifang，ZHEN Feng，WANG Bo. The Research of the Yangtze River Delta Core Area’s City Network Characteristics Based on Baidu Index[J]. Economic Geography，2013（7）：67-73.

[16]陈映雪，甄峰，王波，等. 基于社会网络分析的中国城市网络信息空间结构[J]. 经济地理，2013（4）：56-63.CHEN Yingxue，ZHEN Feng，WANG Bo，et al.Chinese City Network Structure in the Cyberspace Based on Social Network Analysis[J]. Economic Geography，2013（4）：56-63.

[17]甄峰，王波，陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报，2012（8）：1031-1043.ZHEN Feng，WANG Bo，CHEN Yingxue.China’s City Network Characteristics Based on Social Network Space：An Empirical Analysis of Sina Micro-blog[J]. Acta Geographica Sinica，2012（8）：1031-1043.

[18]李长风. 流动视角下长三角城市群多中心网络结构特征研究[D]. 北京：北京大学硕士学位论文，2014.LI Changfeng. Study on Polycentric Network Structure of Yangtze River Delta in Perspective of Spatial Flow[D]. Beijing：The Dissertation for Master Degree of Peking University，2014.

[19]汪明峰，宁越敏. 城市的网络优势——中国互联网的空间结构与节点通达性分析[J]. 地理研究，2006（2）：193-202.WANG Mingfeng，NING Yuemin. The Network Advantage of Cities：An Analysis of Spatial Structure and Node Accessibility of Internet Backbones in China[J]. Geographical Research，2006（2）：193-202.

[20]汪明峰，宁越敏. 网络空间的区域结构——广东省互联网服务业的区位研究[C]//中国地理学会2006学术年会论文集，2006.WANG Mingfeng，NING Yuemin. Regional Structure of Cyber-Space：Study on Web Service Location in Guangdong Province[C]//The Geographical Society of Chnia，2006.

[21]施丽娜. 基于公路客货运量的长三角城市等级体系研究[D]. 上海：上海师范大学硕士学位论文，2013.SHI Lina. Research on the Urban Hierarchy in Yangtze River Delta Area Based on Road Passenger and Cargo Fluxes[D]. Shanghai：The Dissertation for Master Degree of Shanghai Normal University，2013.

[22]陈映雪，甄峰，王波，等. 基于微博平台的中国城市网络信息不对称关系研究[J]. 地球科学进展，2012（12）：1353-1362.CHEN Yingxue，ZHEN Feng，WANG Bo，et al. A Study of Internet Information Asymmetry Relations among Chinese Cities Based on the Micro-blog Platform[J]. Advances in Earth Science，2012（12）：1353-1362.

[23]龙瀛，崔承印，茅明睿，等. 大数据时代的精细化城市模拟：方法、数据、案例和框架[C]//中国城市规划年会论文集，2013.LONG Ying，CUI Chengyin，MAO Minrui，et al. Refined City Simulation in Big Data Era：Measure，Data，Case and Frame[C]//Annual National Planning Conference，2013.