城市規劃與管理中的數據分析和信息化建設

李棟 北京清華同衡規劃設計研究院技術創新中心常務副主任

當下數據發展有以下幾個大趨勢：

首先全社會數據可用性極大增加。當前全球超30億人、約170億設備聯網在線，這些設備無時無刻不在產生數據。據統計，人類從直立行走到2003年所創造數據量總計5艾字節，到2007年短短幾年間數據量已超了300艾字節，而到了2015年，全球網絡流量接連翻番，數據量達到接近1000艾字節，預測到2025年，全球數據總量將增長至現在的200倍到170,000艾字節?？梢哉f展望未來，大數據時代其實還沒有真正來臨，數據發展將呈現更加富集的趨勢。

圖1 大數據富集趨勢

其次計算能力和算法挖掘手段全面提升。計算能力得到飛速強化。強大的計算機通過網絡連接，大量數據的并行處理成為可能，硬件方面也有很大的提升?，F在的手機計算能力已經遠遠超過了早期的電腦。而且所使用的算法獲得了全面的更新。十余年機器學習發展基礎上，可以將這些龐大的數據和算力用于算法的訓練，開發新規則來執行日益復雜的任務。以深度學習為代表的新手段得到持續優化，啟發新服務，刺激了對AI領域各方面的投資和研究。數據、設備、算法幾個方面快速的發展，終將整個人類社會信息化的趨勢逐漸推向一個又一個高潮。

一、信息化的兩種場景

數據分析只是廣義信息化的一個環節，我們可以簡單做下分類，一類是流程信息化（狹義信息化），指在既有機制下對業務的信息化改造，如政府委辦局的辦公OA等，流程和機制是預先規定好的。另一類是決策智能化（廣義信息化），比如說我們要對城市發展的信息化做整合，而城市管理的規則和機制是開放的、不斷發展和變化的，我們的挑戰是如何運用信息化的手段處理這種挑戰。利用信息化對開放系統進行綜合決策，需要采集整理決策所需信息、設計多種決策方案、對方案開展模擬與預評估、對方案進行比選優化，對方案實施開展周期性監控、方案實施后評估等等，這是一個值得開展長期探索的方向，也是數據應用高附加值所在之處。

流程信息化，規則相對清晰、條件相對封閉、目標相對明確。而決策智能化規則相對模糊、條件相對開放、目標不夠明確，依賴更多、更復雜、非標準化信息輸入作為基礎。當面對決策智能化的時候，作為規劃師往往會感到信息焦慮以及對工具的渴求，會懷疑自己是不是遺漏了什么關鍵信息、從而對項目造成一些決定性影響，這是所有咨詢者、決策者共同面對的一個很大挑戰。

以規劃編制為例，即使是同一個地區，即使是遵循相同的規劃編制技術要求等規則，但由于每一次規劃編制的背景不同、規劃目標和實施手段也大相徑庭，因此對規劃內容本身（即待決策的方案）的評判標準也會存在很大的差異，更毋論如何對規劃方案進行優化和持續改進了。

如果從一個更大的、數據的視角來看待這個問題，流程信息化指利用自有數據解決自己的問題，比如財務報銷自動化等，而決策智能化則意味著要綜合使用自有數據和他類數據（alternative data），一起來解決自己的問題。

他類數據是指全社會其他部門數字化、信息化之后的積累，例如原本用于運營商計費和網優的手機信令數據，原本用于公交系統計費的市政一卡通刷卡數據，原本用于網站和APP經營的移動互聯網流量內容數據等等。我們現在之所以能夠在城市規劃中利用這些大數據，其實都要感謝早年其他部門所做的信息化基礎工作，雖然這些數據出現的動機并非是服務規劃師。推廣而言，所以若想解決城市這類開放系統的決策智能化問題，就需要全社會每個部門都把自己的信息化工作做好。

二、建立基礎“認知閉環”

規劃師扮演的是決策咨詢的角色，為決策者出謀劃策。因此我們自己首先要建立一個邏輯閉環，按照了解、認識、見解、行動的順序。一般規劃師往往更關注感知、認知與決策這三個環節，但對于“行動”，或者說“實施”，則是規劃或者咨詢業者不太擅長的。規劃信息化的工作其實在另一個層面就是在做“行動”或“實施”，在不斷地修補、完善信息化系統。所以我也特別希望規劃從業者能夠再多走一步，將分析出來的好方案親手實現出來，建立起完整的數據思維閉環。

數據思維體現為對數據應用的工作流程（workflow），一是感知：數據的清洗收集，對現實了解得更精細；二是測度：數據的分析評價，對狀況判斷得更合理；三是挖掘：數據的綜合解讀，對原因理解得更深入。

1．數據感知：對現實的精細了解

用精細化的數據感知來滿足規劃師對于信息渴求的狀態，例如2017年做朝陽區人口統計時，數據分析的目的不僅想了解朝陽區的總人口規模，還想知道人口分布的具體位置、根據每個位置人口活動的24小時規律進行分類等等。

圖2 朝陽區人口分布

圖3 朝陽區人口24小時活動規律

再進一步細化，比如了解CBD片區每個小建筑里面大致人口分布的多少，工作日與非工作日的變化。甚至包括對每一個網格，都想去了解人口構成的結構與信息等等。

多源數據耦合、交叉檢驗。當數據源不同時需要做一些檢驗，例如對一個地區的移動信令數據、滴滴出行數據、互聯網定位數據做交叉對比，判斷出哪個數據相對更合理。

2．數據測度：分析與評價

通過設計評價指標體系來聯系物理世界與信息世界。將信息空間和物理空間聯系起來就是信息-物理系統（Cyber-Physical System），二者通過指標體系相互反饋、調控。

圖4 信息-物理系統

通過算法工具對狀況的合理判斷。數據評價包括許多內容，包括評價方式。單純把收集的數據落在圖上，很難直觀看出規律，需要模型、算法、工具來幫助形成一定的結構化指標，從而可得到諸如聚類、分析等結論。例如下面右圖中的方塊是共享自行車騎行軌跡的時空熱點，在相同時間空間，可以識別出哪里是騎行行為相對比較聚集的區域，并進一步分析聚集的原因和影響等。

圖5 自行車騎行軌跡熱點時空分析

此外還需要把非結構化數據（如街景圖片）變成可計算的結構化指標，這是大數據很關鍵的核心問題，需要借助專門的工具或一些技術手段來實現。

數據評價：對狀況的合理判斷。在充分感知數據、分析評價數據之后，就加入結論判斷環節了。例如我們可以根據騎行軌跡、街道狀況等要素，對騎行環境做出綜合評判。將結構化與非結構化數據疊合后，形成關鍵指標，根據問題和目標進行打分，最后得出好中差的觀點。

疊合分析的應用示例。比如在對北京危險品運輸風險的大數據分析工作中，通過將危險品車輛GPS和同一時段人口分布進行重疊，識別出重疊率高的危險路段。左邊是進城的路段中重合較高的部分、右邊是危險品有大量聚集并停留較長時間的區域，把這些路段與片區識別出來，可以較好地預防一些危險品的泄露、爆炸等事故，避免不必要的生命財產損失。

圖6 危險品車輛出入城時段高重疊區（左）；危險品車集中地（右）

在設施評估案例里，我們對朝陽區32個2、3級醫院開展了就診人群分析，用醫院的到訪人口來源與分布情況，觀測京內京外比重，看哪些醫院是受外地人歡迎。

圖7 千人床位指標推算的理論覆蓋范圍（左）；手機數據表示的實際覆蓋范圍（右）

傳統醫院的配給指標是以一個區域的千人床位數來確定的，那我們可以根據這個指標反推出一個醫院的理論覆蓋范圍，如圖7（左），但用人流數據可以更直觀的看到一個醫院的實際覆蓋范圍，如圖7（右）。通過對比，我們可以得到一些初步結論：一是四環以外的人口聚集區缺乏醫療設施的覆蓋；二是醫院的就診來源主要但不限于醫院周邊；三是某些外圍的衛生設施如地壇醫院存在覆蓋范圍重疊浪費的情況。

圖8 朝陽區32個二、三級醫院評估

結合人口的本外地屬性，可以看到，中國醫學院腫瘤醫院的外地患者最多，占到了44%，而其他的醫院則逐次下降。

3．數據挖掘：深入理解現象背后的機制和規律

除通過數據分析了解現象本身，繼續探索現象背后發生的原因規律及內在機制，在大量評價指標中找出隱藏的規律，簡單的方式如線性回歸，對于城市這樣非線性的復雜系統，最基礎但有效的包括隨機森林等。以騎行行為挖掘為例，隨機森林模型展示了影響騎行軌跡分布權重較大的因素，主要包括道路長度、功能興趣點POI 總數、道路適宜度水平、公交車站300米覆蓋路段長等。

圖9 上海城市人口隨機森林模型

以上海城市人口結構挖掘為例，隨機森林模型所示，影響上海年輕人分布權重較大的因素主要包括外地人口比重、最近軌道站點距離等。

表1 隨機森林各變量權重計算結果

最后，將利用仿真、模擬為主要手段，反向使用前述數據挖掘得到的結果，應用所獲得的規律。通過改變某些指標（對應城市規劃或管理措施），使得決策樹的走向發生變化，也即開展了一次政策預演，反復試算，使得我們可以基于隱含的規律對城市發展進行大量的沙箱模擬，尋求政策工具的最佳組合。

因此自然而然地會觀察到，圍繞數據流開展的這些工作，無論是處理非結構化數據還是剖析非線性關系時，我們都在嚴重地依賴算法作為工具。在數據時代，算法的價值怎么重視都不為過。

全社會廣義信息化需求將越來越旺盛。如果把上述數據流過程拓展到整個社會來觀察，會發現他們是相輔相成的，不同行業之間需要互相依賴彼此對數據的感知、測度、挖掘，最終實現整個社會的信息化和智能化。

圖10 城市規劃與運行管理信息化

三、城市規劃與運行管理信息化

1．信息化系統

建設信息化系統體現為解決問題的創造性、實踐性策略。主要強調三個原則，一是以人為本：同理用戶感觸、貼近用戶需求。二是模糊推進：在知識和能力的范圍上保留足夠彈性、充分嘗試。三是原型迭代：由粗略簡易的原型開始設計和實施，快速持續地進行修正。

以呼市新城區居家養老服務體系為例，其涵蓋了政策法規、運作機制、引導監督機制、居家養老智慧管理平臺等內容，以老年人需求為導向，社會服務力量整合，政府監管體系為目標，提供多元化、專業化、高品質的養老服務。

2．化系統實施

首先是需求分析。信息技術為養老精細化管理與精準服務提供新的方法和手段，主要用戶面向政府、老人、服務單位。

圖11 呼市新城區居家養老服務體系需求分析

其次是定位與策略。我們認為居家養老智慧管理平臺應該實現連通政府各級部門、老人、服務單位等對象的基本能力，促使信息互通互聯、養老業務全過程留痕、線上線下有效互動，實現老年事務的聯動管理、服務單位的監督監管、智慧養老決策支持等核心功能。

實施中利用軟硬件進行整合支撐。以養老卡為核心載體，利用手機APP、信息查詢一體機、智能穿戴設備等各類線上線下手段，采集老人基本信息、為老交易、健康狀況等各類數據，聯動衛計、民政等多個政府部門的業務數據，實現老人數據的全面覆蓋和聯動更新，在此基礎上合理實施技術架構，通過統一的底層數據庫支撐上層各類應用系統，采用模塊化的方式，后期可按照需求進行功能的增減調整。

上線運行、迭代維護。信息系統建設交付其實只是一個開始，更加重要的是提供長期的線上線下運維服務。目前平臺初步實現了國家及各地的相關公開數據的整合，為新城區居家養老服務體系建設提供參考；融合本地老年人各類健康數據，全方位實時掌握老人健康信息；實現服務商信息的統計、審核、以及監管，對服務商相關數據收集、分析；為政府部門對養老事業相關決策提供科學、客觀的數據支撐。

四、展望智能化的遠景

我們重新把視角聚焦在城市規劃與管理上，未來遠景目標是在規劃師個體認知閉環的基礎上，完善城市發展相關業務智能化的閉環。

以決策咨詢為視角，有兩個關鍵支撐點，一方面是必須整合多源大數據，數據可獲得性、維度、屬性決定了數據分析、信息化工作的基本面。另一方面是必須熟悉業務領域需求，應該說數據分析和挖掘的視角是多樣化的，而城市問題又是如此復雜，需要識別并緊密圍繞領域內的關鍵需求來工作，科學設計指標體系，指導實施措施，在有限的數據分析結論中催生最大化的現實價值。

數據思維與實施思維并非是割裂的，更好的做法是把二者有機地結合在一起。數據思維可能比較陽春白雪，進行大數據分析，做各種酷炫的展示，屬于腦力勞動，但其實真正發揮作用的也許是一些不起眼的信息化項目、實干項目，姑且稱之為下里巴人。我正試圖在二者之間建立一種能夠相互促進的正向反饋模式，未來肯定還需要大量的探索和完善。