一、引言
2011年美国白宫科学和技术政策办公室 (OSTP) 牵头编制了《大数据研究与发展计划》, 2012年3月29日, 《大数据研究与发展计划》正式对外发布, 标志着美国率先将大数据上升为国家战略, 鼓励产业、大学和研究机构、非盈利机构与政府一起努力, 共享大数据提供的机遇。西方国家也就此爆发了一场数据革命。
我国数据开放始于2012年, 2013年后蓬勃发展, 大数据应用最初是在互联网起步, 然后逐步在金融、工业等领域拓展, 慢慢渗透到其他领域。目前, 城市规划领域的学者已经利用大数据获取、分析和挖掘相关技术取得了卓有成效的研究[1,2]。
二、面向城市研究的大数据类型
信息通讯技术ICT近年来大力发展, 出现了多种开放且细致的数据, 这些数据从多个维度描述人类的活动, 以及环境的要素特征。目前应用于城市研究的数据主要包括:传统数据和新数据, 新数据又包含了大数据和开放数据。大数据包括:手机信令数据、公交刷卡数据、信用卡交易数据、地理空间数据等;开放数据包括:政府网站数据、商业网站数据和社交网络数据等。从城市研究的角度, 可以将这些数据分为:静态数据和动态数据。目前的研究多为地理学视角, 从空间的角度去认知和理解城市。典型的城市大数据如表1所示。
2.1手机信令数据
当前基于手机数据的城市问题研究是一个大数据应用的热点。[3]近年来CNKI上基于手机信令数据开展城市问题研究的有关文章数量如图1所示。手机数据主要包括: (1) 基站数据, 蕴含了基站的编号、经纬度信息; (2) 话单数据, 包含用户的通话时长, 呼入字段和呼出字段; (3) 信令数据, 包含:用户固定ID、手机活动发生中的用户的城市代码 (例如:“851”指的是贵阳市) 、移动基站唯一对应ID号和它的经度和纬度、手机活动的开始时间和持续时间、手机活动的类型, 包括电话, 4G, GPRS, 等。手机信令数据格式如表2所示。
从手机数据的构成可以看出, 手机大数据目前的研究视角主要集中在对人群行为特征、出行方式的识别, 以及行为特征能够反映的城市用地功能、人群密度、人员流动等方面应用。手机大数据的基本量化特征包括: (1) 群体数量 (如常驻人口数、上班族、游客数) ; (2) 行为时长 (如工作时长、休闲购物时长) ; (3) 行为距离 (如通勤距离、日常生活半径) ; (4) 行为频率 (如旅游频次、运动频次) 。手机大数据的应用价值:对特定的区域 (如城市、乡村、社区) 进行研究;对特定的群体 (如住户、流动人群、游客) 进行研究;对特定的时间 (如早晚高峰、夜生活时间段) 。通过对手机数据的分析, 可以开展城市空间分布、职住问题、城市活力等方面的研究。
基于手机数据进行城市研究所面临的最大难点在于: (1) 数据的获取困难。由于移动数据蕴含了个人隐私, 涉及安全保密问题, 所以获取数据是一大难点。 (2) 手机数据可研究的尺度多为宏观层面的研究。由于基于手机数据所获取的用户位置信息受基站服务半径的影响, 故最小研究单元在200-300米之间。
2.2公交刷卡数据
公交数据是公共交通智能收费手段的副产品, [4]它主要也是提供使用者的时空信息, 较手机数据而言, 它的定位精准度更高, 其空间分辨率为站点, 时间分辨率可以精确到秒, 可用于出行特征、职住平衡、城市功能区识别等研究。它的缺点在于抽样非随机, 数据内容单一, 不包含多维度信息等问题。采用其进行城市研究, 只能呈现出现实情况, 而不能挖掘这些现象背后的社会经济原因。公交刷卡数据的格式如表3所示。
2.3出租车/网约车GPS数据
出租车GPS数据是通过车载导航定位装置记录的出租车一天内的运营轨迹数据, [5]以文本的形式存储, 并以车辆号牌作为文件名。每隔几米就会进行定位, 具有抬表状态。主要内容包括:经纬度、行驶时间、载客状态、速度和方向等。网约车GPS数据的基本形式与出租车近似相同, 只是网约车内部多了直接的OD记录。出租车/网约车数据主要用于线路规划、出行特征识别、空间功能区识别等问题的研究。出租车/网约车数据通过与路网的匹配, 可以得到更加精准的轨迹信息。但是同时存在研究对象为特定群体, 即乘坐出租的人这一问题。
2.4长途客流/物流数据
长途客流/物流数据是描述城市间联系的数据, 主要包括城市间航班、铁路及汽车班次、物流数据等信息。可用于区域关系研究, 包括:交通中心度测度, 城市发展组团等方面的研究。
2.5互联网LBS数据
LBS数据是指通过电信、移动等运营商的无限电通讯网络或外部定位方式、获取移动终端用户的位置信息, 在GIS平台的支持下, 为用户提供相应服务的一种增值业务。同样的, 其具备的是时空特性, 用于城市空间分布, 出行特征识别等相关研究。
2.6电商数据
电商数据是基于购物网站的包括用户购买的时间、商品、购买数量、支付金额等信息的数据。这部分数据可以用于进行消费群体划分、社会经济情况等方面的研究。
2.7超市购物数据
超市购物数据多为消费小票, [5]是指消费者在购物时由商场、超市等机构提供的销售凭证。包含:销售单位名称、联系方式、收银机号、账单流水号、收银员编号、销售日期、商品名称、数量、单价、商品金额、付款方式、实收金额、找零额、票据打印时间等内容。
2.8就医数据
就医数据是指病人就诊与医生医治过程中的数据。包括门诊就诊人次、出院情况、疾病顺位、单病种、医疗费用、工作量、大型医疗仪器效益等信息。
2.9社交网络数据
社交网络是由当前的网上社交平台所产生的数据, 由的数据是基于位置的社交服务, 如微信定位。有的是带位置信息的照片数据, 还有更为广泛的网络互评数据。这类数据可用于城市空能区识别、人类活动联系强度、区域联系度、活动空间差异、人群识别、职住分析等问题的研究。信息量大, 内容丰富。
三、面向城市研究的数据获取手段
在城市研究中, 传统的数据获取方式主要是查阅统计年鉴、开展问卷调查, 而大数据的获取方式主要有:在网上购买数据服务、网络爬取、共享平台免费下载。下面对城市问题研究中的开放数据的采集方法进行介绍。
3.1开放数据的获取工具
开放数据是指包括商业网站 (大众点评、小红书等) 数据、地图开放平台数据、社交媒体 (新浪微博) 数据、政府政务公开数据等。它和手机信令数据、车载GPS数据、公交刷卡数据等近似全样本数据相比, 它属于非全样本数据。但是相对于这些需要权限的数据而言, 它们可以通过一定的方式由我们自行获取。获取这些数据的工具包括:谷歌浏览器、火车采集器、excel表格、坐标转换器、spass、arc GIS。
3.2开放数据的获取流程
数据处理的流程如图2所示。首先通过网络浏览器获取想要爬取或下载数据的网址, 然后利用火车采集器采集网页数据信息并保存至本地, 再利用坐标转换工具进行坐标转换, 最后利用可视化工具进行可视化呈现。
四、面向数据的城市研究方法
4.1城市网络分析
近年来, 信息技术对区域城市网络化的影响已成为城市研究的重要方法[6]。这是在社会网络分析法基础上发展起来的, 社会网络分析法是通过刻画网络整体的形态、特性和结构的重要分析方法。社会网络分析具有突出的关系表达优势, 网络系统可同时被视为一个整体和构成整体的各个部分, 从而揭示网络整体的整合性与层次性, 解释网络联系的紧密性与网络节点之间的不同关系, 找出网络中的联系与分解模式[7]。城市网络分析适用于基于城市大数据的城市问题研究, 通过大数据所反映的时空特征映射出空间的城市关联性加之诸如社交平台数据所反映的社交性质, 使得社会网络分析方法在基于现实用户关系的城市网络结构研究中的应用具备了合理性和优势性。城市网络分析法采用总体特征分析、中心性分析、核心—边缘分析和凝聚子群分析来考察基于信息空间的中国城市网络中不同节点的中心性与对网络整体的一致性以及区域城市组团模式。
4.2空间句法
空间句法是关于空间与社会的一系列理论和技术, 其核心观点是空间不是社会经济活动的背景, 而是社会经济活动开展的一部分。[8]空间句法理论作为一种新的描述建筑与城市空间模式的语言, 其基本思想是对空间进行尺度划分和空间分割, 分析其复杂的关系。空间句法中所指的空间, 不仅仅是欧氏几何所描述的可用数学方法来量测的对象, 而且描述空间之间的拓扑、几何、实际距离等关系。它不仅关注局部的空间可达性, 而且强调整体的空间通达性和关联性。城市大数据具有客观性、全面参与性, 基于客观现实的刻画, 可以更好的使用空间句法描绘出城市活动。
五、结论与展望
在新型城镇化背景下, 传统的蓝图式、扩张型规划将逐渐改变, 面向社区、面向管理的人本视域下的新的规划理念与规划方法有待形成, 大数据将不可避免的成为新的规划方法的核心, 将引领直接而直观的公众参与, 城市研究也继续朝着由“主观”到“客观”的方向发展。本文希望对数据视角下的城镇体系规划方法进行归纳, 梳理出各类城市大数据的特征与应用价值, 以推动大数据在城市问题研究中, 提高规划编制、城市管理和城市设计的效率和科学性。
摘要：信息时代, 大数据技术的蓬勃发展为城镇体系研究带来了新的启示, 城市数据为客观认识城市系统并总结其发展规律提供了重要条件, 国内外基于此的城镇体系研究正逐步展开。但是, 目前大数据技术在城镇体系研究中的应用存在数据分散化、碎片化;难以直接运用于城乡规划实践;以及城乡规划编制从业者缺乏数据处理能力, 对于数据应用存在认知脱节、使用脱节和技术脱节等障碍。本文对大数据及开放数据应用研究的进展进行了归纳, 概括出基于大数据的城市研究的方法论及思想, 对当前应用较多的城市大数据的特征与应用点进行梳理, 提出了数据视角下的城镇体系规划研究的主要方法与手段。
关键词：大数据,城镇化,可达性,手机大数据
参考文献
[1] 冯健, 周一星.转型期北京社会空间分异重构[J].地理学报, 2008, 63 (8) :829-844.
[2] 张伟, 马彦琳.国外城市集群发展动力研究述评[J].城市问题, 2011 (8) :82-86.
[3] 龙奋杰, 石朗, 彭智育, 杨剑锋, 张苏.基于手机信令数据的城市公园服务评价[J].城市问题, 2018 (6) :88-91.
[4] 呙娟.基于公交数据的乘客出行特征分析[D].华南理工硕士论文.2016
[5] 陈善勇.基于大数据的消费行为研究[J].信息化建设.2016 (12) :22-24.
[6] 曹阳, 甄峰等.基于微博大数据的城市群边界划定方法研究[C]//中国科协年会.2015.
[7] 甄峰.王波等.基于大数据的城市研究与规划方法创新[M].北京:中国建筑工业出版社, 2015.
[8] 沈丽珍, 汪侠, 甄峰.社会网络分析视角下城市流动空间网络的特征[J].城市问题, 2017 (3) :28-34.