城垣杯 | 上届优秀获奖团队专访：【刘梦雨】以人为本，以人为策，科学描绘新城新区发展蓝图
精彩导读
第六届“城垣杯·规划决策支持模型设计大赛”已拉开帷幕，现已进入报名阶段（3月14日至5月1日），点此了解大赛详情。
点击回看刘梦雨、张书宇、仲昭成、刘笑千、李悦、黄劲团队作品展示
本期专访
6位参赛者均为南京大学“智城至慧”团队的成员，导师为沈丽珍副教授。“智城至慧”团队是国内大数据和智慧城市领域的先行者，在甄峰、沈丽珍、张敏等老师的带领下取得了诸多成绩。
Q1：刘梦雨您好。您在第五届城垣杯大赛上的获奖作品《新城新区商业设施人流网络预测——基于VGAE神经网络模型》选题方向新颖，切合如火如荼的新城新区建设，令人印象深刻。可以介绍一下您和您团队开展此项研究的原因吗？
目前新城、城市副中心、开发区等新城新区的建设如火如荼，建设新区就一定要引进人，有人的城区才能继续运转。商业设施作为必要的生活服务设施，一般随新城新区是一同规划建设，而且适当带有超前性的。和老城区、或者主城区相比，新城区缺乏丰富的现状基础和规划依据，所以在规划发展初期，不可避免会出现“一厢情愿”的蓝图式的愿景。比如盲目引进高端市场；商业设施建设高度饱和，长期空置；商业设施与人流增量的配给不均衡，“冷门”和“热门”商业设施两极分化严重等问题，普遍存在用地布局与人口使用“不匹配”现象。
为满足新城、新区远景高质量发展的需求，具有市场配置特性的商业服务业设施在增量预测、供给调整等方面有着特殊性与重要性。只有科学合理地结合当地活动特征、按照城市发展时序与需求进行商业设施规划和建设，才能达到供需平衡，打造具有活力的商业生活空间。目前关于城市商业设施的规划尚停留在“过去”与“现在”的研究与诊断，方法也相对传统，相关规划研究和规划标准仍较为薄弱。既然成熟的城区内部商业设施与人流特征已经形成一定的匹配规律，那么这种模式在某种意义上来说就是具有一定道理的。在海量的数据背后，机制可能会异常复杂，但其展现出的路径规律是值得分析和借鉴的。所以我们从2017-2020年商业设施空间布局的变化、人员流动网络的分析，从两者的空间耦合对比分析出发，利用海量的人员流动数据，通过VGAE变分图自编码器和图卷积神经网络GCN等机器学习技术，构建可用的人流网络预测模型，以期为优化城市商业设施建设引导提供较为合理的分析评价思路和决策方式。
Q2：您作品的一大特点是应用了VGAE神经网络模型对人流网络的学习和模拟。能否为我们介绍一些这种模型方法的原理、含义和主要特点？未来在哪些方面能够有所研究和应用呢？
我们应用的主要技术是图与复杂网络，以及图卷积神经网络。图与复杂网络已经是很成熟、应用比较广泛的方法了，主要应用于人流网络的搭建。我们选用的预测模型是图卷积神经网络模型。GCN它是处理图结构的一种很经典的方式，可以对图进行节点分类、图分类边预测等等。VGAE变分图自编码器其实是图卷积神经网络的一种，是一个对图数据进行编码和解码的过程，输入图的拓扑结构和节点信息，中间的卷积核和编码器对原始图进行重构，输出重构之后的矩阵，就可以用于链路预测和推荐任务。
对于本项目来说，我们把带有起讫点信息的人流OD数据抽象成为拓扑结构，产生人流复杂网络；根据这个网络，利用GCN的特性，通过VGAE算法对人流网络进行学习、训练网络链接预测模型，尝试本模型在预测新城新区人流网络趋势上的应用。VGAE作为一种可以用作网络链接预测和推荐的算法，可以应用在非常多场景下。例如人流网络预测、产业发展路径推荐、选址偏好推荐等等。
Q3：您认为，未来的新城新区建设还应在哪些方面着重规划和研究？您和您团队的研究模型在后续又应该怎样完善甚至投入使用呢？
新城新区的规划建设需要纳入考量的要素很多，比如土地综合管理和土地效益、道路交通方面的车流量和人流量预测、产业规划方面的产业门类选择、绿色生态空间的布局和系统化治理、各类公共服务设施的科学布点、住区生活圈的统筹布局和设计等等，以及大家都很关心的“留人”问题，怎样避免新城新区成为潮汐式的“睡城”或假日“鬼城”，“人产城”三要素的发展时序和发展规律等，都是亟待研究和探索的重要方面。建造一座城市不仅仅是图上画画，城市作为复杂巨系统和其与周边区域的链接关系都需要在实践中摸索总结。
本项目涉及到的人流网络自然变化规律只是城市建设预测框架的一小分支。本模型包含的节点信息和边数据信息较为简单，在真正的复杂应用场景下还需进行很多的提升，比如添加空间交互数据，为模型中的区域空间网格添加更多的空间属性标签，以更好地从人地关系的角度出发进行人流预测；利用大量的时间序列数据，真正对城区各类设施的建设时序进行推荐；以及基于更丰富的属性数据、图像识别等对小尺度的街区进行特征向量分类，使预测更好地适用于不同类型的街区等方式，都有助于使预测推荐模型更有针对性。
在研究生一年级时，我第一次在师兄的带领下接参加了第四届“城垣杯”规划决策支持模型大赛，并获得了三等奖。当时我正处于将工科院校的规划设计思维和地理院校的系统研究思维结合学习应用的关键时期。“城垣杯”向当时的我展现了硕士期间要专攻的城市大数据和规划新技术领域的广阔图景。去年，我作为团队负责人与师门小伙伴一同参加了第五届“城垣杯”大赛，我在领略、学习之外，还借助“城垣杯”提供的平台将自己的所学所想展示了出来。我认为“城垣杯”竞赛给了我一个很好的实践机会，他能让我们把学习到的机器学习技术落实到某些特定的规划应用，快速提高了我们对技术的理解运用能力和对规划的科学逻辑理解能力。我们的团队成员都是处于一个类似的跃升阶段，“城垣杯”大赛的优秀成果也极大地开拓了我们的研究视野，使我们受益良多。因此“城垣杯”对我们来说不仅是一次或两次竞赛，更是我们在规划新技术学习路上的启蒙和助力。
Q5：作为地理背景院校的研究生，您在规划的学习与研究中有什么不同的体验吗？能否为我们分享一下？
我的本科是传统工科院校，可以说是在规划学科的传统教育体系下入门的，同时也参与过一些实际项目，当时作为“规划小白”，面对业界和学界关于专业发展的各种声音，也在思考我们专业的核心竞争力、独特性在哪些方面，特别是作为一门学科的“科学性”如何体现？规划的生成和传导是否能够依靠当时如火如荼地大数据和新技术变得更加科学？在规划的理论研究领域会不会已经有所突破？这也是我硕士院校选择南京大学的初衷。南京大学的规划学科脱胎于地理，学科培养具有极强的整体性全局意识和系统性战略思维，而这两点则是规划工作者非常需要的两种素质；同时，在系统性思维的影响下，我的规划学术研究能力也逐渐得到提高，视角从微观走向宏观，从理论概念走向实践应用。
经历硕士三年的拓展学习，沉淀本科规划系统知识，再回到规划业界时，我个人认为我们很多理论研究都有些“高高在上”、脱离土地，无法真正落实到规划的实践应用上。规划是一门实践科学，理论变革和技术方法都需要在大量的实践中进行摸索试错、归纳总结。原则上讲，新技术算法模型与规划实践工作应该是相辅相成的，但实际总是存在脱节、各管一摊，变成“你分析你的，我规划我的”。而在大数据被带入规划领域时，就有诸多学者提出“大数据”与“小数据”的互补。
我一直认为，数据算法只是一种工具，规划从业者和研究者应该利用好这种工具，为规划的生成和落地达成更好的结果，规划最终是以人为本的，关键核心并不是分析了多么海量的数据也不是应用了多么高端的算法，而是规划工作者利用数据工具支撑所做出的科学决策。只有宏观尺度和中微观尺度结合、科学规律与文化治理结合、方案生成和实施传导结合，才能真正做好、落实好规划。
Q6：今年的第六届大赛也已经拉开帷幕，您会持续关注吗？有什么话对今年的参赛选手说？
友情提示：
采编：崔喆，哈尔滨工业大学城乡规划学士，南京大学城市规划专业硕士，现就职于北京市城市规划设计研究院数字技术规划中心。
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：