韩龙玫,卿粼波
(1.成都市规划研究设计院,四川成都610041;2.四川大学电子信息学院,四川成都610000)
近年来,城市定量研究取得了突破性地进展。一方面,搞大数据、人工智能、智慧城市的人搞得如火如荼,另一方面部分规划人对新数据方法有一种微妙的态度。业界透露出两种迷思,一是分析一大圈得出来一个一眼就能看出来的结论,二是一大堆数据分析了很多内容,却好像没什么用。规划大数据研究者和规划编制一线工作者两者之间存在严重壁垒。
关于如何破除壁垒,业界的共识是规划大数据要平台化、软件化、模块化。在大数据时代的背景下,人工处理海量数据效率低下,在数据爆炸时代显然难以为继。面向规划编制的城市规划大数据平台是随着数据增强设计[1]理念的逐步推广而建立起来的。它是一种基于空间平台(如GIS)将各类城市大数据空间化的数据处理平台,以其友好的可视化界面,为规划全流程提供数据支撑。
目前面向规划编制的大数据平台发展现状如何?有什么问题?未来的发展趋势是什么?本文试图进行探讨。
按用户类型,数据平台可分为面向规划管理和面向规划编制两类。前者起步早,早期的控规审批平台、一张图平台即是这种平台的前身,近年来纳入了新数据和开放数据的内容,旨在实现大尺度精细化的城市协同管理。这类平台比较有代表性的有Michael Batty主持开发的“数字仪表盘”、国家发改委和清华大学研发的“新型城镇化大数据库”、中规院领衔建设的全国新型城镇化监控与评估平台、东南大学开发的城市设计数字化平台等。
与规划管理大数据平台相比,前者重在流程和协同,而规划编制大数据平台重在数据挖掘和数据支撑,目前正处于发展的初期。面向规划编制的大数据平台是近几年随着ITC技术和大数据发展起来的,比较有代表性的有2016年茅明睿团队研发的人迹地图[2],前面提到的东南大学的城市设计数字化平台在2017年也在加强支持规划编制的部分。
现阶段面向规划编制的城市规划大数据平台主要有以下几个特点:
1.2.1 分析层平台居多,应用层平台少
笔者将规划编制大数据平台划分为三个层(图1),由下至上分别是数据层、分析层和应用层。数据层着重对数据的获得、爬取和清洗,分析层侧重数据本身信息地挖掘、分析,而应用层则应该是一种可以直接用来增强规划编制的工具。一个涵盖多源城市大数据的包含数据爬取、清洗等预处理过程的城市基础数据库即是数据层,而运用核密度分析、回归分析等算法对数据进行人流、人口密度、人口时空分布等分析可以视为分析层,一般表现为可视化的实时人流量展示、热力图,或者城市群结构、建成区形态等。应用层应该是一个可以直接做现状分析、方案生成和实施评估的界面,不见数据只见模块。目前大部分平台做到了分析层,而欠缺应用层的部分。从平台分析层到规划增强设计,还需要一个转译和综合的过程。而正是这个繁琐的过程,将传统规划师挡在门外。
图1 规划编制大数据平台构架
1.2.2 宏观分析多,中微观分析少
目前国内外研究尺度多为全球、多国、整个国家、大都市区。这跟数据本身的特点有关系,目前利用最多的大数据(如手机信令、Flicker相片等)擅长的就是这种超大尺度分析。作为研究,这当然无可厚非,可对广大规划编制队伍的一线设计人员来说,中微观尺度的项目占绝大多数,尤其是增量规划向存量规划转化的背景下,动辄几百平方公里的项目越来越少,而小尺度的城市微更新项目越来越多,宏观分析并不能解决众多中小项目的实际需求。
1.2.3 碎片化研究居多,体系性不强
目前各项研究还处于探索阶段,不成体系。比如,不同学科领域的学者分散研究不同的课题,课题之间的联系还有待加强。另外一个是普适性问题,很多时候一个项目的分析结果、分析方法停留在项目完成时,无法应用到下一个项目。很多学者构建了一些模型,但其科学性和普适性还有待长期的检验和证明。
研究指出[4],目前大数据平台的研究还比较零散,大量的研究集中在大数据的挖掘分析方法上,支撑大数据平台开发的相关技术体系尚不完善。而数据挖掘技术在还处于发展阶段,很多系统还停留在初级处理水平。面向规划编制的大数据平台还有很大的探索空间。
2.2.1 着重研究应用层平台
目前,针对规划管理方的平台开发到分析层+就可以了,而面向规划编制方的平台则必须要开发到应用层。
应用层不是对某项大数据的单一分析,而是针对单个具体规划问题的应用模块集。比如,仅仅根据手机信令大数据实时显示人流量是不够的,平台需要设计多个针对某个具体规划专题的模块,比如“职住平衡”模块“街道活力评估”模块、“现状设施使用状况评估”模块。
2.2.2 开发黑盒子模块
应用层应该是由多个针对一个具体规划问题的黑盒子模块组成,比如“职住平衡”模块“街道活力评估”模块“现状设施使用状况评估”模块。规划师可以不必知道人流量分析、人口时空分布等概念的具体计算过程,只需要选择输入数据就可以得到一个具体结果。同时,在分析数据、研究范围和算法上也提供多个选择,选择用单一数据还是多源数据,选择用简单算法还是复杂算法,由规划师根据现实情况进行选择。用数据增强理念为规划师提供一种傻瓜式的模块,一种能快速应用到中微观尺度的成熟模块。
2.2.3 重视人机交互
Michael Batty直言,AI的真正力量来自于人类与机器的合作,二者协作工作会比任何单独工作的机器更厉害[3]。城市是一个复杂的巨系统,全部的相关因素与不确定性不可能用现有的任何AI技术实现自动化。规划编制大数据平台要特别强调人机交互。不能期望机器给出所有答案,而是将机器做得足够智能,提供人机交互界面,辅助规划师进行现状分析、方案生成、情景模拟,在规划设计全过程提供数据增强。
根据人工智能的发展趋势,过去繁琐复杂的操作界面已经不能适应新时期的需求。数据库人机交互界面,不是让人去学习如何使用机器,而是让机器根据人的需求来配置。这就需要设计者彻底摸清规划师的需求、目的和操作习惯。重视操作界面的友好性,是破除目前壁垒的重要课题。
2.2.4 重视数据维护的可持续性
数据库的基础数据持续更新是一个很重要的问题,各项数据的获取清洗等预处理过程非常费时费力,过去很多平台上线一两年后使用频率越来越低,最后束之高阁,基础数据更新成本是一个很大的原因。大数据时代的海量数据预处理工作量呈几何指数般增长,在平台建设初期就要未雨绸缪。目前业界采取的方法有,传统规划院与互联网平台或数据供应商签订合作协议,由互联网公司或数据供应商负责数据的获取和预处理。但此种方法还是有其局限性,且广大中小设计院可以采用什么机制,还有待思考。各地政府相继成立大数据交易中心,或许未来可以提供高效价廉的基础大数据。
数据处理平台化是现今城市规划数据增强的必然趋势。在数据爆炸、人工智能的时代,需要不断优化改进大数据平台,帮助城市研究者理解高频实时的城市运行情况,为规划编制者提供简单易用的全流程数据支撑,提高规划编制的科学性。