基于互联网大数据的城市规划

基于互联网大数据的城市规划2017深圳•智慧规划与未来城市论坛甄峰南京大学E-mail：[e-mail]2017年11月17日数据密集型的城市研究范式大数据在城市规划创新中的作用基于互联网大数据的城市规划传统城市研究面临方法革新信息技术加速了知识、技术、人才、资金等的时空交换，使得城市生产与居民活动范围持续扩大、类型更加复杂，并促进了产业重构和空间重组，进而改变着区域和城市的空间格局；流空间已经成为区域、城市以及居民活动的主要载体（Castells,1989）；由于时空间概念被重新定义，以空间研究和布局为核心内容的区域研究面临着研究范式的转型和方法上的革新（甄峰等,2012）。一、数据密集型的城市研究范式一、数据密集型的城市研究范式数据密集型城市研究越来越多的“大数据”携带地理空间属性，为日益复杂的城市研究提供了强大的数据支撑，有助于学者和规划师更加全面、大尺度、精细化地研究各类城市社会经济问题；吉姆·格雷（JimGray）的第四范式：将大数据科研从第三范式（计算机模拟）中分离出来单独作为一种科研范式，强调数据密集型科学研究的快速发展。以数据密集分析为核心的第四范式的提出必将指导城市研究理论与方法的创新舍恩伯格等也认为大数据时代的到来意味着思维方式的变革，基于全样本微观数据挖掘的要素间相关关系研究可以把握发展总体规律（维克托.迈尔.舍恩伯格等，2012），将成为未来城市研究的新方向。规划创新研究重点二、互联网大数据在城市规划创新中的作用过程决定结果，通过大数据来实现科学的规划过程，是形成科学合理规划结果的重要保障和技术支撑大数据驱动深入分析城市问题科学进行城市模拟空间分析更加合理趋势预测更加精准空间管理更加精细城市模拟与仿真规划技术创新科学的结果大数据推动了城市问题分析、城市空间分析模拟、空间趋势预测、城市空间运行评估和管理的科学化、精准化，科学化的过程决定了城市规划结果的科学和合理，从而实现城市空间的可持续发展。数据支撑、人本驱动、科学导向的城市规划创新路径数据类型典型来源特征规划应用生活服务类大众点评、美团外卖、饿了吗、去哪儿、携程、12306、马蜂窝、咪咕、咕咚、keep、Airbnb、淘宝、58同城、智联招聘、搜房网、安居客、链家等基于LBS服务技术服务日常生活中的吃住行等各个环节、同时含有地理空间坐标城市功能空间、居民出行、居民特定活动行为研究社交娱乐类微信、微博、Twiter、Flick、豆瓣等具备明显的电子空间足迹、同时含有丰富的语义信息城市功能空间识别、城市活力、区域关系、城市增长边界的评估与划定等等电子地图类百度地图、高德地图、腾讯地图、Googlemap、OMS等丰富的应用接口、POI、导航、基础地物信息等城市空间结构规划、城市功能分区与土地利用规划、区域或城市发展定位其他政企官网、博客、企业黄页（顺企网）、物流官网（德邦）等文本、图像数据丰富、且隐含空间描述、语义信息维度高区域或城市发展定位、战略方法研究按照产品服务内容及服务场景的差异，可将互联网大数据分为以下四类，同时按照数据的维度特征，将其应用于城市与区域研究的不同环节。互联网大数据的类型三、基于互联网大数据的城市规划互联网大数据的分析思路数据整理入库数据基础分析数据深度挖掘构建空间模型模型应用分析图2.1互联网大数据分析框架三、基于互联网大数据的城市规划三、基于互联网大数据的城市规划区域联系与发展定位•传统研究方法区域联系分析：基于城市经济、企业机构、交通总量等统计数据，借助重力模型等模拟区域之间或区域内部城市之间的相对联系；区域或城市发展定位：基于经济规模、城镇化率、人口和用地规模等统计数据分析，结合全球、国家或区域不同尺度的重大政策机遇，研究确定区域或城市在更大范围内的地位。•基于大数据研究方法利用文本大数据，找出区域或城市发展存在的问题；利用要素流大数据，判断区域或城市在网络中的联系和地位，进而找出区域核心与边缘城市利用文本大数据，找出区域居民对各城市的关注程度，判断城市影响力（综合影响力和各个领域影响力）；最终，结合国家政策、政府发展需求，综合确定区域或城市发展定位、战略及目标。分析案例（全国层面）采集国家级城市群中心城市的百度指数通过重力模型、网络关联法等模拟不同中心城市之间的相互联系网络2017年至今北京、上海、苏州、杭州、成都等中心城市的信息联系最为紧密长三角在全国城市群中的联系等级呈现最高水平。长三角城市群定位研究全国尺度定位：中国社会经济及科技创新核心，世界级城市群？三、基于互联网大数据的城市规划城市群与都市区空间结构研究•传统研究方法主要关注城市群或都市区内部等级结构、空间联系及边界划定研究；基于经济、人口、用地规模、企业数量、基础设施规模等统计数据，侧重对城市群或都市区内部等级结构、相对联系的判断，忽略城市之间的实时联系，对边界的划定更多通过建立评价指标体系、依据行政边界进行确定。•基于大数据研究方法一方面，利用要素流大数据，可以分析城市群或都市区内部各城市综合联系，进而确定城市群或都市区内部空间结构；另一方面，利用居民活动大数据，可以测度城市群或都市区内部活动等级、活动联系及活动邻近性，进而划定基于真实活动的城市群边界；三、基于互联网大数据的城市规划交通流信息流金融流河北省城市群空间结构经济流河北省城镇空间结构研究三、基于互联网大数据的城市规划活动强度活动邻近性活动联系长三角城市群边界划定研究活动总数与建成区面积的比值都市圈层面城市群层面2013年2周微博签到数据，共150多万条三、基于互联网大数据的城市规划分析案例常州都市区空间结构研究通过抓取2017年6月份常州市微博签到数据79603条，共识别出微博用户足迹33616条。三、基于互联网大数据的城市规划金坛市区溧阳市区金坛溧阳天目湖镇邹区镇戴埠镇薛埠镇雪堰镇天目湖镇邹区镇戴埠镇薛埠镇雪堰镇分析案例常州都市区空间结构研究三、基于互联网大数据的城市规划常州市域微博活动联系常州市域微博活动分布常州市域城镇综合等级（基于以上统计指标计算）一级指标二级指标三级指标社会经济指标人口规模指标总人口经济规模指标地区生产总值固定资产投资完成额社会和谐指标乡镇财政收入从业人员在总人口中占比农民人均纯收入微博中心度指标联系度指标双向微博流量之和集聚度指标吸引的微博流强度之和综合微博流分析和城镇等级规模分析，规划常州市域城镇体系。包括1个中心城市、2个二级中心城市、9个中心镇、19个一般镇。与《常州市城市总体规划（2011-2020）》中的市域城镇体系规划相比，将孟河镇、雪堰镇、南渡镇从中心镇降为一般镇；将别桥镇、戴埠镇从一般镇升为中心镇。同时，规划了两条发展轴。南北向发展轴东西向发展轴城区罗溪镇横山桥镇湟里镇邹区镇尧塘镇薛埠镇别桥镇天目湖镇戴埠镇基于大数据的常州都市区城镇空间布局三、基于互联网大数据的城市规划常州都市区空间结构研究城市空间结构研究•传统研究方法利用人口、经济、建设用地规模、基础设施建设等统计数据、社会调查数据及空间数据，一方面描述城市空间结构现状；另一方面结合相关规划、城市政府发展意愿、新的发展条件或机遇等因素，探讨城市空间结构未来发展趋势，多为定性分析。•基于大数据研究方法“物质空间设计”转向“活动空间研究”城市空间结构并仅仅是基于城市现状和符合政府空间目标的经验式布局，需要对城市内部居民活动进行深入分析：即掌握城市居民日常流动网络、活动的时空分布、居民认知及多年份历史变化，并以此为基础进行未来城市空间体系的合理安排更有助于解决城市空间存在的问题三、基于互联网大数据的城市规划常州市中心城区空间结构分析抓取2017年9月份常州市中心城区为期一周的微信热力图数据基于多源数据的常州中心城区空间结构研究分析案例常州市区内部微博流入分析图从微博流来看，中心城区活动空间表现出“一心多点”的集聚特征•一心：指天宁区与钟楼区相邻的几个主要街道，天宁街道、红梅街道、荷花池街道和南大街街道•多点：指湖塘镇、三井街道、河海街道、新桥镇等主要的空间集聚点常州市中心城区内部微博活动总量分析图工作日休息日湖塘镇天宁街道新桥镇三井街道河海街道红梅街道南大街街道荷花池街道基于多源数据的常州中心城区空间结构研究分析案例基于微信热力和微博流分析的常州中心城区现状空间结构武南组团西大湖组团城东组团高新组团新龙组团空港组团城西组团南部新区北部新区主城区湖塘组团中心组团常州市未来中心城区空间结构优化引导政策重大项目基于多源数据的常州中心城区空间结构研究分析案例城市功能区划研究•传统研究方法基于城市空间结构体系，进一步安排城市空间各组团所承担的功能根据各组团用地功能现状，结合城市政府空间发展意愿和规划师经验，划定城市商业、居住、工业、绿地景观、文化保护等多类型的功能区具体范围各组团单一的功能定位，严格的功能分区•基于大数据研究方法“单一严格的功能分区”转变为“基于复杂活动的城市功能区界定”改变传统的以城市道路为边界、城市现状土地利用为基础、未来人口、用地规模及产业目标为参考的单一功能区划方法，从居民“吃、住、游、购、行”的日常主要活动研究出发重新界定城市各类功能区，并找出城市混合功能区的位置和范围三、基于互联网大数据的城市规划分析案例基于签到活动的南京城市功能区划分基于微博签到数据的南京城市功能划分三、基于互联网大数据的城市规划活动区域划分（90个活动区域）城市土地利用研究•传统研究方法基于统计和空间数据，探讨城市土地利用与人口或用地规模的关系、与各类社会经济活动之间的关系，以及不同土地利用类型的比例等；基于各功能组团，根据国家详细的功能用地标准，对各功能组团的现状土地利用进行调整，重新布局城市新拓展区域。•基于大数据研究方法传统研究将土地利用看作城市经济空间开发主要手段，忽视了土地承载之上的居民行为与社会活动；通过各类用地居民活动类型判别和范围划定、居民活动与城市地块空间关系研究，调整优化城市现状用地类型，并通过活动与用地配比参数的总结来指导城市新拓展区域的用地布局三、基于互联网大数据的城市规划基于手机调查数据的校园空间利用（南大仙林校区为例）活动位置活动类型活动情感数据来源：利用自行开发的手机调查APP获取50个自愿学生样本一周每天24小时活动大数据（位置和活动内容数据）智能手机移动研究调查思路分析案例（用地类型与范围判别）三、基于互联网大数据的城市规划基于活动的南京大学校园土地利用判别我们定义空间功能是基于在空间上的活动类型。考虑学生的五项基本活动，睡觉、学习，用餐，通勤和娱乐休闲。在ArcGIS平台上，使用K-mean空间聚类分析方法，使得每个单元格获得其邻近的活动点，获取基于活动类型的用地空间划分结果，并计算其活动强度。基于手机调查数据的校园空间利用（南大仙林校区为例）分析案例三、基于互联网大数据的城市规划工作日校园空间使用强度城市商业空间研究•传统编制方法基于统计和空间数据的商业空间体系与结构分析、基于问卷或访谈数据的商业空间消费者行为分析；基于统计或调查数据的城市商业设施空间分布特征分析；基于问卷数据的城市商业综合体消费者行为分析及空间优化等。•基于大数据研究方法利用消费者活动大数据可以探讨城市商业空间利用效率、消费者行为或情感偏好，指导商业空间优化；利用消费者评价大数据可以研究城市商业设施服务质量和内在影响因素，指导设施配置和布局；利用消费者活动大数据可以研究城市综合体内容消费者活动规律和行为模式，优化内部空间设计；大数据与小数据的结合三、基于互联网大数据的城市规划分析案例（商业空间）活动分布密度基于微博情感的南京新街口商圈分析三、基于互联网大数据的城市规划所有餐馆密度分布所有餐馆人气分布总体来讲，餐饮商户人气分布比密度分布范围小得多小，但是中心体系格局相差不大分析案例（商业设施）基于大众点评网数据的餐饮业发展空间分析与规划三、基于互联网大数据的城市规划空间均衡抽样回归模型变量设计影响因素分析因变量所有餐厅传统菜系餐厅小吃、快餐