【重点项目】基于大数据、AI、Agent人流模拟技术的空间规划理论与关键技术研究丨城市数据派

项目基本信息

资助类别：重点项目（国家自然科学基金）

项目摘要

关键词：城市中心区; 大数据; 规划理论; 城市规划; 空间形态

项目结题成果报告

以下研究成果内容摘自项目结题成果报告。该项目成果报告主体内容共计144页，加下方客服二维码，发送 26316 给客服，即可获得报告主体内容PDF的下载方式。

发送26316给客服

2.研究工作主要进展、结果和影响。

(1)基于全球空间数据库的中心区基础理论与结构模式研究

1研究工作主要进展、结果和意义

1)探析全球视野下城市中心区功能提升与再开发的发展脉络

在中心区发展的非均衡性、自适应性、演替性及自组织性提炼的基础上，可以归纳中心区多种结构现象的共同特征，当把空间要素发展的结构性规律引入空间研究中，置于空间的经济性、社会性等综合效用最大化的目标下，空间原型会更趋复杂，同时也更为逼近现实，有助于提高理论模型的解释力。那么中心区是如何由墨菲等学者研究的中小型中心区的点状单核结构攀升走向面状的多核结构，实现空间规模及结构形态的变化。在中心区空间形态的演替过程中，硬核成为增长极，与各级轴线共同构建起中心区的空间结构框架。在系统解析亚洲不同等级规模与形态的中心区后，发现虽然硬核的数量、形态、等级、布局等都有所不同，但硬核间的空间结构则表现出一定的相似性特征。

在此基础上，项目组根据点轴增长的空间逻辑及硬核间的空间结构特征，将中心区结构提炼为四种原型:单核结构、圈核结构、轴核结构与极核结构，它们也基本涵盖中心区空间结构发展的不同阶段，集中反映其空间结构的增长逻辑。

b)建构全球城市中心区空间大数据沙盘

利用东南大学和同济大学既有的案例库优势，并采用开源地图矢量数据库下载和购买等方式，也包括城市地理数据公司高精度航片，如美国DigitalGlobe公司(QuickBird卫星)与EarthSat 公司(LANDSAT-7卫星)以及英国 BlueSky司等，经过矢量化解译，批量获取全球城市中心空间数据，清洗去除冗余数据和不完备的数据，进行DEM统一误差模型优化，将精确优化后的三维空间数据录入并建构高精度GIS数据库，精确到街坊和建筑层面，从而形成城市中心区空间基础数据。结合实地踏勘校核，POI大数据界定用地功能等方法，建构全球城市中心区的空间大数据沙盘。

c)研究中心区结构模型的空间发展理论

——基于“人-地-业”的城市中心体系测度方法及技术

项目组发现基于特定要素的集聚现象，就可以在整体城市空间环境当中识别出中心区，通过对其所在方位、能级、类型等方面的建构，便能准确地勾勒出城市中心体系的完整形态。项目组基于多学科对城市中心体系研究的视角调研，总结城市中心体系的外显特征基本可以概括以下3种要素的集聚:人一一人群活动、地一一建设规模、业一一业态功能(以下简称人、地、业)。

人——人群活动

城市中心体系是城市公共活动的重要承载，其空间形态会影响到居民活动的时空规律，而居民的行为活动也能反映城市的空间结构。由于手机信令数据高频和大样本的特性，近年来迅速成为城市规划领域中重要的研究工具。它通过信号基站连续不断地追踪手机用户位置的定位信息，实现宏观尺度上对居民活动相对完整的刻画。因此，手机信令数据可以从空间活力的维度对城市中心体系进行识别，并侧重于城市中心体系当中人群活力方面的评估。

地——建设规模

用地和建筑是城市中心体系具体的物质空间载体。由于中心区地价高昂、用地紧凑，其开发强度明显高于城市一般区域，导致中心区往往呈现建筑空间密集化的特征。建筑数据与用地数据的关联所得到的中心区用地面积、总建筑面积、容积率等指标，是研究中用于确定中心区规模的核心数据类型。通过对城市全域用地开发强度的分析，有助于从空间容量的维度对城市中心体系进行识别，并侧重于城市中心体系当中建设规模相关的评估。

业——业态功能

公共服务设施是城市政治、经济、文化活动中所产生物质流、信息流、交通流汇集的场所，高集聚度的业态是中心区空间属性的基础表征。而POI数据代表了各类业态的地理抽象点，它的分布状态很大程度上反映了城市土地空间的使用情况，提供了观察城市中心体系内部职能分工的全新视角。因此，POI数据可全面勾勒城市公共服务设施的总体分布，从土地使用的维度对城市中心体系进行识别，并侧重于城市中心体系当中业态功能相关的评估。

基于对大量案例城市中心体系的测度研究，发现通过各层类型要素识别所呈现出的城市中心区体现为一个面状区域，而在大多数情况下，面的范围是不完全重叠的，且能级也可能存在差异。通过进一步研究发现，人、地、业三者耦合程度可真实反映出中心区的集聚度，这是由于，中心区的形成、升级需要城市中的建设、经济、社会等活动在空间上不断地进行叠加，并且经历较长时期的整合才能实现。可以通过衡量一段时期内三要素之间的重合程度来反映中心区各生产要素的耦合状态。当三者出现的位置区域完全重合的时候，说明人、地、业三要素之间的结合度较好，中心体系的生产资料形成了高度集聚，此时城市中心体系的行业聚集强度和空间聚集强度达到了最高;反之，若三要素分布状态存在空间错位的现象，则其集聚程度相对较弱。

随着互联网信息通讯技术的迅猛发展，城市大数据已成为重要的城市规划学科的发展方向和研究领域，其时效型、高精度、大尺度、人本属性的特点，对城市中心体系的研究起到了积极的推动作用。课题组探索新兴数据来测度中心体系。由于中心区是城市人群活动的重要载体，人群活动越密集的地区则越具有城市中心属性，故社交媒体数据、手机信令数据、浮动车GPS数据等反映人群位置的大数据也被用到该领域中来。其中，手机信令数据利用频率较高，如钮心毅基于上海的手机信令数据，提出了利用手机定位数据识别城市中心体系的方法;而王德基于相似的数据，以3个不同等级的商业中心为例，对商圈进行划分，深入探讨了不同等级商业中心的消费者数量的空间分布特征。从出行距离、时长、时段等多个视角，刻画城市商业中心人群活动动态结构，以及动态时空出行行为关系，总结城市商业中心人群时空分布规律以及与外界的时空行为联系特征。发现在城市商业中心中，更高强度，更高密度的空间通常聚集着更多的人群，但同时同等空间强度下的城市商业中心人群动态活动强度差异受承载行为的业态及空间职能所影响。

项目组发现人群活动是中心体系内部形成紧密关联的关键因素，以空间使用者的行为模式可以解释城市中心体系的空间组织规律。在空间本体层面，依托土地利用和空间形态数据，对城市中心体系的发展溯源、空间构成、形态特征进行了分析，并总结了传统空间视角进行城市中心体系研究的优势和局限。在时空行为层面，将手机信令数据所记录的时空行为信息与空间数据相结合，分析城市中心体系的时空行为分布和行为规律，从时空行为视角对城市中心体系进行重新定义，提出了城市中心体系空间识别、等级界定、形态建构的方法，并总结城市中心体系空间模型。主要包括以下内容:

从时空行为视角重新界定城市中心体系的内涵，将中心区之间联系与组织模式纳入研究范畴。人群作为行为主体对中心体系空间的使用方式，是理解中心体系内部组织联系规律的关键所在。因此从时空行为的角度，对城市中心区、城市中心体系等概念的内涵进行重新界定，将中心区腹地纳入中心区的总体框架，使城市中心体系的内涵不仅仅包括了中心区本体，还增添了各个等级的居住地。其意义在于，居住地人群的活动与迁徙是中心区之间互相影响作用的桥梁，通过重新界定城市中心体系的内涵，使中心区之间联系与组织模式真正成为城市中心体系研究的主要对象。

完善了城市中心体系的空间识别和等级划分方法，使中心体系的结构等级真正反映其在城市系统中的秩序。从行为密度和行为辐射距离两个方面，度量了中心区对公共活动的吸聚能力以及影响范围，提出了包含各级中心区与居住地的中心体系等级构成，使中心体系的结构等级真正反映其在宏观城市系统中的秩序。

……(更多精彩内容详见报告）

项目通过对经典理论的系统归纳与演绎，建立了整体视角下理解城市中心体系形成与发展的理论框架。结合理论框架，进一步开展实证研究，课题探讨了城市中心是如何由本地服务功能和非本地服务功能所构成，基于多源数据的分析，揭示出非本地功能对城市发展的决定性作用。主要结论如下:

(1)一个城市中心的形成与发展取决于向心力和离心力的均衡，向心力主要是集聚经济，离心力主要是交通成本及其他负外部性。一种功能的均衡距离和集聚距离决定了其在城市内部的空间组织形态。本地服务功能的空间组织机制是空间竞争，趋向可达性优势区位，形成等级化、网状分布、功能复合、相对稳定的中心体系;非本地功能则依赖空间联系，具有特定或任意的区位偏好，形成去等级、点状、专业化、相对动态的功能中心。2类中心有着广泛的相互融合的动力，其空间组织机制最终也演化为融合的城市中心之间的相互关系。

(2)整体视角下的城市中心体系可以概括为一个“半网格结构”。本地服务中心经过“自下而上”的演化形成树形结构，而非本地中心的嵌入可以在任意层级的本地服务中心之间甚至与域外全球城市之间建立联系，形成非树形的“半网格结构”，使得整个城市中心体系扮演着本地与宏观区域结构之间的“转换发动机”，将宏观经济联系传递到城市内部的方方面面。将2种机制相结合，就构成了整体视角下“本地/非本地功能划分一空间组织机制(空间模式、区位偏好、空间竞争与空间联系关系)一空间影响”的理论分析框架。

(3)探讨了对城市中心体系实证研究的若干启示。认为应明确城市中心体系的研究对象，可以采用较为综合的城市中心概念，也可以采用就业中心等具体概念，但识别过程应体现集聚性、空间影响2个要求。认为城市中心的功能特征及发展机制亟待实证，并应及时反馈至理论框架，推动其创新和完善。认为实证城市中心体系的规划调控潜力是制定规划政策的前提，包括规划政策对城市中心本身形成与发展、对城市中心空间影响的促进作用2个方面。

项目团队在项目预研期间，将中心区结构模型依照发展阶段凝练为四种空间结构的原型:单核结构、圈核结构、轴核结构和极核结构，每种结构模型又产生若干种不同的亚结构，形成中心区丰富的结构形态。本项目研究中，对全球典型中心区空间进行分形定量计算研究，进一步研究城市中心区的结构模型，进而解释中心区结构模型演替的规律性，分析其内在的机制。

——基于SIT引力评价的多核中心区半极化结构研究

随着城市中心区规模尺度的不断发展，在公共服务设施持续集聚及空间不平衡机制作用下，中心区内部会形成多个不同规模、功能及区位特征的硬核，而多硬核的格局一旦形成，便会存在相互间的作用力与竞争关系这一作用力受空间、业态及交通条件的影响与制约，并具有动态性的特征，使得中心区始终处于整体上极化集聚，而内部结构不断变化的半极化结构状态。

研究发现一个地区的竞争力关键在于该地区的全要素生产率，其关键就体现于产业和空间的组织效率，其中，产业、交通和空间是城市发展的三大核心要素，三者结合紧密与否是竞争力的关键。从交通方面看，交通可达性越高相应的空间区位越好，也就意味着该区位拥有更大的交通承载能力与组织效率，更利于大规模的空间开发、产业集聚和人流组织。另一方面，产业的集聚效应及关联效应又会成为该区位吸引以及筛选产业的关键要素，而聚效应则与产业的空间规模有着直接关系。进而，从空间上来看，一个地区(区位)的吸引力受到空间功能-产业、空间载体一一规模、空间支撑一一交通等因素的直接影响。

对城市中心区而言，硬核是其增长极，中心区内业态的更迭与功能的演进也基本是围绕硬核来展开的，而中心区空间极化的现象，也可以认为是中心区内硬核的集聚发展与空间变化的过程。因此，对中心区极化发展的评价也应该围绕硬核展开，即对硬核的产业、空间及交通要素进行评价。

基于此，项目组在剖析了空间、业态及交通3个因素作用机制的基础上，构建了SIT引力评价模型，对中心区硬核间的结构关系进行评价。评价结果可以直接反映出中心区硬核间的功能结构关系，并对硬核未来的功能结构演替进行预测。在此基础上，以南京市新街口中心区为例进行了研究，应用SIT引力评价模型对其功能结构现状及发展进行了评判。

——基于城市防疫体系建构的城市中心区尺度研究

城市中心区由于聚集了复杂功能业态、高密度建筑群，大量社会经济活动和人群活动流的汇聚与高频流动，各种经济活动流在中心区高密度、高频率地交汇融合，在面对疫情的威胁时，如何在保证疫情防控需求的基础上，最大程度地保障城市的流通性，保障其稳定运行与经济社会相对正常的发展，是城市规划面临的核心问题。从城市规划的角度来看，这些问题基本可以分为两个尺度:城市尺度与社区尺度(下图)。

在城市尺度上，城市中心区经济社会正常的运行与保障体现在人群、交通、物资、市政等方面，而疫情防控则需要限制人群的流动，特别是可能的病毒携带者和易感人群，并在市政设施方面，对可能存在病毒的污水、废弃物等进行有效的封闭式消毒与处理;在社区尺度上，则需要提供中心区社区居民的基本生活保障物资与设施，而疫情防控则需要及时发现并隔离病毒感染、携带与接触者，并对发现感染的社区实施封闭式管理制度，以减少人员流动可能造成的感染扩散问题，还要做好发现感染社区的污水、废弃物的消毒、处理等工作。

目前，深入至小区甚至建筑的封闭措施，使得城市彻底进入“冬眠”或者“暂停”状态，对城市经济社会的冲击过大，也极大影响了市民的日常生活。因此，项目组根据既有的对新型冠状病毒传播的认识，以及城市经济社会发展的客观规律和特征，提出了城市中心区尺度的一种兼顾型城市双尺度防疫体系一-“城市社区”防疫体系。

在非疫情期间，城市是互联互通的，各个社区之间也没有管控，各类要素在城市空间中进行高频的交互流动，此时的城市可以理解为一个多系统交互联通的“网络”(下图(a));而在疫情暴发时，并不进行全城的无差别管控，而是只针对发生疫情的社区进行管控。社区是城市的基本构成单元，也是公共服务设施供给和市民生活活动的基本单元，对发生疫情的社区进行管控，既可以有效限制病毒的传播，也能保障市民的基本生活需求，同时，也能最大限度减少由于空间管控给城市带来的影响。需要注意的是，在划分隔离社区时，需要保障隔离单元内公共服务设施统筹管理和调配使用的便捷性，避免管控单元超过居民日常生活圈尺度。

在这种城市整体开放、局部社区管控的方式下，城市整体的网络特征得以保存，并能通过重要的系统廊道把隔离管控的社区嵌入城市系统之中，成为“网络”+“串珠”式格局(下图(b))。

城市层面的防疫空间布局模式城市层面防疫体系的重点是整体性提高不同城市系统抵抗疫情冲击的能力，并为社区的防控管理提供基础保障。针对疫情的特点，在城市层面，重点要进行交通系统、医疗系统、垃圾和污水系统的调整，以便实现人员调配、物资的有效供给以及废弃物的处理(下图)。

在城市层面，非疫情时，城市道路会根据其功能和等级的不同分为交通性道路、生活性道路、景观性道路，或快速路、主干路、次干路、支路等。在疫情时，城市道路系统必须进行有效的切分，将疫情相关人员、物资的输配与日常输配进行切分，特别要避免感染者转运过程中的病毒传播扩散问题。相关物资如果需要进入社区，则需要通过特定出入口，并经过相关检验、消毒后才能进入社区。而医疗废弃物、生活垃圾等可能存在病毒二次传播的物品，也应通过检疫点进行密封、消毒等处理后，通过专用通道进行转运，集中处理。

社区是城市行政管理的基本单元，也是疫情具体的发生、传播及防控重点。不同于日常时期的开放式管理，在疫情暴发时，发现感染者或密切接触者的社区应该且必须进行封闭式管理，重点解决医疗设施、人员与物资进出、生活服务等问题(下图)。

d)城市中心体系“叠环”空间模型

基于对东南大学所在的南京市和同济大学所在的上海市进行长期的实地追踪数据，项目组提出了城市中心体系 “叠环”空间模型，解释了城市中心体系的空间组织方式与机理。通过该理论认识到城市中心体系不是孤立的个体，在中心体系的空间演化律、等级扩展律与职住熵减律的影响下，中心区通过环形单元进行连接，通过层层套叠的方式，在总体层面形成中心体系的“叠环”空间模型。在“叠环”空间模型中，通过人群的流动、迁移，解释了中心区结构形态演化的空间机理，中心区之间的促进与抑制作用发挥的空间规律，以及中心体系与城市空间关联的具体形态。

(2)基于多源大数据的中心区CIM 模型搭建与内在流体规律研究

1研究工作主要进展、结果和意义

a)基于“动静显隐”的CIM系统建构

在城市规划视角下，CIM是城市级别的有机数字镜像。平台将城市的物理空间转化为三维数字城市模型，在公众、政府、企业等多角度下在物理空间形成城市的数字镜像，全量的、实时的反映城市运行及未来发展状态。作为城市空间数字化至孪生城市的时空纽带，CIM平台融合各类信息，从时空信息整合、全空间模型构建、动态可视化表达三个层次，构建覆盖城市二维三维，地上地下、宏观微观，静态动态，过去现在和未来的数字底座。CIM组织构成不限于GIS、BIM、I0T相关技术及实体聚合形成的单一系统，而是整合城市数字地理空间模型、政府管理决策信息、企业居民个体行为信息和城市未来发展愿景信息四部分构成的有骨骼架构、大脑及器官、有血有肉、有发展目标导向的城市有机整体映射。

“动”、“静”、“显”、“隐”作为面向城市设计的四个应用维度，同时在实践中具有丰富的类型。动态大数据的实践类型包括手机用户数据、手机信令数据、公交刷卡数据、机动车GPS数据、航空铁路班次数据、大型场馆和城市开放空间人群数据;静态大数据的实践类型包括遥感影像数据、街区用地数据、建筑数据、城市道路数据、城市开放空间数据、天空可视域SVF数据;显性大数据的实践类型包括网络词频数据、微博签到数据、街景图像数据、Flick数据、大众点评数据、大气能见度数据;隐性大数据的实践类型包括业态POI数据、城市能耗数据、城市房价数据、城市热环境数据、城市风环境数据、城市3D噪声数据这四种大数据的应用维度在包括芜湖、上海、杭州、南京、郑州、无锡等多地的城市设计项目中、甚至国际城市形态的研究中得到了实践及应用。

项目组通过规划条件形成跨专业数据底板，不仅把总规和详规以及城市设计连接起来，还把交通、能源、供水、环保等与之相关的专项规划和城市规划方案无缝衔接起来，建立各专业之间的数据协同联动。实际上，不同机构的方案在平台上拼合在一起，就能快速发现某些线下难以发现的不吻合点。同时，模型测试以及仿真模拟，包括交通、空间、水和气候系统模型，都将成为规划设计方案优化的辅助工具。更为重要的是专家会商，推动人机互动，辅助识别规划设计中需要优化的部分。针对具体施工项目，这个平台也将关注全生命周期的建设施工过程，包括土方量的估算、施工时序、物料运输、物流配给等，同时也包括施工过程中的科学化管理以及工地的智慧化监测、预警等。针对不动产的管理，空间编码最小单元是房间或户型，这些房间或户型具有不同的空间编码，关联到人口信息，之后衍生到与人相关的社会经济等属性之中，从而实现对不动产更为综合化的评估，包括住房和产业体系的评估，有助于实时协同空间资源的再分配和相关政策的优化。

在城市运维方面，CIM系统建构更加强调城市感知与万物互联互通的作用。通过城市市场化的运行，实时采集不同类型的建筑物、不同类型的人口对能源交通、公共设施等使用情况，推动城市实时监测、预警、评估，定期反馈进行大数据分析，用于下一步的规划、设计、建造、运营，提高空间治理能力。

b)中心区人群总体动态模型搭建和规律解析

同济大学对于上海市人群动态特征有着长期的研究积累，项目组在此基础上那个基于手机信令数据，从日常流动视角，构建了城市空间人群流动性指标框架，探讨不同维度下及不同空间层面的人群流动性特征;通过聚类分析，将流动性空间归纳为居住主导型、就业主导型、交通枢纽型、休憩主导型、城市边缘型6个基本类别;在量化五类建成环境要素的基础上，通过相关性分析与模型构建探讨了建成环境要素对实有人口密度和流动性空间类别的影响;从上海市域活动空间结构认知与局部空间实有人口密度的精细测算两方面着手，探讨了研究结论在规划和人口管理领域中的参考价值，并提出优化策略。

……(更多精彩内容详见报告）

(3)基于中心区CIM模型的人工智能深度学习与规律预测系统研究

1研究工作主要进展

1)建构基于卷积神经网络的中心区人工智能深度学习系统

——基于卫星影像的中心区空间建设评估

(1)建筑信息提取与修正

项目组根据卫星影像图集以及建筑数据集按照地理位置进行叠加并筛查出建筑数据与卫星影像具有对应的作为已叠加图像储存入图像叠加集中。将所述图像叠加集输入预先构建的提取模型，通过根据损失函数的变化情况来调整优化器的方式进行训练。通过一个中间包含剪切层的分割深度卷积神经网络架构先将所述已叠加图像中的卫星影像图切割为1600*1600像素*3通道的切片，并从中随机选择一个范围在600-800像素*3通道之间的方形区域缩放到640*640像素*3通道，并提取对应中央区域的512*512像素*1通道的建筑轮廓栅格与所述已叠加图像中的建筑数据图通过数据增强处理的方式得到所述已调整图像栅格。监测所述提取模型对所述已调整图像栅格的训练表现，在稳定状态下训练表现最好时存储提取模型，将所述提取模型作为所述建筑轮廓提取模型，将所述提取模型中的输出层中的激活函数从Sigmoid函数改为Relu函数，并保留输入层、特征提取层、裁剪层以及特征融合层得到训练用建筑层高提取模型。将所述图像叠加集输入所述训练用建筑层高提取模型中并监测所述层高提取模型对所述已调整图像栅格的训练表现，将在稳定状态下训练表现最好的所述训练用建筑层高提取模型作为所述建筑层高提取模型。

通过GoogleEarth或天地图的开放API获取某地区多年份的高分辨率卫星影像，所述高分辨率卫星影像包含RGB三通道。将基准年卫星影像切片图以及对比年卫星影像切片图通过训练好的建筑轮廓提取模型得到基准年建筑轮廓、建筑层高结果以及比较年建筑轮廓结果。将基准年建筑轮廓结果以及比较年建筑轮廓结果进行矢量化并通过修正建筑矢量边界得到修正基准年建筑轮廓结果以及修正比较年建筑轮廓结果。分别将修正基准年建筑轮廓结果与基准年建筑层高结果、修正比较年建筑轮廓结果以及比较年建筑层高结果进行汇总分析得到基准年建筑面积存量结果以及比较年建筑面积存量结果。

(2)变化信息汇总与评估结果输出

将修正基准年建筑轮廓结果以及修正比较年建筑轮廓结果通过计算交互比进行分析得到建筑发生变化情况结果。按统计单元分别将建筑发生变化情况结果、基准年建筑层高结果以及比较年建筑层高结果进行汇总分析从而得到建筑面积变化汇总分析。通过统计建筑矢量边界内的层高总和并乘以单位像元面积从而得到建筑面积存量统计结果。输出建筑面积变化汇总分析以及基准年建筑面积存量结果以及比较年建筑面积存量结果。

——基于人工智能的商业街区建筑体块生成的方法

项目组研发了一种基于人工智能的商业街区建筑体块生成的方法。该技术首先通过获取目标街区及周围街区的地理信息数据，构建出三维空间沙盘;其次通过转译提取各类规划文件和当地法定规范中的设计条件，生成街区三维建筑体块;:然后构建街区三维轮廓线训练样本库，通过加载机器学习模型生成街区三维建筑高度并对建筑形态进行优化，生成街区建筑体块多方案;最后使用全息展示设备进行方案模拟展示和方案指标显示，并输出方案。本发明针对上一代人工智能技术生成大量无效方案的问题，实现了基于人工智能有效多方案的生成，解决了上-代人工智能有效方案筛选过程中耗时长、人力投入大等难题，提高了规划师设计效率。

通过街区基础数据采集与三维空间沙盘构建，即获取目标街区及其周围街区的地理信息数据，进行坐标系的统一，构建出三维空间沙盘;其中包括:街区地理信息数据采集，采用搭载像素为2000万以上的测绘无人机采集目标街区及以目标街区为中心向外扩展一个街区的地理空间信息，通过内置数据采集模块，将栅格格式的图片信息转换为矢量数据，并录入地理信息平台;街区三维空间沙盘构建，在地理信息平台中，将上述方法中的地理空间矢量数据转换至统一坐标系，进行空间地理坐标与投影坐标对位，并制成高精度的三维空间沙盘。

……(更多精彩内容详见报告）

(4)基于精细规律的中心区功能提升与空间优化技术研究

1研究工作主要进展、结果和意义

1)城市中心体系空间结构优化设计技术

项目组利用手机信令数据，从个体的时空行为出发，在用地强度、职住关系、居民出行行为和城市空间结构等多个方面，对上海市的城市建成环境进行分析和评价，旨在建立一套利用大数据评价城市建成环境的研究体系，作为对以个体时空行为研究城市空间这一理论的实践，同时为上海市的城市规划和建成环境改善提供实证依据支持。

用地强度分析:用低强度分析的主要目的是为了识别城市建设用地中的不合理、低效现象，如闲置工业用地、入住率极低的居住区等，研究通过夜间居住用地人口密度与白天工业用地人口密度分析其用地强度，并对低强度用地的分布与比例进行分析。

从用地强度上看，上海市居民的分布主要集中在中心城区和郊区的副中心，呈现出一个主中心和多个副中心的结构，且中心城区的人口密度显著高于郊区。居住用地和工业用地上均发现有低人口密度的低效空间使用地区

……

……(更多精彩内容详见报告）

还有更多成果内容，详见项目结题成果报告。该项目成果报告主体内容共计144页，加下方客服二维码，发送 26316 给客服，即可获得报告主体内容PDF的下载方式。

原文始发于微信公众号（城市数据派）：【重点项目】基于大数据、AI、Agent人流模拟技术的空间规划理论与关键技术研究丨城市数据派