基于城市大数据的城乡规划专业课程思考

来源:用户上传      作者:吴莞姝

　　摘要：精细化和理性化设计已成为城乡规划设计的趋势，大数据分析技术是城乡规划专业学生量化分析能力的重要构成和体现。城市大数据主要包括环境大数据和行为大数据。按照研究尺度，城市大数据的应用分为区域、总规、控规和街道设计4个层面。依据各类城市大数据特征和应用场景，城市大数据课程划分为理论教学、数据处理和综合实践训练3个模块，分别对应原理背景、软件技术、实践操作的能力提升。理论教学模块主要介绍最新前沿理念以及大数据原理、模式、类型等;数据处理模块主要培养学生的数据挖掘技术、数据处理和清洗校验技术、数据分析能力、数据可视化能力;综合实践训练模块指选取不同的研究课题和应用场景，进行大数据技术的应用实践。
　　关键词：城市大数据;城乡规划;理论教学;数据处理;综合实践训练
　　中图分类号：G642.41     文献标志码：A     文章编号：1674-9324（2020）12-0350-04
　　 一、引言
　　随着信息和通信技术（ICT：Information and Communication Technology）的发展，大数据时代已经全面降临。自2014年大数据首次写入政府工作报告，大数据从政策层面就备受关注。一系列与此相关的政府文件陆续发布，包括《国务院关于促进云计算创新发展培育信息产业新业态的意见》《促进大数据发展行动纲要》《中华人民共和国国民经济和社会发展第十三个五年规划纲要》《大数据产业发展规划（2016—2020年）》等。上述文件均以加强大数据开发与利用为目标，主要内容包括推动大数据在教育科研等多个领域的发展，加快相关人才的培养。
　　城乡规划专业是一门综合型学科，城市是大数据的集散地，涉及大量结构化与非结构化数据，如人口、经济、交通、景观等。通过传统的实地踏勘、问卷访谈等数据采集方式获取的城市数据，无法在较广的时空范围内客观、精确地反映城市发展现状和居民活动规律，由此获得的城市运行信息也存在较大的滞后性。城市静态建设管理指标已不适用于动态多变的城市系统。大数据可以弥补上述缺陷，深入刻画城市物质空间和社会环境。这不仅为客观认识城市系统并总结其发展规律提供了可能性，同时也为城市规划和相关研究提供了重要支撑。
　　在当前城市更新的背景下，精细化、智能化管理和设计已成为城乡规划学的发展趋势。除了定性研究能力外，专业人员还应掌握基于多源、海量数据的量化分析能力。定量研究结果可以为规划和设计方案提供精准的数理统计分析与高拟合优度的预测模型構建。城乡规划设计中，大数据已经进行了多个场景的应用。近两年来，各类规划和设计的编制、评价与管理过程中，大数据在前期研究、方案预测与动态评价等方面都发挥着一定的作用。大数据技术为规划行业发展提供了强有力的技术支持，是推动城乡规划决策从经验决策向有限理性决策转变的主要推动力[1]。将定性与定量分析相结合，已成为城乡规划专业发展的趋势。
　　在上述背景下，大数据方法作为城乡规划领域的一项新技术，可以为设计类课程提供基础支持。作为应用性较强的专业，城乡规划的教育教学也应引入基于城市大数据的课程设置。
　　二、城市大数据的发展现状
　　城市大数据的本质还是大数据，只不过专业人员将大数据应用于城市建设发展以及与空间相关的居民活动特征分析中去，将其统称为城市大数据。随着数据流通和交易的普及与政府数据的开放、共享，利用大数据保障和改善经济、社会与城市发展的概念深入人心。大数据被用于定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新[2]。具体而言，大数据主要是指在一定的时空范围内难以用传统常规手段捕捉、存储、处理和管理的数据集。该数据集在新的处理模式下能够挖掘出较强的决策力、洞察力和优化力，是一种具有较高容量、增长率和多样性的信息资产。大数据具有5V特点（最早由IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。5V特点决定了大数据科学能够触及居民活动、城市建设、政府管理、科技研发以及企业经营等多个社会领域。当前，大数据的主要应用场景包括改善城市、金融买卖、挖掘客户需求、改善安全和执法、优化业务流程、提高医疗和研发、优化机器和设备性能等。
　　城市大数据主要指大量反映城市空间组织和居民行为特征的网络数据以及移动信息设备数据，是互联网公司在日常运营中生成、累积的用户网络行为数据以及通过数据挖掘技术在网络上爬取的各类数据。这些数据集合以容量大、类型多、存取速度快、价值密度低为主要特征。对这些海量、分散、多样的数据进行采集、存储和关联分析，可细化和补充对城市与居民的认知，并在此基础上预测未来发展趋势。
　　城市大数据主要包括两类：环境大数据和行为大数据。环境大数据指的是对物质环境要素的反映，如POI数据、街景图片数据、遥感数据等。基于环境大数据的挖掘和分析，可在多个空间尺度更加精细地认知城市环境，并进行全面的客观评价和实时的动态评估。行为大数据指对居民行为特征的反映，如手机信令数据、LBS定位数据、WIFI接入数据、公交刷卡数据、网络签到数据等。这些数据包含动态、精准的“人（who）—时（when）—地（where）”信息，可挖掘城市居民在多个空间尺度和时间段的活动特征，弥补传统研究只能在较小尺度和某个时间截面认知居民行为规律的不足，为城乡规划设计提供新的思路和方法，并为城市未来发展和居民行为预测提供分析基础，使得决策日益基于数据和分析而做出，跳出以往基于经验和直觉的局限，为规划决策提供强有力的支撑。
　　三、城乡规划专业课程设置现状
　　城乡规划学科专业指导委员会提出城乡规划专业人才应具备六项能力：前瞻预测、综合思维、专业分析、公正处理、共识建构和协同创新。前瞻预测能力是基于客观发展规律预测城乡发展;综合思维能力是基于分析整合城乡综合系统关系要素，发现并解决问题;专业分析能力是利用相关技术方法分析推演规划对象的未来需求和影响效应[3]。上述三项为基础能力，均要求城乡规划专业的学生具备较强的量化数据分析能力[4]。 　　在当前智能化社会发展背景下，大数据分析技术是量化分析能力的重要构成和体现，大数据分析能力是城乡规划专业学生需要掌握的重要技能。然而，根据全国城乡规划专业指导委员会的统计资料，目前城乡规划专业教学体系中一半以上（约65%）的课程基于建筑学背景进行设置，只有少量课程源于其他工程和理学学科[5]。课程教学，尤其是本科生教学，对于量化数据分析能力的培养较为欠缺。因此，如何在传统的城乡规划教育体系中合理设置基于城市大数据的课程教学，有效提升学生的数据分析能力，并为规划设计提供基础支持，值得我们深入思考和探索。要达到上述目的，首先应明确城市大数据在城乡规划中的主要应用场景，基于应用场景，有目的地进行课程安排和教学计划。
　　四、城市大数据的主要应用场景
　　依据研究对象，可将城市大数据的研究内容划分为城市空间、城市人口、城市交通和城市管理4个方面。按照研究尺度，城市大数据的应用分为4个层面：区域层面、总规层面、控规层面和街道设计层面。每个层面均有对前述4个研究内容的涉及。本文选取每个层面的典型研究案例进行汇总阐述。值得注意的是，单独依靠某一个数据或某一类数据进行分析的意义有限，多数研究场景是基于多源数据的分析，是城市大数据和传统统计数据的结合，从行为大数据中提取居民活动特征，从环境大数据和传统数据中提取城市环境特征。通过行为活动与空间形态的耦合性分析，能够有效发现现状与规划的不合理之处，弥补传统“一致性评估”的局限性[6]。
　　（一）区域层面
　　在区域层面，手机信令数据能够有效弥补传统静态数据的不足。作为城镇体系规划的基础数据之一，提取手机信令数据中跨镇出行的出行链，可获得城镇联系度。结合城镇体系规划的实践案例，将其应用于城镇体系规划中的空间结构、等级结构、中心城市腹地、区域重要交通设施服务范围分析[7]。
　　（二）总规层面
　　在总规层面，大数据的应用主要指基于城市尺度的分析。从手机数据中可提取城市尺度街道之间的就业—居住功能联系和游憩—居住功能联系，借鉴社会网络分析方法，从单位面积吸引量、联系紧密程度两方面分析空间结构的功能联系特征[8]。
　　中心城市日常运营中的“实际服务人口”，超出传统城市规划体系中的“常住人口”。使用手机数据，可提取短期驻留人口在城市的时间停留、空间分布、出行强度等特征，从而对城市空间发展进行有针对性的优化[9]。
　　在交通方面，根据手机数据的通信特征，可提取测度地下轨道交通站点客流的特征，并将其与基站识别软件实测数据和IC卡数据比较，确保准确性。该方法可用于轨道交通乘客职住地分布以及各站点换乘客流量等的应用，为优化轨道交通规划设计与运营管理提供支撑[10]。
　　（三）控规层面
　　大数据在控规层面的应用主要指基于街区尺度的分析。使用手机数据，可估计街区尺度的城市活力特征（居民活动强度、流动性、停驻时长和不稳定性等），评估不同街区城市活力的差异，在此基础上，分析建成环境对城市活力的影响特征，明晰街区层面显著影响城市活力的建成环境要素和影响机理，从而提出以提升城市活力为目的的街区建成环境优化策略[11]。此外，还可使用手机信令数据提取城市公共中心的活动人群行为特征，进而分析公共中心体系的服务层级、服务对象、服务半径及能级特征与演变规律[12]。
　　（四）街道设计层面
　　街道研究可以使用感知人群活动的行为大数据进行较长时间维度或大范围、精细化地观测街道活力，从而记录多个尺度下相当数量的使用者在街道连续时空中的精细化行为和感受，评价街道活动特征，进而审视街道空间设计，特别是与使用者行为感受密切相关的场所概念及其相关理论。以新视角来感知城市街道，已有研究从量化验证的思路出发，使用更为细致的行为记录等手段，以量化模型或统计的方法，以期深化建成环境影响街道活力的设计理论，提出更好促进活力的街道设计策略[13]。
　　五、基于城市大数据的课程设置
　　城乡规划专业学生应具备的城市大数据处理关键技术一般包括大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘和大数据可视化。城市大数据课程共32学时，包括三个模块：理论教学、数据处理和综合实践训练。
　　（一）理论教学模块
　　理论教学模块主要指介绍最新的大数据支持城市研究和规划设计的前沿理念、大数据的生成原理和构成模式、城市大数据的类型以及典型数据介绍，使学生了解大数据在城市研究中可能的应用场景，包括区域规划、总体规划、控规和街道设计等内容。
　　理论教学模块共6课时，包括2个部分。首先，用2课时介绍城市大数据的类型、基本原理、典型数据以及各类数据的特征。其次，使用4课时介绍城市大数据的前沿研究、城市大数据在各个城市尺度上的应用（包括依據不同研究场景的要求如何选取合适的数据源）、各类数据源在该研究场景中的适用性和局限性、数据处理方法和分析思路、如何辨析计算结果的有效性，以及按照传统理论和经验认知合理解读分析结果，并提出对规划设计有效的实施策略。
　　（二）数据处理模块
　　数据处理模块主要指培养学生的数据挖掘技术、数据处理和清洗校验技术、数据分析能力、数据可视化能力。这些课程以课堂操作为主，包含多个软件的操作学习，包括Arc GIS、SPSS、空间句法的加强学习，以及SQL Server、Python、Stata、Matlab等软件的初步使用。
　　数据处理模块包含14学时，其中4个学时用于Arc GIS的加强学习，在学生掌握基本的Arc GIS操作技能的基础上，学习使用Arc GIS的高级分析工具，以及这些工具可被应用的场景;2学时用于加强学生对SPSS的操作，分析数据的统计特征以及多种回归分析方法的简单原理、操作和结果解读;2课时用于空间句法的加强学习，包括软件操作和分析解读;6学时用于带领学生了解当前应用比较广泛的数据爬取技术和编程软件，掌握基本的编程语言。该部分教学内容主要是基本原理讲解和入门训练。学生虽不能在较短时间内熟练掌握上述编程语言和软件，但可以对基本原理和语言逻辑进行了解，便于课下的后续深入学习。 　　（三）综合实践训练模块
　　综合实践训练模块指学生掌握了大数据分析辅助设计的思路、途径和方法后，应用大数据技术，选取不同的研究课题和应用场景，进行大数据技术的应用实践。学生分组完成任务，选取感兴趣的城市问题以及合适的大数据技术进行分析，如商圈分析、城市活力分析、街道活动分析、公共服务设施公平性分析、旧城空间分析、土地使用功能混合度分析等。
　　综合实践训练模块采取小组合作和课堂汇报的形式，共包含12学时。前2个学时用于交流选题，在学生选取感兴趣题目的基础上，教师就研究方向和可行性进行指导和辅助;后续8个课时用于深入研究，课堂交流每个小组的最新研究进展，提出下一步的研究计划，并预测难点和技术障碍，之后全班学生就每个小组的难点和解决方案进行讨论，使其不局限于本组课题的思考，对其他研究课题也有一定的了解;最后2课时用于汇报最终研究成果，包括研究背景、研究框架、数据源和数据处理、研究方法、研究结果、结论与讨论等内容。
　　六、结语
　　城市规划和管理逐步转向精细化、智能化，更进一步催生规划设计对定量研究的需求。多种城市大数据源的涌现，形成“新数据环境”。新数据以精细化尺度覆盖大量城市，这些微观个体数据使得城市定量研究在空间尺度、时间维度、研究粒度和研究方法上取得飞速发展，对更新规划设计提供有效支撑。
　　在此背景下，城乡规划学的教育已不再局限于以美学为基础的定性分析和经验判断，应加强规划设计中的定量研究方法和城市大数据技术的培养。该培养模式的主旨在于使用新的数据源，以定量研究为驱动，重新审视城市规划相关理论和设计方法，并提出当前城市环境中的有效规划策略。通过数据分析、建模等手段，为模拟规划方案带来的未来城市效应提供预测、模拟基础。此外，大数据也可在前期调研、现状分析、方案评价、项目追踪等方面，以数据实证提高设计流程的科学性。因此，在未来的城市更新设计中，强化定量研究方法的应用范围和成果实施，可在有效探测城市发展路径、科学认识城市发展规律的同时，为规划提供新的思路和方向，成为城市研究和规划设计的重要工具。
　　参考文献：
　　[1]吴一洲，陈前虎.大数据时代城乡规划决策理念及应用途径[J].规划师，2014，（8）：12-18.
　　[2]文巍，王晶，李春研，等.基于大数据背景下的城市更新节点设计方法研究[J].河南建材，2017，（1）：22-23.
　　[3]高等学校城乡规划学科专业指导委员会.高等学校城乡规划本科指导性专业规范[M].中国建筑工业出版社，2013.
　　[4]邓一凌.城乡规划研究生量化数据分析能力的培养模式研究[J].建筑与文化，2019，183（6）：65-66.
　　[5]孙一歌，张百伶.大数据支持下城乡规划专业设计类课程教学方法的思考[J].教育教学论坛，2018，28（7）：223-224.
　　[6]钮心毅，朱娟，施澄.手机信令数据支持城市总体规划实施评估的技术框架[J].城市建筑，2019，（9）：16-20.
　　[7]钮心毅，康宁，王垚，谢昱梓.手机信令数据支持城镇体系规划的技术框架[J].地理信息世界，2019，26（1）：18-24.
　　[8]丁亮，宋小冬，钮心毅.城市空间结构的功能联系特征探讨——以上海中心城区为例[J].城市规划，2019，43（9）：107-116.
　　[9]施澄，陈晨，钮心毅.面向“实际服务人口”的特大城市空间规划响应——以杭州市为例[J].城市规划学刊，2018，244（4）：41-48.
　　[10]周围，施澄，钮心毅，等.基于手机信令数据的轨道交通客群特征研究[J].综合運输，2019，41（9）：49-54.
　　[11]Wu W.，Niu X.Influence of built environment on urban vitality：A case study of Shanghai using mobile phone location data[J].Journal of Urban Planning and Development，2019，145（3）.
　　[12]钮心毅，康宁，李萌.都市圈视角下的上海城市公共中心体系重构探讨[J].城市规划学刊，2019，250（3）：42-49.
　　[13]钮心毅，吴莞姝，李萌.基于LBS定位数据的建成环境对街道活力影响及其时空特征研究[J].国际城市规划，2019，33（1）：28-37.
　　[14]龙瀛，崔承印，茅明睿，等.大数据时代的精细化城市模拟：方法、数据、案例和框架[C].城市时代，协同规划——2013中国城市规划年会，2013.
转载注明来源:https://www.xzbu.com/9/view-15143793.htm