1、面向大数据时代的城市规划研究响应与应对方略 李燕萍 虞虎 王昊 邓羽 北京青年政治学院计算机系 中国科学院地理科学与资源研究所 中国电子信息产业发展研究院工经所 摘 要： 随着智慧城市建设的推进, 城市大数据时代已经到来, 大规模的全样本数据呈现出新的研究价值。利用大数据感知社会动态、辅助决策实施;将大数据应用于城市规划, 使宏观政策对微观个体的影响有了量化评价手段和具体反馈渠道。大数据时代给城市规划的范式研究和实践研究都带来了强烈的冲击, 结合城市大数据现状, 从城市规划的研究范式演进和与大数据的实践融合两个方面展开讨论, 研究范式演进包含从理性主义到新理性主义、从以地生财到以人为本和从自上
2、而下到自下而上三个层面;与大数据的规划实践融合主要体现在城市功能区识别、城市空间行为研究和城市交通研究三大领域。最后, 针对大数据在城市规划领域应用中出现的问题, 提出响应策略与应对方略, 对未来城市规划发展提供一些参考。关键词： 城市大数据; 城市规划; 研究范式; 规划响应; 作者简介：王昊 (1985-) , 男, 山东聊城人, 博士, 中国电子信息产业发展研究院工经所区域室主任, 研究方向为区域经济。E-mail:作者简介：李燕萍 (1982-) , 女, 安徽池州人, 北京青年政治学院计算机系讲师, 主要研究方向:大数据与智慧城市。收稿日期：2017-08-01基金：北京市科技创新服
3、务能力建设项目“首都智慧养老数据安全与隐私保护研究”The Response and Countermeasures of Urban Planning Research in the Era of Big DataLI Yanping YU Hu WANG Hao DENG Yu Abstract： With the development of the smart city, the city has come to the era of big data, big data is showing a new value. “ Better city, better life“ will
4、become true by using big data to perceive the social dynamics and aid decision making. The macro policy has the quantitative evaluation method and the feedback channel to the microscopic individual by applying big data to urban planning. The era of big data has brought a strong impact on the paradig
5、m and practice of urban planning, all are at the exploratory stage. With city big data status, the article discusses about two aspects. One is paradigm evolution of urban planning, which includes from rationalism to new rationalism, from surrounding based to human based, and from top-down to bottom-
6、up. Another is the practices of merge big data into the urban planning, which include functional zone identification, urban spatial behavior and urban traffic researches. Finally, the article suggests strategic proposal soffer formerging big data into the urban planning, it is looking forward to pro
7、vide some reference for the future urban planning.Keyword： Big Data; Urban Planning; Research Paradigm; Planning Response; Received： 2017-08-011 研究背景2014 年, 中共中央、国务院印发了国家新型城镇化规划 (2014-2020 年) , 开启了新型城镇化战略, 强调以人的城镇化为核心, 推进智慧城市建设, 城市规划模式面临新的转型。习近平总书记在北京市规划展览馆考察时强调:“规划科学是最大的效益, 规划失误是最大的浪费, 规划折腾是最大的忌讳。”
8、在政府部门的引导下, 智慧城市的建设实践在国内不断推进, 海量传感数据扑面而来, 大规模社交数据交替增长, 城市大数据时代已经到来。2016 年十三五规划纲要中提出大数据战略, 通过数据集中和共享, 实现科学的政府决策, 精准的社会治理, 高效的公共服务, 推进国家治理体系和治理能力现代化。城市规划作为国家治理体系的重要组成部分, 用大数据的手段去感知社会动态、畅通沟通渠道、辅助决策实施, 使“城市, 让人类生活更美好”的初衷得以实现。城市规划中的传统计量模型数据主要来自统计、调查访谈、地理和规划信息, 而这些数据普遍存在更新速度慢、共享程度低等限制;当前的城市规划中公众参与度低, 政府有效保
9、障社会公众利益的手段有限, 不能达到公众的期望。随着国内城镇化进程的快速推进, 类似交通拥堵、空气污染等城市问题随之而来, 以前目标导向规划忽略了过程的优化调控, 缺少对城市发展的过程控制。而当前热议的问题导向规划却仅仅停留在定性描述和简单统计, 没有对问题的形成过程、动态变化和空间关联进行深入系统的研究1;而更为重要的是, 当前规划领域, 大数据被认为是辅助解决城市问题的技术, 它作为陪衬出现在传统研究框架中, 大数据仅仅被看成“大的数据”, 规划师们努力将其纳入规划体系, 而忽视了大数据的思维视角。总结以往的研究成果2,3, 大数据具有 4V 特征: (1) 规模海量 (volume) ,
10、 超过以往研究的数据规模, 著名规划学家 M.Batty 称其“不用能常规的 Excel表格来处理”; (2) 类型多样 (varariety) , 数据来源广泛 (个人、群体、传感设备) , 有结构性数据但更多的是非结构性数据; (3) 流转快速 (velocity) , 基于智慧城市的建设和移动互联网的普及, 时时刻刻都在产生并传播海量数据; (4) 价值巨大 (veracity) , 数据可以针对所有人群代表, 细节丰富。舍恩伯格在大数据时代中提出, 大数据的特征在于全样本性而非采样性、混杂性而非精确性、相关性而非因果性。正如 Google 通过搜索历史知道流感爆发的时间、Target
11、超市通过购买清单告知高中生的预产期、亚马逊通过书单记录推荐你下一本要买的书, 它们无一例外地表明大数据的核心价值在于预测4;司马相如云:“明者远见于未萌, 而智者避危于未形”, 吴良镛先生曾评价“规划前瞻性之要义可从中领悟。”由此可见, 城市规划的要义在于前瞻性, 大数据可以让城市规划更理性, 因此两者的结合是更完美的事情。纵观城市规划的发展历程, 现代城市规划是为了解决城市问题而在社会实践的过程中逐步形成的, 工程技术的发展为规划发展提供了原动力和基本方法。当前经济社会迅速发展, 大数据规模呈几何数增长, 新技术层出不穷, 无论是在城市规划研究范式演进中, 还是在城市规划实践中的功能分区识别
12、, 抑或是城市空间行为的研究, 大数据都展示出其不俗的表现。2 城市规划研究范式的演进1959 年, 美国科学哲学家库恩 (T Kubn) 在本质的张力:科学研究中的传统与创新中首次提到了“范式” (paradigm) 概念5, 却没有作出十分明确的定义。“范式”普遍被认为是:相关学科领域所推崇的共同理念, 包括中心观点和价值取向, 由此生成的行为模式、研究解决问题的方法路径。研究范式并非一成不变, 随着社会的发展, 会出现很多原有范式解决不了的问题, 从而引发科学革命, 产生新的范式, 这个过程称为范式转换。62.1 理性主义到新理性主义现代城市规划起源于英国, 空想社会主义和无政府主义是其
13、最直接的思想源泉。随着系统论、信息论的引入, 城市规划中的理性主义逐渐形成, 规划活动从“艺术”走向“科学”。但由于理性主义旨在把城市变成“人类居住的机器”, 忽视城市中的主体人的感受, 因此造成了问题丛生的城市病, 这种精英模式的城市规划范式必然发生转换。理性主义主张真理不能诉诸于情感和权威, 只有经过逻辑推理或经验加以证明才是有效的。通过人的理性能力认识和改造客观世界, 从而将非现实的理想和目标转变为现实。7在理性主义研究范式的指导下, 城市规划领域确定了城市做大做美和加快城镇化的目标。因此, 城市规划充分体现了空间布局的科学性和合理性, 而忽略了社会问题和矛盾、社会利益结构和财产权关系。
14、然而“科学”并不能涵盖规划的全部, 城市规划需要更多的关注意识形态、社会背景和公众参与。随着多学科参与, 城市规划研究范式呈现多元化趋势, 涌现了新自由主义、后现代主义等一批新理论, 以不确定世界观为基本立场, 认定城市是自生自发秩序的产物, 强调个体公民的权利。然而这些处在“科学革命”时期的新思想逻辑上杂乱无章、提法上难以自圆其说、又缺乏内在坚固理论内核, 并不能解决任何城市问题。8城市处于人类社会与自然界相互作用的进程中, 是人工与自然的复合物。根据斯坦布鲁纳对复杂性问题的定义未来的不确定性和决策权分散7, 无论是土地空间使用、社会问题解决还是城市结构演进, 它们都具有相当的复杂性。以“复
15、杂自适应系统理论 (CAS) ”为内核的新理性主义, 既继承了理性主义的内核, 又汲取了后现代主义的养分, 初步构建了连续性与非连续性并存、确定性与非确定性并存、可分性与不可分性并存、预见性和不可预见性并存等的新理论框架。9传统理性主义认为, 城市可归纳总结为“秩序”, 而忽视了秩序中的市民主体;后现代主义认为, 城市是由自生自发的“自由人”组成, 而漠视了市民形成的秩序;只有新理性主义提出的“隐秩序”市民及团体在活动时形成的自适应特性, 才能揭示城市的复杂性及其演化规律。城市交通出行时, 驾车者都愿意躲避拥堵时段和路段。以往由于信息不对称, 这些愿望能否实现, 主要依靠“老司机”的经验、智慧
16、和运气。但在大数据时代, 即使是经验丰富的出租车司机也会选择使用互联网地图来导航, 因为地图可以实时采集城市拥堵数据, 综合考虑路程成本和时间成本, 计算规划出性价比最高的路线, 从而实现全网道路的高效利用。这就是大数据反馈市民行为, 通过个体的“自适应”促进城市整体状况改善的生动案例。城市规划是解决城市问题的规划, 以往许多关系民生的重大决策、重点地段的规划成果市民不清楚。大数据时代的到来, 很好地解决了规划中信息不对称的问题。城市设计者借助新技术从市民主体中提取有用的信息, 将其作为制订城市规划的基本依据。规划在实践中的反馈则能深化市民对外部世界规律性的认识, 从而改善其行为方式。这是一个
17、闭环的回路, 是复杂自适应系统的表现, 是动态反馈的过程。2.2“以地生财”到“以人为本”现代城市规划作为从西方引入的百年学科, 其理念与口号, 包含研究范式的演进, 都更多反映了西方城市的发展历程。但是西方的城镇化进程是在工业时代之后完成的, 而我国则是两者同时进行, 因此针对中国具体国情, 解决中国特殊问题的“中国”范式有待提出。改革开放以来, 从中央到地方, 各级政府都在追寻经济的增长点, 将 GDP 指标增长作为第一要务。20 世纪 90 年代中后期, 随着分税制、住房市场化等一系列改革的深入, 地方政府逐步建立了“以地生财”的发展模式。这一时期的城市规划主要关注土地利用的空间结构,
18、通过城市空间的扩张来实现资本增值和财富分配。但随着土地资源的紧缺、人地矛盾的突出, 地方政府很难在城乡土地属性转换上取得巨大红利。为了避免触及 18 亿亩耕地保护红线, 规划主题逐渐由“增量规划”转为“存量规划”。城市的核心是人, 因为人的聚集才有了城市, 因此城市规划首先要考虑人的价值实现。凯文林奇在城市意象中说:“城市是人创造的, 城市给人最精彩的感觉应该是起源于艺术, 发展于需求”, 城市发展形成利益主体多元化, 规划师通过合理分配土地资源来协调个人和不同群体的利益需求。城市中的人在各种空间中活动, 因此创造“以人为本”的高效宜居宜业空间, 是未来规划的重点。发展紧凑型城市, 推广低冲击
19、开发方式, 以交通导向的城市开发模式, 建设人与自然和谐共处的生态城市10, 是实现“天人合一, 道法自然”的途径, 是走可持续发展道路的必然选择。很多城市有又宽又多的机动车道, 却没有骑行空间, 人被看成是妨碍交通的阻碍因子。共享单车是大数据时代出现的新鲜事物, 它解决了城市交通中最后一公里的问题。随着人们对共享单车的需求增多, 政府也对其持续关注, 并改造城市街道设计, 多处新增自行车道。这就是由于大数据的介入, 城市规划关注人的感受, 平衡了多种利益主体需求, 使“以人为本”的设计理念得到具体体现。2.3“自上而下”到“自下而上”城市规划是政府对城市发展自上而下的控制和引导, 体现的是城
20、市空间结构和其发展方向, 表现的是政府希望城市发展的意愿;城市发展是建立在市场基础上自下而上的经济活动, 实质在于社会和经济的发展, 两者代表不同的利益。11当前的城市规划是精英式主导, 体现各阶层精英们的价值观, 以科学理性的形式产生, 但却代表不了不同群体利益的价值判断。城市规划需要认真倾听城市、市民需求以及城市发展的过程, 需要从独立活动转向多方参与, 变“精英规划”为“社会参与规划”, 使得每一个人都可以参与到规划设计过程中去12。传统规划研究范式在“精英规划”的思想指导下, 主要是“自上而下”的理论建模驱动调查实验, 是目标预设, 以期对城市发展作出较为精准的预测。但在规划学史上,
21、精准可控的城市发展从未真正的实现过, 理论和现实之间总是存在巨大的差异, 这也是规划学科不能被认定为“自然科学”的原因之一。2005年卡特里娜飓风之后, 在新奥尔良的城市重建过程中, 规划师们忙于参加社区会议、在地图上做标记等, 然而并无实际进展。公益艺术家将贴纸和记号笔贴在废弃建筑物上, 希望能记录路过的人对该地的期盼, 却收到了良好的效果。如今在大数据时代, “集思广益”变得更为简单, 无论是智能设备还是社交网络, 都可以组织生活在其中的人参与进来, 找出最有效的应对方法, 协商解决问题。随着“社会参与规划”需求的发展, 涌现出“自下而上”的由大数据驱动的观察实证研究, 解决了规划学科中因
22、为计量革命导致“不关注人”的问题, 又因样本全、成本低得以推广实施。3 城市大数据的现状3.1 数据类型及获取方法关于城市大数据的分类, 规划师们做过很多研究。王鹏根据数据产生的来源, 将城市大数据分为互联网数据和智慧设施数据。互联网数据是指政府、企业的开源数据和公众提供的数据, 智慧设施数据是指视频监控数据、与交通相关的传感信息数据等13;柴彦威根据个人时空信息获取的方式, 分为被动获取的数据、主动获取的数据和半主动获取的数据, 其中被动式数据是指手机通话数据、公交刷卡数据、银行卡消费数据等, 主动式数据是指被调查人通过智能手机的APP 软件参与调查, 在网站中填写出行或活动的日志数据, 半
23、主动式是指可提取社会经济属性的用户签到、用户发布的时空信息等14;刘浏根据规划师研究的需求, 将大数据分为空间特性的大分布数据、时间特性的大迁移数据、主观感受的大评价数据15。图 1 城市规划范式的演进与大数据的介入 下载原图资料来源:作者自绘无论城市大数据如何分类, 当前在城市规划领域被用来研究讨论较多的大数据有交通传感数据、地图与兴趣点数据、位置服务数据、社交网络数据。这些城市数据都符合大数据的 4V 特性 (规模海量、类型多样、流转快速、价值巨大) , 是大数据范畴的典型样本, 关于常用的城市大数据内容及获取方式详见表 1。3.1.1 交通传感数据随着智慧城市基础设施的建设, 各种交通工
24、具上都辅以传感器感知城市交通实况, 从而获取车辆和居民位置。交通传感数据是与居民移动、城市内和城市间交通相关的各类传感信息数据13, 它包含非常丰富的城市活动信息, 规划师可通过它们分析城市功能分区, 监测人口流动趋势, 构建市民与空间组织之间的关系。3.1.2 地图与兴趣点数据城市的基本单元是建筑, 电子地图是大数据时代对城市单元的描述, 它所涵盖的空间信息比纸质地图更丰富, 还可以用数据分析方法进行挖掘。兴趣点 (POI) 数据则是电子地图上的某个可以抽象为点的地标, 例如学校、医院、超市等, 从而还原出城市的基本概况, 它支持搜索与空间位置相关的数据。因此, 地图与兴趣点数据是城市规划的
25、基本素材, 随着地图尺度粒度的精细化, 这些数据可覆盖全部的物理空间。3.1.3 位置服务数据位置服务, 又常被称为定位服务, 是由卫星定位系统和移动通讯网络联合实现, 与空间位置有关的一种增值服务。位置服务数据可以帮助规划师们理解城市运行动态, 是兴趣点数据的深度补充16。在城市规划领域, 城市空间一直是关注的重点, 利用位置服务数据可进行规划评价, 或为规划编制做技术支撑。3.1.4 社交网络数据在互联网 2.0 时代, 每个拥有智能设备的人都可以在网络上发表自己的言论。尤其是社交网络的高度发达, 把城市中的市民主体由现实世界的关系网络迁移到虚拟世界, 并且可以进行情感互动和情绪传染, 某
26、些事件甚至会引发网络舆情, 因此社交网络数据是规划人必须要关注的城市大数据。3.2 数据特点城市规划学科始于建筑学范畴, 奠定了空间维度在规划师心中的地位;城市中人口的聚集, 使经济生产效率明显提高, 而城市中的快节奏生活方式又使规划师对时间维度相当敏感。因此, 大数据在城市规划领域被打上了时间和空间的标签12, 二维数据加上时空属性, 使得时空多维性成为城市大数据的显著特征。城市大数据中包含的 3W 信息 (Who、When、Where) “谁什么时间在什么地方”, 总结了地理世界中的空间结构与各要素的关系, 描述了空间要素的数量、质量随时间变化而变化的特性。城市大数据是多元的, 具有广泛来
27、源和多种类型, 既有现实世界中智慧设施发来的传感数据, 又有虚拟世界中社交互联网络的多语境数据;城市大数据也是异构的, 无论是从数据结构、构成方式还是尺度粒度上它们都有显著的不同。如何将这些多元异构的具有时空特性的城市大数据进行融合, 挖掘城市大数据之间的相关性, 搭建统一的平台架构, 这些对于城市规划领域来说是一个挑战。表 1 常用城市大数据一览表 下载原表 3.3 大数据与城市规划的融合(1) 城市功能区识别城市功能分区是指对各种用途的建筑和用地等进行分区布置, 组成布局合理的城市空间, 例如商业区、住宅区、行政区等。20 世纪工业革命以后, 西方城市自由发展、杂乱无章, 1933 年规划
28、师们通过会议发布雅典宪章, 认为当时各种城市病是因为缺乏明确的分区规划, 提出功能分区来实现城市的有序发展。雅典宪章是理性主义思想达到巅峰的代表作, 然而机械的功能分区忽略了人与人的关联性、市民之间的流动性, 既肢解了城市的有机统一, 把城市搞得支离破碎, 又造成了耕地侵占、职住分离、潮汐交通等诸多问题。因此, 20 世纪 70 年代彰显人本主义的马丘比丘宪章对其进行修正, 提出“努力去创造一个综合的、多功能的环境”。17城市规划采用问题导向的研究方法, 不断地进行调整探索, 城市发展理论也不断深化, 注重对城市功能和不同空间组合的研究, 提倡土地混合使用。功能分区是城市规划的重要支撑, 功能
29、复用是空间使用的理想状态, 识别城市功能区是为了理解城市特点, 了解城市发展规律, 以人为本进行城市规划。传统的城区功能识别主要集中在用地和产业规模等宏观层面18, 数据主要来源于土地利用勘测和人工标注, 简单粗放地将城市区划为住宅区和非住宅区19;可是在土地混合使用的思想指导下, 城市功能区具有混合性和重叠性, 不能通过某些指标就定义它为单一的功能区, 可能 70%是住宅, 30%是学校或医院。在大数据时代, 城市功能区表征为居民活动空间组合, 规划师们通过分析城市动态特征, 理解城市的结构特性, 用高效率、高精度的数据来识别人流集中的中心区和人流分散的边缘区、白天的就业区和夜晚的居住区。目
30、前学术界研究主要集中在使用居民行为大数据或地理信息大数据, 描述人群的实时分布状态和功能区的使用状态, 通过城市计算识别功能区和土地使用类型。乔纳森里德斯 (Jonathan Reades) 等人连续采集罗马城 4 个月的手机通话时长数据 (Erlang data) , 将罗马 47 Km 数据采集地区分成更小单元, 用聚类分析法 (cluster analysis) 进行实时城市动态分析, 识别中心城区的边界。20霍伦施泰因 (Hollenstein L) 等人通过分析居民行为特征数据 图片共享网站 (http:/) 中 800 万张地理坐标图片的位置描述标签, 确定城市核心区的分布和城市边
31、界的划分。21郑宇等人采集了 2010-2011 年北京地区的 GPS 轨迹数据和兴趣点 (POIs) 数据, 使用文档主题生成模型 (Latent Dirichlet Allocation, LDA) 将地区建模为文档, 将功能建模为主题, 将采集的数据建模为关键字, 成功地标注城市功能区和确定功能区密度, 其结果和北京地区土地利用规划 (2002-2010) 相匹配。22潘纲等人使用 4000 辆出租车一年的 GPS 轨迹数据, 设计六个细致的城市功能特征, 采用改进的聚类算法识别城市土地的使用类型, 由于数据规模庞大, 识别精度高达到 95%。23王波等人采用统计学中的 K-means
32、空间聚类算法, 根据新浪微博签到的空间位置, 识别南京市区的活动区域及活动模式特征, 证实了功能区边界的模糊趋势, 并提出了 ICTs (Information and communications technology, 信息通信技术) 对城市活动区域的影响。24表 2 城市功能区识别的大数据应用研究 下载原表 (2) 城市空间行为研究城市因人而生, 因人而发展, 微观人类活动和宏观城市空间结构有着错综复杂的关系, 城市空间提供了人类活动的场所, 同时也限制了活动的选择范围。空间形态是人类活动变化的最终表现。空间行为研究从宏观层面和微观层面都揭示了人类活动对城市空间结构的影响, 25为城市空
33、间规划提供了独特的视角, 并且已经成为城市规划学中广泛采用的研究方法。1990 年左右, 城市规划领域开始出现基于活动分析的研究, 对空间行为进行建模, 分析城市空间对人类行为选择的影响。26当前中国经济社会发生重大变革, 城市发展目标从增长发展转向可持续发展, 空间研究关注点从功能空间转向行为空间, 城市空间与居民行为的互动日渐加深, 市民的空间行为反映了城市空间转型对市民生活的影响。传统的城市空间研究多从人口规模、土地规模、经济总量等宏观层面的统计数据来把握城市发展总体目标, 漠视了城市政府、企业、居民等主体对各类空间安排的需求, 忽略了城市自身的发展诉求。随着大数据时代的来临和移动终端的
34、普及, 社交网络、移动终端中的文本、语音、图像和位置等时空大数据更好的监测居民就业、出行、迁居等行为, 它能发现居民群体间的联系、居民活动与移动的空间特征, 也可发现政府服务社会的空间设想、企业追求利润的空间诉求、居民渴望宜居环境的空间愿景, 从而平衡综合多方需求来确定城市未来发展方向, 对城市空间结构进行科学优化。27,28当前空间行为大数据的研究热点主要集中在手机数据和社交数据, 通过挖掘非结构化的海量微观数据, 来分析城市空间分布特征及形成原因。扈中伟等利用手机定位数据分析 2010 年北京市居民出行 OD (起始点与终点) 分布, 生成人口分布云图, 建立了居民出行特征提取与分析的技术
35、路线。29康朝贵等通过研究涵盖 439 万用户的中国某地手机通话数据, 分析通讯持续时间和来往方式, 发现城市间的联系强度主要取决于城市的等级规模分布。30裴韬等利用新加坡的手机每小时通话数据和通话总量数据, 通过 C-means 聚类分析方法描述用地类型, 检测率为 58.03%, 且与手机基站密度正相关。31“百度迁徙”通过位置服务大数据 (LBS) 进行地图空间化和可视化, 动态直观地表现了每个城市的人口迁入与迁出轨迹。李相勋 (Sang Hoon Lee) 等以美国的政治家、物理学家和职业棒球运动员这三类人为研究对象, 从谷歌搜索上提取照片和文本中的关键词等信息来研究城市的社交关系网络
36、。32甄峰等选取 2011 年中国 51 个城市的新浪微博数据, 从网络社区用户关系入手去分析社会关系网络, 发现城市网络存在着明显的等级关系, 且呈现出分层集聚现象。33克鲁瓦托吕 (Croitoru A) 等通过分析 twitter 和 Flickr 等社交媒体抓取海量的个人网络活动数据, 提出协同地理定位框架和 G-SAW 平台的概念, 有效地提升政府对社会势态的感知能力, 实现空间特征分析的定量化表达。34(3) 城市交通研究当居住地点与工作地点的距离超出步行范围, 城市居民会采用某种交通工具进行通勤。交通影响了市民生活的方方面面, 它促进了工业水平的发展, 但也对环境造成了污染。现代
37、城市规划最根本的基点是交通和土地利用, 城市的交通空间是稀缺资源, 它不可能无限制增加, 在城镇化、机动化和生活舒适化背景下, 如何统筹城市的空间布局与交通之间的关系, 如何解决城市的交通拥堵问题, 包括为民众提供便利的公交工具和交通节能减排, 都成为城市规划领域必须要研究的课题。城市交通系统是城市中信息化程度较高的部分, 城市交通研究是城市空间规划中的重要部分。传统的交通研究根据人口规模和功能分区来铺设道路, 强调了城市的空间协调, 忽视了居民对交通环境的需求, 容易形成交通拥堵和资源分配不公。大数据时代的城市交通研究, 利用从运营商、社交网站、公交卡和出租车等途径获取的大样本量数据来研究城
38、市居民出行模式, 可以更合理的引导交通规划和分配交通资源。巴拉斯 (Barabasi) 教授 2012 年在自然杂志提出“辐射”模型, 它有别于传统的万有引力模型, 不依赖可变的区域参数, 它关注市民通勤活动范围, 进而引发规划师对交通通勤行为的关注, 转向研究城区之间的人口移动流量。35萨格尔 (Sagl) 等将手机通信数据和社交媒体数据相结合, 用地理可视化技术展示了欧洲城市的动态空间热点, 不同时间中城市与郊区的人类活动和流动性特征。36卡拉布雷塞 (Calabrese) 等利用交通大数据 马塞诸塞州东部的手机移动轨迹数据和波士顿大都市区的机动车年度安全检查数据, 研究影响出行距离的因素
39、, 发现公共交通越发达, 人们会越愿意选择公共交通增加出行距离。37龙瀛等采用北京一周内的公交刷卡数据, 在构建出行和“地点 时间时长”两种数据处理模型的基础上, 结合居民出行调查和土地利用图, 识别了北京居民的职住关系、通勤行为、主要交通流方向。38刘瑜等分析上海1.5 万人次 6 600 辆出租车 GPS 浮动数据, 模拟居民日常出行的距离和方向, 发现载客量呈现以 24 小时为周期的变化规律, 并利用普利亚姆 (Pulliam) 提出的“源库” (Source-Sink) 模型来研究城市居民的出行模式。39表 3 城市空间行为的大数据应用研究 下载原表 表 4 城市交通的大数据应用研究 下载原表 4 大数据与规划融合的主要问题大数据时代的来临, 为城市规划领域带了前所未有的机遇。丰富实时的城市大数据为城市规划研究提供了全面精细化的资源;细化的时空粒度大数据为传统城市规划研究议题提供了科学的佐证;基于个体记录的大数据成为了观察人类自身社会行为的“显微镜”, 为规划师们分析城市发展方向和掌握城市运行情况提
