基于智慧城市空间大数据的城市信息图谱建构研究

杨俊宴，熊伟婷，曹 俊，陆小波

(东南大学 建筑学院，江苏 南京 211189)

0 引 言

大数据是当代城市规划数字化技术的一个重要的、典型的科技手段。由于大数据在采集、存储、管理、分析方面具有远远超出传统数据库软件工具的能力范围，是一种高频海量数据集合，具有数据规模庞大、数据流转快速、数据类型多样的特征，因此，近年来以一种极其迅猛的姿态楔入各行各业。而随着大数据、云计算、物联网等技术的发展，可以实现以城市空间为依托的城市大数据信息图谱平台的建构。本文所阐述的这一图谱平台是基于云数据端，应对海量数据的处理，通过将多源大数据与城市空间形态数据叠合在同一个数字地图系统下，实现基于城市坐标体系的多源数据接口的无缝衔接采集与空间特征的模拟动态显示，是智慧城市规划建设的核心组成部分。同时，这一平台运用于智慧城市的规划与设计项目中，在近年来的实践探索中，呈现出多元化、精细化、互动化等发展趋势。

大数据具有非线性、高精性、即时性、民生性、智能性等特征，不论是城市规划研究，还是项目实践中都存在很多城市大数据的信息图谱的应用。综合城市规划中大数据技术的实践探索，我们认为在城市规划领域大数据的信息图谱应用存在3个发展阶段。

1）大数据信息图谱应用1.0版，即数据的图示化和表层分析。将海量数据经过空间图示展示出大量绚丽的分析图，但推导不出太多有价值的新结论，或结论都是验证了众所周知的简单事实。这种大数据的应用难以指导规划实践，属于大数据的浅层研究。

2）大数据信息图谱应用2.0版，即针对单维度数据本体的深度研究，算法和数据分析很深，但是难以指导规划的提升。很多大数据的分析研究工作极易陷入海量数据本身，运用公式、算法甚至机器学习等手段对数据本身进行深度挖掘，然而却脱离了城市规划的学科本体，显得更像是关注数据问题、而不是城市问题，其结论也很难应用于城市规划。

3）大数据信息图谱应用3.0版，即城市空间结合多源大数据的联动分析，可以空间落地和指导规划。在3.0语境下的城市大数据分析从一种数据类型导向转变成一种目标导向，将多维度的大数据进行耦合分析，共同指向城市规划中的关键问题。

所以，站在城市大数据应用的新角度，即多源数据、回归空间的角度，我们可以发现，其实在既往的很多大数据研究中，城市空间数据被扁平化了，压成了一张“底图”，只表达了数据的位置信息。而真正的空间海量数据的联动分析中，我们需要将多源大数据融于空间平台，需要对多源大数据赋予空间属性，或者倒过来说，“提取空间属性”，这是大数据能够在城市规划信息图谱应用的基本门槛。这种基于空间平台的多源数据联动才能够真正实现一种目标导向的大数据信息图谱应用的3.0版本，进而指向大数据时代下的城市规划的核心——用大数据解决大问题。

1 城市空间大数据的特征维度解析

城市空间大数据作为城市大数据信息图谱平台的基础层，是这一平台统一组织管理的基底，也是各类大数据时空联系的落脚点。这一大数据基底能保证城市大数据信息图谱平台能对城市从表层到深层、从实到虚对城市各系统、各单元进行全面、综合的信息表达与分析。

1.1 城市空间大数据的基本特征

城市空间大数据即通过相关软件而采集获取并整合处理而得的海量城市多维空间形态数据资料，数据内容涵盖建筑底面积、建筑高度等建筑物信息和地形、道路网、用地属性等场地信息，其特点是数据全面、精细化、集成度高、可视化，弥补了传统城市形态研究过程中空间数据稀缺、不易获取、转译整理工作量巨大等方面的局限和不足。城市空间大数据是城市当中各个复杂系统运营及维护的基础：一方面，它是维持城市人群活动系统、城市交通运转系统、城市物理环境体系、城市产业结构系统、城市意象感知体系等的核心落脚点，也是城市规划研究的起点；另一方面，这些复杂的系统也会反过来作用于城市空间，影响城市空间发展的方向、速度及模式等，故城市空间也是城市规划研究的终点。

城市空间大数据的精度在新技术手段促进下不断深化，具体而言，城市空间大数据包含城市道路、城市街区、城市建筑、城市地形地貌等城市建成环境及建设基底在内的多种要素。通过open street map等互联网平台采集的城市空间大数据可以精细到三维建筑层面，并可以进行用地辨识，划定出各街区内的用地边界及性质，同时采用街景海量图片进行信息的纠正；通过谷地软件平台，对谷歌地图中蕴含的高程点数值及空间位置、城市等高线数值及空间位置进行抓取，得到城市自然地貌基础数据库；将与城市自然地貌基础数据库两者进行空间叠加得到城市空间形态基础数据库，这一数据库是城市空间全息地图的基底。

1.2 城市空间大数据的分维特征

城市空间大数据除了基本的空间特征之外，其更为核心的特征在于其精细化和指标化的特征，这也是城市空间的内核。通过这些分维数据特征，可与其余多源大数据进行融合及耦合分析研究，有助于城市问题的发现及城市发展模式的预判。

1）空间维度：二维及三维空间的全方位特征。城市空间大数据具有能够从二维及三维的多个视角对城市空间形态特征进行宏观、中观、微观的全方位展示及分析的特征，而且这一数据库的建构基本范围一般为城市市域尺度。更为重要的是，由于城市空间的感知度、可视化、矢量化等特征，故这一数据库不仅能在二维尺度上对城市空间肌理、城市各片区的作用关系、城市道路空间结构等进行分析，同时，它能进行三维矢量化的处理，对城市空间集聚关系、错落关系、开合关系、山水城要素关系等进行分片区、分节点、分廊道等的精细化研究解析。

2）精细维度：取样的精度精细至三维建筑层面。在云计算、云服务及云处理等技术的支撑下，可将城市空间大数据的精细度突破到城市各个层面、各个片区的每一栋建筑精度，完全符合于城市真实建设状况。这一精细化的以城市建筑为核心的城市建筑空间大模型可确保城市其他多源大数据的信息也能精细落地到三维建筑的最高精度，使得城市各系统的信息能更为精准地、真实地实现空间对位及空间特征的展示、分析及研究。这也使得城市大数据信息图谱无论在精细度、真实度、模拟度等都能达到较高的研究基础水准，为平台的建构提供了良好的原材料。

3）指标维度：多项空间指标特征。城市空间大数据的研究并不仅仅停留于城市建筑空间等的可视化及基础研究，而是以此为基本分析单元，通过城市地理信息技术测算各基本地块单元的多项空间指标。这类空间指标包括容积率、建筑密度、波动率、分形指数、错落度等，是能够反映出城市多维度、多层面的空间特征。这些空间指标是对城市空间表征的二次深度挖掘，同时也可将这类指标与其他大数据指标进行相关性耦合研究，从而剖析其他在关联机制。

2 城市大数据信息图谱的模块组成

在城市空间大数据的基础底盘上，可以建构出综合城市核心运行要素的多源大数据融合下的城市大数据信息图谱平台，它包含7个基本大数据模块，包括城市全空间覆盖范围内的绿量植被、市政工程、物理环境（包括城市噪声环境、城市风环境、城市热环境及热岛效应）、产业机构POI、人车活动、意象感受等不同数据层。

2.1 城市绿化系统大数据模块

城市绿化系统大数据从平面来看,绿量系指叶面、绿地和覆盖面积的绿色量总和；从植物的复层结构来看,绿量的衡量标准以叶面积总量和指数的测算较为准确；从空间来看,绿量应该包含绿视率(百分比)、绿化三维量等指标。

通过实地踏勘和卫星航片解译可以确定城市内的基础数据，确定单株样本植物的单位体积叶面积，同时统计叠加得到整个样地的场地叶面积总量，并将各样地的绿量数值落到空间位置上，从而计算出每个地块的绿色容积率。将这类大数据投影到空间而呈现出城市绿量空间分布特征。

城市绿化系统大数据模块可以精准衡量一个城市的绿化水平和绿化空间分布情况，进而实现绿量可视化和精准定位，有利于城市绿量和环境系统的可视化监测管理。尤其是对于建筑密度极高的城市中心，可以通过绿化系统大数据模块来为城市生态环境建设管理提供辅助决策，使得城市能更好地利用有限的土地资源、选择优质绿化结构，进而有效提高城市绿化生态环境效益。

2.2 城市市政系统大数据模块

城市市政系统大数据包含城市基础设施、城市给排水及管网、城市照明系统、城市污水及垃圾处理设施等。涵盖城市基础设施（以桥涵、堤岸、隧道为例）、城市给排水及管网、城市照明系统、城市污水及垃圾处理设施，最为直接的体现就是海绵城市的建设。

通过大数据的空间转译将基础设施进行空间落地，其中管网线路参照城市道路进行绘制，基础设施点落到城市街区空间位置上，进而得到城市市政工程空间分布特征。城市市政基础设施在城市发展中起到非常重要的支撑体系作用，以往它的每个专项系统都独立各成系统，由各自专业人员进行规划建设。而城市市政系统大数据模块作为一种集成式的综合数据管理平台，在整体城市空间系统下整合统一了各专业和各体系的数据资源，有利于城市的综合治理和监管。

2.3 城市微气候系统大数据模块

随着近年城市快速发展而带来的城市雾霾、噪音污染、城市高温预警频发等问题，尤其是热环境、风环境、声环境等与人的日常生活活动密切相关的城市微气候系统，迫切需要集实测显示、气候模拟、预报于一体的大数据综合管理平台体系，这也是城市微气候系统大数据模块的构建初衷，它为城市物理环境综合治理改善提供了数字化支撑。

城市微气候系统大数据包含城市热环境、城市风环境、城市噪声环境在内的各类城市微气候环境。它是直接影响到城市各种舒适度的数据指标。采用模拟与实测相结合的技术方法，基于Landsat系列卫星，以GIS为数据处理平台，获取微型遥感数据，运用于城市热环境的模拟与分析；基于空间形态数据库，建立起CAD三维建模并导入phoenics的FLAIR模块，同时在phoenics中进行前处理设置，依据真实模型划分计算网格，得到截面与监控跳转至计算截面，实施监控迭代步数与残差，将最终的解析结果平移至空间形态数据库的同一位置坐标，运用于城市风环境的模拟与分析；将城市空间形态模型导入SoundPlan软件，并对实体噪声源进行赋值，用于城市声环境的模拟与分析。进而得到城市风、声、热环境空间分布特征。

2.4 城市产业系统大数据模块

城市产业系统大数据基于机构业态POI等大数据，即人群在进行各项活动的实体业态表征，包含空间位置、产业类别及机构面积，其中将产业类别分为社会服务职能、生产服务职能以及生活服务职能。通过对城市业态点进行要素点的采集、识别和分类，形成基础的城市业态POI基础数据库，同时，通过整体数据库的平移、缩放、旋转空间操作使得其能与城市空间形态数据库得以空间位置的精确对应。在此基础上，可以耦合企业税收利润、消费刷卡、GDP统计、营业人员等多种相关大数据形成产业系统大数据模块。

这一大数据模块具有地理空间位置信息精确的优点，还可以为城市产业形成发展提供科学合理的预见和参考作用，尤其为城市产业结构、产业空间分布研究提供数字化综合分析和显示平台。

2.5 城市人车系统大数据模块

人车活动系统大数据包含手机信令用户活动、道路交通流量智能识别、公交通勤活动、地铁通勤活动、电能耗等；这其中最为典型的是手机信令数据。它是通过手机用户活动的数量统计以手机基站小区作为基本单元，通过泰森多边形的计算方法将用户数量按照用地面积比例分配到各空间形态用地地块中。可以通过采集并清洗各手机信令基站每天24小时人群分布切片数据进行各项分析。譬如通过手机信令数据追踪城市各片区的人群活动规律；不同季节的人群活动规律（也可以区分工作日和周末）；对城市中人群活动的热点区域和冷点区域进行划分；通过人群的潮汐波动规律反推识别城市中的商务区、居住区、24小时活力街区等。

2.6 城市意象系统大数据模块

城市意象系统大数据包括城市地名搜索数据、情绪数据、点评数据等。这些数据能够反映主体人对城市空间环境的关注度、也反映主体人对城市商业空间的满意度、对城市空间的认知。通过公众平台后台开放平台的数据，我们可以遴选出带有情绪价值分享与地理坐标定位的词条，并通过软件分析进行定量打分，得到情绪数据库；对于情绪数据库的分析包含对情绪地点本身的分析，同时包含对情绪的文本语义分析、甚至图像分析。当然，图像分析还存在于对百度街景地图的抓取和图像深度学习中。在具体的城市设计工作中，我们还可以通过历史文献及书籍记载中的文字数据进行结构化处理，将一种“历史的意象”叠加在城市空间平台上。

这些城市意象系统大数据模块的工作，核心的目的是通过民生的视角，将城市中市民对城市的真实感知体现出来，这是城市规划领域长期以来谋划预期同生活在城市中的市民对城市的感知之间是存在偏差的重要来源。

3 城市大数据信息图谱平台的系统建构

通过不同图层映射到云数据库，结合城市空间形态将不同类型的数据空间特征直观、动态地显示输出，可供城市各系统实时监测和预警，也有利于城市规划和设计工程实践中的科学决策，如图1所示。

图1 城市大数据信息图谱的建构框架逻辑Fig.1 The construction framework of urban big data information map

基于上述多源大数据的采集、清洗及初步处理，将其按照统一的数据格式输入系统，并按照要求进行数据组织管理，各数据之间具有统一用地地块数据处理单元，获得全息地图的综合信息。其具体步骤为对单种类型的大数据进行综合建模，分别导入地理信息系统数据库,将六类数据按照统一的数据格式进行空间位置的对位，使得每一类数据的数值能与其他类型数据数值实现空间耦合；之后进行多层次的数据格式转换，将不同格式的数据类型转化为统一或者可相互转换的数据格式。六种类型的大数据投影到空间所呈现出的空间分布特征，包括城市绿量空间分布特征、城市市政工程特征、城市风、声、热环境空间分布特征、城市功能结构、城市动静态人车活动分布特征以及城市情绪地图；在各类型大数据的空间分布特征基础上，对两两数据定性关联进行特征分析，并运用SPSS软件进行综合信息库的内在机制特征模型建构。最终进行矢量化的分析研究及最终效果的可视化，其中可视化支持导出二维显示图像格式有DWG、JPEG、PDF、EPS、PNG、GIF、TIFF；支持导出三维显示图像格式有DWG、3ds、skp、CityGML。

与现有技术相比，这一城市大数据信息图谱平台的优势在于，基于云数据端，能够应对海量数据的处理，进行实时的快速查询显示；通过将多源大数据与城市空间形态数据叠合在同一个数字地图系统下，实现基于城市坐标体系的多源数据接口的无缝衔接采集与空间特征的模拟动态显示。

4 城市大数据信息图谱平台的实践应用路径

基于城市大数据的特征维度、信息图谱理论架构及系统平台构建，在实践应用路径上大致可以总结为3个方面：动态即时管理、城市研究、辅助理性决策。

4.1 动态即时管理

首先是通过数据可视化的动态展示，对城市现象和行为进行瞬时数据的捕捉和显示，做到实时监测。基于城市空间沙盘，注入城市大数据，包括手机信令等时空个体行为数据，POI业态数据等，构建传统数据与大数据相融合的城市空间分析与可视化沙盘，为设计单位提供人本化、多维度、更具动态性与时效性的空间分析工具。

这种监控还体现在规划业务上，面向规划管理者，一方面为相关规划或者土地出让出具技术要点，另一方面基于管控规则对建设项目进行审批，并且能够从宏观角度对城市设计的实施情况进行监测。

通过数字化监测与管控系统，规划管理部门可以将城市设计成果转译为设计要点，实时审查建筑设计方案，规划管理部门根据城市设计成果对建设单位提供的建筑设计方案进行审查并核发规划许可证。利用城市大数据信息图谱对建设项目实施情况监测，依照城市规划及设计中的各类要素及指标，监测所有规划审批成果中的此类要素指标，并采用图文一体化的方式展现。

4.2 城市规律研究

对于城市研究而言，城市大数据信息图谱的基础沙盘系统提供统一的空间基础，将与城市相关的多源空间基础数据进行融合，为设计单位，规划管理部门，城市决策者提供统一的工作沙盘。在研究中，是对已经发生数据进行分析，从而揭示规律，具体包括：城市设计要素分级展示，依据城市设计可视化精度分级体系，在不同的可视比例尺下展示不同的要素；城市设计指标解译展示每类要素的控制性指标，使得城市设计的控制性要素一目了然；城市设计空间计算工具，提供各类二三维空间分析工具，方便基于城市设计结果进行基本的空间分析；离线数据提取，提供多种数据沙盘数据导出方式，供城市设计人员作为编制底图；本地文件沙盘模拟，将城市设计成果文件直接加载到沙盘中，直观模拟设计成果。

4.3 辅助理性决策

基于城市大数据信息图谱辅助决策是面向规划管理部门和城市决策者，一方面按照城市设计编制技术规则对城市设计成果自身进行审查，另一方面能够提供诸如多方案比对、全规则评估、全视角评估等辅助决策支撑功能。通过对未来趋势的智能预测，以交互式模拟引领未来使公众参与到城市设计的全过程之中。依托空间基础沙盘，公众可随时随地分享自己的生活故事，并可对现状的城市空间进行评议；在城市规划全过程中能够提出对城市空间与生活圈的设计构想；并在方案评价和实施评估阶段对设计方案与建成空间给予评价和反馈。故事评议、设计构想及评价反馈均以时空信息点的形式，于基础空间沙盘之中进行公众信息的集成管理和分享。

5 结束语

如果说描述性分析是大数据的基石，那么融合预测分析便是大数据的未来。前者重点在于考察历史数据，并对其进行初步的解析；后者更侧重于利用多源大数据来解析城市的内核，并且预测城市未来发展方向。本文是对于多源大数据融合之后建构城市大数据信息图谱平台的初步探究，研究起于空间，同时也投影到空间上。这一信息图谱平台是将影响城市内核的六类大数据进行了整合研究，是对城市内在机制研究的初步探索，通过这一平台，可以进行单维、二维及多维的大数据空间特征、耦合特征及相关性特征的分析。但是本文研究还存在一定的不足：

1）考虑到城市多源大数据的实时更新机制，本文研究在动态演变更新方面还需进一步探究。

2）因各个城市发展阶段及特征不同，本文研究所选取的六类城市的大数据仍无法全面解析各类城市的各个层面、各个维度的系统特征，后续研究需纳入更多研究案例，充实这一平台的系统建构。