论坛观点 | 大数据看城市：精确且动态地研究生活和公共政策
本刊原创，谢绝转载
内容合作请查看文末联系方式
2019年6月22日，上海交通大学安泰经济管理学院的“安泰·问政的系列特别活动”以“大数据看城市：精确且动态的研究生活和公共政策”为主题，邀请了清华大学建筑学院特别研究员龙瀛、北京城市象限科技有限公司CEO茅明睿、滴滴出行高级副总裁章文嵩以及上海脉策数据科技有限公司联合创始人兼“城市数据团”联合发起人汤舸、南京师范大学张海平博士等嘉宾，分别发表主题演讲分享大数据资源服务于社会公共政策的研究的实践探索和经验总结。最后由章文嵩总裁发布了滴滴社会科学开放数据项目——“滴滴盖亚数据开放计划”。该活动同时也是上海交通大学特聘教授、中国发展研究院执行院长陆铭教授主办的品牌活动——“城市酷想家”的一期特别活动，嘉宾们针对数据来源、数据使用和城市社会治理相结合的讨论，为基于大数据展开城市研究和实践提供了新方向和新见解。
未来的城市空间研究属于基于物联网和穿戴式设备的数据时代
龙瀛，清华大学建筑学院研究员、北京城市实验室创始人、北京城市科学研究会城市大数据专业委员会副主任委员兼秘书长
龙瀛介绍了其团队近几年的研究主要致力于发展城市科学，关注城市空间、认识城市空间，进而进行一些空间干预，以引导空间发生更加人性化的改变。具体而言，从四方面构建研究框架：一是和中国主要互联网公司合作以获取数据来源；二是通过一些空间分析、可视化的手段进行城市空间认识；三是建立自下而上和自上而下的应用城市模型进行城市模拟，通过情景分析进行政策评估；四是利用物联网、穿戴式设备、生物传感设备和人工智能等先锋技术手段进行人本尺度的城市空间研究。回顾过往大数据结合城市研究的历程，龙瀛认为大数据研究的一个时代可能已经结束了，未来的城市空间有物联网覆盖，5G网络时代，每个人拥有穿戴式设备，数据将更加细致，远非现在从各个网站上游戏式抓取的数据能比。这类数据与空间契合度高，数据效用度强。未来应该是利用物联网和穿戴式设备进行城市空间研究的时代。
在主题报告中，他还分享了两个借助拍摄雪豹的红外感应自动相机获取数据进行城市空间研究的案例。一是鹤岗市住房空置率评估，主要的操作是利用三台红外感应相机结合其他设备，监测一栋大型板楼，每隔5分钟拍摄一张照片，持续72小时，记录板楼里亮灯的时间和数量，从而推算出整栋楼的空置率。二是利用红外感应相机的延时摄影功能，完整记录北京的一个城中村——水磨社区的最后岁月。将红外相机布置在社区不同的公共空间，每隔5分钟拍摄一张照片，持续两个月，通过照片来识别公共空间的活动，记录这一健康环境最后一段时间里面发生的故事。以5分钟为分辨率进行动态监测，空间如何被拆除，又如何被重建。基于全程的客观记录，可以对建设行为进行评估。这种方法还可以用于公共空间使用效率的评估，一月或者一周内都无人问津的社区公共空间，应该调整其功能和设施数量。利用图像分析和物联网数据可以做很多类似的研究工作，这些小数据如果持续一年或者五年或许会变成大数据。
红外感应自动相机监测鹤岗市住房空置率
城市秩序的秘密：如何利用大数据测评？
茅明睿，北京城市象限科技有限公司CEO、北京市城市规划设计研究院云平台创新中心秘书长、北京城市实验室执行主任
茅明睿认为城市秩序有两种：一是空间秩序，比如城市的空间机理；二是社会秩序或运行秩序，比如城市管理、城市治安的有序或无序状态。他利用12345市民热线数据、110热线数据以及刑事判决书等数据的时空分布进行城市秩序测度。其中12345的热线数据表征城市轻度的失序问题；110热线报警记录反映城市中度失序；而刑事判决书是重度影响城市秩序的内容。
同一空间上，失序问题存在显著差异。比如，有的街道110报警的数量不多，但是12345的投诉比较多；有的街道110报警的很多，但是暴力犯罪并不多。犯罪类型在城市空间上的分布也存在差异。此外不同的人群对于失序问题的敏感程度也不同。比如年轻人常打110报警，60岁以上的老人偏向于12345市民热线，更多地关心家庭琐事。
无论110还是12345热线，其数据都与街道界面的开敞程度呈负相关。一个街道的界面围墙越多，开敞程度越低，其人均报警或者投诉量就越高，失序越强；反之，如果街道的界面开敞度增加，人均报警和投诉量就约少。正如简雅各布斯所说，社区的安全和秩序其实与社区的守望相关，熟人社会和好的临街界面，有助于降低街道的失序。城市的秩序问题其实与建成环境、人口特征、商业活力、城市的功能、区位条件等变量相关，城市研究就是透过这些有趣的现象和数据研究找到背后的规律。
智慧城市建设，如何走完最后一公里？
汤舸，上海脉策数据科技有限公司联合创始人，“城市数据团”联合发起人
汤舸将上海某类犯罪人群单独分析，指出大部分犯罪人员是农民工二代，90后，在上海出生，在上海长大，其中约50%没有上过初中，重复犯罪比例非常高。其根源是人口政策、户籍制度、公共服务政策供给的问题。每个问题的解决都不是任何一个部门可以搞定的。数据研究工作做到最后都很无奈。总是走不完最后一公里。
数据研究工作如何能让城市变得更美好的事真正发生，汤舸分享了三个故事：一是有关上海城市大脑的建设。他认为应该把分散在不同部门的数据和能力整合起来，提供给各个部门，让每一个城市治理的终端单元，都具有城市大脑的能力。如果每一个居委会阿姨都能利用数据工作，也许就完成了最后一公里。事实上，基层一线人员并没有时间被科技赋能。现实中的终端治理单元，很可能既没有时间去被赋能，也没有权力去做改变。区领导的观点非常明确：搭平台做赋能是对的，但是不够，我们还是要亲手亲自一板一眼的帮你把事情做出来才行。
关于城市大脑项目落地，最终会涉及到具体由谁来做的核心问题。汤舸认为一般有两个选择：“你做”和“我做”。第二个故事是脉策团队利用数据科技帮助浦东新区做社会服务设施优化的工作。从一个很小课题开始做起，到搭建成复杂的系统，整合了十几个部门的数据，支持36个街镇几十类服务设施的建设与人口发展、经济发展动态匹配，实现不同部门的资源共享。浦东新区的这项成就是“你做的”。那么，“我”又该是谁呢？他以第三个故事杭州城市大脑的建设进行了阐释。杭州城市大脑最有趣的是：整体工作竟然不是由政府部门完成执行的。杭州不像上海那样拥有治理能力很强的政府体系，因此，需要依赖浙江省强大的民营经济生态来辅助完成这次治理工作。现在杭州城市大脑对接了超过42个复杂的城市各类数据系统，背后是40多个民营企业在支持，足够的市场力量帮助完了“最后一公里”。“你做”还是“我做”？“我”应该是谁？答案也许并不唯一，不同的城市有不同的道路。
杭州城市大脑“智能眼”自动巡逻700多个道路断面，全年无休地从复杂的路况中发现交通违章或事故（图片来自网络）
杭州城市数据大脑，改变传统交通巡逻方式，有效释放200名警力（图片来自网络）
勤奋的城市——流空间中的社会秩序
张海平，南京师范大学地理科学学院博士
现代社会是围绕着流动而构建的，城市是现代社会流动最为活跃的空间区域。张海平博士通过大数据分析了人类活动的秩序背后所蕴含的社会规则和制度文化。以上海地铁OD数据为例，正常上班族的平均模式是朝九晚七，其中有5%的人工作时长达到12小时以上，平均每人每天通勤时间三小时。勤奋的市民构建起了勤奋的城市，数据的背后则反映出勤奋族群的职住分离、远距离通勤的空间秩序问题。他还针对城市特殊群体进行了研究，比如出租车行业，共享经济时代下，出租车司机逐渐弱势化，工作时间长、强度大、家庭责任重。就上海市的出租车轨迹数据，出租车司机基本居住在距内环10公里以外，宝山区居多。
这种勤奋到底该如何评价？现有的秩序应不应该被打破？张海平认为，不应该把每天工作长时间作为勤劳的指标，城市治理新阶段，应该重新定义勤奋，勤奋的含义应该多元化，更丰富，比如勤奋运动、勤奋社交、勤奋出游、勤奋顾家等等，只有各方面的勤奋都达标了，才是真的勤奋。他认为这种勤奋的社会秩序是潜移默化形成的，重要的是为这种潜移默化提供土壤，只有让人们意识到劳动者需要多源的勤奋，才有可能提高生活质量、提升工作效率。
滴滴大数据与智慧交通
章文嵩，滴滴公司高级副总裁
章文嵩介绍到，从滴滴出行需求曲线来看，8点到10点的早高峰的峰值特别高，平峰期大约是早高峰的1/2到1/3，然后，一天中还会出现晚高峰和夜晚的小高峰，弹性的出行需求要求弹性的供给。如果按照最高的峰值来配置供给，平峰期就会运力过剩，兼职运力应运而生。目前滴滴平台的司机总量3000多万，全职司机还不到100万。过去七年，滴滴一直致力于利用大数据和人工智能技术提高运力效率，提供一站式出行。他认为滴滴本质是一个典型的“物移大智云”，通过移动互联网构建最大的车联网平台，基于运行过程中产生的数据，将人工智能的算法与云计算相结合，提高出行的安全体验效率，比较典型的维度是对轨迹数据的刻划，滴滴平台上的车辆每秒钟都会上报定位点数据，以此可分析当时的路况和车速、路口延误时间。另一个维度是起点到终点的OD数据。例如，北京不同区域的早高峰时间不同，背后反映的是城市人口流动情况和职住分离问题。他还介绍到，从2017年起，滴滴开始发布城市交通运行季度报告，并且启动了盖亚整体数据的计划和定向科研合作计划，免费开放部分脱敏真实数据；2018年，滴滴又联合十几家高校和科研机构成立了AI for Social Good共创平台并对外开放，从AI赋能、社会角度注在安全和健康（包括环境、无障碍方面）进行科研创新。
出行大数据下的城市——发展和宜居是否能够共赢？
陆铭，上海交通大学特聘教授，中国发展研究院执行院长
陆铭教授介绍了滴滴“城市发展指数”的建构体系，以及高效宜居水平城市排名。由于盖亚数据偏重于技术和理工科的应用，他联合滴滴公司力图创设一个服务于社会科学公共政策方面的盖亚子数据，同时还牵头启动了社会科学数据研究的定向合作计划，目的是希望这样的数据公开计划能够让滴滴的出行数据发挥更大的服务于社会公众和公共政策以及科学社会研究的作用，也同时让城市发展和公共政策制定能够变得更加智慧。
对于城市病的形成及其治理，陆铭教授与李杰伟的研究发现：人口规模对于拥堵程度影响是极其微弱的，影响城市拥堵存在两个重要的供给侧因素，一是基础设施状况，二就是城市的经济活动和人口的空间分布。如果出行的需求与供给能够有效匹配，通勤就会更加有效。陆铭、孙聪与郑思齐的研究发现，以北京为例，优质中小学教育大量集中在三环以内，导致人口居住点与公共服务的优质教育资源在空间的分离，寒暑假时期，交通拥堵的指数大幅度下降，假期内的工作日不需要家长接送小孩上学，比非假期的工作日交通通畅20%-30%，PM10下降幅度达到均值的16%。此外，陆铭与钱俊杰的研究发现，北京中心城区的地块更新大幅度减少了住宅供应，结果导致中心城区居民向城市外围搬迁，出现更为严重的职住分离。最后，他指出治理城市病关键在于供给侧改革，在供给侧考虑公共服务和基础设施的数量、质量和空间布局，通过改变生产和生活方式，比如提高服务业的比重和提高轨道交通的比重，街道改造，以及减少职住分离和居住－公共服务的分离，进行综合治理，而不是简单地控制城市人口。
编辑/丁馨怡[城市中国研究中心] ，未标明来源图片均由演讲者提供
内容合作联络 cgcuiguo@urbanchina.com.cn
其他对文章的意见和建议，或新奇有趣的话题问题，都欢迎您微信留言或邮件联络我们。
email：00urbanchina@urbanchina.com.cn
微博/ 豆瓣：城市中国
官网：www.urbanchina.com.cn
保存二维码，
打开手机淘宝
App，扫码
或点击 阅读原文