城垣杯 | 上届优秀获奖团队专访：【崔喆】决策支持模型要从规划研究走向规划实践

本期导读

由北京市城市规划设计研究院与中国城市规划学会城市规划新技术应用学术委员会共同主办的第五届“城垣杯·规划决策支持模型设计大赛”已于2021年3月1日拉开帷幕，现已进入报名阶段（3月1日至4月30日），请参赛者于2021年5月31日前提交成果，成果以“报名编号+参赛者姓名+项目名称”作为附件名称并回复至大赛官方邮箱：[e-mail]，点此了解大赛详情。

为展示往届选手的风采，介绍选手获奖经验与心得，分享和传递学术观点，本期专访上届三等奖获得者，参赛团队成员为南京大学建筑与城市规划学院硕士研究生，两位团队成员均为南京大学甄峰教授、沈丽珍副教授、张敏教授领衔的“智城至慧”团队的重要成员。

点击回看获奖崔喆团队作品展示

本期专访

崔喆，男，南京大学建筑与城市规划学院2018级硕士研究生。主要研究方向是流动空间背景下的产业集聚与产业网络研究。

刘梦雨，女，南京大学建筑与城市规划学院2019级硕士研究生。主要研究方向是流动空间背景的区域交通发展。

Q1：崔喆你好，对于城垣杯，您有过多次参赛经历，而且都获得了奖项。今年已经是城垣杯举办的第五年，您认为这类竞赛举办的意义是怎样的？

我从本科阶段就接触到了“城垣杯”大赛，并且在本科阶段和研究生阶段两次报名参加了大赛。现在我马上要告别校园，步入职场，开启一段崭新的人生篇章。回顾我从一名懵懂的规划菜鸟到即将独当一面进行研究和规划实践工作的规划工作者的成长历程，“城垣杯”就像一盏导航明灯，它照亮了还尚不明朗的规划大数据分析与城市计算领域，让我们知道了新技术在城乡规划领域中大有可为。它又像一座知识宝库，历届“城垣杯”大赛的优秀成果无论从选题切入角度，还是具体的模型算法，亦或是各种直观、新颖的可视化手段，都使我们获益良多。可以说，从规划学生的角度，“城垣杯”的存在非常有效地补充了本科与研究生阶段课程教学涉及较少的领域。我相信我们这一代在“城垣杯”熏陶之下的规划学子在进入规划业界后，也一定会将“城垣杯”所坚持的用数据说话，用算法支撑的理念带入规划工作中，为规划行业注入一股清流。从这种角度看，“城垣杯”的启蒙意义怎么说都不为过。

Q2：您在2020年城垣杯大赛上的获奖作品《基于图神经网络的城市产业集群发展路径预测模型》，是一篇十分具有新意的作品。我们知道产业的发展是城乡规划中需要考虑的重要方面。能介绍一下您这篇作品选题的背景或者初衷吗？

我们的作品研究的是城市与区域的产业发展。产业并不是传统的空间规划中所关注的重点，但它却是决定城市发展路径与城市竞争力，影响城市空间形态，关乎城市中人民群众生活的最重要的要素。因此，产业规划不仅在区域规划、战略规划等专项规划领域中有非常重要的地位，在新的国土空间规划中也是重点之一，在省市两级的国土空间规划编制指南中，产业以及与产业相关的功能定位、协调发展等专题均有所提及。并且以我个人的观察来看，不仅城市规划中需要产业规划，在各类五年规划、产业规划等发改、工信部门牵头的发展规划中，也非常迫切需要从地理空间视角看问题。在传统的产业研究中常常会出现就产业论产业、忽视空间要素的弊病。很多产业研究机构、咨询公司对产业链的了解比较深刻，但往往忽视“产业依附于空间”这一点。地方政府最急需的恰恰是在有限的空间中安排最合适的产业，以实现集聚效能的最大化，达到1+1>2的效果。但实践中往往却是园区内的企业毫无关系，在错误的产业规划指引下被强行“拉郎配”，企业所需的配套企业没进来，集聚在一起的企业毫无集聚效能。

在产业的大框架下，我们的参赛作品主要解决的是实践问题，而非理论研究。规划实践与理论研究有一定相通之处，但从研究逻辑与方法论来说两个方向有着非常大的区别。理论研究的基本逻辑是从原理出发，分析各类要素对城市与区域产业发展的影响，各种产业对城市与区域要素特征的需求，从而逻辑推导出适当产业，并基于产业选择进行规划。而解决实践问题则既可以从原理出发进行推导，也可以从结果出发进行溯源。既然某一种产业发展模式已经在部分地区验证可行，那么这样的模式在某种意义上来说就是有一定道理的，我们可以借鉴这样的路径。即使某种产业的发展背后有着非常复杂的路径机制，也可能蕴含着非常深刻的理论问题，但我们仍然可以把它们视为一个“黑箱”，从最后的发展结果入手，反推该地区产业发展的路径与机制。毕竟“黑猫白猫，抓到耗子就是好猫”。很多情况下，“路径依赖”不等于“路径锁定”，从哲学意义上来说，纵然被大量证实行之有效的方法或许存在“水土不服”的可能性，但更多情况下大量的成功案例背后是科学规律，满分作业已经摆在面前，为什么不去抄作业呢？

Q3：您在分析产业关联时运用了图神经网络这一方法，请问这一方法的优势是什么？

正如我上面提到的，我们的作品的基本思路是从结果出发，在已有的产业发展路径中进行学习，挖掘其规律，进而进行产业推荐。机器学习、深度学习以及神经网络这类工具恰恰可以帮助达成这一目标。这些工具可以帮助我们在纷繁复杂的现象中找到隐含的规律，有些规律背后的机制可能被我们所掌握了，有些可能还没有被我们掌握。但不管怎样，规律已经被算法挖掘出来了。

与普通的神经网络处理的对象不同，图神经网络处理的对象是“图”。“图”是数学中图论这个分支里的概念。图包含两种元素：节点和边，节点表示任意一种事物，如人、城市、产业等，而边表示的是这些事物之间的关联。比如A和B是好朋友，A和B这两个节点之间就建立起了联系。又如我先去了北京，又去了上海，北京和上海这两个节点之间也可以建立联系。

图神经网络的一大应用领域就是推荐算法。基于图神经网络的推荐算法已经被非常多地应用在我们生活中的各个角落。我们每天在使用淘宝、豆瓣、网易云音乐等app时都会碰到基于大数据的音乐、电影以及商品推荐。它们不需要知道你姓甚名谁，年龄多大，是男是女，是猫是狗，有无对象，学历怎样，爱好如何，只需通过图神经网络算法把你的听歌历史、观影记录、商品点击历史等构建成复杂网络，也就是图，再把这一个隐含了你无数信息的图，与成千上万用户的海量点击数据训练出来的图进行比较计算，从进而为你推荐最适合你的音乐、电影、商品。

于是我们就想到，这样的算法可否为我们的产业推荐模型服务呢？同理，我们不需要知道城市的各类指标（类比于用户的各种特征），通过城市的产业引入路径（类比于用户的听歌历史）构建网络，是不是也可以把模型建起来，进而进发掘隐含规律，实现产业推荐呢？从图神经网络的应用中我们可以看出，第一，图神经网络应用于推荐算法可以更好地挖掘规律，因为我们不需要告诉电脑每一个节点的具体属性，他们的属性都隐含在他的联系里了。第二，图神经网络可以避开“大众化”的推荐，能够更好地根据该城市的已有特色产业进行专属的推荐，这样就可以更好地做到错位竞争，找到真正适合自己的产业领域，而避免都一窝蜂地涌向电子信息、人工智能等领域，既要找到好的，也要找到适合自己的。

Q4：从您的作品中我们其实可以看到，模型算法在规划研究实践中的重要性是日渐上升的，而且也得到了越来越多的学者的关注。您认为，作为一名即将的规划的从业人员，应该如何看待模型算法和规划实践之间的关系呢？

以我个人的观察，大数据与模型算法在规划研究中的应用程度要远高于在规划实践中的应用程度。似乎模型算法在解决“是什么”和“为什么”的领域上更好用，而到了“怎么做”的领域上就失灵了。的确，规划是面向实践的，而实践中确实会遇到很多不能纯靠模型算法解决的问题，包括各类主体间的沟通协调与治理、规划公众参与等等。但是我认为这二者是可以和谐共存，相互支持，达成一个更好的结果的。首先，规划方案的生成需要科学性，而科学性的来源就在于数据和算法；其次，规划方案的传导与实施需要科学化的构建，实践中产生的大量问题往往就在于一个科学的方案缺乏实施策略配套，从而招致各类主体的反弹。我认为，“城垣杯”大赛鲜明的实践导向在模型算法对“怎么做”问题的回答中起着引领作用。总书记说，要坚持把文章写在祖国大地上。身在高等学府，我有时感到过分重视规划研究，论文写出来，机制分析清楚就完事了。很感谢“城垣杯”大赛的平台能够给我们一个契机来思考规划实践中的问题。

此外，我认为有时候规划人员在规划实施过程中排斥抵制模型往往来源于模型算法的不成熟。这种不成熟体现在两个方面。其一是数据源与算法的不合适。有些数据只能从侧面反映事物的一个方面，但我们却用它来说明全局问题；有些方法只适用于宏观尺度，但我们却在微观尺度应用。其二是在建模过程中忽视“大数据”与“小数据”的融合，我们团队一直倡导“大数据”与“小数据”融合，规划的以人为本不仅需要我们“开天眼”从大数据看城市，也需要我们在开发模型算法的同时俯下身，认识这个色彩缤纷的世界。有时我们往往沉浸于“炫技”，却忽视了对理论、对人、对城市本身的把握。

Q5：对于将来的城垣杯竞赛，您是否还会持续关注？

到目前为止，“城垣杯”陪伴我走过了我的学生生涯。工作后，我将继续关注“城垣杯”。我相信身处规划业务一线以后，“城垣杯”更能刺激我更多的想法。今年是“城垣杯”大赛的第五年，这五年来，我身边关注“城垣杯”，参加“城垣杯”的同仁越来越多，希望大赛能够继续扩大它的影响力，能够吸引更多领域的学者、从业人员、学生前来参加。也希望今年参加竞赛的选手用好数据，为规划事业科学化尽一份力。祝选手们取得优异的成绩！

大赛获奖作品集

由北京市城市规划设计研究院、中国城市规划学会城市规划新技术应用学术委员会、北京城垣数字科技有限责任公司共同编制的《城垣杯•规划决策支持模型设计大赛获奖作品集（2019-2020）》已正式出版，希望大家多多关注！点击了解详细内容

扫描二维码可购买

END.

版权归原作者  I  如有侵权  I 请联系删除

城市决策

ID：city-ds

欢迎关注！

 往期回顾：