面向规划编制的大数据平台现状、问题及对策探讨

2019-03-29韩龙玫卿粼波

四川建筑 2019年1期

韩龙玫，卿粼波

(1.成都市规划研究设计院，四川成都610041；2.四川大学电子信息学院，四川成都610000)

近年来，城市定量研究取得了突破性地进展。一方面，搞大数据、人工智能、智慧城市的人搞得如火如荼，另一方面部分规划人对新数据方法有一种微妙的态度。业界透露出两种迷思，一是分析一大圈得出来一个一眼就能看出来的结论，二是一大堆数据分析了很多内容，却好像没什么用。规划大数据研究者和规划编制一线工作者两者之间存在严重壁垒。

关于如何破除壁垒，业界的共识是规划大数据要平台化、软件化、模块化。在大数据时代的背景下，人工处理海量数据效率低下，在数据爆炸时代显然难以为继。面向规划编制的城市规划大数据平台是随着数据增强设计［1］理念的逐步推广而建立起来的。它是一种基于空间平台(如GIS)将各类城市大数据空间化的数据处理平台，以其友好的可视化界面，为规划全流程提供数据支撑。

目前面向规划编制的大数据平台发展现状如何?有什么问题?未来的发展趋势是什么?本文试图进行探讨。

1 城市规划大数据平台的建设现状、特点

1.1 建设现状

按用户类型，数据平台可分为面向规划管理和面向规划编制两类。前者起步早，早期的控规审批平台、一张图平台即是这种平台的前身，近年来纳入了新数据和开放数据的内容，旨在实现大尺度精细化的城市协同管理。这类平台比较有代表性的有Michael Batty主持开发的“数字仪表盘”、国家发改委和清华大学研发的“新型城镇化大数据库”、中规院领衔建设的全国新型城镇化监控与评估平台、东南大学开发的城市设计数字化平台等。

与规划管理大数据平台相比，前者重在流程和协同，而规划编制大数据平台重在数据挖掘和数据支撑，目前正处于发展的初期。面向规划编制的大数据平台是近几年随着ITC技术和大数据发展起来的，比较有代表性的有2016年茅明睿团队研发的人迹地图［2］，前面提到的东南大学的城市设计数字化平台在2017年也在加强支持规划编制的部分。

1.2 特点

现阶段面向规划编制的城市规划大数据平台主要有以下几个特点：

1.2.1 分析层平台居多，应用层平台少

笔者将规划编制大数据平台划分为三个层(图1)，由下至上分别是数据层、分析层和应用层。数据层着重对数据的获得、爬取和清洗，分析层侧重数据本身信息地挖掘、分析，而应用层则应该是一种可以直接用来增强规划编制的工具。一个涵盖多源城市大数据的包含数据爬取、清洗等预处理过程的城市基础数据库即是数据层，而运用核密度分析、回归分析等算法对数据进行人流、人口密度、人口时空分布等分析可以视为分析层，一般表现为可视化的实时人流量展示、热力图，或者城市群结构、建成区形态等。应用层应该是一个可以直接做现状分析、方案生成和实施评估的界面，不见数据只见模块。目前大部分平台做到了分析层，而欠缺应用层的部分。从平台分析层到规划增强设计，还需要一个转译和综合的过程。而正是这个繁琐的过程，将传统规划师挡在门外。

图1 规划编制大数据平台构架

1.2.2 宏观分析多，中微观分析少

目前国内外研究尺度多为全球、多国、整个国家、大都市区。这跟数据本身的特点有关系，目前利用最多的大数据(如手机信令、Flicker相片等)擅长的就是这种超大尺度分析。作为研究，这当然无可厚非，可对广大规划编制队伍的一线设计人员来说，中微观尺度的项目占绝大多数，尤其是增量规划向存量规划转化的背景下，动辄几百平方公里的项目越来越少，而小尺度的城市微更新项目越来越多，宏观分析并不能解决众多中小项目的实际需求。

1.2.3 碎片化研究居多，体系性不强

目前各项研究还处于探索阶段，不成体系。比如，不同学科领域的学者分散研究不同的课题，课题之间的联系还有待加强。另外一个是普适性问题，很多时候一个项目的分析结果、分析方法停留在项目完成时，无法应用到下一个项目。很多学者构建了一些模型，但其科学性和普适性还有待长期的检验和证明。

2 规划编制大数据平台的建设趋势及建议

2.1 大数据平台的发展趋势

研究指出［4］，目前大数据平台的研究还比较零散，大量的研究集中在大数据的挖掘分析方法上，支撑大数据平台开发的相关技术体系尚不完善。而数据挖掘技术在还处于发展阶段，很多系统还停留在初级处理水平。面向规划编制的大数据平台还有很大的探索空间。

2.2 面向规划编制的大数据平台的相关建议

2.2.1 着重研究应用层平台

目前，针对规划管理方的平台开发到分析层+就可以了，而面向规划编制方的平台则必须要开发到应用层。

应用层不是对某项大数据的单一分析，而是针对单个具体规划问题的应用模块集。比如，仅仅根据手机信令大数据实时显示人流量是不够的，平台需要设计多个针对某个具体规划专题的模块，比如“职住平衡”模块“街道活力评估”模块、“现状设施使用状况评估”模块。

2.2.2 开发黑盒子模块

应用层应该是由多个针对一个具体规划问题的黑盒子模块组成，比如“职住平衡”模块“街道活力评估”模块“现状设施使用状况评估”模块。规划师可以不必知道人流量分析、人口时空分布等概念的具体计算过程，只需要选择输入数据就可以得到一个具体结果。同时，在分析数据、研究范围和算法上也提供多个选择，选择用单一数据还是多源数据，选择用简单算法还是复杂算法，由规划师根据现实情况进行选择。用数据增强理念为规划师提供一种傻瓜式的模块，一种能快速应用到中微观尺度的成熟模块。

2.2.3 重视人机交互

Michael Batty直言，AI的真正力量来自于人类与机器的合作，二者协作工作会比任何单独工作的机器更厉害［3］。城市是一个复杂的巨系统，全部的相关因素与不确定性不可能用现有的任何AI技术实现自动化。规划编制大数据平台要特别强调人机交互。不能期望机器给出所有答案，而是将机器做得足够智能，提供人机交互界面，辅助规划师进行现状分析、方案生成、情景模拟，在规划设计全过程提供数据增强。

根据人工智能的发展趋势，过去繁琐复杂的操作界面已经不能适应新时期的需求。数据库人机交互界面，不是让人去学习如何使用机器，而是让机器根据人的需求来配置。这就需要设计者彻底摸清规划师的需求、目的和操作习惯。重视操作界面的友好性，是破除目前壁垒的重要课题。

2.2.4 重视数据维护的可持续性

数据库的基础数据持续更新是一个很重要的问题，各项数据的获取清洗等预处理过程非常费时费力，过去很多平台上线一两年后使用频率越来越低，最后束之高阁，基础数据更新成本是一个很大的原因。大数据时代的海量数据预处理工作量呈几何指数般增长，在平台建设初期就要未雨绸缪。目前业界采取的方法有，传统规划院与互联网平台或数据供应商签订合作协议，由互联网公司或数据供应商负责数据的获取和预处理。但此种方法还是有其局限性，且广大中小设计院可以采用什么机制，还有待思考。各地政府相继成立大数据交易中心，或许未来可以提供高效价廉的基础大数据。