学术议题 | 智慧城市多源大数据处理与数据驱动式城市管理-文献解析与应用场景 | 自由微信

学术议题 | 智慧城市多源大数据处理与数据驱动式城市管理-文献解析与应用场景

UniDesignLab 2021-05-22

The following article is from TechArt学究科研社 Author TechArt科研社

○关注我们, 请点击屏幕上方 UniDesignLab

本期学术议题

"智慧城市多源大数据处理&数字化城市管理"
"Literature & Application | 文献+应用"—城市管理、数据分析、市民互动
“城市管理”是以城市系统为对象，城市信息流为基础，运用决策、规划、组织等一系列机制，通过决策者、市场与社会人群的互动，围绕城市运行开展的行为。其包括与城市规划、城市运行所关联的基础设施、公共服务设施等社会事务管理。随着大数据分析、人工智能和区块链技术的发展，物联网和其他新兴技术将不断改变并颠覆传统的非数据城市管理方式。由市民、专业设备以及其他传统渠道所获得与积累的大量数据，也将在不同的城市，提供实时监控与城市基础设施管理的新机遇。本期我们选取了一篇偏综述类的文献，将根据跨学科背景，较为系统性地整合“数字革命”主题下的不同研究，得到关于数据式驱动城市管理，自下而上式的系统和方法。
1. “Data-driven urban management: Mapping the landscape”解读2. “数据驱动的城市管理”相关领域文献补充3. 在线阅读与更多资料获取

文章全文8500字，阅读时间10分钟

//本期城市管理主题选文//
文献解读：

Data-driven Urban Management: Mapping the Landscape

数据驱动的城市管理：绘制数字化全景

期刊平台：

Journal of Urban Management

文献作者：

Zeynep Engin (1), Justin van Dijk (2), Tian Lan (2), Paul A. Longley (2), Philip Treleaven (1), Michael Batty (3), Alan Penn (4)-UCL

研究关键词：

数据驱动式社会 | Data-driven society

城市管理与应用 | Urban management and applications

循证决策 | Evidence-based decision making

文章内容框架：

1）城市管理的大数据革命背景；

2）城市管理的定义，大数据城市管理的必要与高效性；

3）城市大数据五大类型，不同需求所需要注意的问题；

4）城市管理需要重点发展与实践的三类服务和职能。

//选文内容与思路细解//

1
The Digital Revolution | 城市管理的大数据革命

在最近的25年中，全球人口的一半转移至城市，城市已成为人们居住的主要环境，社会整体逐步过渡至后工业信息时代。（新兴经济体蔓延，就业向知识型部门的过渡，以及社会政治层面，经济发展方面，贫富差距问题，社会公平性等……）面对这样的转型，这类由于社会过渡所引发的问题与现象也对城市管理带来了新的挑战。

许多这些社会或经济变革的基础在于信息技术和网络通信的发展，而这些技术也往往是解决城市挑战的突破口，数字革命时代的背景也为城市管理者们提供了更多“实时”型的决策依据。对于大量数据的积累、以及数据可用性和处理能力的提高、数据共享技术、以及对社会有一定监管应用意义的数据，都成为了重点发展的研究对象（补充资料1）。

图片来源：Urban Management & Challenges of Continuity and Change，城市管理与城市挑战的连续性变化

本文通过整合计算机科学、地理、城市规划和建筑学等，对城市管理的概况进行跨学科的综合分析，并提出数据驱动式城市管理方法如何实现数据共享的实践、以及如何支持公民与城市决策人员互动的可行技术。未来可重点发展的城市管理职能和服务有以下三类：

1Real-time Management | 实时管理

动态短时延型数据的传输与处理，用于更有效地管理周期性城市活动，如交通流治理。

Corresponding to actions based on dynamic data usage with a short time delay (often due to transmission and processing) related to activities usually over diurnal, weekly or, at most, monthly time scales – e.g. traffic flow management.

图片来源-左：Real-time traffic management or short-term prediction?（选自Traffic Technology International Magazine，October/November 2018），右：Real-time traffic state in Torino（源于OpenStreetMap，PTV Optima)

2Evidence-based Planning Decisions | 循证决策

基于历史行为数据以更合理地预测与规划城市新任务，如新建筑人口轨迹的预测。

Corresponding to actions based on longer-term projections processing mainly historicaldata, which pertain to the longer-term strategic role of forecasting for urban planning – e.g. predicting population trajectories to plan for new schools, hospitals etc.

图片来源：基于手机信令等多源数据的城市居住空间选择行为初探。小区社会属性指标分布情形，ａ:老年人口比；ｂ:幼年人口比；ｃ:通勤人口数量；ｄ:人口拥有自驾车比例；ｅ:人口的平均通勤距离；ｆ:人口高端消费比（补充资料2）

3
Framing the Future | 未来方向

结合传统规划与新管理方法以辅助城市设计师与城市决策者。

Corresponding to the design and creation of alternative futures, and through traditional and new methods of problem-solving associated with designers and political decision-making.

图片来源：Finding Places（2016）Developed by: M.I.T. Media Lab, Changing Places Group, Hafencity University

补充资料1：

Man, U., Giest, S., & Baar, T. (2018). Can Big Data make a difference for urban management. Elmqvist, Thomas; Bai, Xuemei; Frantzeskaski, Niki; Griffith, Corrie, 218-238.

补充资料2：

徐婉庭,张希煜 & 龙瀛.(2019).基于手机信令等多源数据的城市居住空间选择行为初探——以北京五环内小区为例. 城市发展研究(10),48-56. doi:CNKI:SUN:CSFY.0.2019-10-006.

2
Urban Management In Context | 城市管理背景

那什么是城市管理呢？城市管理是一个相对难以明确定义的广泛概念。Davey（1993）将城市管理总结为一套为了确保获得公共服务而制定的松散耦合的政策、计划、方案和实践；Mattingly（1994）认为城市管理作为一种责任，其概念是作为一种提高城市效率与平衡社会与经济发展的改革。城市管理的术语也被广泛地用于各种与规划、行政管理、以及城市环境的问题中。其核心思想类比于一般带有时间和成本限制的项目管理概念而言，具有空间真实性和不可逆性。城市管理的条件是需要通过现有基础设施、社区环境、社区的历史结构对城市的综合环境产生影响，并持续产生影响，其整体是一套需要适应以及迭代的过程。同时，基于影响因素的多样性，城市管理中高度复杂的过程也具有高度的不确定性，对城市空间的治理会导致预期理想的结果也会导致不在预期中的结果。相比于侧重规划的部分，城市管理既有规划也有决策的部分。

图片来源：数据驱动式城市管理中所涉及的领域与内容

在数字化环境的推动下，城市管理的运作方式也发生着巨大的改变。基于以上，对于现有情况和历史信息的需要、以及高度复杂性和高度不确定性的特点，城市管理与新数据技术所关心的问题相互交叉。通过城市数据分析和预测特征， “数据驱动的城市管理”将成为新数据技术和更高效的分析方法，旨在用数据有效促进城市地区的管理（补充资料3+4）。

补充资料3：

Geertman, S., Zhan, Q., Allan, A., & Pettit, C. (Eds.). (2019). Computational Urban Planning and Management for Smart Cities. New York: Springer International Publishing.

补充资料4：

Townsend, A. (2015). Cities of data: Examining the new urban science. Public Culture, 27(2 (76)), 201-212.

3
Data and Technologies | 数据技术

在过去的十年里，大量新数据源已可用于城市管理，并开辟了许多新的领域以更好地监控和了解城市环境发展的可能性，逐步从“数据稀缺”环境转向“数据丰富”环境。基于数据源的可访问性和所有权，城市数据可主要分为五大分类：1) 个人数据(Personal Data)，2) 资产/专有数据(Proprietary Data)，3) 政府数据(Government Data)，4) 公共数据(Open and Public Data)，和5）众包数据(Organic and Crowdsourced Data)。

原文配图：不同城市数据（个人数据、资产/专有数据、政府数据、公开/公众数据、众包数据）的获取方式、获取难度与研究应用场景（配有部分翻译）

1）Personal Data | 个人数据

在欧盟被定义为“与已识别或可识别为与自然人有关的信息”，在城市背景下如家庭，教育、就业、健康、移民、犯罪、以及购物、网络浏览等数据。

2）Proprietary Data | 资产/专有数据

指代个人或组织拥有的专有数据，例如银行、零售的在线平台数据或其他形式的消费者数据，这些数据通常是以人口级别收集，且有更多行为的不规则性。

图片来源：使用三种不同的可视化方式表达Personal data（研究员30年书目数据）（a）点线图 | Node-link diagram，（b）矩阵图 | Adjacency matrix（c）树状图 | Botanical tree。

3）Government Data | 政府数据

是指主要由政府部门和其他相关机构收集，用于登记、交易和记录保存的数据，通常在服务交付期间，且为官方生成的内部访问统计数据。

4）Open and Public Data | 公开/公众数据

开放数据包括任何人都可以自由访问、使用、修改和共享的数据，政府数据平台（如美国的data.gov、英国的data.gov.uk等）是主要的公众数据供应商。

5）Organic and Crowdsourced Data | 众包数据

众包数据包括自动跟踪各种交易，例如网络搜索引擎、社交媒体、数码交通摄像头生成的数据计算汽车数量，扫描仪记录购买情况等得到的数据集。众包数据本身不带有意义，但有一定的应用挖掘价值，例如维基百科和OpenStreetMap等协作项目中大量人员所储存的信息。

图片来源：左：Twitter 社交圈数据分类可视化，右：Twitter话题用户数据统计

而对于这些不同性质的数据，在城市管理过程中也具有较大的应用潜力，但使用时也有一定的问题需要注意，可总结为以下4方面：1) 共享安全，2) 数据质量与数据来源，3) 数据可视化与交互性，4) 数据所涉及的伦理考虑。其中1) 与4) 主要涉及城市管理时，个人数据的共享性和可用性的增强所带来的潜在安全性和所有权问题，以及对应合适的政策环境，如数字经济法，数据保护条例问题。我们以下主要针对不同数据处理与新知识生成过程、用户交互过程中城市规划者、以及城市用户常见的要求以及方法论展开解读。

Data Processing and Knowledge Generation | 数据处理与新知识生成过程

城市数据的来源以及处理转换方式需要有规范化和严格的数据清理与记录方法以确保数据质量，得到有说服性的城市管理决策。规范化的数据存储与更新更有助于协助城市调整管理与规划策略。如Lansley, Li, and Longley (2019) 所提到的“Consumer Registers”，长期人口普查的数据更新所协助调整的消费、行政决策以及住房搬迁的预测，在指标分析上更高效且更富依据性地代替了一般的规划方式。

图片来源：Learning to walk-Modeling transportation mode choice distribution through neural networks。不同城市徒步旅行数据建模与数据分析（补充资料5）

而随着数据量和数据类型的增多，以及城市问题的日益复杂化，城市规划者除了单个决策之外也需要能够管理这些复杂问题的系统性方法论。其中，城市数据的机器学习技术是最新兴和被研究最多的方法之一。应用需求较多的有运输领域的研究，如预测城市运输方式的分布（Aschwanden et al.，2019-补充资料5）或对GPS数据进行分类（如van Dijk，2018-补充资料6）。其他有一定应用需求的场景，如使用机器学习通过图像识别技术来评估城市街道的空间品质；预测每周和每日产生的垃圾量以及所在的城市分布点;以及通过街道交叉口数据预测可能形成贫民窟的地区（Ibrahim, Titheridge, Cheng, & Haworth, 2019-补充资料7）。相比于传统分析，机器学习所提供的数据依据、以及相同的方法论通过代替数据可直接得到分析结果，其优势显而易见。虽然在部分方面，由机器学习得出的结果有数据取样方面的质疑，但与设计规划者或者决策者的优势结合，可以形成有效的数据与计算机辅助的城市管理决策。

图片来源：predictSLUMS，开罗城市平民窟项目：数据识别、训练和预测过程（补充材料7）

补充资料5：

Aschwanden, G. D., Wijnands, J. S., Thompson, J., Nice, K. A., Zhao, H., & Stevenson, M. (2021). Learning to walk: Modeling transportation mode choice distribution through neural networks. Environment and Planning B: Urban Analytics and City Science, 48(1), 186-199.

补充资料6：

Van Dijk, J. (2018). Identifying activity-travel points from GPS-data with multiple moving windows. Computers, Environment and Urban Systems, 70, 84-101.

补充资料7：

Ibrahim, M. R., Titheridge, H., Cheng, T., & Haworth, J. (2019). predictSLUMS: A new model for identifying and predicting informal settlements and slums in cities from street intersections using machine learning. Computers, Environment and Urban Systems, 76, 31-56.

User Interaction | 用户交互

另一方面，城市作为一个需要多学科、多部门协作的领域，它同时也依赖公众、专业人士以及政府决策人员之间的合作，以满足不同利益相关者的需求。基于平台的技术，如政府数据平台、环境模拟工具、城市数据分析与可视化平台等），以及人工智能互动系统，如聊天机器人和“智能”助理，也在越来越多地被用作城市中的关键互动工具。除了我们之前提到的机器学习以及可视化技术，BIM（建筑信息建模）和Digital Twin（数字孪生-补充8）也正被广泛地应用于城市环境的规划与预测。除了建筑物基本结构，BIM还涵盖空间关系、光和能量分析、地理信息以及建筑的其他属性对整个施工生命周期提供全面的系统控制。数字孪生则是与物联网系统并行的概念，通过物理模型、传感器更新、运行历史等数据在虚拟空间中完成城市预测模拟的映射，从而反映相对应的实体装备的全生命周期过程。

图片来源：左：Huawei-How Digital Twins Enable Intelligent Cities，右：ARC虚拟平台-Anne Marie Walters of Bentley Systems

补充资料8：

Shahat, E., Hyun, C. T., & Yeom, C. (2021). City digital twin potentials: A review and research agenda.

Sustainability, 13(6), 3386.

4
Data-driven Urban Management | 数据式驱动城市管理

从实时监控和管理所有类型的基础设施，到更智能地预测未来，以上熟悉了城市管理的基本概念、数据类型以及数据在操作时的注意点，那么具体该如何应用这些数据呢? 这里回到作者之前提到的三个需要重点发展与实践的服务和职能：1）实时城市管理，2）循证的规划决策，3）未来方向。以下总结了可应用的信息类型并进行分段举例讲解（关于第四部分4. Ethical considerations and challenges -未来公众权益与道德问题，本期由于篇幅原因，可以直接查看原文）。

原文配图：不同城市实践要点下可延展实践的方向（配有部分翻译）

1Real-time Management | 实时管理

新加坡是城市实时移动型管理的一个很好的例子。新加坡通过智能交通系统（ITS）与其他交通计划的配合来增强其整体交通系统，如凌晨免费的公共交通，车辆配额制度，运行良好的公共交通系统以及拥堵费。市民可以在ONE.MOTORING平台上访问道路监控设备，及带有GPS的出租车上所安装的摄像头收集的实时信息。Traffic Smart平台每5分钟拍摄一组道路快照提供给司机。当地的陆路交通管理局（LTA）使用监视摄像头监视道路事故，如果发现事故，LTA会立即派遣车辆救援人员在15分钟内到达现场。LTA的停车引导系统也可为驾驶员提供有关停车的实时信息。对于其他用户，MyTransport.SG的手机应用端可以直接为通勤者提供实时数据。除了新加坡，米尔顿·凯恩斯，南安普敦，阿姆斯特丹，巴塞罗那，马德里和斯德哥尔摩也是实施城市智能化技术与计划的主要城市。

图片来源：ONE.MOTORING实时监控与数据收集平台

城市仪表盘（City Dashboard）作为可以提供实时信息的数据视图，也是城市设计师和决策者所经常使用的工具。虽然所带的信息较为零散，但GIS功能和展示面板对于不可比或不可整合的信息的可视化形式，其分析能力毋庸置疑。类似于城市仪表盘，基于信息与通讯技术（ICT-based tools, information & communications technology）的其他工具也正在进行相关的城市服务以引发与连接服务提供商（如地方政府）和消费者（如公民）之间的互动。通过城市公共数据的记录可得到，大多数发达国家在城市数字服务方面都有一定规模性的投资，较为著名的案例如1) 新加坡的e-Estonia项目，覆盖整个政府服务范围的电子政务系统，提供市民所需的实时数据更新，如公民的电子健康记录；2) 英国的“Digital by Default”策略，向市民提供内阁和政府数字服务，如纳税数据与在线服务；3) 德国的Bundesagentur fur Arbeit项目，通过虚拟劳动市场平台，将求职者纳入劳动力市场的实时数据。

图片来源：左：City of Pearland-Custom-built COVID-19 Interactive Dashboard，右：Seoul Smart City Platform（补充资料9）

与实时城市管理相关的另一个技术还有机器人系统，目前各国政府部门也已部署了越来越多的聊天机器人和“Robo”顾问。例如4）美国国土安全部使用的虚拟助手Emma，聊天机器人和虚拟助手可以给公民提供全天候的最新本地信息（包括当地活动，交通路况，废物收集等），以帮助市民找到对应在线政府的数据和信息；或帮助市民自动填写表格（如驾驶执照续签，退休金申请，税收申报等）；也可主动传播数据，如分发相关的医疗救助计划，当地医院情况的最新信息等，处理投诉并提高市民对法规的认识，并引导游客计划当地景点和行程。除了以上这些功能，城市数据技术实时性的有趣之处还有如在线争议解决系统，自动化的基础设施维护以及合同交付交易。

图片来源：Hitachi Drone Platform Contributes to Urban Development，无人机一站式城市集成服务概述，数据收集-处理-维护-数据管理以及城市管理的应用场景（补充资料10）

补充资料9 ：

Tong, X., & Wu, Z. (2018, July). Study of Chinese City “Portrait” Based on Data Visualization: Take City Dashboard for Example. In International Conference of Design, User Experience, and Usability (pp. 353-364). Springer, Cham.

补充资料10：

Iino, T., Akimoto, O., Ohno, T., Hamano, M., Sotani, H., & Ota, K. Hitachi Drone Platform Contributes to Urban Development. Development, 3, 1.

2Evidence-based Planning Decisions | 循证决策

市政府所面临的第二个当代挑战是如何使公众逐步接受并实现城市可持续的发展。其实施过程的主要问题在于当地不同利益集团之间的矛盾，如规划中对当地医院机构的关闭与整合，虽然能够在长远发展中促进城市运作，但很难获得公众对合理化医疗体系计划的认可。循证的规划决策的目的则在于，通过易于理解的形式向公众提供证据与分析，将辩论的焦点从“惯性主义”转移到讨论新计划的优势，以便在某种程度上让公众和决策者达成共识。过往城市管理遇到的问题，当地居民比政策决定者更加了解当地的情况，但他们对于当地整改的看法只适用于某一个地方，并不具有可复制性。循证计划的意图是通过大量当地社区数据的累计帮助决策者增加当地的信息，以增加决策的建设性。

图片来源：房屋搜索平台，Properati-3D交互式地图与应用程序界面

在城市和区域规划的优秀案例中，不同的模型需要依据分析并结合城市政治以及市民可接受的程度来探索新的规划计划，即模型+数据+环境。例如，土地利用-运输互动QUANT6模型，使用空间互动建模技术来模拟人口、就业和交通变化对土地使用成本的影响。长期精度预测通常与输入至系统的数据量与数据质量密切相关，这加强了将传统建模方法与新“数据驱动”方法相结合的案例。空间句法，在另一方面，代表了完全不同的一类分析空间构型的理论和技术，结合了新数据源的优势，并且对应至人类行为的尺度。结合之前分析的数据仪表板，实时数据的可视化与城市指标的趋势分析，可以相辅相成地为规划决策提供有用的依据基础。这种由群众数据量与大数据历史分析得到城市政策制定的方法，也被Batty和Marshall（2012）定义为由下而上的动态性城市均衡系统，在概念上也创建了所谓的响应式城市与弹性城市。

图片来源：左：http://quant.casa.ucl.ac.uk/，QUANT项目数据情况；右：https://fcl.ethz.ch/，Leveraging data for post-COVID urban planning项目

3
Framing the Future | 未来方向

关于数据驱动的城市管理或是说数字化转型，未来还有哪些发展可能呢？以下总结了1）社区在线服务，2）数字化空间参与的主要两点。我们先回顾一下Amazon，eBay，Alibaba，Uber和Airbnb等跨国公司所推出的服务模式，这些公司如何从原本的政府-群众-私营企业模式发生改变，并建立了新的联系。例如，租车公司Zipcar（于2000年创办）已成功将公共部门组织（如伦敦交通运输部、车辆执照颁发处）与用户产生了新的商业模式与联动管理。Zipcar类似于我们熟知的共享单车，车辆主要集中在居民集中的地区，用户可以通过网站、电话和应用软件搜寻需要的车辆，在几分钟内完成选择就近车辆、预约取车和还车，减少了拥挤的城市环境中汽车完全拥有量。同理类似Uber与Airbnb等公司所提供的服务理念，其术语“共享经济sharing economy”和“超级市场化uberisation”，通过基于社区的在线服务促进了这种混合市场的模型。另一方面，对于数字化空间的参与，虚拟现实、增强现实以及混合现实也进一步提升了公众对于城市公共空间以及个人空间的参与，给予了参与城市规划过程的机会（补充资料11），而这些背后的数据与行为也在很大程度上更新着我们过往的经验与掌握的历史数据集。

图片来源：Urban mobility in the shared economy，城市交通共享经济

通过移动设备、基于位置的服务以及其他互联网技术的互动平台，公众转向了以社交网站、手机游戏及以在线访问服务系统为中心的社区。公司或政府所涵盖的在线活动数据、物联网系统的部署，使有关个人、资产和系统的高度粒度化数据结构可被实时使用。数据通过便携式传感器与移动设备进行收集，并用于运输建模目的调研：如未来流动性调查、城市宜居性预测、城市土地利用分类、全市旅游模式分析、出租车移动数据分析等。

补充资料11：

Brabham, D. C. (2009). Crowdsourcing the public participation process for planning projects. Planning Theory, 8(3), 242-262.

5
Conclusion | 结论

新的数据来源、分析技术和网络基础设施为协调城市管理提供的机会才刚刚开始探索。未来相关的目标涉及：为决策者提供更好的决策支持和个性化的公民服务，到城市基础设施运营的自动化管理，再到公共部门、企业部门和用户之间的新协作模式。虽然目前的文献较难表现对于整个数字化城市的管理，但本文试图提供一个参考点，以梳理与填补这一空白。整体而言，我们希望以城市管理为背景，更加注重实际服务与城市功能正在进行的数字革命，通过总结与明确可访问、所有权允许的可用数据源以增强城市管理、数据分析和市民互动的联系以及技术。

以下二维码可扫码直接阅读/下载全文

关于数据驱动式城市管理的更多内容，可以扫取小助手微信，得完整论文包：

声明：本文所用图片和论文资料源自于网络(论文配图)

从来就不缺傻子！

女高管与男下属上班约会开房，男方妻子闹到单位！被开除后她辩称：一直保持0.46-1.22米“个人距离”

错过这轮牛市，等于2000年错过楼市！

中国人民大学最新报告：相信遥遥领先的人，多数处在社会底层

微信里不发朋友圈的人都在看什么？