数据增强设计在武汉市中心体系规划中的应用

点击上方“公众号” 可以订阅哦！

作者简介

高喆，博士，规划师，现任职于武汉市土地利用和城市空间规划研究中心。

陈伟，教授级高级规划师，武汉市土地利用和城市空间规划研究中心副总规划师。

宁玲，博士，高级规划师，现任职于武汉市土地利用和城市空间规划研究中心。

原文刊载：高喆，陈伟，宁玲, 数据增强设计在武汉市中心体系规划中的应用，规划师，2016，12

感谢作者授权发布，如有转载等事宜，请联系原作者。

0

引言

　　得益于互联网技术的发展，数据成为一种基础性资源，构成当今社会重要的生产力之一。在这一新环境下，城市规划者、研究者在进行城市规划设计、研究工作时必然会面对越来越多样的数据——包括传统的规划国土、社会经济数据，也包括非传统的依托互联网技术实时生成的数据，即大数据。正确使用这些数据能够使规划研究人员更准确地捕获到微观城市运行轨迹，从而更科学地分析城市问题，更全面地理解城市，为规划编制提供支撑。而忽视或错误地使用这些数据将会导致工作效率低下、调研成本高昂。因此，利用新旧数据源增强规划设计与研究工作已成为城市规划变革的主要方向之一，是实现科学规划、以人为本的重要支撑。

　　数据增强设计（Date Augmented Design, 简称"DAD"）是由龙瀛、沈尧提出新的规划设计方法论 ，宗旨在于利用简单直接的方法，充分整合新旧数据源，为规划的全过程提供调研、分析、方案设计、评价和追踪等方面的支持。事实上，近年已有一些学者尝试运用传统数据+大数据方法进行城市定量研究，如龙瀛等基于公交刷卡数据分析北京职住关系和通勤出行情况 ，钮心毅等利用手机定位数据识别上海中心城空间结构 ，王鹏等探讨了传统数据和新型数据在规划编制中可能的应用方式 ，而数据增强设计理念的提出可以看成对以上相关研究在方法论的思考和总结。

　　虽然近年来数据增强设计研究已成为城市研究的新热点，但是从成果数量上看，这类研究仍属小众，而更进一步地将数据增强设计引入现实城市规划实践的范例则更少。当前武汉市正在开展新一轮城市总体规划编制工作，其中中心体系规划作为重要专题，需要在宏观层面对城市发展方向、重要发展区域进行判断和综合部署，传统的规划国土数据虽然能在一定程度反应地区的发展现状和趋势，但缺乏多维度考量，特别是对人的真实活动量化分析不足，所得结论容易以偏概全。为了避免以上问题，科学编制规划，武汉市中心体系规划引入数据增强设计理念，采用传统数据+大数据的方式开展城市中心识别工作，这是数据增强设计在规划领域的一次有益尝试。

1

中心体系规划的数据需求

　　武汉市中心体系规划的目的在于明确各中心等级、功能、竞合关系，构建全市域、多层级、网络化中心体系。为实现此目标，规划需要优先识别现状城市中心的数量、等级及功能。依据周一星、杨俊宴等人的研究，城市中心是“市民活动最集中的区域、城市公共服务功能最密集的区域、城市内部交通最便利的区域” — 。因此，需要在全市域范围内判别哪些区域市民活动集中、公共服务设施密集、交通便利，并确定其范围边界。传统的技术方法虽然也能识别出这些区域，但在精度和可靠性上不足。例如，利用城市用地现状图斑识别公共服务设施密集区，虽然用地图斑能够反映行政办公、文化和教育科研等公共服务设施的地理分布情况，但是无法准确表达出公共服务设施的规模及使用状况，导致精度和可靠性偏低。在此背景下，数据增强设计方法被引入。

　　数据增强设计并不是抛弃传统数据，而是更深层次挖掘传统数据，并加入新的数据，利用ArcGIS等空间分析工具实现更精确、可靠的现状识别。规划中一般使用的传统数据包括规划国土数据和社会经济数据。其中，规划数据主要指城市用地现状和规划“一张图”数据；国土数据主要包括地籍数据、以土地管理流程划分（批、征、供、用）而形成的一系列土地储备、供应图斑数据，以及土地利用现状和规划图斑数据等；社会经济数据主要包括城市统计年鉴、国家统计普查（人口普查、经济普查）数据等。而新数据则是指基于通讯/互联网技术产生的，具备精确空间坐标、覆盖面广且标准统一的数据。当前被普遍认知的规划类新数据一般包括手机信令数据、公交刷卡数据、ETC数据、车辆GPS数据、热力图数据、微博签到数据、兴趣点（POI）数据。这些新数据弥补了传统数据无法全域覆盖、缺少空间信息和数据更新慢等缺点，其与传统数据的复合使用已然成为城市研究、规划编制的新武器。需要特别指出的是，并不是所有数据都有价值，受限于开放程度，很大一部分数据是无法被规划研究人员免费（或低成本）获得，如手机信令、公交刷卡、车载GPS等数据。因此，现阶段真正对规划编制产生有益影响的数据集中在热力图数据、POI数据和微博签到数据。本次规划使用的传统数据主要包括用地现状数据、建筑量数据、人口普查数据、基准地价数据；大数据主要包括热力图数据和POI数据。

2

数据增强设计在城市中心识别中的应用

　　规划针对城市中心的市民活动集中区、城市公共服务设施集中区和城市内部交通便捷区展开识别。需要说明的是，市民活动集中区与城市功能密集区是城市中心的充要条件，对它们的识别可作为现状城市中心的直接支撑；城市内部交通便捷区只是城市中心的必要条件而非充分条件，可作为现状城市中心的间接支撑。识别遵循以下原则：①若数据为矢量数据，则使用ArcGIS直接编辑，若数据源为栅格数据，将栅格数据矢量化后，再进行编辑。②在对某一对象识别时，若出现传统数据与大数据分析结论差异较大的情况，需进行经验性判别和校核。

2.1

 市民活动集中区识别

　　在传统技术手段下，对市民活动区的识别主要依赖统计局口径的人口数据，通常涉及常住人口数据和就业人口数据。常住人口数据的优势在于以社区为统计单元，能够较精准地落实在地理空间，且具有较好的数据连贯性( 每年发布)；但缺点也十分明显，常住人口数据仅能反映市民居住空间分布而无法定位市民日常活动空间。就业人口数据的优势则在于可以通过岗位类别筛选，确定从事以金融保险为代表的高端生产性服务业和以零售、酒店为代表的零售业、生活性服务业岗位的分布，从而间接判断市民活动地区；但其也存在统计单元过大及数据连贯性不强的缺点。热力图数据则很好地规避了以上缺陷，该数据是基于智能手机使用者访问百度产品时所携带的位置信息进行绘制的，可以准确通过颜色和亮度反映地区人流量的空间差异。虽然其缺失了非百度产品用户的信息，但是考虑到百度地图拥有70% 以上的市场占有率，其数据具有免费获取、覆盖全域和连贯性强的优点，其仍然是理想的数据源。

　　规划截取了若干工作日（周一至周五每天的11:00、15:00 和17:00）与休息日（周六、周日每天的11:00、15:00和17:00）的武汉市域百度热力图，通过RGB 颜色识别将栅格数据矢量化，并将城市活力划分为六级，认定前五级为市民活动集中区。同时，研究利用ArcGIS平台获得聚集区的质心点，将其作为最终的城市中心，由此判断武汉市市民活动集中区（图1，图2）。结果显示，武汉市主城区（三环以内）市民活动集中区已呈多中心格局，且就业中心和商业中心重合度高，江北中心呈组团状拓展，江南中心呈“L”形带状延伸；新城区市民活动集中区尚在发育中，以光谷（金融港）、江夏纸坊和东西湖吴家山发展较好。

图1 武汉市工作日热力图

图2武汉市休息日热力图

2.2

 城市公共服务设施集中区识别

　　在传统数据中，现状用地数据和建筑量数据都可以直接反映城市公共服务设施的集中水平，是极有价值的数据源。相比之下，建筑量比用地数据在精度上更具优势，应优先采用。由于建筑量本身是矢量数据，可直接借助ArcGIS平台密度分析工具实现对城市五大公共服务（零售、商务、行政、文体娱、科教服务设施）的识别，并可根据不同分析需求将各功能赋予一定权重，计算其综合密度。

　　基于以上数据增强设计思路，规划对武汉市公共服务设施分布进行了建筑量核密度分析（图3），并计算了五大功能的综合密度，其中权重赋值相同。结果显示，武汉市主要的公共服务设施仍集中在主城区（三环以内）；在主城区外，光谷—纸坊方向（即东南向、南向）的公共服务设施较为密集，而几大新城市中心的公共服务设施集聚密度有限。

 
图3 武汉市公共服务设施核密度分布图

　　然而，规划发现传统的建筑量、用地数据同样存在局限，即由于信息化建设滞后等原因，在新城区、远城区建筑量、用地数量缺失严重，妨碍了这些区域真实情况的反映。因此规划进一步引入POI数据分析。POI数据包含了人们生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、超市等，其全域覆盖且易获得的特征（百度地图或高德地图可提供）促使其能有效地对城市公共服务设施集中区进行识别。规划使用ArcGIS平台，开展了武汉市POI密度分析，结果显示武汉市主城区POI密度在160-960个/平方公里，新城区中纸坊、沌口、吴家山、前川POI密度在80-160个/平方公里（图4），比新城区其他区域1-50个/平方公里的公共服务设施密度更高，证明近年市域的多中心有一定发育，发展重心在纸坊、沌口、吴家山和前川地区，此结论填补了传统建筑量数据分析的缺失。

图4 武汉市POI密度分析图

2.3

 城市内部交通便捷区识别

　　城市内部交通便捷区的识别通常包含城市道路和轨道两方面。对于城市道路便捷区的识别，道路网密度作为主要判断标准被规划人员广泛使用，但由于该指标仅考虑道路面积的比重，并不能真实反映道路便捷性。因此，规划引入空间句法识别道路便捷区。空间句法是由Bill Hiller提出、实现空间通达性和关联性分析的强大工具。其优势在于即便在没有详细本地数据支持的情况下，依赖空间句法模型，通过Depthmap软件或ArcGIS插件也可以轻松实现对城市道路通达性的准确量化分析。图5 是基于武汉市现状路网进行空间句法分析的结果，其显示武汉市主城区道路便捷度明显好于新城区，其中汉口建设大道、武昌沿江、汉阳归元及四新地区的道路最便捷，可见新建地区虽然有较高的道路网密度，但是交通便捷性并不高。

　　对于轨道便捷区的识别，定义城市轨道500m范围内为便捷区，同时叠加现状存量地（中心城区为三旧改造用地、新城区为增量地）的分布，由此识别未来有潜力成为城市中心区域，支撑规划期中心体系的构建（图6）。

   
图5 武汉市道路便捷区示意图

图6 武汉市轨道便捷区示意图

　　相比于传统数据，基于传统数据+大数据的增强设计更精确地识别了武汉现状中心的数量、范围、功能、等级，对“武汉主城区处于多中心成熟阶段、市域处于多中心培育阶段”给出了定量支持，最终识别出武汉市“市级主中心——市级副中心——组团中心/新城中心”三级中心体系。其中市级主中心2个，即江南、江北中心。江南主中心包括楚河汉街、中南中北路区域；江北主中心包括江汉路-武广、汉正街、建设大道新华路区域。市级副中心1个，即鲁巷副中心。城市三级中心共14个，包括10个组团中心（主城内）以及4个新城中心（主城外）。10个组团中心即主城内服务于城市局部组团和片区的中心，包括沌口、王家湾、钟家村、武昌古城、街道口、徐东、建设二路、汉西、汉口火车站和菱角湖。4个新城中心指主城边缘及外围光谷南（金融港）、纸坊、吴家山和前川4个发展较好的地区（图7）。

图7 武汉市现状中心体系示意图

3

对规划研究的启示

　　本文以武汉市中心体系规划为例，探讨了在新的数据环境下应用传统数据+大数据支撑规划研究的一些思路与方法，是数据增强设计在宏观尺度支撑城市规划编制的一次有益实践。由于数据增强设计所依赖的数据主要为开放数据，使得规划研究本身很容易拓展到全国其他城市，协助规划实施评估，支撑城市总体规划编制。同时，通过横向对比各城市结论，可进一步获得全国城市中心体系发育特征、发展规律，支撑全国范围的城市研究。

　　此外，数据增强设计在微观尺度上也能很好地辅助城市规划设计与研究。由于开放数据的矢量化特征，使数据增强设计能够精确落地，未来有广泛应用于城市更新、控规、修规编制及城市设计的可能性，因此如何在微观尺度实现数据增强设计是另一重要研究课题。

备注

1. 本文已发表在《规划师》2016年第12期。

2. 中心体系项目组成员：陈伟、宁玲、高喆、何蕾、魏鹏、朱常丽。

参考文献

1.龙瀛, 沈尧. 数据增强设计——新数据环境下的规划设计回应与改变[J]. 上海城市规划, 2015(02):81-87.

2.龙瀛, 张宇, 崔承印. 利用公交刷卡数据分析北京职住关系和通勤出行[J]. 地理学报, 2012, 67(10):1339-1352.

3.钮心毅, 丁亮, 宋小冬. 基于手机数据识别上海中心城的城市空间结构[J]. 城市规划学刊, 2014(06).

4.王鹏, 袁晓辉, 李苗裔. 面向城市规划编制的大数据类型及应用方式研究[J]. 规划师, 2014(08):25-31.

5.杨俊宴, 章飙, 史宜. 城市中心体系发展的理论框架探索[J]. 城市规划学刊, 2012(01):33-39.

6.周一星, 张莉, 等. 城市中心性与我国城市中心性的等级体系[J]. 地域研究与开发, 2001, 20(04):1-5.

欢迎公众投稿，投稿邮箱[e-mail]，请注明微信投稿字样

回复“0”可获得文章列表

点击下列标题即可查看相关文章

……