社会大数据在城市空间治理中的应用研究

摘 要：当前城市能级全面提升，蓬勃发展的数据智能技术为城市高起点规划、高标准建设和精细化管理带来新的契机。数字技术的不断发展，通过公开的网络应用或服务采集到的城市建成信息与居民行为信息形成海量的社会大数据。该文聚焦社会大数据特征，挖掘关于城市空间和社会更丰富、更细致、更有时效性的信息，探索基于社会大数据开展城市空间精细化的认知诊断，洞察城市发展运行特征，探讨在城市空间治理现代化背景下，社会大数据辅助智能决策的应用范式。

关键词：空间治理；社会化大数据；数据特征；智能决策；应用范式

中图分类号：TU984.11 文献标志码：A 文章编号：2095-2945（2024）24-0163-06

Abstract： At present， with the overall improvement of urban energy level， the booming data intelligence technology brings new opportunities for urban high starting point planning， high standard construction and fine management. With the continuous development of digital technology， the urban construction information and residents' behavior information collected through open network applications or services have formed a huge amount of social big data. This paper focuses on the characteristics of social big data， excavates richer， more detailed and more timely information about urban space and society， explores the fine cognitive diagnosis of urban space based on social big data， and has an insight into the characteristics of urban development and operation. This paper discusses the application paradigm of social big data assisting intelligent decision-making in the context of the modernization of urban spatial governance.

Keywords： spatial governance; social big data; data characteristics; intelligent decision-making; application paradigm

城市数字化发展是城市空间治理模式变革、城市空间布局优化更新的驱动力[1]。城市空间治理的水平，与城市居民日常生活的舒适感、幸福感及价值感息息相关。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》中指出，要全面赋能经济社会发展，推进数字社会治理精准化，普及数字生活智能化[2]。统筹城市数据建设，通过数据精准描述城市运行细节、动态感知城市发展问题，才能实现高分辨率的街区管理、人居环境等各类问题的动态感知，从而精准规划和科学决策[3]。

信息技术的发展与数字化应用的普及积累了大量社会化大数据，同时也使得对各类社会大数据的采集、管理和分析更加容易。社会大数据区别于传统的统计年鉴等官方公开数据，具有规模大、粒度细、更新周期短的特点，能挖掘出关于城市空间和社会更丰富、更细致、更有时效性的信息与洞察，城市空间治理对建成环境与人口特征信息有强烈的需求，因此，对大数据的应用研究越来越多[4]。如何加强社会大数据采集的全面性和可靠性、数据规范的统一性和整合度、数据运用的有效性和合理度是应用社会大数据的难点[5]。

1 社会大数据分析

1.1 社会大数据采集

社会大数据采集的方法包括直接获取和间接获取两大类。网络公开数据直接采集是利用垂直搜索引擎技术的网络爬虫、分词系统、任务与索引系统等技术进行综合运用而完成，总体思路都是从一定URL出发，按照一定的搜索策略不断获取新的URL，同时检索、提取和保存所需要的数据。API是应用程序编程接口的缩写，功能都遵循系统服务接口规则，具有很强的系统性。通俗讲，API是一些网站为了扩大影响，将自己的资源整理好给用户调用的工具。城市空间分析中被广泛应用的POI数据，在百度地图和高德地图中既可以获取城市级别范围的POI，也可以按街道或自绘范围获得POI[6]。

公共服务的提供部门有专门统计团队，每年都沉淀大量各类政务专题数据，同时为数众多的企业也有很多优质大数据，尤其是在行业内具有一定覆盖性的公司，比如移动通信、交通出行、地图导航和互联网公司，但这些公司往往将数据作为重要资产，为实现行业垄断和确保竞争安全基本不会公开所持数据。对于非公开数据，首先可以通过购买获得，但由于许多数据具有一定的垄断性而导致价格很高，往往会超过规划项目的成本预算。更为可行的方式应该是凭借公共数据开放和公益研究间接获得更多社会数据，与大数据生产商建立长期互利共赢的合作关系[7]。

1.2 社会大数据特征

社会大数据具有获取途径相对容易，数据信息丰富，空间特征明显，数据处理难点较低等特点，广泛应用于与城市空间相关的分析、评价和决策支撑中，见表1。常见的社会大数据包括公交线网与站点数据，道路路况数据、工商企业数据、互联网地图POI数据、大众点评数据、连锁商业运营数据、文化活动数据和居住小区信息数据等，如图1—图7所示。

1.3 数据处理与融合

数据清洗处理与融合是对数据进行重新审查和校验的过程，目的在于保证数据一致性、有效性和科学性，更好地支撑空间分析和决策。数据处理与融合主要内容包括以下几方面。

1.3.1 数据甄别与补全

对无效数据的甄别，主要是用来辨别缺失、无效、不一致的数据。甄别的规则主要基于数据分析的需求、数据规律来确定。缺失值是最常见的数据问题，处理缺失值时按照以下步骤进行。

1）确定缺失值范围：对每个字段都计算其缺失值比例，然后按照缺失比例和字段重要性，分别制定策略。

2）去除不需要的字段：对于业务上应用不到的字段，可以根据实际情况进行删除。

3）填充缺失内容：QPa3S9aFAkkW1LQzG8YFfrLvx6Gco3uol66/2LlWPiw=某些缺失值可以进行填充，可以通过业务知识或经验推测填充缺失值，以同一指标的计算结果（均值、中位数、众数等）填充缺失值，以不同指标的计算结果填充缺失值。

4）重新取数：如果某些指标非常重要又缺失率高，则需要和业务人员了解，是否有其他渠道可以取到相关数据。

1.3.2 数据清洗

1）空间位置处理。空间信息是最基础的数据信息，经过坐标纠正、地理位置抽查、统计核对等手段保证空间信息的质量，可通过地理位置的抽样核查地理位置有无坐标偏差。

2）数据规范化处理。主要从减少数据冗余、提高数据处理效率的角度出发对空间数据、结构化数据进行统一检查和规范化处理，包括：空间参考检查、数据完整性检查、逻辑一致性检查、矢量数据拓扑检查和属性数据检查等。

1.3.3 专题文本空间化

对于结构化文本数据，通过地址匹配引擎进行专题文本空间化。地址匹配引擎是一种基于分词的地址匹配技术，它通过构造分级地址库，并转换成地址分词库，采用基于地址词典的中文分词技术实现匹配。通过文本数据中地址信息的批量标准化，并与空间位置相对应，获取较高的地址匹配成功率。

1.3.4 专题数据汇聚

专题数据基础数据库包含的数据内容丰富，数据来源多样，数据标准、模型、格式、精度和存储形态等差异甚大，要将种类繁多、数据量巨大数据集成整合为支撑空间分析的核心数据库，需开展数据整合和数据整理工作。

数据整合处理指在通过数据清洗、数据分析与检查、数据映射与抽取、数据预处理、对象编码与关联关系建立和质检审核等操作，以数据模型设计为依据，对各类社会大数据进行标准化整合，最终形成符合标准规范的成果数据。其主要工作包括以下几方面。

1）数据预处理：对不同的数据源进行规范化处理，使得它们具有相同的格式、坐标系统和地图投影。

2）数据关联融合：如果同一类数据有多个来源，则有必要进行多源数据关联性验证，根据需要调整或去除数据。

3）属性映射、变化和重构：以数据模型设计为依据，根据数据标准化建库要求，对不同来源数据等进行属性映射、变化和重构，形成符合标准规范的成果数据。

4）同名实体匹配：根据要素空间位置、几何形状、语义属性及拓扑关系，实现同名实体匹配；对于属性信息，原则上以丰富为准，可以直接扩充。

5）数据标准化建库：根据空间分享需求，进行专题数据标准化建库，实现多源数据集成融合。

2 社会大数据在城市空间治理中的应用

2.1 社区人居环境体检评估

加快构建城市空间新发展格局，着力推动经济社会高质量发展的时代号召下，加快转变超大特大城市发展方式，大力推进城市更新势在必行。随着城镇化率的提高，人口、产业、交通和环境等要素在城市高密度集中，信息量巨大，城市问题的判断和化解难度也愈来愈高。由此，城市空间治理工作正不断向社区和基层聚焦，加强和推动城市有机更新，营造共建、共治、共享的基层治理格局，是新形势下推进城市发展治理方式转型的重要路径。构建社区人居环境评价指标、数据框架和量化方法体系，为城市更新行动提供数据支持和决策支撑[8-10]。

横向上，通过对数以千计的城市居住社区进行量化评估，客观评价社区现状，衡量更新需求，支撑城市更新对象的精确选择和研判；纵向上，通过对具体更新对象的多维度量化分析，聚焦社区短板，定位现状问题，明确更新重点，支撑社区更新改造方案的编制和决策；时间测度上，通过对社区在更新改造不同节点的量化评价，侧面反映改造成效和社区演进，支撑城市更新工作的实施评估和效能评价。社区人居评估指标基于人本需求，体现了城市复杂性，能够更好地对社区实现体检到诊断，实现指标到空间治理[11-12]。

2.1.1 评价目标

通过社会大数据实现对社区基本情况的定量分析，对社区人居环境状况进行完整把握，找到社区本身存在的问题，与区域平均水平和先进社区之间差距，为社区改造更新提供依据和建议。同时也可以为衡量空间治理能力高低、辨别空间治理成败提供判断依据。

2.1.2 评价思路

首先，界定社区现状评价内容。评价部分聚焦于空间治理层面，即人居环境现状评价，根据社区人居环境内容和当下空间治理需求，细化社区人居环境现状评价内容。

其次，通过构建指标体系体现量化评价的目标。基于社会大数据采用客观性评价指标，减少主观评价的误差。指标体系具有普遍适用性和独特性，将不同社区置于同一框架之下，可以进行社区间横向对比。

最后，根据问题，提出相对应的问题解决方案包。不同类型社区指标体系和应对策略可以有不同选择。

2.1.3 评价指标体系构建

社区人居环境是关乎人类生存和发展的居住和生活环境，由此可见对社区人居环境评价包含了复杂的内容。可以将指标体系构建工作为两部分：其一是社区体征描述，其二是社区人居评估，社区体征描述是体征运行的监测和客观描述，社区人居评估则是按照目标和价值导向进行指标计算和构建。社区体征指标见表2。

2.2 城市15分钟生活圈规划

近年来，社区生活圈成为规划领域关注的热点，并成为规划与公众最为紧密的结合点之一。2018年《城市居住区规划设计标准》指出生活圈根据居民步行出行规律，分别对应在300 m、500 m、1 000 m的空间服务半径范围内满足其日常生活的基本需求、设置配套设施。2021年《社区生活圈规划技术指南》指出，社会生活圈应满足城乡居民全生命周期工作与生活等各类需求的基本单元，社区生活圈规划要按照“现状评估—制定空间方案—推进实施行动—动态监测维护”工作程序开展，利用大数据等信息与智慧技术，开展实时监测与评估，技术调整规划及实施计划[13]。

利用开放社会大数据对生活圈现状进行系统评估，发现供给不足的设施类型和存在的问题，并对生活圈优化提出建议，更深入地为设施配置提供决策支撑。城市15分钟生活圈基础保障类服务要素见表3。

2.3 公共服务设施配置优化

高品质的公共服务设施供给是城市空间资源高效配置的重要抓手，公共服务设施配置需要考虑居民多元需求，对服务范围内居民人口数量、结构、出行特征、移动轨迹和城市布局规划等方面的分析与研究，通过“人口-设施”的精准匹配，实现公共服务设施的最优化配置[14]。

基于社会大数据开展人口数量和结构的实时快速检测判断，利用迁徙数据分析得出人口活力变化规律与人口流动趋势，搭建仿真模拟系统，通过实时操作设施规划、模拟效果，支撑公共服务设施规划选址、规划建设。对新增小区的各项公共服务设施、新增小区开口、新增规划道路等设计的提升效用进行预评估和科学的仿真模拟，基于评估模拟结果，为规划方案预评估、生活服务便利度模拟、基础设施选址、小微空间建设效用等形成决策支撑。从而科学地辅助规划决策，提升街区人居品质[15-17]。

3 结束语

本文分析了社会大数据典型特征、处理与融合路线，以及数据应用价值，从社区人居环境体检评估、城市15分钟生活圈规划、公共服务设施配置优化，探讨了社会大数据在城市空间治理中的应用方向。当前蓬勃发展的数字技术为城市空间治理以及规划、建设、管理发展带来新的契机，通过数据智能发现城市空间问题、描述城市空间发展规律、支撑城市空间治理，是推进城市治理现代化的新方向。未来，需建立社会感知数据长效更新机制，推进数据与社会经济数据的深度融合，探索发挥社会大数据在城市空间治理中更大的价值。

参考文献：

[1] 袁晓玲，杨新标.面向中国式现代化的城市空间治理核心问题与实践路径[J].城市发展研究，2023，30（12）：106-112.

[2] 熊有军，林少芬.数字产业化整体加速——全面解读《数字中国建设整体布局规划》[J].广东经济，2023（4）：6-11.

[3] 湛东升，周玄，周侃，等.城市人居环境感知对幸福感的影响——基于长三角地区城市体检数据的分析[J].地理科学进展，2023，42（4）：730-741.

[4] 甄峰，李智轩.数据驱动的中国城市空间治理框架设想[J].经济地理，2023，43（5）：26-35.

[5] 欧阳康，胡志康.大数据时代的社会治理智能化探析[J].天津社会科学，2023（6）：20-26.

[6] 庄晓平，陶楠，王江萍.基于POI数据的城市15分钟社区生活圈便利度评价研究——以武汉三区为例[J].华中建筑，2020，38（6）：76-79.

[7] 林丽环.互联网企业数据资产定价研究[D].南京：南京邮电大学，2023.

[8] 张乐敏，张若曦，黄宇轩，等.面向完整社区的城市体检评估指标体系构建与实践[J].规划师，2022，38（3）：45-52.

[9] 周健.基于多源数据的社区环境宜居性评价研究[D].深圳：深圳大学，2019.

[10] 周悦，陶珊珊，段雪晴，等.有机更新背景下的社区智能治理探索[J].时代建筑，2021（4）：62-69.

[11] 杨静，吕飞，史艳杰，等.社区体检评估指标体系的构建与实践[J].规划师，2022，38（3）：35-44.

[12] 单颖，李鑫.基于大数据分析的沈阳市完整社区评价与研究[C]//中国城市规划学会城市规划新技术应用学术委员会.智慧规划·生态人居·品质空间——2019年中国城市规划信息化年会论文集.广西科学技术出版社，2019：10.

[13] 李萌.基于居民行为需求特征的“15分钟社区生活圈”规划对策研究[J].城市规划学刊，2017（1）：111-118.

[14] 李亚洲，张佶，毕瑜菲，等.“人口-设施”精准匹配下的公共服务设施配置策略[J].规划师，2022，38（6）：64-69，87.

[15] 龙瀛，茅明睿，毛其智，等.大数据时代的精细化城市模拟：方法、数据和案例[J].人文地理，2014，29（3）：7-13.

[16] 李爽.基于城市更新和治理的城市公共空间提升[A].中国城市规划学会，人民城市，规划赋能——2023中国城市规划年会论文集（02城市更新）[C].中国航空规划设计研究总院有限公司，2023：1366-1374.

[17] 吴志强，王凯，陈韦，等.“社区空间精细化治理的创新思考”学术笔谈[J].城市规划学刊，2020（3）：1-14.