大数据时代的精细化城市模拟：
方法、数据、案例和框架
龙瀛1 2，崔承印1，茅明睿1，张永平3，张宇1，吴运超1
（1 北京市城市规划设计研究院，北京100045
2 剑桥大学建筑系，英国剑桥 CB2 1PX
3 北京大学城市规划与设计学院，北京 100083）
【摘要】以地块作为基本空间单元并以城市活动主体作为模拟对象的精细化模拟是未来城市模型研究的重要方向，大数据（big data）时代的到来也为其提供了重要发展机遇。本文重点对精细化城市模型的主流建模方法进行了介绍，包括元胞自动机（Cellular Automata，CA）、基于主体建模（Agent-based Modelling，ABM）和传统的微观模拟（Microsimulation，MSM）这三种自下而上的微观模拟方法。之后结合精细化城市模型的高标准数据需求问题，对国际上通行的用于精细化模拟数据合成（population synthesis）的方法进行了综述，并给出笔者近年来在精细化城市模拟方面的多项实践案例，最后提出了以GIS为平台，结合CA/ABM/MSM方法，构建我国精细化城市模型的框架体系和关键技术，以期支持我国大城市地区空间政策的制定和评估。
【关键词】城市模型；大数据；精细化；规划支持系统（PSS）；北京
1．城市模型与精细化城市模拟
定量化程度已经越来越成为衡量一个学科发展程度的标志，“城市空间发展模型”（Urban Spatial Development Model）是在对城市系统进行抽象和概化的基础上，对城市空间现象与过程的抽象数学表达，是理解城市空间现象变化、对城市系统进行科学管理和规划的重要工具，可以为城市政策的执行及城市规划方案的制订和评估提供可行的技术支持。本文将“城市空间发展模型”简化为“城市模型”（Urban Model），下同。城市模型研究始于20世纪初期，其发展主要经历了形态结构模型、静态模型和动态模型三个发展阶段(龙瀛等，2010)。基于离散动力学的动态城市模型是目前的研究热点和未来的发展方向，这一方面，国际上典型的城市模型多为宏观尺度，以地理网格或小区作为基本研究单元，将城市活动主体进行分类。随着研究尺度的需要和微观数据可获得性的增强，近年来国际上微观模型发展
迅速，但在真实城市中全面应用的案例仍然有限。
精细化的城市模拟（动态的、基于离散动力学的、微观的城市空间模型）将成为未来的研究热点。其中，精细化（Fine Scale）对应模拟尺度，一方面，在物理空间，分析和模拟的基本空间单元是地块，对应城市总体规划重点地区和城市详细规划的工作尺度。另一方面在社会空间，分析和模拟的基本单元是居民、家庭和企业个体等。“精细化”作为模拟尺度，是相对宏观模拟的研究尺度提出的，宏观模型一般以统计小区、交通分析小区、行政区、行业、共同特征的人群等作为基本研究对象。精细化城市模型是一种时空动态的微观模型，其以地块、居民、家庭、企业等微观个体作为基本模拟对象，主要用于研究城市的土地开发、居民的居住区位选择、企业的区位选址、城市活动的时空分布等空间问题，用于支持空间政策的制定和评估。目前我国城市空间发展模型的研究，鉴于数据的限制，多数模型都是大尺度的（如乡镇或交通分析小区等）。近年来计算机的软硬件水平达到了长足的发展，社会经济活动产生的数据突飞猛进，这样的“大数据（big data）”规模超大，以至于超过了传统的软件工具获取、存储、管理、共享、分析和可视化的能力，例如传感器网络（sensor networks）、社会化网络（social networks）、射频识别（RFID）和通话记录（call detail records）等，这些数据为开展精细化的城市模拟城市模型提供了较好的机遇。
目前，一方面我国的大城市正逐渐由空间扩张向内部改造转变，小尺度的城市空间再开发将越来越多，为分析并预测城市空间的变化，更需要精细化的模型作支持，另一方面，城市作为复杂的自适应系统，是由作为城市空间的地块、作为城市活动主体的居民、企业等构成的，自下而上的模拟思路在以人、地和房作为基本研究对象预测城市空间变化的同时，与规划的公众参与、社会公平等理念的需求不谋而合。此外，目前我国各种精细化的城市空间数据和社会经济微观数据的可获得性正逐渐增强，因此开展精细化城市模型的探索，可以指导后续类似工作的开展。精细化城市模型不同于以大尺度网格、行政区域或交通分析小区作为模拟尺度的模型，他们在空间要素和城市活动要素方面都不一样，因此将面临新的理论和实际问题。下文将在第二部分重点介绍精细化城市模拟的三种常用方法，第三部分介绍在数据条件不足的情况下进行数据合成的方法，第四部分对笔者近年来在精细化城市模拟方面的若干案例进行简要回顾，最后提出在我国开展精细化城市模拟的研究框架和关键技术问题。
2.精细化城市模拟的几种常用方法
多种微观模拟的研究方法都可以用于精细化城市模拟，下面对三种目前主流的方法进行
详细介绍。
2.1 微观模拟
微观模拟1（Microsimulation Model，MSM）是由美国经济数学家Orcutt(1957)首先提出的，其在研究城市问题时能够较好地弥补宏观分析模拟模型的不足。与传统的自上而下的宏观分析模拟不同，微观模拟是典型的自下而上的过程，它以企业、家庭乃至个人等微观个体作为描述、分析和模拟的基本对象，每个微观个体都具有独有的自身特性与丰富的内部认知结构(Ballas和Clarke，2000)。随着GIS的发展和研究的需要，也有学者提出空间化的微观模拟模型（Spatial Microsimulation）(Hanaoka和Clarke，2007; Wu等，2008)。MSM和ABM 是有区别的，一般而言，前者更强调基于完整的微观个体属性数据进行政策评估（不限于空间政策，如税收、保险等），微观个体一般不可移动，而在ABM中，agent一般可以移动，通过agent之间及agent与所处环境（Environment）之间的相互作用产生的宏观层次的涌现（emergence）现象来对系统进行探索。ABM中个体的属性数据一般不一定丰富，基于agent 简单的行为规则（Behavior Rule）观察系统层次的涌现行为是ABM的一个主要特征。Wu 等(2008)也呼吁ABM与MSM进行互补，同时用于精细化模拟。
在已有典型的城市模型中，UrbanSim和ILUTE都属于基于MSM的城市模型。其中UrbanSim（http:/https://www.doczj.com/doc/2618538108.html,）提供了开放式城市模拟平台（The Open Platform for Urban Simulation，OPUS），可以在其基础上方便地进行模型应用。UrbanSim适用于多种研究尺度的城市系统模拟，对应宏观和微观的城市模型2，但其已有研究多属于小区尺度，在美国加州侧重房地产市场的探索属于地块尺度的应用，属于精细化的城市模型研究的成功实践(Waddell等，2010)。据笔者了解，国内UrbanSim模型有一定应用，清华大学的郑思齐研究组在基于UrbanSim平台建立北京的动态城市模型(郑思齐等，2010)，北京大学的童昕研究组也在基于UrbanSim平台开展亦庄新城的城市模拟研究，但囿于数据限制，模拟深度属于小区尺度，并没有进行地块尺度的精细化建模。对于ILUTE模型，其已经在大多伦多区（Greater Toronto Area）进行了成功应用，属于微观尺度，其中考虑了家庭、企业等个体(Miller 等，2004)。Chingcuanco和Miller(2011)利用ILUTE模型对地块尺度的能耗进行了评价。UrbanSim和ILUTE都声称属于基于个体的微观模拟模型（Agent-based Microsimulation Model），即既属于ABM也属于MSM，即在MSM中考虑了agent之间及agent与环境的相互作用。
1也有将微观模拟模型翻译为“Microanalytic Simulation Model”。
2Waddell(2009)对将UrbanSim进行微观尺度应用的可行性和技术细节进行了详细探讨。
2.2 元胞自动机
元胞自动机（CA）作为复杂科学的重要研究工具，其特点是时间、空间、状态都离散，其状态改变的规则在时间和空间上都是局部的，因此CA适合模拟时空动态过程(龙瀛等，2008; 龙瀛等，2009)。常规的元胞基本是规则的网格，但其并不能很好地表征真实的微观个体，因此一些学者开始研究基于非规则多边形的矢量CA进行城市模拟。非规则多边形可以用于表达地块，因此是可以在空间研究尺度上支持精细化城市模拟的。Stevens和Dragicevic(2007)开发了以矢量地块作为CA的城市规划决策的工具iCity，能够进行城市空间增长的多情景模拟，并对各情景进行评价，该工具考虑了土地使用方式的模拟，但对开发强度因素没有考虑；Shen等(2009)所开发的地理模拟模型也是基于矢量CA，用于模拟日本的城市改造，重点从土地使用方式进行了时空动态模拟，Shen作为本申请的主要成员，将在已有研究基础上进行深入，参与土地开发模块的理论研究和实证应用；Moreno等(2008)提出了可以改变几何形状的矢量CA模型，主要侧重于从GIS的技术方法进行探讨，并不是面向规划应用的实证研究。矢量CA可以较好地表达精细化城市模型中的位置不可移动的地块空间，但还不能对城市活动主体的行为进行建模并模拟，为此需要结合基于个体建模技术进行城市模拟。
2.3 基于个体建模
ABM中的agent（主体）是运行于动态环境的具有较高自治能力的实体，是一种具有智能的实体，有自治性、社会能力、响应性和能动性的属性(薛领等，2004)。国际上，ABM 在土地利用覆盖变化、城市扩张等方面已有较多研究，一般都结合CA模型开展，其中CA 用于表达不可移动的物理空间（即环境），而agent对应可移动的决策主体(Evans和Kelley，2004)。Torrens和Benenson(2005)提出的地理元胞自动机系统（Geographic Automata Systems）中，集成了CA和ABM用于模拟地理系统，但该研究更多的都是侧重于地理方面的模拟，而不是城市系统内部的空间组织和功能结构。Jjumba和Dragicevic(2012)在iCity模型的基础上，建立了“Agent iCity”模型，用于模拟加拿大城市Chilliwack的地块尺度城市土地使用变化。
而在国内，中山大学黎夏教授的研究组基于CA、ABM和多种人工智能（Artificial Intelligence）技术，提出了地理模拟与优化系统的理念GeoSOS（Geographical Simulation and Optimization System，网址：https://www.doczj.com/doc/2618538108.html,），用于城市系统模拟和优化分析(Li 等，2011)。沈振江基于ABM技术建立了ShopSim-MAS模型，用于模拟的由于大商场的建立引起的商圈变化，属于地块尺度的应用(Shen等(2011)；而本文作者之一龙瀛等(2011a)基
于CA和ABM建立了轻量化的土地使用-交通-环境的集成模拟模型，用于在虚拟空间探索城市的空间组织对交通出行和能耗的影响，也属于地块尺度的应用。
基于上述分析可以看出，微观模拟MSM、元胞自动机CA和基于个体建模ABM是目前精细化城市模拟的主流技术方法；国际上已有少量精细化城市模型在真实城市的实践应用，如UrbanSim、ILUTE和Agent iCity；国际国内的已有相关ABM研究一般都对应地块尺度，也考虑了众多城市活动主体，这些方法对精细化城市模型的建立和开发具有借鉴作用；国内目前还没有精细化城市模型用于真实城市的报道。
3．精细化城市模型的数据准备
鉴于统计部门的数据不公开或源于保护隐私的作用，多数研究者都很难获得全样本的个体数据。MSM和ABM两种微观模型的数据情况有一定差别，一般侧重于识别规律的ABM 模型中，一般不用1个agent对应1个微观个体，如：Li和Liu (2008)、陶海燕等(2009)在居住区位选择的ABM中，1个网格对应1个居民agent，并不是网格空间所对应的实际居民数目；Shen等(2009)分别尝试将1、2、3、5和10个居民作为1个agent，发现不同的比例对模拟结果具有较大的不确定性；Zhang等(2010)将30m*30m的网格内的平均居民数量作为1个agent。可以看出，因为数据稀缺问题，多数ABM都不能实现1个agent对应真实城市的1个居民，同时对居民的集聚会带来模拟结果的不确定性，如果过于集聚也失去了微观模拟的精髓。Brown和Robinson(2006)的研究也表明ABM中居民偏好的异质程度对模拟的土地使用形态具有较大的影响，因此个体样本信息对于ABM至关重要。大多数的研究者都只能获得有限的个体信息，Crooks等(2008)也曾提及，“个体信息的缺失是一个常见问题，在可以预见的未来，将继续影响这一类模型的发展”。在这里，Benenson等(2002)所建立的ABM 则属于一个例外，可以有较好的数据支持。
而基于MSM方法的微观模型，一般都用于真实城市支持政策制定和评价，较多采用不同技术方法来解决个体数据稀缺的情况。国际上，人口数据合成（Population Synthesis）是一个专门的研究方向，用于合成微观模拟（MSM）所需要的个体数据。Müller和Axhausen(2010)的研究综述中，评价了目前常用的几个人口数据合成器（Population Synthesizer），包括PopSynWin，、ILUTE、FSUMTS、CEMDAP、ALBATROSS和PopGen （部分人口合成器如ILUTE和ALBATROSS以所在模型的名字命名）。ILUTE 和PopGen 所采用的迭代比例拟合（Iterative Proportional Fitting，IPF）是目前最为广泛采用的人口数据
合成的方法。IPF最早由Deming和Stephan(1940)提出，可用于利用新的宏观统计数据更新历史的普查数据。Fienberg (1977)采用该方法将多个普查表格合成为一个。Birkin等(2006)利用IPF开发了人口重建模型（Population Reconstruction Model），基于英国的1％居民调查数据，重新生成了6000万居民个体数据，Wu等(2008)则利用人口重建模型合成的人口样本，基于微观模型和ABM模拟出了英国利兹的学生动态。Smith等(2009)提出了改进人口样本数据合成的方法。
在国内，也有少数学者开始探讨个体数据合成的方法。Li和Liu(2007)初步地指出了利用统计数据定义居民agent属性的可能性，其根据统计数据将所有城市居民根据有无子女、收入两个属性分为六类，每类具有不同的环境变量偏好，但其仅考虑两个自身属性并基于这两个自身属性将个体样本分为四类，并没有给出每个样本的反演的具体属性数值，也没有考虑样本属性间的关系。本文作者之一龙瀛等(2011b)提出了基于统计资料、小规模样本调查和常识性知识，利用合成个体样本的方法，初步合成了北京市全样本的居民个体数据。
基于上述分析可以看出，国际上的精细化城市模型也不能获得全样本的微观数据，已有部分城市模型采用了数据合成的方法（如IPF）建立居民或家庭全样本，被证明是可行的；鉴于国内的精细化城市模型研究刚刚起步，也同样面临数据稀缺的问题，还没有到具体探讨解决微观层面模型数据准备的方法阶段。
4．精细化城市模拟的若干案例
近年来笔者所在团队在精细化城市模拟方面进行了多方面的探索，囊括微观模拟、“大数据”挖掘和微观数据获取与合成等三个方面，部分应用已经直接用于支持北京市的规划建设，部分工作如大数据挖掘则属于探索性研究阶段。随着大数据的日趋广泛，大数据挖掘的研究成果有望用于指导实践工作。
4.1 微观模拟
（1）BUDEM模型（微观尺度）
2008年笔者开发了北京城市空间发展模型（Beijing Urban Spatial Development Model，BUDEM），该较为宏观的模型基于约束性元胞自动机（cellular automata，CA）和逻辑斯蒂（logistic regression）回归方法，对北京市历史城市空间扩展进行分析，并对未来的城市空间扩展进行情景分析(Long等，2009; 龙瀛等，2010)。在此模型的基础上，目前正在开展微观尺度的BUDEM模型研究，研究框架如图所示，属于精细化城市模拟的综合实
践，其首先致力于利用多种方法获得全样本的微观数据，包括居民、家庭、企业、居民活动、地块、房地产等，其中包括利用“3 精细化城市模型的数据准备”部分的人口合成方法。基于所建立的全样本微观数据，进行现状的城市评价，如交通影响、环境影响、能耗影响和碳排放等多方面。最后在UrbanSim平台上侧重居住区位选择和企业区位选择两个方面对短期的城市发展进行预测。该模型的部分内容见“5 未来研究建议：框架及关键技术”。
图1 BUDEM模型（微观尺度）的研究框架
（2）城市形态—能耗—环境集成的多智能体模型
笔者于2012年建立了城市形态-能耗－环境集成的多智能体模型（FEE-MAS），在虚拟空间内，实现地块尺度的城市形态对应的能耗和环境影响评价的模拟框架（图），目前侧重于居民的通勤出行研究(龙瀛等，2012; Long等，2012)。该模型的基本出发点是每个居民进行居住地和就业地选择，之后进行通勤出行的交通方式选择，进而能够对居民通勤的能耗和环境影响进行评价，最后在地块尺度上对模拟结果进行汇总，识别规律，是典型的精细化城市模拟的研究思路。下阶段拟在所建立的模拟框架基础上，实现其他目的出行的评价，以及生活和生产方面的评价。
图2 FEE-MAS模型模拟流程图
（3）规划师主体
用地规划方案的制定是城市总体规划编制的核心内容之一，而具有不同要求和偏好的政府、规划师和居民等主体是制定过程的主要参与者。笔者提出了利用规划师主体支持用地规划方案制定的理论和方法框架（图1），明确规划师、政府和居民主体的角色和相互作用，利用已有规划方案的数据挖掘和调查问卷方法识别规划师的规划规则，结合综合约束条件和专项规划制定和评价用地规划方案（张永平和龙瀛，2013; Long和Zhang，2013）。在虚拟空间进行规划师主体理论的试验后，目前已完成该方法在北京市用地规划方案制定中的具体应
用。
图1 利用规划师主体支持用地规划方案制定的流程
（4）V-BUDEM
2008年开发的BUDEM是基于栅格元胞自动机的城市空间发展模型。在此基础上，目前笔者正进一步将其扩展至基于矢量CA的模型V-BUDEM（Vector-BUDEM），基本流程以及与已有工作的关系如图4所示。该模型中分析的元胞单元为城市地块，邻域以缓冲区来判断，即元胞周围的地块完全位于该元胞的特定缓冲区内时，则将这些地块作为该元胞的邻居。模型
仍然考虑制度性约束、邻域约束和空间约束三大约束条件，并采用logistic方法实现北京
市城市增长的动态模拟。在此基础上，笔者还考虑将地块自动划分（parcel subdivision）和V-BUDEM结合，实现城市增长和地块划分相结合的动态模型，最后结合规划师主体实现用地布局的规划(Zhang和Long，2013)。
图4 V-BUDEM模型及相关工作
4.2 “大数据”挖掘
（1）公交刷卡数据挖掘
公交刷卡数据记录了每个持卡人的具有精细时空标签的轨迹。笔者分别获得了2008、2010和2012年度的北京市公交和轨道交通刷卡数据，并利用2008年公交刷卡数据（854万持卡人连续一周共7797万次出行），对北京市通勤出行进行了识别，得到22万余人的居住地、就业地和通勤出行，进而对通勤形态的时空分布进行了评价（图5），并对典型居住区和就业地的通勤出行进行了重点分析(龙瀛等，2012; Long和Thill，2013)。此外，还基于识别的通勤出行，对北京市的通勤效率和职住平衡情况进行了评价(Zhou和Long，2013)。
目前在林肯基金会的资助下，笔者在利用2010年公交和轨道交通刷卡数据，对北京的
通勤形态进行精细化评价，并利用每个站点的每小时上下车人数，识别站点的主导使用功能，支持城市中心的识别。
图5 利用2008年公交刷卡数据识别的通勤出行（a极端出行、b主要通勤方向）
（2）出租车轨迹挖掘
出租车轨迹记录了每个出租车个体的精确的时空信息。目前笔者正与微软亚洲研究院开展合作，利用北京市出租车轨迹数据和兴趣点（point of interest，POI）数据评价交通分析小区（TAZ）尺度的城市功能（初步结果见图6），并计划将公交刷卡数据与出租车轨迹数据整合，实现更为完整的城市功能的评价(Yuan等，2012)。预期的评价结果是，每个交通分析小区能够识别出各项城市功能的比例，如居住、就业、购物等，进而评价每个小区的混合使用程度，是对传统的基于土地使用数据评价土地混合使用程度的一种方法补充。
图6 北京市各交通分析小区的主导功能（初步结果）
（3）手机数据挖掘
笔者与合作单位北京工业大学已尝试通过北京市移动用户的轨迹信息及其所在不同移动台（MS）上传信息情况，与人口区域和交通所需求的某些信息耦合，获取区域居住人口数量、工作岗位数量、居民出行OD，路段流量、路段车速以及区域停车场数目等信息(北京工业大学课题组，2010)。由于手机的信息数量巨大，每天产生的记录多达几亿条近50G，为了方便管理和使用这些海量数据，把数据存储至数据库，再通过编写程序来读取数据。同时，由于数据的保密性，仅可获取至手机代码信息，而非确切手机号码，因此无法和个人对应。因此数据对于识别、判定居住地和工作岗位地的区位统计特征意义较大。数据识别处理过程
见图7。
图7 通过手机信息提取交通数据原理
（4）社会化网络数据挖掘
社会化网络（Social Network Service，SNS）记录了每个用户的个人属性特征、发言、用户之间的关系；用户可以在这些网站上签到从而记录自己的地理位置信息，即签到数据（Check-in data）。目前笔者正在利用新浪微博数据，平行开展两方面的研究工作，一方面针对微博的用户数据，笔者探索了一种根据聚类规则有针对性地抓取用户数据的方法，获得了数十万条与城市规划相关的用户数据，并基于“关注已知的规划圈成员人数大于等于4”的规则，识别出了1.6万余名规划圈成员，分析了规划圈的规模、人脉关系、影响力核心、时空分布和变化趋势等特征(茅明睿和龙瀛，2013)。通过对微博数据的挖掘，首次比较完整地展现了规划行业的人脉图谱（图8）。另一方面，对微博上的签到数据进行抓取，进而评估不同城市活动（如访友、旅游、就餐、健身等）的时空分布特征和频率（一周或一个月），并通过签到次数评价不同位置的签到次数（即活动强度），以其这些分析支持城市规划中的专项规划。
图8 利用新浪微博数据识别地规划圈人脉关系及影响力
4.3 微观数据获取与合成
（1）网络数据抓取
网络数据日渐丰富完善，笔者目前正在开展基于（移动）互联网和物联网的多源社会化数据的采集与处理研究，使之能够服务于城市规划，为规划工作打开新的视角。主要目的是为了解决规划现状专题数据不易获取的难题，为日常规划工作的开展提供数据支撑，另一方面面对“智慧地球”的发展趋势，探索在“大数据”环境下如何将多源社会化数据应用到城市规划编制中。
研究内容包括评估以互联网、移动互联网和传感器网络为载体的各类社会化数据资源在城乡规划中的应用价值；研究社会化数据的获取方法与技术，重点建立基于互联网的社会化数据智能获取工艺流程；研究社会化数据的同化处理技术，进一步提升数据的使用价值；获取的数据在规划中的典型应用。
（2）人口数据合成
我国的人口方面的微观数据严重匮乏，因此人口微观样本的合成是在我国进行精细化城市模拟的重要工作环节。笔者于2012年建立了Agenter模型，其能够实现在没有微观样本的前提下，利用五普的统计报告、常识性知识合成北京市的人口微观全样本(图9，龙瀛等，2011b; Long和Shen，2013)。目前，正在整合美国亚利桑那州立大学开发的人口合成器PopGen和Agenter模型，实现在有微观调查样本的情况下进行人口数据合成，其中PopGen 实现样本放大，而Agenter实现合成样本中不包括的样本属性的合成。最后两个工具整合，
能够充分利用现有的统计数据、样本调查和常识性知识，实现北京市人口全样本的合成，该
工作对应BUDEM模型（微观尺度）中的BEIJING100%。
图9 北京市人口合成结果（部分）
5．未来研究建议：简要框架
根据城乡规划编制和评估的需求，建立面向城乡规划的精细化城市模拟的框架体系，提出相应的理论模型，用于城市空间政策的评价，起到规划决策支持的作用。精细化城市模拟的理论框架涵盖空间数据调查及获取、模型建立、GIS系统开发及其实证应用。基本架构如图10所示，先从两个方面入手，数据的完善和GIS系统开发技术的建立。空间数据库建立方面，将基于目前所掌握的各个层面的空间数据和社会经济数据，通过微观样本合成这一关键技术，反演3（Disaggregate）得到地块或居民家庭尺度的微观数据；之后，基于GIS平台开发城市模型，并整合其他宏观模型（如社会经济发展规模预测模型、宏观土地利用模型）和各个专业的微观模型（交通模型和环境影响评价模型）。
3或称为合成（Synthesize）。
图10 精细化城市空间发展模型研究框架
建议采用动态的微观模型的形式，基于复杂自适应系统和计量经济学理论，采用CA、ABM和MSM，以及离散选择模型等技术方法，开展精细化城市模拟的研究工作，前期主要侧重于土地使用和交通两个方面。模拟的空间单元为地块，考虑居民、家庭、企业等城市活动个体，时间分辨率为1年（即每步对应1年）。该研究框架主要用于城市空间政策的制定和评估，应用的基本思路是，宏观发展战略或发展目标为外生的情景条件，从微观的尺度对空间政策作用的效果进行评估，即将宏观政策对微观的空间和社会个体的影响进行可视化反馈。该研究框架具有较好的可扩展性，可以作为城市模拟的基础设施和政策评价实验室。
理论研究方面将建立五个模块，土地开发、居住区位选择、企业区位选择、城市活动和基于活动的出行。用于提供宏观情景条件的宏观指标，如宏观经济预测（GDP、房价和地价
等）、城市发展预测、机动车发展规模预测等，在北京模型建立过程中，将由已经完成的北
京城市空间发展模型（Beijing Urban Spatial Development Model，BUDEM）(Long等，2009)和北京市土地使用与交通整合模型（Beijing Land Use and Transportation Integrated Model，BLUTI）(张宇等，2012)这两个宏观模型提供。
各模块之间的关系如图所示：外部宏观模型为各模块提供外生变量条件，外接的人口统计学模型（Demographic Model），用于反映居民和家庭的状态和变动过程等，如居民的出生、年龄增长和死亡等，家庭的生成、合并和拆分等，是城市活动和交通两个系统的重要数据，可不单独开发该模型，而是借用已有模型（如PopSyn）。精细化城市模型主要包括精细化的城市活动系统4和基于活动的（Activity-based Travel）城市交通系统，二者之间存在紧密的反馈关系，是城市模拟的重要基础和核心内容。城市活动系统部分主要包括土地市场行为（开发商的投资开发）、房地产市场行为（居民的居住区位选择和企业的择址行为）和城市活动（主要表现为以自然人为媒介表达出来的基于生活需求及个人属性表现出来的特定活动，如基于就业地的上班、基于就学地的上学、基于商场等零售业的购物等）。而上述各类行为都将导致交通需求，但主要表现为城市活动的交通需求，将个人的一日城市活动链接起来即组成出行链，出行链中需进行出行目的地选择、出行时段选择、出行方式选择等，最终将交通需求所构成的交通量分配到交通网络上，进而完成交通分配模型。交通分配的结果计算得出的交通可达性反馈影响居民的区位选择和企业的选址等行为，进而可达性还将影响区域房价及地价。
4对应土地模型。
图11 精细化城市模型中各模块之间的关系（粗框表示待研究的模块）所建立的精细化城市模型在真实城市有望具有如下应用：（1）支持空间规划方案的评估：不同于宏观模型的规划评估，精细化城市模型可以从微观层面（如地块和家庭）识别城市活动主体对规划政策的反映，进而评估规划方案，如用地布局和开发强度的合理性，规划方案的交通影响，以及结合专业模型进行环境影响等方面的评估。此外，在规划编制过程中，通过对多方案的科学评价，有望给出更为合理的规划方案。（2）支持重大项目或基础设施的选址和评估：对于城市改造、公共服务设施、市政基础设施或交通基础设施项目，通过其对城市活动主体的影响（如通过影响可达性改变居住和企业区位选择过程）在地块空间尺度
进行评价，给出评估结论及项目选址建议。
参考文献：
[1]Anas A.METROSIM: A Unified Economic Model of Transportation and Land-Use.Williamsville，Alex Anas & Associates，1994.
[2]Anas A，Liu Y.A Regional economy，land use，and transportation model (Relu-Tran?): formulation，algorithm design，and testing.Journal of Regional Science，2007，47(3): 415-455.
[3]Association of Bay Area Governments，2009，Available online at:
https://www.doczj.com/doc/2618538108.html,/planning/currentfcst/modeling6.html
[4]Ballas D，Clarke G.GIS and microsimulation for local labour market https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2000，24(4): 305-330.
[5]Benenson I，Omer I，HatnaE.Entity-based modeling of urban residential dynamics: the case of Yaffo，Tel Aviv.Environment and Planning B: Planning and Design，2002，29: 491-512.
[6]Birkin M，Turner A，Wu B.A synthetic demographic model of the UK population: Methods，progress and problems.Manchester，Proceedings of the second international conference on e-social science National Centre for ESocial Science，
2006.https://www.doczj.com/doc/2618538108.html,/events/conference/2006/papers
[7]Brown D G，Robinson D T.Effects of heterogeneity in residential preferences on an agent-based model of urban sprawl.Ecology and Society，2006，
11-46.https://www.doczj.com/doc/2618538108.html,/vol11/iss1/art46/
[8]Chingcuanco F，Miller E J.A microsimulation model of urban energy use: Modelling residential space heating demand in https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2011，
36(2):186-194.
[9]Clarke K C，Gaydos L，Hoppen S.A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area.Environment and Planning B，1997，24: 247-261.
[10]Crooks A，Castle C，Batty M.Key challenges in agent-based modeling for geo-spatial https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2008，32(6): 417-430 .
[11]Deming W E，Stephan F F.On least squares adjustment of a sampled frequency table when the expected marginal totals are known.Annals of Mathematical Statistics，1940，11(4): 427-444.
[12]Echenique M H，Flowerdew A D J，Hunt J D，et al.The MEPLAN models of Bilbao，Leeds and Dortmund.Transport Reviews: A Transnational Transdisciplinary Journal，1990，10(4): 309-322.
[13]Evans T P，Kelley H.Multi-scale analysis of a household level agent-based model of landcover change.Journal of Environmental Management，2004，72(1-2): 57-72.
[14]Fienberg S E.The analysis of cross-classified categorical data.Cambridge，The MIT Press，1977.
[15]Hanaoka K，Clarke G P.Spatial microsimulation modelling for retail market analysis at the small-area https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2007，31(2): 162-187.
[16]Hunt J D，Abraham J E.Design and implementation of PECAS: A generalized system for the allocation of economic production，exchange and consumption quantities.London，Foundations of Integrated Land-Use And Transportation Models: Assumptions and New Conceptual Frameworks (Lee Gosselin and Doherty，eds.)，Elsevier，2005: 217-238.
[17]Jjumba A，Dragicevic S.High resolution urban land-use change modeling: Agent City approach Applied Spatial Analysis and Policy (in press).2012.
[18]Landis J D.The California urban futures model: A new generation of metropolitan simulation models.Environment and Planning B: Planning and Design，1994，21: 399-420.
[19]Landis J D.The second generation of the california urban futures model: part 1: model logic and theory.Environment and Planning B: Planning and Design，1998a，25(5): 657-666.
[20]Landis J D.The second generation of the california urban futures model: part 2: specification and calibration results of the land-use change submodel.Environment and Planning，B: Planning and Design，1998b，25(6): 795-824.
[21]Lee D B.Requiem for large-scale models.Journal of the American Institute of Planners，1973，39(3): 163-178.
[22]Li X，Liu X.Defining agents behaviors to simulate complex residential development using multicriteria evaluation.Journal of Environmental Management，2007，85(4): 1063-1075.
[23]Li X，Liu X.Embedding sustainable development strategies in agent-based models for use as a planning tool.International Journal of Geographical Information Science，2008，22(1): 21-45.
[24]Li X，Shi X，He J Q，et al.Coupling simulation and optimization to solve planning problems in a fast developing area.Annals of the Association of American Geographers，2011，101(5):
1032-1048.
[25]Long Y，Mao Q，Dang A.Beijing urban development model: urban growth analysis and simulation.Tsinghua Science and Technology，2009，14(6): 787-794.
[26]Long Y，Mao Q，Shen Z.Urban form，transportation energy consumption，and environmental impact integrated simulation: A multi-agent model.Zhenjiang Shen (ed.) Sustainable Development and Spatial Plan: How to achieve a sustainable urban form in Asian cities?，Springer-Verlag Berlin Heidelberg.2012.
[27]Long Y，Shen Z.Disaggregating heterogeneous agent attributes and location from aggregated data，small-scale surveys and empirical https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2013.(Tentative accepted)
[28]Long Y，Thill https://www.doczj.com/doc/2618538108.html,bining smart card data，household travel survey and land use pattern for identifying housing-jobs relationships in https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2013.(Under review)
[29]Long Y，Zhang https://www.doczj.com/doc/2618538108.html,nd-use Pattern Scenario Analysis Using Planner Agent.Environment and Planning B: Planning and Design，2013，(Under review)
[30]Martinez F J.MUSSA: a land use model for Santiago City.Transportation Research Record，1996，1552:126-134.
[31]Miller E J，Hunt，J D，Abraham，J E，et al.Microsimulating urban https://www.doczj.com/doc/2618538108.html,puters，Environment and Urban Systems，2004，28(1-2): 9-44.
[32]Modelistica.TRANUS Integrated Land Use and Transport Modeling System Version
5.0.1995.(Modelistica，Caracas，Venezuela)
[33]Moreno N，Menard A，Marceau D J.VecGCA: a vector-based geographic cellular automata model allowing geometric transformations of objects.Environment and Planning B: Planning and Design，2008，35: 647-665.
[34]Müller K，Axhausen K W.Population synthesis for microsimulation: State of the art Proceedings of the 10th Swiss Transport Research Conference.2010
[35]Orcutt G.A New Type of Socio-Economic System.Review of Economics and Statistics，1957，58: 773-797.
[36]Pagliara F，Wilson A.The state-of-the-art in building residential location models，in
F.Pagliara et al.(eds.)，residential location choice: models and applications，advances in Spatial Science Springer-Verlag，Berlin，Heidelberg，2010.
[37]Putman S H.EMPAL and DRAM location and land use models: A technical over- view.urban simulation laboratory，department of city and regional planning，University of Pennsylvania，Land Use Modeling Conference Proceedings，Dallas，TX，1995
[38]Shen Z，Kawakami M，Kawamura M.Geo-simulation model using geographic automata for simulating land use patterns in urban partitions.Environment and Planning B: Planning and Design，2009，36(5): 802-823.
[39]Shen Z，Yao X，Kawakami M，et al.Simulating spatial market share patterns for impacts analysis of large-scale shopping centre on downtown revitalization.Environment and Planning B，Planning and Design，2011，38(1): 142-162.
[40]Simmonds D C.DELTA Model Design.David Simmonds Consultancy，Cambridge，UK 1996.
[41]Smith D M，Clarke G P，Harland K.Improving the synthetic data generation process in spatial microsimulation models.Environment and Planning A，2009，41: 1251-1268.
[42]Stevens D，Dragicevic S.A GIS-based irregular cellular automata model of land-use change.Environment and Planning B: Planning and Design，2007，34(4): 708-724.
[43]Torrens P M，Benenson I.Geographic automata systems.Environment and Planning B: Planning and Design，2005，19(4): 385-412.
[44]Waddell P.UrbanSim: Modeling urban development for land use，transportation and environmental planning.Journal of the American Planning Association，2002，68(3): 297-314.
[45]Waddell P.Parcel-Level microsimulation of land use and transportation: The walking scale of urban sustainability.Resource Paper for the 2009 IATBR Workshop on Computational Algorithms and Procedures for Integrated Microsimulation Models，2009.
大数据时代的智慧城市建设郑赋斌 发表时间：2019-10-18T13:15:36.607Z 来源：《基层建设》2019年第18期作者：郑赋斌[导读] 摘要：信息化发展的步伐越来越快，大数据、物联网、智能化技术得到普遍发展运用，为新技术、新环境的发展奠定了良好基础。 身份证号码：41052119800215xxxx 摘要：信息化发展的步伐越来越快，大数据、物联网、智能化技术得到普遍发展运用，为新技术、新环境的发展奠定了良好基础。在全世界发展范围内，不同的国家和地域之间，都在推行数字智慧化发展战略，希望建设智慧化城乡。习总书记在全国十九大中，关于智慧国家、智慧城市的发展建设方面做出重要指示，提出智慧化、信息化发展理念，利用大数据技术，实现城乡发展的深入深度融合，使得整个社会实现均衡发展。本文首先分析了大数据时代概念，接下来详细阐述了大数据与智慧城市，最后对大数据时代城乡规划和智慧城市建设要点做详细介绍，希望通过本文的分析与研究，为我国大数据时代的智慧城市建设增砖添瓦，同时希望行业内人士以借鉴和启发。 关键词：大数据时代；智慧城市；建设 引言 大数据时代的到来，不仅改变了人们日常生活方式，也对我国城乡规划与建设带来了新的技术与理念。智慧城市是大数据发展的重要载体，而智慧城市建设的核心是数据资源，两者密不可分。城市大数据的分析将彻底改变传统城乡规划的编制方式，智慧城市的建设也将全面提升人民的生活品质和城市的运行效率。 1大数据时代概念 所谓大数据，从字面可以理解为所有数据信息的集合，是提高事物决策力、洞察力的海量信息资产，需要以全新视角和处理方式才能对其充分利用与发开。大数据是信息技术发展的直接产物，由于现代社会正处于一个高速运转和信息爆炸的年代，依托大数据作为数据基础，有助于各项工作的全面性和准确性。与此同时，大数据信息是一种开放的、真实的信息资源，全民均参与其中，因此一些涉及公共利益的社会决策依托大数据在一定程度上也体现了“以人为本”的发展理念，不仅确保了社会资源的合理分配，同时也使相关决策更加科学与合理。 2大数据与智慧城市 大数据系统庞大，可通过对大量数据的分析为城市居民的生活提供便利，可为城市规划提供可靠的数据支持。智慧城市的建设重点需要突出“智慧”，这就需要依赖对大数据的深度分析与利用。在大数据的应用上，首先需要进一步做好数据的整合与分析工作，应该通过对城市信息的分析，整合在城市建设进程中可能出现的问题以及存在的机遇，提高在建设过程中对整体的感知与把控能力，为此在实施上需要做好物联网技术、识别技术、传感技术、无线网络技术等的覆盖应用。同时应该进一步完成对各类数据资源的整合，尽可能消除城市中所存在的信息孤岛，促进信息的共享与交互。为保障大数据技术的应用，还需要做好人才培养与挖掘工作，以人力资本优势促进大数据技术的进步，做好研发工作。此外，在数据的分析与应用过程中，必然会涉及公民隐私与安全问题，这就需要做好网络信息的安全等级设定与评估工作，并严格控制好信息利用过程，防止由于信息安全而导致智慧城市建设进程受阻。 3大数据时代城乡规划和智慧城市建设要点 3.1在城市记忆中提取文化要素 城市记忆是集体共鸣的抽象化，也称集体记忆。是物质与非物质间相互影响下的产物，例如经济、政治、文化、艺术、历史传统、民风民俗等......，唤起记忆=文脉延续，当人们脑海中对于一座城市的记忆在某些契机下被唤醒时，当下与曾经便得以重合，文脉便得到延续。纵观如今城市建设处于现代主义向后现代主义的转型变迁中，城市空间的异化和城市历史地段的消逝造成了城市“失忆”现象，一些“逝去”老街区，待拆的老房子......，使人们在不断变化和巨型构筑物的现代城市里迷失。所以想要延续城市文脉就要保留城市记忆，在城市记忆中提取文化要素，才能合理对城市街道空间景观进行设计。例如曾经街巷之门在我国南北方一些城市中都有不同的样式表现，上海朱家门一处小巷口“巷门”式牌坊非常精致，而杭州“高银巷口”牌坊便设计成街门，这种历史元素的提取成就街巷的“名片”，表现出城市某些记忆的延续，体现出某种文化理念。 3.2智慧企业建设 企业是支持城市发展的重要力量，为推动智慧城市的发展，必须推动智慧企业的建设。在智慧企业的建设中，利用大数据可明显提高企业的核心竞争力，可改善传统模式下企业对自身经营发展只停留在表面信息分析上的问题，有助于深挖客户需求，完善业务流程，且可通过对产品市场的分析，获取更有价值的信息。为保障智慧企业的建设，需要大力发展智慧电子商务，提高企业对电子商务消费模式、信息流、资金流等要素的感知能力，并为其打造一体化的电子商务平台，以此通过整合信息优化企业建设，为消费者提供更为优质的体验。另外，也需要从物流上入手，可采用商品置入芯片的方式，完成对供应链过程的监督与管理，确保其整个供应流程都可被互联网、传感器等感知，进而构建更为完善的物流体系，以此进一步降低物流成本，提高客户对物流信息的掌控能力。可从共性支撑平台的建设入手，以数据的开放共享和融合利用为核心，为各行业、各部门提供城市数据资源体系和应用支撑服务。 3.3建立城市运行中心 智慧城市的良好运行离不开城市大脑的指挥，城市运行中心的建立将为智慧城市提供一个具有智能决策分析功能的城市大脑。大数据就像是血液一样流淌于智慧城市的各个方面，为智慧安全、智慧交通、智慧医疗、智慧生活和智慧环保等各领域提供强大的决策支持。这个统一的城市运行中心将实现城市各种数据资源的融合与共享，并与政府和企业进行跨部门的协调联动，为城市高效运转和政府精准管理提供有力支撑，从而更好地对城市的公共服务设施、市政公用设施、道路交通设施、公共安全、生态环境、经济发展、社会民生、城市产业等城市运行情况全方位地进行系统有效的掌握和管理。 3.4构建城市开放信息平台 智慧城市是以“以人为本”为基本原则，以“为民、便民、惠民”为导向进行创建的，这就离不开大数据平台的构建。城市开放信息平台的建设将实现数据共融共享，保障数据安全，提升网络数据效率，从而及时应对城市系统运行过程中出现的问题。信息平台将全方位整合金融、医疗、健康、养老、教育、旅游、交通、社会保障等与人们生活相关的各种服务，支持电脑及手机APP多终端快速查询及业务办理，提升人民对城市公众参与的积极性。随着各行各业“互联网+”战略快速推进，互联网应用更加丰富，公共服务更加多元，线上线下结合更加紧密，将为人们提供更加公平、高效、优质、便捷的服务。
虽然早已听说过舍恩伯格的《大数据时代》，但直到前不久才浏览本书的内容，看完之后还是有点震撼的，主要是大数据对我们日常生活和思维的影响太大了。下面摘取部分原文表述或案例来梳理一下这本书，其中有我本人的部分总结和评述。 有三个案例比较有意思，一是福特的名言，“如果当年去问顾客他们想要什么，他们肯定会告诉我：一匹更快的马。” 乔布斯多年来持续不断地改善Mac笔记本依赖的可能是行业分析，但是他发行的iPod、iPhone和iPad靠的不是数据，而是直觉，第六感。谷歌公司内部的研究表明工作表现与大学毕业时的平均绩点没有关系，但其创始人依然要应聘者提供分数。 前两个例子（福特和苹果）说明大数据有时候是无效的，后面谷歌的例子则说明管理层对数据过度的执着。 大数据对人类生活的破坏莫过于它过于强大的预测功能，如通过一个人过去的表现可以准确预测到他在特定环境下一定会犯罪，那么，社会保障机制就会惩罚一个从来没有犯错的人。如书中所述： “因为预测的结果几乎不可辩驳，人们也就无法为自己开脱。但这种基于预测得出的惩罚不仅违背自由意志的原则，同时也否定了人们会突然改变选择的可能性。” 以上弊多些，下面谈利。
聪明的公司会从人们与信息交互中收集数据废气，以用来改善现有的服务或推出全新的服务。 “拥有知识曾意味着掌握过去，现在则更意味着能够预测未来。”-----这句话很精辟。 “情报分析员结合实地考察报告和过去IED袭击地点、时间和人员伤亡的详细信息，据此预测一天中最安全的运送路线。”类似的，我也听说过美国建立的爆炸物碎片博物馆的事情，基于爆炸物的各种信息追踪恐怖分子武器弹药的生产基地和储存地点。 “为了促进大数据平台的良性竞争，政府必须运用反垄断条例。” 谷歌对量化数据的极致追求可能过头了，因此激起了员工的反抗。（弊）通过大数据预测来判断和惩罚人类的潜在行为是对公平公正和自由意 志的一种亵渎。（弊） 过去是要成为一个优秀的生物学家就需要认识很多生物学家，但现在可能是，要解决一个生物难题或许和天体物理学家或数据视图设计师联系即可。 由于大数据的功劳，微软机器翻译部门的统计学家在茶余饭后的谈资就是每次一有语言学家离开他们的团队，翻译质量就会好一点。 当亚马逊的贝索斯发现算法推荐能促进销量增加的时候，他就不再需要书籍评论员了。
测绘地理大数据在城乡规划中的应用研究 摘要：目前，我们已经可以获取丰富自然地理、人文地理、经济地理等数据资源。这些数据既包含结构化的地理信息大数据类型，如遥感影像数据，基础地理 信息数据，大地基准数据，电子地图数据和与位置关联的各类地物的属性数据。 也包括非结构化的地理信息大数据类型，如与位置关联的社交与商务碎片化文字 描述数据，与位置相关的图片、视频、语音等数据和移动轨迹数据。全方位、多 时空的地理数据，为人类能更加透彻地感知、更加智慧地规划建设和管理我们的 生存生活环境提供可能。 关键词：城乡规划；测绘地理大数据；应用 引言 测绘是通过使用科学的技术、理念及方法获取和空间位置相关的各种图形及 数据资料，当前有数字信息技术为测绘提供保障，已经逐渐形成测绘地理大数据。将该技术应用到城乡规划中十分重要，利用测绘数据可以建模，进而科学、专业、合理、正确反映出城乡建设中的社会信息、经济信息等。因此，在城乡规划中， 科学使用测绘地理大数据，发挥出其价值，是当前需要重点关注的。 1城乡规划与测绘数据的关系 基础测绘具有公益性和基础性特点，其发展中主要以地方政府和国家投入为主，在测绘中人们主要强调的是数据采集和信息提取，同时对地理环境建设成果 有强有力的保障。在大数据时代随着移动位置服务位置服务采集各种数据媒体数 据增多，空间数据处理基础也得到较大的发展。测绘行业大量的大数据获取和处 理方法在城乡规划中的应用不断扩大。为了更加深入的挖掘价值对服务转型的思考，我们必须在大数据形成的各个环节转变和突破。近几年测绘数据在经济发展 中起着越来越重要的作用，首先测绘数据的实现在城乡规划中得到较好的应用， 我国城乡面貌正在朝着日新月异的方向发展，城市和乡村建设与发展需要加强规 划和指导，而做好城乡规划首先必须要足够多的数据做支撑，提供城市、村镇的 基本面貌和基本动态信息，能够很好的促进城乡协调发展。 2测绘大数据在城乡规划中的应用 2.1GPS测绘地理大数据测绘地理大数据在城乡规划中的应用 GPS技术以卫星定位原理为支撑，因其其环境适应性更强，不会受到时间、 地点以及气候等因素的影响，在城镇规划中得到了有效应用。GPS技术能够根据 事先确定的测量条件和需求进行测量工作。在测量的施工中GPS技术精确度非常高，不需要监测站之间通视，还能够实现远距离的测量定位计算。采用GPS技术 能够降低人力物力的投资，而且操作简单便捷，不受时间和地域的影响和干扰， 测量效率高，是其他测绘技术难以媲美的。 利用GPS技术并以城市地图为基础，定位城镇规划的具体位置以及规划范围，并根据所要规划区域中的建筑物分布以及基础设施分布，规划城乡道路线路。根 据城市的地形状况，合理布局服务设施建设，做到基础设施建设全方位、全范围 的覆盖。并利用GPS技术建立相关数据模型，将城乡规划中所涉及到的抽象的数 据转化为具体的对象，在模型设计中设定更多的评价因子，保证城乡规划的的科 学与合理性。 2.2遥感测绘地理大数据在城乡规划中的应用
[摘 要]在城市化极大地改变了人类生存的物质环境的同时，科学技术的进步也创造了人类发展的信息环境。随着大数据时代的到来，信息环境进一步与物质环境交织在一起，相互作用，对人类社会和城市的影响越来越广泛。城市规划者要理解这些影响给城市规划带来的潜在机遇和艰巨挑战。由于大数据具有数据量大、种类多和更新快的特点，使得其与小数据有很大的不同，进而引起了人们对其在认知、方法和伦理上的争论。城市规划者需要把握大数据时代的发展机遇，在克服挑战的同时，以思辨的态度对待质疑。 [关键词]大数据；城市规划；机遇；挑战；思辨 [文章编号]1006-0022(2014)08-0038-05 [中图分类号]TU981 [文献标识码]A Urban Planning Opportunity , Challenge, And Thinking In Big Data Era/Zhang Xiang [Abstract] Urbanization and scienti ? c achievement has greatly change d th e physical and informational environment o f mankind. The bi g data era has enhanced interweaving of information and physical environment. Planners shall face challenges of big data and grasp opportunities. Big data has brought about argument in cognition, methodology, and ethics. Urban planners shall get over the dif ? culties and face skepticism wit h critical thinking. [Key words] Big data, Urban planning, Opportunity, Challenge, Critical thinking 大数据时代城市规划的机遇、挑战与思辨! □ 张 翔 0 引言 由于数据获取设备的日趋廉价，加之数据存储和处理能力的极大提高，全球数据的增长量巨大，据测算，全球每两天产生的数据量大于人类有史以来至2003年所产生的数据量[1]。在很短的时间内，人类从一个数据缺乏且昂贵的时代，跨入了数据极为丰富的时代。2009年，“大数据”的说法逐渐开始在互联网传播。2011年5月，麦肯锡咨询公司在第11届EMC World 年会上首次提出“大数据”的概念[2]。2012年3月，美国开始实施“大数据研究和开发计划”(Big Data Research and Development Initiative)，推动大数据的全面应用。2012年5月，联合国发布了《大数据带来的挑战和机遇》白皮书。这些都标志着人类社会进入了大数据时代[3]。 大数据很难以“大”的“数据”来定义，“大”总是相对的、不断变化的，当代的“小数据”在半个世纪前是非常大的，而当代的“大数据”也很可能在半个世 纪后显得非常小[4]。当前，不同行业对大数据有许多不同的定义，但是“多数定义都反映了那种不断增长的捕捉、聚合与处理数据的技术能力，而这个数据集在量、速率与种类上持续扩大”[5]，概括而言，即大数据具有的“3V”特点—数量(Volume)、类别(Variety)和速度(Velocity)[6]。正是由于具有这些特点，大数据与传统的小数据有很大的区别，以至于大数据很难用普通的计算机硬件、软件来处理，而是必须采用网格式的服务器、平行式的软件和分割的数据处理方式。 大数据不仅对信息行业产生了显著的影响，还逐渐对交通、医疗、教育和安全等方面产生了广泛的影响。大数据中有很多带有空间属性的数据集，为城市规划带来诸多潜在机遇。具有“3V”特点的大数据与传统小数据在技术方法上的不同，将带来与以往城市规划研究方法、工作方式的显著差异，也将带来艰巨的挑战。大数据时代初期流行的许多观点不一定是正确的，很可能影响城市规划的健康发展，这需要城市规划者进行审慎思辨。 [作者简介] 张 翔，硕士，注册城市规划师，高级工程师，广东省城乡规划设计研究院规划四所副所长。
湖南农业大学课程论文学院：信息科学技术学院班级：计算机1班姓名：XXX 学号：2015XXXX 课程论文题目：浅谈大数据时代的机遇与挑战 课程名称： 评阅成绩： 评阅意见： 成绩评定教师签名： 日期：年月日
课程论文题目 ——浅谈大数据时代的机遇与挑战 学生：XXX (信息科学技术学院计算机1班) 摘要：随着时代的发展，大数据这个词慢慢进入了人们的视野的当中，而大数据也与我们的生活关联越来越紧密，对我们的影响也越来越大。怎么样才能把握住机遇，在大数据时代中脱颖而出，怎么样才能在大数据时代到来的挑战中稳步前行。 关键词：大数据;机遇与挑战；大数据时代分析 Abstract:with the development of The Times, the word big data slo wly into the people's horizons, and big data is linked to our life more and more closely, to our influence is growing. How to seize the opportunity, in the era of big data, how can ability in the er a of big data move steadily in the coming challenges. Key Words: Big data; Opportunities and challenges; The era of big da ta analysis
一、绪论 （一）什么是大数据？ “大数据”作为时下最火热的IT行业的词汇在互联网时代显得越来越重要。大数据究竟有多大？大数据能做些什么？在新互联网时代，这些词汇让我们应接不暇。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据还有四个特性分别是数据量大，种类多，速度快，价值大。大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”（二）大数据能做些什么？ 大数据的应用示例包括了大科学、传感设备网络、天文学、大气学、基因组学、生物学、大社会数据分析、互联网文件处理、制作互联网搜索引擎索引、通信记录明细、军事侦察、社交网络、通勤时间预测、医疗记录、照片图像和图像封存、大规模的电子商务等。仅仅十余年，现在越来越多的政府、企业等组织机构意识到数据正在成为组织最重要的资产，数据分析能力正在成为组织的核心竞争力。大数据不仅是一种海量的数据状态及其相应的数据处理技术，更是一种思维方式，一项重要的基础设施。这或是明天我们治理交通拥堵、雾霾天气、看病难、食品安全等“城市病”的利器，也会为政府打开了解社情民意的更大窗口。众所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的、深入的、有价值的信息。二、本论 (一)大数据的重要性 1.大数据的处理分析正成为新一代信息技术融合应用的结点 有专家指出，大数据及其分析，会在未来10年改变几乎每一个行业的业务功能，从科学研究到保险，从银行业到互联网，各个不同的领域都在遭遇爆发式增长的数据量。在美国的17个行业中，已经有15个行业大公司拥有大量的数据，其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。在医疗与健康行业，根据数据预测，如果具备相关的IT设施，数据投资和分析能力等条
大数据时代几个例子告诉你什么是大数据 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
大数据时代，几个例子告诉你什么是大数据 工具类厂商蓄意炒作大数据，以达到售卖产品的目的，但导致的结果是很多人对大数据这一概念云里雾里。实际上，大数据就发生在你我身边，虽然你看不到它，但它却时时影响着我们的生活。 现阶段，和大数据相关的企业有三种。一种是工具类公司，他们宣传得最卖力，并且把大数据吹出了泡沫，原因是它们希望把自己的产品卖给企业；一种是依托于大数据从事咨询服务类的企业；还有一种就是实实在拥有大数据的公司，它们和我们休戚相关，也就是下面的小故事所要阐述的内容。 第一个故事，百货公司知道女孩怀孕 美国的Target百货公司上线了一套客户分析工具，可以对顾客的购买记录进行分析，并向顾客进行产品推荐。一次，他们根据一个女孩在Target连锁店中的购物记录，推断出这一女孩怀孕，然后开始通过购物手册的形式向女孩推荐一系列孕妇产品。这一作法让女孩的家长勃然大怒，事实真相是女孩隐瞒了怀孕消息。 点评：看似杂乱无章的购买清单，经过对比发现其中的规律和不符合常规的数据，往往能够得出一些真实的结论。这就是大数据的应用。 第二个故事，搜狗热词里的商机
王建锋是某综合类网站的编辑，基于访问量的考核是这个编辑每天都要面对的事情。但在每年的评比中，他都号称是PV王。原来他的秘密就是只做热点新闻。王建锋养成了看百度搜索风云榜和搜狗热搜榜的习惯，所以，他会优先挑选热情榜上的新闻事件来编辑整理，关注的人自然多。 点评：搜狗拥有输入法，搜索引擎，那些在输入法和搜索引擎上反复出现的热词，就是搜狗热搜榜的来源。通过对海量词汇的对比，找出哪些是网民关注的。这就是大数据的应用。 第三个故事，阿里云知道谁需要贷款 这是阿里人讲述的一个故事。每天，海量的交易和数据在阿里的平台上跑着，阿里通过对商户最近100天的数据分析，就能知道哪些商户可能存在资金问题，此时的阿里贷款平台就有可能出马，同潜在的贷款对象进行沟通。 点评：通常来说，数据比文字更真实，更能反映一个公司的正常运营情况。通过海量的分析得出企业的经营情况，这就是大数据的应用。 第四个故事，中移动挽留流失客户 iPhone进入中国后，铁杆的移动用户王永铭加入了联通合约机大军。由于合约机承担了大量通话内容，王永铭将全球通换成了动感地带。三个月之后，王永铭接到了中国移动的10086电话，向他介绍中移
论大数据时代中的城市规划 摘要：现今，伴随着互联网技术的飞速发展，数据处理已经进入了大数据时代。大数据时代在我国诸多的行业中，都实现了有效的运用，其涉猎的范围逐渐扩大。尤其是在城市规划中，有效的运用大数据时代，可以有效的提升城市规划的整体 水平，带动城市的整体发展。本文从大数据时代概述、大数据时代城市规划产生 的变革、在城市规划中运用大数据时代的优势，几方面进行一定的探讨，期望可 以为城市规划提供一定的理论借鉴，进而促进城市经济的发展。 关键词：大数据时代；城市规划；改革；优势 现今，伴随着互联网技术的飞速发展，数据处理已经进入了大数据时代。大数据时代， 其显著的特点就是数据的数量；处理速度与数据类别的划分[1]。大数据不仅对信息行业产生 巨大的影响，而且其影响面逐渐扩大，已经涉猎了很多行业，诸如教育；安全；医疗；交通 行业等都受其影响。在大数据中，存在诸多的具有空间属性的数据集，因此必定会影响城市 规划的诸多方面，将带来城市规划在工作方式、研究方法等方面的变革，同时也会给城市规 划带来新的挑战。城市规划者，应对大数据时代的城市规划观点进行仔细的研究，进而促进 城市规划的健康发展。 1大数据时代概述 大数据时代，具体就是运用信息技术，将人类生活、学习、生产的互动过程；物质实体；行为过程等，用数据的形式进行有效的记录。同时形成多种类的数据集合，研究数据的价值，进而将其运用到公共管理；生产；生活的决策之中[2]。大数据是一种新的数据综合形式，经 由新技术可以获得“小”数据时代不能获取的数据信息。对城市规划来讲，在城市规划设计、 实施的过程中，产生的数据、以及观测的数据，都可以视为大数据的资源[3]。 2大数据时代城市规划产生的变革 2.1理论与方法的变革 在大数据时代，就应具备与之适应的大的理论，进而改变不同专业互相分离的现状。城 市具有系统复杂性、空间尺度大的特征，因此就需要运用不同的角度对城市进行研究。大数 据时代，具有大量的互相关联的、种类多样的数据，尤其是跨专业的数据种类，为城市规划 带来了新的机遇与挑战。在大数据时代，城市规划应深入研究新的研究方法与理论模式。大 数据时代，其研究方法的关键就是数据的分析与处理[4]。在大数据时代，需要对数据类型、 数据源进行广泛的掌握，同时还应掌握模型、程序与模拟等有关知识。但是，在现实中大数 据时代的发展速度过快，城市规划与其有关的研究，并不能与之同步进行，仍然处于起步的 阶段。 2.2城市规划编制的变革 在大数据时代，城市规划中的数据来源更加全面、丰富，而且还伴随着规划编制的变革。在城市规划编制中，需要在方法论与技术方法上进行改变。具体体现在，方法论转变主要是 在编制策略；编制方式；决策辅助等方面。技术方法的变革，主要是在响应速度与数据搜集 方面进行，具体如图1所示[5]。 2.3数据搜集的变革 传统的城市规划中，数据资源主要依据研究文献；调查问卷；统计年鉴等小样本数据进行。现今，在大数据时代，城市规划工作者可以依据大量的数据资源，对规划信息进行分析 与挖掘，进而从时间、空间两个维度，对规划范围内的社会、经济与交通等进行研究分析， 进而得到城市的全景展现。数据搜集实现了从小样本，到实时、海量数据信息的直观呈现， 可以有效的为城市规划预测提供基础条件。具体如图2所示。 3在城市规划中运用大数据时代的优势
2015城市精细化管理实施方案 时间：2015-01-09 13:02 第1篇：城市精细化管理实施方案 为完善城市功能、优化城市环境，打造宜居城市，实现居民安居乐业、环境整洁 优美、社会和谐稳定，推动临城经济社会更好更快发展，现制定如下实施方案： 一、指导思想 以建设“环境优美、设施完善、宜居宜业的繁荣、文明、和谐新临城”为目标， 按照“宏观标准简单、微观管理精细”理念，启动为期三年的城市精细化管理工程， 构建“大城管”格局，理顺体制，着力做好占道经营、广告牌匾、环境卫生、街道交 通秩序等整治工作，精雕细刻，精益求精。 二、主要工作 （一）构建“大城管”格局，实现管理体制上的突破 在积极推进城市管理“三级网络”建设的基础上，积极构建“大城管”格局，实 现管理体制上的突破，解决部门之间交叉管理、职责不清、标准不一等严重影响我县 城市管理执法方面的问题，为全面推进精细化管理工程奠定坚实的组织基础。成立由 县政府主管领导任组长，建设局、工商局、公安局、交警大队、交通局、环保局、财 政局等单位主要负责同志为成员的“临城县城市管理综合执法领导小组”，定期研究 协调城市管理工作。领导小组下设“临城县城市管理综合执法局”（以下简称“城管局”）具体负责日常管理工作，综合行使城市管理执法职能和环境卫生、市政、市容、绿化、规划管理以及流动商贩、露天经营、城市交通、客运秩序和其他方面的城市管 理职能，达到城市管理高效、快捷、综合执法的目的。 （二）增加环卫基础设施 在新建道路、小区等处建设垃圾转运站及公厕。同时，结合我县道路实际情况， 购买必要的机械清扫车、垃圾清运车。 （三）加强县城功能分区规划、建设、管理力度，实行“一证管多证”模式
浅谈大数据时代聊聊小数据 现在好像人人都爱说大数据，就像平时我去开会，不是用大数据分析这个，就是用大数据建构那个。可是我最近看《美国计算机学会通讯》（CACM）上面提到了几次小数据，我觉得大家也有必要了解一下这个有趣的概念。 大数据其实就是一个特别大的数据库，大到用现有的技术无法处理，因此计算机行业的人谈大数据，指的是大数据技术。而生命科学领域的人谈大数据是指该领域的大数据分析，搞大数据设备和管理的人不见得会分析，因为这需要专业。 还有一股力量也将改变我们关于健康的想法和实践，那就是由个人数字跟踪驱动的小数据。基于某种云应用，随时间连续地、安全地、私人地分析你工作、购物、睡觉、吃饭、锻炼和通讯的数字追踪，而得到关于你的健康的画面。这里需要私人的装置和网络服务，特别是自跟踪。譬如昨天我有点胃痛，于是想：前天和大前天有何不同呢？啊！明白了，我每天喝一两酒，前天喝的酒不同，换了一个牌子，可能就是这个新牌子的酒引起我胃痛。这个小数据提供了分析我健康情况的依据。 大数据开启了一个时代的转型，给人们带来一场生活、工作与思维的大变革。时代的变革需要以大数据为视角理解数据与信息。 什么是小数据？小数据就是个体化的数据，是我们每个个体的数字化信息。比如我天天都喝一两酒，突然有天喝完酒了胃疼，我就想了，这天和之前有何不同？原来，这天喝的酒是个新牌子，可能就是喝了这个新牌子的酒让我胃疼。这就是我生活中的小数据，它不比大数据那样浩瀚繁杂，却对我自己至关重要。 第一个意识到小数据重要性的是美国康奈尔大学教授德波哈尔艾斯汀。艾斯汀的父亲去年去世了，而早在父亲去世之前几个月，这位计算机科学教授就注意到老人在数字社会脉动中的些许不同他不再发送电子邮件，不去超级市场买菜，到附近散步的距离也越来越短。然而，这种逐渐衰弱的状态，真到医院去检查心电图，却不一定能看出来。到急诊室检查的时候，不管是测脉搏还是查病历，这个90岁的老人都没有表现出特别明显的异常。可
智慧城市中的大数据挖掘与应用 数字城市技术把基础地理数据、正射影像、街景景象数据、全景影像数据、三维模型数据结合在一起，在政务网上，通过注册可以进行服务共享，在公共平台、互联网、公网上，通过二次开发可以提供各种交通、导航、旅游、文物、购物等服务系统。物联网能够实现人与人、人与机器、机器与机器的互联互通，实现智慧城市的各种应用。 智慧城市中的大数据挖掘与应用 智慧城市蕴含大数据 城市是生存繁衍最好的地方，城市是社会交往的地方，是文化享受的地方，按照城市的职能，我们让它智能化，比如智慧安防、智慧环保、智慧能源、智慧城管、智慧养老、智慧国土规划、智慧社区、智慧家居都是让人有更好的环境来生存繁衍。在经济发展方面，可以推动智慧制造、工业互联网、物联网。在文化
享受方面，可以考虑智慧户外流媒体、智慧教育、智慧旅游等等。在社会交往方面，有智慧交通、购物、社会综合管理。 在智慧城市的建设和应用中，将产生从TB到PB级越来越多的数据，从而进入大数据时代。2011年，Science专刊指出大数据时代已经到来，美国工程院院士也指出大数据可以让我们实现海量数据在预测、建模、可视化和发现新规律等方面应用的时代就要到来，奥巴马总统宣布美国政府正式启动大数据研究发展计划，奥巴马认为大数据就是未来世界的“石油”，这个计划要超过以前提出的“信息高速公路计划”，智慧城市建设的潮流已经到来。 空间数据方面，空间的传感器资源，美国有185颗卫星，中国有91颗卫星，到2020年中国将有200多颗卫星，卫星每天往回传输的数据可以达到PB级，空间数据资源、处理资源、空间信息资源、地学知识库资源，这些资源都可以传到网上，通过可视化的服务，利用云计算环境，包括计算资源、网络资源和存储资源，来保证服务质量。 “天地图”挖掘海量数据 为了充分研究这些海量空间大数据，我们研发了一个软件，叫做“天地图”，“天地图”的数据已经超过了TB级，目前已经超过100TB。利用“4+1”倾斜相机城市三维模型，贵阳做了很多三维建模工作。通过大数据，我们可以监测上海的地表下沉问题，把雷达数据放在一起，进行数据分析和挖掘，自动地、随时地检测地表下沉，不同地区的下沉速度不同，上海大概每年下沉20毫米，远郊区和市中心都在下沉。我们的检测结果同上海市国土局对比，精度可以达到3.9毫米和2.5毫米。我们已经对上海、苏州、天津、广州等很多大城市进行了自动检测。我们还监测了三峡，将来还要监测高铁。
2019年10月'设计 互联网大数据在城市规划中的应用研究 祝连鹏 （山东省城乡规划设计研究院，山东济南250013） ［摘要］随着社会的进步和信息化的迅速发展，科技发达，信息流通，大数据与规划结合越来越紧密，在城市的方方面面都有极大的应用价值。本文从大数据的来源、价值和与城市规划诸多方面相结合角度，综合阐述了互联网大数据与城市规划的深层次应用。 ［关键词］互联网大数据;城市规划；大数据与城市规划文章编号：2095-4085（2019）10-0047-02 随着互联网和信息化技术的发展，特别是大数据挖掘技术的进步，获取各行业各类型的数据变得更加容易，大数据拥有以下几个特征。（1）海量的数据规模。（2）快速的数据流转和动态的数据体系。（3）多样的数据类型。（4）巨大的数据价值。而这恰恰是城市规划行业所需的，城市规划可以利用各种信息技术和大数据，以整合，系统的方式管理城市的运行，使得整个城市的各种因素能够互相补充互相配合，为城市将来的发展提供更好的空间，最终目的是为市民提供最为优质的服务和生活体验。 1大数据的在规划中的应用价值 大数据为城市规划提供了改革性的发展机会，随着城市规划的发展，各种类型的大数据为我们提供了新的视角观察城市、分析和研究城市，互联网大数据⑴对于一些政府、规划局、规划院以及其他研究机构来说都是巨大的宝藏，它能够从另外一个独特的角度，用具体的数据分析挖掘出来所需的条件，例如在公共服务，人口，交通，公共设施等各领域。大数据时代的发展，对传统的城市规划造成了巨大的冲击,但是同时也带来了不可想象的机遇和发展，逼迫城市规划开始转型和改变方法，使之更加科学。 2城市规划中遇到的问题 城市规划在发展中，遇到了一系列的问题，例如传统的城市规划数据来源主要是统计年鉴，行业统计资料，社会调查，深度访谈，遥感影像，这些传统的数据来源，有以下几个缺点。（1）是不及时性。统计年鉴和行业资料往往是历史资料，并不能准确的实时的反映现实问题。（2）是主观性经验性。通过社会调查，深度访谈等方式，获取到的资料具有一定的主观性和经验性，并且样本数据较小，扩样后难免失真。（3）是获取困难。有些数据因各种原因需要层层申请，或者干脆就无法获取到。（4）是信息孤岛。 基金项目:山东省住房城乡建设科技计划项目《大数据在城市总体规划编制中的应用方法研究）（2018-K2 -04）成果一个部门或者大型垄断互联网公司拥有的信息，往往不共享，就形成了信息孤岛。（5）是资源浪费。（6）是重复建设。 3大数据在城市规划各领域中的应用方法3.1区域（城镇体系）规划方法 传统的区域规划，主要包括经济总体概况，产业发展特色，人口情况，区域空间，资源分布，生态环境等方面，在区位或资源条件特色等优势，区域发展问题和瓶颈，国际经验与国内重大政策机遇，要素转移或技术创新等遇到了挑战。 大数据时代给区域规划带来了新方法新理念，通过大数据分析，可以在资源分配，人口流动，社会文化，生态环境，交通出行等方面给出更为全面和科学的指导。例如通过微博文本和用户位置数据，论坛网站的用户评论数据，政府网站政策文件数据等数据来进行分析，利用数据清洗，关键词确定，词频分析,空间可视化等技术展现出来。 3.2城市总体规划方法 传统的城市总体规划在人口规模预测方面，往往是通过城市历年人口统计数据，结合城市政府诉求和未来城镇化发展目标，运用多种预测模型综合确定规划期末城市总人口，一般是利用历年各城市人口统计数据。自然增长法，产业集聚，区位法，环境容量法，类比分析法等基于多种模型的综合预测，属于经验主义方法。 大数据可以通过挖掘微博数据，政府网站数据,论坛等数据，来分析和解决功能空间布局，公共服务效率，社会空间分异，生态环境保护等方面的问题,为“多规合一”的全面布局和落实提供了新的参考,思路，方法和方案。 3.3城市控制性详细规划方法 传统的控规方法在地块控制与容量指标规划，城市各类专项规划等方面都存在一定的缺点，即经验主义。 大数据时代给城市控制性详细规划带来了新方法新理念，例如可以利用基于微博签到和文本数据的街道尺度城市用地判别， 对微博位置数据分析界定活动
大数据时代的城市规划如何做？——有感于2014年中国城市规划年会 2014-09-26 作者：设计部傅娜 2014年中国城市规划年会的主题是“城乡治理与规划改革”。今年年会的主题指向了今年很热门的城乡过渡融合和如何面对现今的产业转型阶段的城市和乡村开发问题上。与会嘉宾都在这一大背景下做了概念和案例性的观念阐述，最引人思考的对现今中国式的大规模开发的模式下那些细微的问题，比如说人口移动中的需求和配套设施的落实情况。我们真的准备好了面对这么一个不可回避的再一次转型阶段么？那未来又是什么？第一天的大会在很大程度上带领着我们6400位与会规划相关专业人员进入这个让人无比兴奋的大讨论中。 如果说听取有分量的讲座，理解和思考会议内容是与会者的必要功课。这次会议让我欣喜的是与全国各地的研究专业人士在城市发展这一课题中的碰撞，发现城市间对研究课题在观念中的相似与不同，学习到成果或失败案例。如果有的想法我们还在思考，而别人可能已经做了，这样就可以互相取长补短。大家在会议中展现和创造的分享气氛也是让会议的意义得到提升。 相信每个人都可以在这样的会议中找到自己的兴趣点，对大数据的持续关注也让我在这次会议中对“大数据与城乡治理”这一论坛进行了持续关注。“大数据”是一个庞大的概念集合，用以指代各种规模巨大到无法通过手工处理来分析解读信息的海量数据。如何运用大数据进行城市规划编制，做好规划实施评价，仍有待进一步研究。在这一次的会议中，大家分享了对大数据概念和在中国背景下的发展模式畅想，最引人关注的是对大数据开发现有案例的资料收集、分享和探讨。
王鹏，清华同衡规划院科研与信息中心副主任，演讲题目：《大数据支持的城乡规划新技术》
城市管理如何才能像绣花一样精细？上海给出了自己的方案：将城市管理范围划分为2000多个边界清晰的网格，做成一张网格“电子地图”；在地图的基础上，叠加设施、交通、环保、绿化等部件，匹配环卫、突发、市场、治安等事件，将整个城市纳入实时、动态的网格化管理。如此一来，应对突发事件、进行专项管理、打通日常监管，在数据集成进程中就可以得到有条不紊的处理。 常住人口超过2400万，上海跻身世界级超大城市前列。如何在城市管理中做到“绣花”般精细？经过多年探索，上海智慧地运用大数据，将城市管理内容不断“绣”进一张“电子地图”，人机联手，使管理渐入佳境。 城市信息，一目了然 日前，在上海松江网格化综合管理中心，值班的指挥处置科科长王丰友按例进行视频巡查。突然，一些画面让他警觉起来：轨交九号线佘山站外人群增多，“明显出现客流滞留现象，一定是九号线出问题了”。 他立刻打电话给佘山站站长了解情况，得到“电路故障，九亭站至松江新城站全线停运”的答复。 “我们立即向区政府、区总值班室、区新闻办报告。”与此同时，中心立即在城市网格地图上调出视频监控画面，发现因正值上班高峰，停运各站点均出现大量人员滞留。 中心立刻启动应急预案，“区应急办、中心主要领导也立即赶到中心指挥大厅驻守，指挥协调大客流应急疏散工作。”王丰友说。 4小时后，九号线恢复运行。此时，松江区交通委已调拨153辆公交车，运行346班次，加上泗泾镇调拨41辆社会短驳车，共疏散人员超过1.8万人次；区公安分局出动警力220余名、交通志愿者150余名，
各属地政府、网格中心出动650余人到各站点维持秩序；区卫计委出动救护车3辆次到现场待命。“由于应急有力、疏导及时，切实保障了滞留乘客的通行安全。”王丰友很欣慰。 “这场突发事件的‘大考’能如此平稳通过，得益于上海不断深化的一张‘电子地图’。”上海住建委城市管理处处长张永刚表示。 这张“电子地图”是以城市地理信息系统为基础，以城市网格化地图为底版，多种图层叠加其上，好比以网格化地图为基本花样，将与城市管理相关的信息都“绣”入其中。“这个‘电子地图’是储存于电脑里的矢量数据，不是死板图画，而是不断变化的‘活’地图，每个图层、图层里的每个点位，都是背景信息、实时情况、视频图像等大量相关数据。”上海市城乡建设和交通发展研究院院长袁钢解释道。 在徐汇区城市网格化综合管理中心，副主任卢义耀打开大屏幕上的人流“电子地图”，全区实时人员流动情况一目了然。卢义耀说，监控中一旦出现某个区域人流过密，就可以启动应急预案，确保百姓和城市安全。 整治违建，按图索骥 上海近来大力整治“五违四必”，一些多年的“硬骨头”被“啃”下。“我们有一张‘电子地图’，所有的无证建筑都明明白白标示在上面，难逃法眼。”上海住建委城管处副处长王明强颇感自豪。 上海整治违章建筑已有年头，但过去只能依赖街镇、各区上报，“‘硬骨头’难啃，就先不报，挑‘软柿子’捏出一些成绩，市里也只能认了。”王明强说。 2015年3月，上海市拆违办启动无证建筑普查试点，摸清底数。 一开始只能用“笨办法”，在网格化地图上，把向相关职能部门要来的地图一层层叠加上去，包括无证建筑、生活垃圾、旧区改造、综合治理、无序设摊、消防隐患，以及12345市民服务热线和12319城建
大数据时代背景下智慧城市规划 一、智慧城市与大数据概述 随着科学技术的高速发展，可以利用高科技将人类的智慧结合起来，并且对它进行整合处理，使之达到智能化。智慧城市就是要我们生活的城市更加有效率，把现在人们拥有的科学信息技术，融入到城市建设中，不仅要将信息技术用于科研领域，还要在实际生活中体现出来，因为人类的不断学习和进步就是要不断改善我们的生活方式，在城市的生活中能更好的享受生活，享受科技为人民生活带来的便利。比如可以利用云计算，将城市的资源进行有效的整理、保存及开发利用，帮助城市实现可持续发展。但是智慧城市并不是人们想象的那种没有人的机器时代，而是在这个城市中人们的生活相对之前更加的便捷，生活质量逐渐提高，工作效率也逐渐提高。 大数据时代是对城市中产生的大量数据的描述，它的特点是使社会信息化高速发展，在当今的社会中具有很大的优势，而且应用到的领域也越来越多，尤其是对于电子商务，还有现在社会流行的网购物流，随着网购逐渐进入到人类的生活，就免不了与物流合作，在这方面，大数据起到了非常重要的作用。当然要想合理的运用好大数据，还要结合云计算等多方面的技术支持，对这些数据进行智能化分析。 二、大数据对智慧城市的影响 人们生活最多的地方就是在城市，城市中的人在这个城市生活，农村中的人会来到城市打工，当然，还有一些旅行人员，城市就是人们活动的最密集的地方。随着人们的活动，就会产生大规模的数据，不尽如此，这些数据的产生速度也超级快，形式也多种多样，所以，城市生活产生的数据很符合当今社会提出的大数据的特点，是一种非常典型的大数据样本。在之前人类的生活中，运用的技术方法和一些思维模式对当今社会城市已经不再适用，城市中产生的大数据在城市的智慧化建设中又具有非常重要的作用，大数据时代的到来改变了人们对城市智慧化的认识，促进了城市由数字化向智慧化方向的转变。所以，大数据和智慧化城市是相互依存的关系，云计算的发展离不开大数据的支持，而大数据也不可能脱离云计算以及互联网单独存在。 三、大数据时代智慧城市的规划措施 1、我们国家的信息技术水平正在稳步发展，在对智慧化城市的建设中，应该建立新的思维方式，将大数据作为思想结构的基础，以先进前沿技术为支撑，应用为导向，规范的立法和高效的管理机制为保障，在城市建设中形成一个良好的体系，比如可以打造一个智慧化