“大数据与城市空间分析研讨会”要点摘录

随着信息时代的到来，海量、多源的大数据将对城市问题咨询、城市规划应用、城市交通研究等方面的范式、技术革新产生重要影响。为推动大数据在城市研究中的应用，不断提高城市研究水平，2015 年 11 月 21 日，由同济大学建筑与城市规划学院、上海同济城市规划设计研究院、城市规划学刊编辑部共同主办的大数据与城市空间分析研讨会在同济大学成功举办。

会议嘉宾从多角度解读了对城市的理解、对大数据方法应用的心得，具体情况如下：

手机数据·活动特征

基于智能手机的个体用户活动特征分析

同济大学交通运输学院  杨超

以深圳市为例，利用手机话单数据，主要进行了居民通勤特征提取和居民活动模式识别两个方面的工作。

基于手机话单数据的居民通勤特征提取，主要包括：职住地识别、特征通勤序列和通勤距离分布；

基于手机话单数据的居民活动模式识别，主要是挖掘居民的出行规律和活动模式，运用的方法是 LDA 模型和 AP 聚类。

通过研究，发现基于手机话单数据可获得通勤特征，而且准确性较高；验证了通勤时间与距离无关，接近一个常数（TBB，案例中发现随着通勤距离增加，居民通勤时间会稳定在 40-50 分钟）；基于手机话单数据，使用机器学习方法，可以对居民活动模式进行挖掘，且信息量较大。

大数据关键技术

时空大数据处理及应用的关键技术探讨

华东师范大学  李响

主要分为两个方面：大数据研究技术层面挑战及自己团队从事的大数据相关研究介绍。

大数据研究主要面临的问题

(1)存储问题：数据量快速增长、数据内容复杂多样、面向应用的数据模型、高效的数据存储结构；

(2)检索问题：快速找到需要的信息、海量复杂和时空数据、面向应用的时空检索结构、时空检索条件和查询信息；

(3)数据整合的问题：避免盲人摸象、大数据的多元性、时空分辨率的不一致、面向专题的集成应用；

(4)数据共享问题：数据所有权问题、隐私信息处理问题、共享方式和机制；

(5)大数据人才问题：有数据的人、有想法的人、有思路的人、有技术的人。

大数据相关的研究：(1) 利用上海市一个月的出租车轨迹点的数据构建上海市路网，拟合效果较好；(2) 出租车轨迹数据的处理与应用：上海和深圳两个城市，利用一个月的出租车数据做神经网络模型预测，预测单个路口单位时间内出租车流量；(3) 公交刷卡数据的处理与应用：例如识别出闵行是典型居住地；(4) 用动画展示了上海市一天 24 小时出租车上下车流量分布。

利用（累积）出租车数据绘制的上海路网图

多源数据·商圈活力

基于大数据的上海商圈活力评价

复旦大学  张伊娜

首先介绍了复旦大学城市发展研究院的构成、主要研究方向，以及具有的数据源。复旦大学城市发展研究院的数据资源主要有：（1）传统数据：长三角社会变迁跟踪调查；公共安全感、家庭、消费、碳排放；与政府合作的数据库（包括与上海市卫计委、统计局、交通委、人口办、长江经济带研究院、国家发改委等相关部门合作的数据库）；（2）大数据合作资源：联通手机信令数据；中估联土地和房地产价格数据；轨道交通刷卡数据；高铁票务数据；工商登记企业数据库。

在上海商圈活力评价中选取了人流指数、物业指数、服务范围、消费额（POS消费数据）四个方面的指标，并从商圈活力指数、商圈人流指数、商圈物业指数、商圈服务范围指数、商圈消费指数等多方面对上海市的六大商圈进行了比较，发现南京东路商圈各项指标都名列前茅；小陆家嘴-张杨路商圈的人流指数和服务范围指数较高，但是消费指数和物业指数明显低于南京东路商圈，显示了其主要功能是就业中心，其次才是商业中心的定位；南京西路商圈的物业指数最高，但是服务范围指数排名六大商圈末尾，这与其商业的业态定位有关；淮海中路和徐家汇商圈各项指数均处于中间位置，但是淮海中路商圈的人流指数偏低，徐家汇商圈的消费指数偏低；豫园商圈的人流指数和消费指数偏低。

商圈评价指标体系

手机数据·城镇体系

基于手机信令数据的江西昌九区域城镇体系研究

同济大学建筑与城市规划学院  钮心毅

依托上海同济城市规划设计研究院“南昌都市区规划”项目展开的手机数据专题研究。研究的范围是江西省五个地级市，数据是 2015 年 10 月联通手机信令数据，研究的问题主要是两个：城镇体系的空间结构和城镇体系的等级结构。

在城镇体系空间结构方面，通过人流（轨迹）计算区域联系强度，并与相应规划图纸对比，分析区域的空间发展轴线；在城镇体系等级结构方面，主要是利用手机数据计算一天之内发生的跨县联系的强度，识别城市主要联系范围，然后从每个城市对外的联系方向取出前五位，绘制城镇体系结构现状图，与规划图纸对比，判断其规划的合理性。

最后提出关于手机数据应用到城镇体系规划的两点感想：一是手机数据作为区域城镇体系城市规划的基础数据是可行的，相应技术路线与常规的城市规划不同；二是人员流动联系不能代表城市之间的全部联系，经济联系并不完全依赖于人员，还有信息流、物流等诸多因素，后续研究有待继续完善。

大数据的规划应用

大”数据和“小”规划——大数据在详细规划层面的应用设想

上海同济城市规划设计研究院  张照

首先提出了一个智慧规划的梦想：让大数据来指导设计师做方案，让设计更科学更智能。希望在获得大量的项目资料同时建立资料数据库，以便在实际方案的调研、设计以及完成阶段都能够给出指导和参考。并希望通过众包的方式，让海量人群对接海量任务，从而实现把分散在搜索引擎、行业网站、设计公司等各处的数据按照统一的标准进行整理和存储。

在案例的数据定义方面，建议用数据标签对方案的形状、山水特征、肌理、风貌等进行描述和定义。在对海量数据的分析上，其采用的是 CBR（Case-Based Reasoning, 基于案例的推理）模型（论证了CBR在城市规划领域的可行性与适用性），希望构建一个包含检索、修改、评价等功能模块的基于云计算的城市规划 CBR 系统。总的行动纲领是从资料库到搜索引擎再到机器学习三大步骤。

数据定义方案示例

美慧·大数据研究进展

上海美慧软件有限公司大数据研究进展

上海美慧软件有限公司  彭敏

报告主要内容包括：大数据分析处理、大数据挖掘和大数据可视化展示三个部分。

大数据分析处理方面：介绍了手机客流算法的Hadoop改造与测试；

大数据挖掘方面：主要介绍了手机信令数据与交通指数的关联分析，其利用手机信令数据和地面道路交通指数数据进行拟合分析，并对上海市 68 个指数区域进行了精度验证，平均精度达到 90.15%。根据手机信令数据与地面道路交通状况的内在联系，可以在地面数据缺失情况下通过手机信令数据对交通状况进行识别；

大数据可视化方面：进行了自定义区域的到达客流云图展示以及交通调查相关模块的展示，包括居住地工作地分析系统、校核线客流检测系统、居民出行监测系统和轨交手机客流分析系统等。

川昱·大数据研究进展

上海川昱信息科技有限公司的大数据研究进展

上海川昱信息科技有限公司  裘炜毅

主要分为以下三个部分：大数据与城乡规划应用、解决方案、实践案例。

大数据与城乡规划应用方面：相关的数据资源主要在政府部门、国有企业、互联网企业和其他相关企业中，应用领域包括区域关系、城乡空间布局、城市公共空间等级和网络体系、城市交通、居民时空间行为特征等，并提出了人口、交通、空间等宏观层次和群体行为挖掘的微观层次两方面的应用框架。

解决方案部分：主要展示了 Big Data Landscape(Version 2.0)，包括以下四个部分：确定值得关注的问题；选择适合的IT基础设施；选择合适的分析工具、建立强壮的数据分析模型；使用实用的可视化工具，并介绍了从数据到平台到服务的框架。

实践案例部分：分别展示了大尺度人口分布与变化研究、职住平衡分析、区域间联系强度及人群路段分布、轨道交通服务范围分析、流动人口分析、客流通道及客流来源分析、出租车使用强度分析等案例。

职住平衡分析

轨道交通服务范围

地图数据·公交适宜性

城市道路等级及路网密度对公交通行的适宜性影响——基于中国10个城市的研究

同济大学建筑与城市规划学院  陈晨

提出研究问题：城市道路等级与路网密度对于公交通行的影响如何？提倡公交优先发展的地区是否需要相适应的路网等级体系的设计？

针对该问题，研究选择10个区域性的特大城市作为研究对象，用Open Street Map的路网数据和百度地图的公交站点数据作为分析数据来源，将公交站点密度和公交线路覆盖率作为评估公交通行适宜性的指标，希望为公交导向的城市路网规划提供指标参考依据以及为相关评价提供方法与支撑。

研究通过对10个城市的路网等级、线路长度、密度、站点数、站点密度、承担站点比例等数据进行了分析，发现支路通常是城市道路等级体系中长度最长的道路；主干路上承载的公交站点密度更高；提升次干路的比例对提高公交承担量的影响更为明显等。研究又将路网密度与站点密度的关系进行了分析，发现提高路网密度有利于提高公交站点密度，但是当路网密度大于6000米/平方千米之后，提升作用不明显，甚至可能有反作用（总体路网密度在6000米/平方千米左右，公交服务水平最高）。

手机数据·地方发展指标

基于手机大数据的地方发展指标体系构建及上海市案例研究

同济大学建筑与城市规划学院  王德

重点介绍了如何使用手机数据来真实、简单、敏捷和全面的刻画城市发展状态。

以上海市两周的手机数据为数据源，从手机数据的特征及其数据的可识别性出发，以上海市的人口数据为分析基础，构建和分析了上海市的居住与就业、休闲与消费、通勤、土地使用和异常点5方面的16个评价子类别和31个具体评价指标的评价体系。

然后针对上海市宝山区进行了手机数据城市状态分析实践，证明了基于手机大数据的城市发展指标体系对于把握和了解城市状态的可行性和现实意义。

发言结尾，提出了对于手机数据应用前景的展望，认为手机数据是一个可以使我们精细的把握城市动态状态的大数据，我们应该充分利用，形成监控评估城市运行状态的工具。

上海市人口的居住地和就业地分布

上海市土地利用与人口分布关系

居住、就业通勤评价示例

手机数据·预测未来

城市级数据的应用未来

城市数据团联合创始人  汤舸

报告提到我们现拥有包括了人口、LBS、POI、教育、交易、房产、经济、婚恋、物流、空间、电商等多元化的城市级数据种类，可以应用的平台也多样化，包括政府的规划项目、房地产公司、连锁零售企业以及户外广告等。

结合中国银行的数据分析需求和上海的房价到底哪里会涨两个案例，指出相比较解释已知的世界，人们更希望看到对未来的预测，而利用城市级数据预测未来，很大程度上就是要预测人的行为。报告指出用手机数据等城市级数据对人类自己的群体行为的预测需要重点把控好预测过程的“可成长性”、“可优化性”、“可验证性”。然后分享了其团队推出的“潜在的客户精准匹配系统”（分析房地产开发商的需求市场的空间位置的APP），期望用城市级数据预测城市的未来。

报告最后指明城市级数据的应用未来不只在于阅读城市，用数据预测城市的未来可能更重要。

关于银行布点的案例分析

数据应用·就医行为

上海市居民的就医行为及其空间模式研究

华东师范大学城市与区域科学学院  申悦

主要探讨了城市空间要素是否对居民就医行为产生影响，以及这种影响在流动人口和户籍人口之间是否有差异。

利用卫计委2013年上海市流动人口动态监测调查数据、问卷抽样调查数据，采用二次逻辑斯蒂回归模型，研究了居民就医行为（是否就医和就医地点）与社会经济属性（性别、年龄、教育程度、收入）、医疗制度（医保、是否报销）、就医动机（疾病的严重程度）和空间因素（中心城区、远郊、医院数量/所在街道面积、综合性医院数量）之间的关系。

研究表明，相对于户籍人口，流动人口患病后更倾向于不治疗或自我治疗（制度排斥、空间排斥）；空间因素对于流动人口生病后是否就医影响不显著，而对于户籍人口影响显著（主要影响因素是患病严重程度）；空间因素对于居民就医时是否选择综合性医院影响显著。

GPS+出行日志·通勤行为

郊区居民的通勤行为与通勤效率：早晚高峰的差异分析

华东师范大学地理科学学院  塔娜

主要研究北京市郊区居民的早晚通勤特征及其通勤效率差异、通勤效率的空间差异特征，并分析了通勤行为的影响因素。其数据来源为GPS仪器采集和出行日志获取的郊区居民通勤行为数据。

首先，比较了早晚通勤高峰的差异，发现晚通勤距离大于早通勤，并且更趋向于进行非工作活动，但是早通勤效率高于晚通勤；

其次，分析了早晚通勤效率的空间差异，得到就业地点对于通勤行为的影响很大，例如中心城区就业居民的公交使用比例和晚通勤的非工作活动比例最高。

最后，针对居民通勤效率指数与社会经济属性、通勤行为属性、建成环境属性做多层线性回归模型，发现女性、家中有小孩以及低收入群体的通勤效率高，并且随着地铁站的距离减少、路网密度增加、设施密度增加居民的通勤效率越高。

手机数据·轨交事件影响

基于手机数据的轨道交通事件及影响分析

同济大学交通运输工程学院  段征宇

以2011年9月27日上海地铁10号线的追尾事故为案例，采用事故发生前后11天的上海移动的2G手机信令数据，对这一事故发生后的疏散分流情况和事故影响进行了详尽的分析。

研究首先制定了两条主要规则用于通勤客流的识别，并采用基于位置区的出行路线识别方法进行了地面返程路线的识别，计算出两个事故发生站点（老西门和豫园站）在事故发生后站内滞留乘客数和乘客分流速度。其次，研究了事故对当天晚高峰通勤行为和后续日期通勤行为两方面的影响。在对当天晚高峰行为的影响方面，主要体现在当天1，9，4号线的晚高峰时间客流具有明显的增加；在对后续日期通勤行为的影响方面，研究发现通勤者在经历一段时间后，又会恢复到事故发现前的状态，说明了上海地铁网络本身具有较好地抗冲击能力。

根据研究结果，其他地铁线路在事故发生后，在疏散、后续通勤出行中发挥了重要作用，可以看出上海地铁成网之后，已经具备一定抵抗局部冲击的能力。同时，对于地铁的局部事故，需要相关分流线路的运行计划进行调整，如应急公交考虑与分流线路的接驳进行调整，增加事故站点附近的出租车供给等，更好地发挥疏散和分流作用。

多源数据·房价和房屋租售比

上海市的房价和房屋租售比的若干特征——城市空间结构的视角

同济大学建筑与城市规划学院  陈晨

报告主要包括两大核心内容，一是研究总结特大城市住房市场具有的“市、郊二元市场”的空间特征，二是通过分析股灾与房价的变化，研究一般住房消费和投机性住房消费的空间差异。

研究采用搜房网的房价数据、第六次人口普查数据等多来源数据，展示了上海市住房价格和住房租金的整体空间分布，并分析了轨道交通站点、学区房在不同城市区位对房价的影响，指出离市中心越远，地铁房越有价值，并发现教育资源供需的空间错配问题。通过计算住房售租比，发现上海市售租比空间格局存在中间值在市区，极值在郊区的“两头在外”的格局；指出郊区房产市场存在不成熟、投机性强等问题。

在研究股市与房市的变化时，利用房价数据，以及相应时间段股市的波动情况，分为两个实验阶段进行数据分析。研究发现，在股灾前后，一线城市房价增长明显。且两个阶段房产均价增值最高的地区主要集中在中心城区，因此在资金避险的驱动下，选择到市区购房仍是购房者比较理性的选择。

最后，对本研究进行了总结，提出研究的两点主要结论：一是特大城市住房市场的空间特征具有市、郊二元市场结构，与政府资源配置方式、交通组织效率、流动人口的空间分布、城乡空间发展的管治方式等有密切关联；二是在资金避险的驱动下，市民集中到市区购房的倾向更加显著。

上海市住房租售比的空间分布

两个试验阶段房价增幅比

大数据·心得

规划实践中的数据挖掘与使用心得

中国城市规划设计研究院上海分院  刘浏

报告认为大数据对于实际的规划项目，优点主要体现在由于大量数据汇集和高速处理能力带来的高效直观的表达和数据全覆盖产生的对于宏观格局的良好判断。缺点也很明显，在于大数据主要用于描述客观状态，不支持解释现象本质，因此数据分析的解释力不足和预测力不足。

其次报告介绍了他在实际项目中应用大数据的多个实例，向大家展示了大数据（包括微博签到数据、poi数据、大众点评数据、城市照片意象数据等）如何应用于城市地产开发，城市活跃度的分析以及城市间关联度的分析。充分展示了大数据在面对甲方资料暂缺和传统调查方法获取数据的局限性时具有的巨大优势，对我们认清城市问题，进行下一步的规划具有重要的辅助指导作用。同时，指出在不同的研究范围分析数据得出的结论可能不同，因此需要合适的研究角度来看待分析结果。

最后强调了大数据对于思维指导的重要性，认为目前设计院在大数据的分析上仍主要停留在对关键数据上的浅尝辄止的利用，在政府企业高校三方斡旋局势下，规划院处于落单处境，有必要认清规划院自身的优势与潜力，找准发展方向。

多元数据条件下的城市分析示例

城市关联度分析示例

多源数据·通勤走廊识别

上海通勤走廊识别与定制公交线路选择

同济大学建筑与城市规划学院  晏龙旭

利用SODA大赛提供的2015年4月份的上海城市道路交通数据，一卡通乘客刷卡数据和强生出租车行车GPS轨迹数据，识别了居民的通勤OD，筛选出大规模的通勤走廊，进而对相关通勤者精细推送定制公交线路，来解决现有制定公交中存在的公交推广慢，线路制定不合理问题。

研究首先对一卡通用户的出行进行整理，识别出约15万通勤者的OD记录，并对用户分布进行通勤矩阵统计，根据通勤人数规模，分为一级和二级的通勤走廊，发现地铁对于闵行新城、松江新城、宝山新城向中心城区方向以及虹桥——浦东机场间的通勤者比较重要。其次利用出租车数据，在1公里的空间尺度上，识别出高峰时段的通勤OD，分别筛选出短距离和长距离的规模最大的通勤联系，发现出租车对于杨浦——人民广场，大宁——徐家汇两个方向，以及外高桥、金桥的通勤者比较重要，这些可能是城市中存在公交线路缺失的通勤走廊。最后采用公交线路的高峰与非高峰时段客流量之比，筛选出公交的主要通勤走廊，发现公交对于闵行新城、浦东地区向中心城区的通勤者比较重要。

另外，报告还建立了2公里的空间栅格分析尺度，利用手机数据进行通勤走廊的识别。手机数据识别的结果显示，上海市的主要通勤走廊呈现360度的向心结构，但中心区存在丰富的多中心，此外主要的通勤方向体现在中环外向内环内方向，郊区仅有松江、宝山、闵行几个新城通勤量较大。这一结论与之前使用一卡通、出租车轨迹识别通勤走廊的结果具有较明显差异。

最后，报告对如何构建未来的智能的公交系统，如何对多个来源的数据进行联合分析，以及如何从城市规划角度来寻找利用大数据的研究切入点方面提出讨论，为现场听众留下了思考的空间。

利用公交刷卡数据识别通勤走廊

多源数据·轨交大客流阻滞点

应对轨交网络大客流阻滞点的”微网搭桥“解决方案

上海同济城市规划设计研究院   周玉斌副院长

报告研究也是SODA比赛的方案，该方案针对目前轨道交通存在的大客流阻滞点现象，提出“微网搭桥”的解决策略，具体包括：

制定详细的原则寻找最佳的搭桥点，制定多样化的搭桥线路，例如短线多点搭桥策略解决限流点与附近的换乘站之间的联系，长线单点搭桥策略主要用于解决阻流点与较远的换乘站之间的联系，长线直达搭桥策略则主要解决阻流点与较远的目的地之间的联系。同时，结合浦东的实际案例，开发优程客户终端，同时满足政府端的监控、企业端的维护运营和用户端的出行优化三方面需求，展示出较好的应用前景和市场价值。

报告认为，开放数据与城市规划的关系非常密切，但数据获取的瓶颈问题目前仍有待解决。同时，数据需要为规划服务，解决规划中的实际问题，大家在大数据的研究中不能迷失想要研究和解决的问题初衷，将数据聚焦到一个实际的问题进行运用，就能达到一个很好的效果。

数据应用：需找搭桥点

拼桥方案：短线多点搭桥

总结

大数据目前在规划领域起到的仍是局部作用，全面发挥仍然需要一段时间。同时，常规数据在规划中仍然重要，应与大数据相互配合，取长补短。通过这种交流，可以带动高校老师和学生对于信息技术学习的积极性，促进规划实际项目中进行更加精细化、透明化的研究，改善目前规划项目仍以满足甲方要求为主的规划传统思路。

来源：微信公众号·智谱城市大数据·大数据与城市空间分析研讨会要点摘录（上、下）