王鹏：大数据与人工智能支持的城市存量规划方法与实践

各位专家就为什么做城市双修、怎么做城市双修进行了分享，本人可能更多从技术层面为大家提供方法的支持。在我看来，城市的空间是市民空间行为的结果，城市双修工作的对象是已建成的存量的城市。若想对城市里面的问题进行修复和修补，首先要了解城市存在什么样的问题，最重要的是了解生活在城市中的人的行为和城市空间的关系，两者中间是否存在着一些不匹配的因素，我们可以对其施加影响。

1.存量规划方法论的核心

指向多维大数据的应用

之前，城市规划行业不具备对城市居民行为进行搜集分析的能力，大数据带给这个行业一个新的视野，让我们有可能实现对城市存量空间的评价，从而实现城市双修的目标。主要的背景包括以下几个方面：

一是新型城镇化的背景，要求我们用更多学科的方法研究城市，其中的核心是研究人对城市空间的需求。

二是ICT技术的发展的背景，ICT技术的发展，使我们有能力对城市的多维数据进行采集分析和建模，可以更科学理解城市的复杂系统。

三是ICT技术的发展使公众参与真正成为可能。城市更新包括很多方面，软更新就是其中一种，更多让市民参与城市规划，或者在存量的规划过程中更多参与意见。

图1 行业背景

城市规划从增量蓝图到存量优化的过程，也是实现传统精英规划到以人为本的参与式规划的过程。众所周知，以前我们只能对人口规模做一个简单粗暴的预测，现在却能对市民行为模式进行细致的观察。相应的定量研究方法进行了很大的变革：之前城市规划也会进行定量研究，但是只能用抽样的方法，现在用全样本方式；研究对象从客观的城市空间形态到有主观的人的感受；数据质量从模糊的统计数据到相对准确的数据；研究维度从单一的数据到多元的数据；技术方法从单一的线性模型到机器学习、人工智能的方法；我们的市民从被统计到可以主动参与到我们的研究的过程之中。

今天要分享的基本的维度是从宏观、中观到微观解读城市存量规划这件事。存量规划最微观的是地块内部的精细化改造；中观层次是进行识别和修复城市系统的断裂点；宏观层次则可以帮助我们识别城市的空间结构和功能分布，进行结构层面的优化。

可以将大数据分为传统的数据和新兴数据，新兴数据是来自互联网和物联网的比较新的数据来源。在这里就不一一展开说明，但简单讲一下我们常用的几种数据来源。

图2 传统数据与新兴数据

首先是基于时空位置的大数据，包括来自于互联网的LBS数据，由BAT等互联网公司通过手机APP进行采集；以及我们的手机信令数据，由运营商采集。这类数据基本上可以在中观宏观尺度互相替换。在微观尺度，互联网数据具有一些优势，可以帮助我们识别市民职住娱的空间分布。总之，这类数据在各个尺度上都有合适的用途。

图3 基于时空位置的大数据

其次是比较常见的POI数据，它可以帮助大家识别城市功能的分布。这个数据主要来自于地图、大众点评、产业数据、公司数据等，这也是现在用来识别一些产业分布很好的数据来源。

再次是基于公众参与的大数据，识别公众的主观认知和需求，这是一个很有价值的数据来源。通过社交网络观察到人们不经意的一些观点，其实代表着市民对城市空间的一些问题的反馈和诉求。比如这两天下雨，大家会在微信上发出一些关于城市问题，比如哪儿积水的一些报告。更可贵的 是有一些公众参与平台，可以针对性收集公众对城市事件或者规划事件主观的看法，可以对某个具体事件或者地段采集。

图4 基于公众参与的大数据

另外，是一些比较特殊的数据源，例如前几年我们团队做的一个城市多元的数据传感器，可以进行基于物联网的实时数据采集。在此之前所使用的数据都需要别人去采集，我们没有办法进行把控。而自己真正需要的数据又不能采集，所以就研发这样一款设备，从城市的气象、环境，例如地面积水、噪声，还有人的时空间的行为包括人流、车流、车速、人的行走速度这些要素，通过统一的传感器进行全方位的采集，文章后面会提到它的一些使用。

图5 CITYGRID传感器

人工智能方法以机器学习和深度学习为代表。机器学习，对于大数据分析而言是较为核心的技术方法，能把多元数据的价值挖掘发挥到极致。与之相比，传统的统计分析手段针对大数据来说，部分能力得不到发挥。机器学习分为监督学习和非监督学习两个大类，分别对应所谓的经验的归纳乃至预测，还有对对象特征的分类的方法。

下面举例说明如何用一个机器学习的方法识别一个地块真正用地性质。当下，我们的城市各类功能的高度混合，一个地块往往不是传统的控规里面的单一的功能，而是非常混合的状态。我们做双修或者城市的存量优化，首先要了解这个地块真正使用的用途是什么。现在通过大数据观察采集，可以根据人在这个地块里面时空间行为，24小时或者48小时区间内的人活动分布以及工作日、休息日空间的分布进行分类和学习，根据它昼夜人口数量，包括周末和平时分布量的不同将其分成各种性质。简单理解，这可以粗略等同于的用地性质。通过观察可以发现，地块的用途是一个高度复合的状态，并不是以往习惯的用地分类，更偏向人对地块使用方式的一个分类。现在可以用这种方法进行有价值、有意义的识别，而不是传统主观感受的现状调研的结果。

图6 机器学习流程

2.宏观——大数据揭秘

城市空间结构及功能分布

大数据有助于理解城市大的空间结构和功能分布。我们利用手机信令数据，研究华夏幸福最具代表性的产业新城固安（如图所示）。需要了解新城中的人住在哪一区域，在哪个片区工作，与北京是什么样的关系，日常在什么区域休闲娱乐，是否有外面的人或者周边农村的人到城市新建的项目娱乐活动。未来需要确定的是如何进一步调整住宅的供给，某一档次和形态的住宅供应量是否可以更好的满足本地工作人口的需求？是否应该调整现有的商业业态的布局以及基础设施的配套，来动态满足城市居民的要求？不应该是大家经常说“一张蓝图干到底”的模式，这是不现实，应该是动态调整的过程。

图7 固安人口数据统计

图8 固安市民出行模式及需求分析

经过对固安本地人出行的模式和需求的分析，发现固安和北京市有非常密切的联系。就固安内部而言，可以发现老县城、新区和南北产业区和住宅、服务中心之间也有非常密切的联系。这就反映了城市未来需要满足的一些出行的需求。当然，番茄出行自身运营的数据同时能给我们的城市规划提供越来越多的支持。我们帮助蕃茄出行运营动态的大数据平台，经过几个月数据的积累，可以帮助我们更好的识别城市运行状态。

3.中观——大数据与AI识别

城市空间行为模式

大数据可以进行用地功能层次的识别。以上海松江开发区为例，在规划之初大部分为工业用地，但是经过多年的运营，现状已经变的非常复杂。用机器学习方面识别现状用地的混合状态，发现控规或者现状图里面的工业用地转变成多类用地混合型，包括商业办公和居住在内复杂的状态。案例中就存在一些典型的地块，本身为工业用地，有一些变成商业，有的变成仓储物流、服务业，有的功能升级变成研发中心。

图9 现状不同功能图

4.微观——大数据助力

城市人性化与精细化发展

大数据可以实现对地块内部的微循环的改善和评价。以北京奥林匹克森林公园为例，在其建成十几年之后，我们和设计团队一起对它进行了评估，目标是对其进行更新和改造。在这个过程中发现很多设计之初没有思考到的问题。奥林匹克森林公园的布局和景山类似，中轴线上的一座景观山是整个公园的制高点。最初设计师认为大家会沿着中轴过来后到达山顶登高远眺，然后下山，但现实是环道修通后，大部分人基本都在环路分布，很少有人去山顶。我们还对公园内部一部分步行道路进行观察评价，发现实际使用的人流量和当时的估计存在一些偏差，在此基础上后续对公园路网进行了调整。

图10 奥森公园人流密度分析

最后一个案例来自清华大学的硕士论文，研究对象为北京一个典型的历史街区——北京白塔寺街区。该课题的目的是对旧城的交通环境进行观察和调整。当时在白塔寺地块里布置了60多台全功能的传感器，采集城市运行多元的数据。项目主要是使用了人车的数据，其它如环境、声音等数据没有使用。新技术带来的好处就在与此，以前我们没办法在胡同里进行24小时对人车的全方位监测，现在就可以实现。

图11 白塔寺24小时内交通数据图

对这个数据进行刻划的结果，面、线、点全方面展示旧城交通如何运行的，指导我们进行社区更新，尤其是交通改善的具体规划策略。

图12 步行交通通行量统计

这是步行系统交通量的可视化（图12），一天24小时里面每条胡同的流量的变化。我们可以很清楚识别步行量的分布状态和每条路现状的使用功能，还有类似的机动车通行量。可以发现一些主要的胡同承担了绝大部分的交通。针对这些采集分析结果，对区域内部道路改造提出了一些建议，例如进行机动车干路和支路的划分，以及干路双行、支路单行的改造。

图13 白塔寺街区街道通行量定量刻画

在线的层面上对每条道路进行了24小时的人流量和车辆量的分类（图13），曲线的形态有很大不同。通过观察可以发现一些比较有意思的变化，中午12点到14点会出现两个小的高峰，大家回家吃饭，再回来上班，这也说明胡同里人们的生活状态比较休闲。

图14 某路口交通量统计及定量刻画

更细的层面上，对一个交叉路口的观察，这张图（图14）呈现了几个方向人车流量的分布状态。通过对这些数据的分析可以为路口具体设计管理提供支持。

与此同时，我们在清华大学紫荆公寓安装了一台传感器，在去年学生军训的时候进行了数据采集。虚线和实线的关系，就是我们预测的数据和实际发生的人流量关系。利用City-grid传感器可以收集多维度环境监测数据，同时进行学习。环境数据变化往往可以对应表征特定的城市事件类型。同时检测噪音、温度、污染物浓度等数据变化，更容易将数据与空间事件建立联系，从而实现真正的精细化管理。

另外一类数据收集的方法即搭建公众参与的平台。路见的平台是最成熟的一个，在此着重推荐。

图15 路见平台运作原理

图16 路见平台部分提案分布图

路见是一个聚焦城市空间品质和民生问题的公众互动平台。致力于为每个人参与城市治理提供有效的发声渠道，连接政府、专家和市民，助力城市精细化管理，推动以人为本发展。实际上它基于手机的微信小程序，让公众能针对具体的城市事件和规划对具体地段进行评价。这种方法在国内一些地方已经开始应用，获得了大量的市民对城市意见的提案（图17），有针对性的为政府和规划部门对城市功能调整优化提供的参考。

5.总结与展望

图17 大数据应用的总结

对以上的我们在宏观、中观、微观存量规划中面临的问题和挑战的进行总结（图17），以往我们不具备的能力，可以通过大数据和机器学习来解决，新技术的使用让我们有能力真正的完成一个城市存量优化的工作。

过去，整个行业处于规划数据缺乏的状态；随着社会的发展，当下我们面临的是被动的数据收集使用的状况，已经可以应用来自于各个数据源的数据，对城市进行基于大数据的问题的诊断。在不久的将来，我们会面临着一种基于智慧城市全方位数据采集的情况下进行城市多维实时体检的工作。

图18 Cityeye 城市体检平台

我们团队正在开发一个城市体检平台（图18），这也是一个智慧城市的平台，进行城市运行的全方位数据实时采集，以便于提供决策模型，实时发现城市的各种问题。把以前五年十年的规划评估、规划调整的方式变成一种类似体检的模式，实现对城市的实时监控，发现城市的问题，有针对性的进行调整优化。这种方法是城市规划的转型，也是所谓的城市的精细化的或者智慧城市的更高的目标。

（文中所有图片均来自嘉宾报告PPT）

华夏幸福

智库论坛

空间

论道