孙士玺，数据挖掘工程师、青年城市规划师，现就职于京东，曾任职甲级规划设计研究院。研究方向包括时空大数据与国土空间规划、城市数据仓库建设等领域。参与国家城市体检试点项目、国土空间开发与保护现状评估试点项目、国土空间规划项目编制，著有《基于大数据的福州市城市效率体检》论文、《城市大数据实战应用研究（一）》、《城市大数据实战应用（二）–人工智能与API调用进阶》课程等。
本文将结合作者的项目实践与科研探索，从信令大数据、交通态势大数据、街景图大数据展开，对基于大数据的人口流动关系、职住分布测算、交通态势观测、城市拥堵区域识别、基于街景图识别的街道绿视率、开敞度、界面维护度等方面介绍相关的大数据研究经验，并形成对数字孪生城市建设的展望。
随着本轮国土空间规划的渐入尾声，我国城市建设已由快速扩展式发展逐步转向匀速、均衡的发展，低碳减排与有限增量空间的城市提效，已成为下一阶段的重点。在生产要素不再快速增长的背景下，我国继续稳定提高社会生产力，需要依赖于数字化、智慧化等新技术赋能城市发展建设。
国家十四五规划指出，2035年将实现数字中国的建设，在数字经济、数字社会、数字政府、数字生态落实发展，推进城市数据大脑建设，探索建设数字孪生城市[1]。新技术与大数据带来的新维度，将成为下一阶段城市建设工作的关键抓手，不仅在城市体检评估、城市更新、城市设计等相关工作中促进城市的低碳减排与提效发展，还将是未来城市发展建设的重要增长极。
数字孪生城市建设已成为中国各城市建设的重点，借助信息化技术与第三方技术支持政府决策及政策执行，已经成为现代化治理体系的重要举措[2]。1998年美国首次提出数字城市建设，其主张通过空间信息技术实现城市虚拟服务平台；2008年IBM提出智慧城市，在数字城市的基础上结合物联网、云计算、人工智能，实现数字地球与人类物理系统的整合；2018年中国信息通信研究院提出数字孪生城市，即利用各类先进技术，使得物理世界的动态信息能够通过传感器被实时地、精准地反馈到数字世界中，使得数字孪生城市具有实时性以及保真性[3]。从数字城市到数字孪生城市，城市的数字化、智慧化建设路径已变得愈加明晰。
目前基于多元数据导向的数字孪生城市建设，正作为一剂良方调理着“城市病”。基于信令大数据已可以实现对城市人口空间活动的精准识别，在不同的时间维度下，更可以洞穿城市人口的空间活动规律，是以人为本城市建设的有效抓手。
基于交通态势大数据则可以清晰的展现城市交通能力的空间分布，清晰的识别城市不同时间段下的每条“毛细血管”的通行能力，为精准治堵、优化城市格局提供了有力的支撑。基于城市街景图大数据的研究，正使得抽象的城市空间以参数化的形式呈现，使城市宜居度、幸福度、包容能力等成为空间上可识别、可比较的具象指标。下文中，笔者将基于信令数据、交通态势数据、街景图数据的研究探索，展开对数字孪生城市建设的未来展望。
1、基于信令数据的人口空间活动特征大数据探索
基于手机信令的时空大数据，可以从空间维度、时间维度与人群基础信息勾勒人群生活画像，出行偏好画像（OD），App使用画像等分析，可有效支持迁徙规律、职住规律等人群空间活动特征的挖掘分析。
1.1 区域人口迁徙规律识别
基于人口空间的出行数据，可以清晰识别城市间人口流动规律，以及定量化计算人口的迁入、迁出与总量。当限定不同的时间维度，可以呈现更为丰富的分析视角。例如对照春节与日常的人口变化，识别返乡人群的空间分布；抓取国庆长假期间的游客空间分布，分析游客的归属地数据信息，识别游客来源；在早晚高峰期间，识别周期性跨城出行的人群等。
图4 中国人口迁徙模块度（Modularity）分析（2020年1月）
1.2 区域人口职住规律识别
基于信令的夜间与日间数据，可以清晰识别城市人口的夜间长期驻留地（居住地）与日间长期驻留地（工作地）。相较于统计年鉴与人口普查数据，信令数据的人口职住信息具有精度高、延时短、可动态观测等优势。例如，基于信令数据实现逐小时对城市人口的空间活动观测，或精准识别职住失衡的具体城市单元（250m*250m），可有效助力城市的精细化治理。
1.3 特定人群空间活动特征识别
信令数据与空间地理围栏结合时，可以实现对特定人群的空间活动特征识别。如下图的案例，基于对某市高新技术产业园区的空间围栏，以区域范围内就业人群作为观测组，观测就业人口的居住地分布、日常出行热度分析及周末出行热度分析。通过对城市不同人群的空间活动规律与出行目的偏好的挖掘，可有效观测特定人群在城市中的空间集聚规律，聚集偏好（高热度出行目的地），城市功能的需求热度（高热度的公共服务用地）等。
此类分析有助于对城市主流人群、弱势人群与其它重点关注人群进行专项研究，指引城市内部的“空间平等”建设，可以有效实现城市功能的查漏补缺，促进城市空间利用率的提升。
2、基于交通态势大数据的城市交通问题分析探索
随着手机导航软件的普及，城市道路的交通态势数据已可以精准识别城市实时的交通运行状态，为城市道路的通行效率等研究提供了数据基础。
2.1 交通态势的全周期观测
基于交通态势数据，可以实现对城市交通系统的全周期观测。交通态势数据具有实时同步、高时间精度的优点。结合历史交通态势数据，可以有效识别规律性拥堵的空间特征。例如基于一月内，不同时间段的平均拥堵数据，可有效观测城市不同时间段存在的规律性拥堵；结合空间道路数据进行动态观测，可以有效识别城市内部拥堵区域的“起点”，识别拥堵区域的规模，以及识别区域的拥堵强度等。
2.2 城市交通病症的“把脉问诊”
城市道路拥堵是城市病的表征现象之一。当城市交通系统显现出拥堵时，往往是城市内部巨系统“病变”的先兆，甚至会逐步催生城市系统失灵、瘫痪，导致城市效率降低、市民幸福获得感差、城市内部矛盾突出等问题。城市道路规律性拥堵的“病因”可以归结为以下四点：交通事故、道路交通节点设计缺陷、道路系统规划问题与城市功能失衡。交通事故与道路交通节点设计缺陷会导致不规律、小面积、短时间的拥堵，道路系统规划问题与城市功能失衡通常带来规律、大面积、持续性的拥堵。交通事故与道路交通节点设计缺陷带来的小面积拥堵，结合城市交通的系统性问题，常会带来大面积的连片拥堵。
基于交通态势数据，这可以有效识别空间上的大面积连片拥堵区域，精准的对连片拥堵区域进行“把脉”，从而提出有针对性的研究策略。
3、基于街景图大数据的城市空间品质评价分析
基于街景图大数据可以增强定量化城市研究的能力。在对城市绿视率、开敞度、界面围合度、宜居度、幸福度等抽象概念研究时，街景图大数据具有标准化与可比较的优势。
3.1 城市特征数据的标准化提取
街景图大数据是基于固定视角连续拍摄的城市街景影像数据。基于录制设备的统一，其具有相同画幅、相同分辨率、相同视角的标准化基础。标准化的数据获取，使得语义分割识别的特征具有可比性。
例如可对不同空间位置的蓝天占比，建筑占比、景观占比等进行比较，进而对开敞度、围合度进行分析。基于连续录制的数据特性，为不同空间尺度研究的数据埋点提供了极大的灵活性，既可以根据研究需求，进行10M，30M，50M，100M等不同尺度间隔的数据埋点。
3.2 城市特征数据的参数化运算
基于街景图数据对城市特征的初步提取后，使得幸福度、宜居度等各类评价可基于绿视率、街道开敞度、界面围合度、建筑新旧程度等基础指标进行描述，结合随机抽样与人工打分形成训练数据集，通过贝叶斯、决策树、随机森林等AI模型建设，可以实现数据的批量转译，使得城市空间的优、劣可以参数化反馈。
4、关于数字孪生城市建设的展望
4.1 上下互通互联的城市大数据系统建设
在物联网快速普及的当下，上下互通互联的城市大数据系统已具备实现的基础条件。类似“天网系统”的建设，在大街小巷的大量摄像头组成的监控网络，亦可以是城市的眼睛，随着进一步的增设温感、湿感、声感等物联网设备，实时联动的数字孪生城市离我们并不远。
在数字孪生城市的建设将基于五个基础维度形成，城市系统建设、城市物联埋点与数据解析建设、城市数据仓库建设、城市数据挖掘建设与城市数据应用建设。
在城市系统建设中，设计构建感知与反馈的上层系统，基于上层系统构建自然系统、社会系统、经济系统、风险预警系统、互动系统等基础系统。
在城市数据埋点建设中，基于系统需求，建设市政与道路基础设施的数字化感知与监测体系，从智能家居、智能公服、智能生产等方面建构全域智能环境设施，实时不断的获取、上传城市的空气、水、二氧化碳、居住、交通、旅游、工业、运输等基础数据信息。
在城市数据仓库建设中，向上连接基础数据形成储存，向下对接城市的应用需求。城市数据仓库可细分为基础运营层、数据仓库层、数据应用层。在基础运营层进行对上层埋点元数据的解析与储存；在数据仓库层形成多维度的数据“重组”；在数据应用层为应用需求进行数据整合。例如实现对某工业区的数据观测，则可以在基础层提取工业空间数据、经济产业数据甚至气象数据等基础数据；在数据仓库层提取城市空间幸福度评价、城市空间舒适度评价等经过初加工的数据；在应用层综合工业区的用地产出效率、环境污染情况与周边居民感受等形成数据整合对接应用，使数据挖掘者从海量数据中高效的找到最佳的观测维度。
在数据挖掘建设中，基于多元的城市监测维度进行不同的专项建设，将生态宜居、健康舒适、安全韧性、交通便捷、多元包容、创新活力、碳中和等形成不同的指标框架。
在城市数据应用建设中，将依托城市规划建设的认知体系，将城市规划等学科严格管控与重点关注的指标为基础，拓展新数据、新技术带来的多元维度，实现可视化，建成准确、实时的数字孪生城市。此外，基于每日大量的城市数据，人工智能系统将在实时调度、智能监控、智能预警、智能应急指引等方面上不断训练、提升，逐步形成城市大脑系统。
4.2 多行业交叉的技术体系建设
数字孪生城市的建设离不开多行业城市数据技术的交融。工业设计是物联网设备落地的基础，计算机行业是数据维度建设的中坚，城乡规划学、地理学、经济学、社会学、建筑学等等行业学科是数据应用层的大脑，每一个专项指标体系的建设都有必要充分吸纳相关学科的研究经验。在快速发展的当下，行业交叉、技术交融已成为迫切的需要。计算机行业的人才需要补充城市规划的常识与经验，城市规划等行业的人才也需要补充Hadoop、HiveSql、Spark等数据挖掘的基础技术，相互融合才有利于降低系统上下游的“排异反应”。
4.3 人工智能引领的“城市大脑”建设
数字孪生城市的建设离不开人工智能技术，基于城市大数据的人工智能建设与升级，将逐步形成城市大脑。城市大脑是数字孪生城市的核心，面对每日PB级（1PB=1000TB）的数据量，人脑必须依托人工智能系统才能进行高效的信息获取。
城市大脑将在数据挖掘与数据应用维度结合各专业学科的知识与理论模型，在实时调度、风险预警与急预案等方向形成应用建设，协助城市决策者在海量城市数据中抓住关键信息、迅速做出判断。
图15 基于多元大数据与AI的城市运行效率测度模型示意图
孙老师最新线上特训营《城市大数据实战应用（二）–人工智能与API调用进阶》将于下周开课，欢迎报名学习：
课程将结合国土空间规划、城市体检等规划项目的大数据需求为切入点，嵌入python编程语言，形成符合规划逻辑的国土空间规划大数据应用教程。课程将通过拟合虚拟项目进行实操演练，提高学员的城市大数据获取的能力、增强城市大数据的应用能力、培养大数据分析解决城市空间问题的思维能力。
本节课程偏向提升学员数据获取能力、基本实现个人空间大数据库的建设与初步掌握一种人工智能算法应用。课程为城市大数据实战应用（一）的进阶版，在ARCGIS、Python的课程展开中难度会有一定提升。将围绕POI数据的循序展开人工智能项目应用，（1）基于API接口获取POI数据；（2）基于逆地址编码，转化本地数据为空间数据。（3）初识人工智能算法，基于POI数据开展人工智能算法在城市空间大数据中的实例应用。
课程将结合国土空间规划中的大数据获取需求与人工智能AI探索案例，进行分解教学，从数据获取方法、数据分析逻辑、数据实例应用，逐步过渡到解决城市规划问题。适合对python感兴趣的国土空间规划相关的设计人员、学生等，适合国土空间规划大数据方向相关的兴趣爱好者及初级研究人员等。
参考文献：
[1]国务院发改委，中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL]，
https://www.ndrc.gov.cn/fggz/fzzlgh/gjfzgh/202103/t20210323_1270113.html
[2]徐辉，基于“数字孪生”的智慧城市发展建设思路[J]，人民论坛·学术前沿，2020，04:94-99
[3]张新长，李少英，周启鸣，等．建设数字孪生城市的逻辑与创新思考[J].测绘科学，2021，46（3）：147-152，168．
原文始发于微信公众号（城市数据派）：手机信令、交通态势、街景图大数据如何应用在规划实践与科研中？丨城市数据派
规划问道
