当期荐读 | 面向精细化治理的城市画像: 构成要素与应用体系
Photo by ben o'bro on Unsplash.
杜智涛 李纲(中国社会科学院大学媒体学院,北京,10248; 武汉大学信息资源研究中心,武汉,43072)
[摘要]
[目的/意义]城市画像是城市精细化治理的必要技术和实现前提，本文旨在剖析城市画像在现代城市治理中的作用机制与实现模式。[研究设计/方法]通过对构建城市画像所必需的城市数据、城市计算和基于可视化的人机交互三种关键要素进行梳理；并着眼于城市发展的系统性、多样性与复杂性，对城市画像在城市精细化治理中的应用现状与发展趋势进行分析。[结论/发现]提出了一个由“资源-领域-实现”三个维度所构成城市画像应用体系，揭示出城市画像在城市精细化治理中的应用过程，是一个以数据为核心，整合城市各功能构面、各部门资源，进行前瞻性预见、科学化决策、精准化治理以及面向未来的城市变革过程。[创新/价值]建立了城市画像与城市治理之间的逻辑关联，为城市画像的构建与应用提供了清晰思路，也为城市治理拓宽了新的研究视域。
[关键词]
城市精细化治理 城市画像 构成要素 应用体系
1 精细化城市治理与城市画像
1.1 精细化城市治理:城市治理的新阶段
城市治理是城市政府与其他组织和市民社会通过一定的协作、互动机制共同参与管理城市、促进城市发展的一种现代化的城市管理方式。城市治理的理念有别于一般的城市管理与城市规划，它有以下特征：不是自上而下的政府管理和控制，而是城市各利益主体共同参与、上下互动的多元协作与合作博弈；不是一套既定的规则体系，而是包含有效规制与系统规划的持续互动过程；既涉及城市环境、资源等物理空间的规划，也涉及城市社会、经济、政治、文化等方面的公权规制；体现政府与市场的双重驱动，既要有效的市场，也要有为的政府。
城市治理理论的发展经历了三个阶段：上世纪上半叶，随着城市人口与规模剧增，形成了大都市统一规划的城市区域战略规划理论[1]；上世纪下半叶，随着发展中国家的崛起、政府改革浪潮及精英主义的兴起，在公共选择学派的影响下，形成了城市多中心治理理论、新区域主义理论[2，3]；上世纪末以来，随着经济全球化的发展和信息技术快速发展，区域发展的边界与描述尺度被重构，城市决策能力的强化，更细粒度、更有张力、柔性、更多主体合作的新的城市治理理论与模式正在形成[4-6]。总体上看，城市治理理论与方法随着经济、社会、技术的发展而不断演进。近年来，随着大数据技术、信息通信技术、物联网传感技术等发展，实现了城市数据的海量激增、信息沟通的高度对称、数据传递的实时共享，城市治理中出现了诸多新的现象，如智能市政管理、公民网络参与、政府数据公开以及智慧城市构建等，这使城市治理进入一个新的阶段——精细化城市治理阶段。
精细化城市治理表现出以下新的特征：①城市治理的单位尺度更小、粒度更细，治理单元从地理区块向城市任意行为主体细化，从过去的人口群体向个体为本的个性化精细治理转变。②传统的科层式治理结构被打破，“人人互联、万物互通”使得治理结构由单向度的层级治理变成了扁平化的网状耦合连接，治理中的主客体关系被弱化。③中心化资源分配模式向分布式的协同运作模式过渡，各决策单元根据城市系统的整体目标、资源约束和数据足迹，基于一定的智能算法进行资源优化配置，最大化解决城市治理中可能出现的“政府失灵”或“市场失灵”问题。④精准化、智能化的决策体系，使城市治理的预测预警更加完备和准确；同时，由于其自组织性和鲁棒性，使得整个系统更加稳定可靠，城市治理的不确定性风险更低。
1.2 城市画像在精细化城市治理中的作用
如果说城市治理是对城市管控、城市管理或城市规划的超越，那么精细化城市治理则是对城市治理模式的一次颠覆性革命。精细化城市治理使城市成为一个鲜活的“有机体”[7]，每一个“细胞”单元被有序的组合排列，并通过网络通信系统和传感系统这样的“神经网络”有机的连接在一起，神经末稍的任何一次动作，都与中枢神经系统实时反馈，并引起其他单元组织的适应性调整，保证整个“城市有机体”的平衡。
精细化城市治理整个过程需要通过城市画像来呈现。城市画像在精细化城市治理中起到重要的作用：①城市画像是一个城市镜像系统，能够将城市系统中资源禀赋、关联网络、空间布局、历史演化、能量流动、约束条件等进行全程、全景和全息的映射，展现出一个完整的城市“有机体”。②通过实时的信息、数据和知识共享，以及在此基础之上的计算建模，清晰地展示出城市治理过程中各影响因素之间的关联关系与传导效应；同时，基于更友好的可视化人机交互，为城市各运作单元的分布式协作提供有效的协同运作工具。③内容丰富、形式多样的城市画像既可以为城市居民提供更便捷的Th活服务；同时，也可以使城市居民以更全面、系统的视角和更便捷的方式参与城市治理。④城市画像作为城市系统的镜像，可以通过对城市系统发展中的不可复现的问题（如交通规划、环境污染、疾病传播等）进行仿真模拟，对城市治理中风险进行预测和预警，降低城市治理的风险。⑤城市画像能够综合展示一个城市的历史基因、人文环境、地缘特性、性格禀赋等，可以为构建良好的城市品牌形象提供支撑。由此可以看到，城市画像是实现精细化城市治理的重要方式和基本保证。
2 城市画像的构成要素
城市画像的构建需要三个关键要素：海量的城市数据、科学有效的城市计算模型以及可视化的人机交互系统。城市数据是构建城市画像的基本元素，是城市有机体的“细胞单元”及其运行过程的映射；计算模型从数据中萃取知识并进行知识挖掘，是对城市有机体进行深入认知、全面诊断的工具；可视化人机交互系统下能够提供多维、Th动的画像展示及外设接入。具体内容如下。
2.1 城市数据
如果说经济、制度、文化、科技是表征人类文明的四个关键因素，那么，数据则是反映人类文明的第五大因素，因为这些因素均有一个重要特征——对人类分散的资源与能力进行组织化、系统化、功能化的重构。大数据技术的普及使人类文明进入“数据文明”时代，数据价值被前所未有地释放出来。数据能够将分散化、碎片化的人、财、物资源有效整合、集约管理与调度；能够挖掘出潜藏于复杂纷繁线索下的底层规律，实现对世界更深入全面的洞察与预见；能够使人类摆脱信息的不对称性与延迟性，以极低的交易成本与实时的交互速度实现人、财、物的组织化、系统化与功能化。城市作为人类高度协作的产物，是人类文明的凝结，城市数据的开发与利用是人类进入“数据文明”时代的重要标志。
城市数据体现于四个维度，见图1所示：①从数据来源看，城市数据来源于生态环境、产业经济、交通、市政、人居、治安、文教、卫生等行业领域，这些数据反映城市的某一个侧面。②从获取方式看，城市数据分为四种类型：一是基于调查统计的数据，比如人口普查数据、工业经济数据、地块数据等，这些数据勾勒了城市的宏观特征。二是业务生成数据，比如居民存取款数据、支付交易数据、移动通话数据、居民健康数据、公交刷卡数据、企业Th产运营数据等，这些数据像勾勒了城市各业务部门的微观运行状态。三是以GPS（Global Positioning System）、GIS（Geographic Information System）、RS（Remote Sensing）、传感器（Sensor）、射频识别（RFID）、摄像头视频采集终端、无线通讯网络、LBS（Location Based Services）等为基础的城市空间数据，这些数据勾勒了城市的基本“骨架”。四是互联网数据，包括对网络内容、网络结构以及网络日志数据挖掘而获取的数据。这些异源异构数据还可以进一步整合，比如样本调查、GPS、GIS及网络日志数据相结合[8,9]；社交网络数据、LBS数据、公交卡数据、电信运营数据相结合[10-13]。③从属性特征看，城市数据包括两类：一是先天数据，即地理、位置、自然环境等数据。二是后天数据，即人为Th成数据，包括用户行为、经济发展、健康医疗、治安等数据。④从时间上看，城市数据是处于实时变化的，每一时间点的空间数据或行为数据形成一“帧”，诸多的数据“帧”形成了一个跨越时空的数据流，城市数据流勾勒出城市发展的历史演进过程与发展脉络，体现出城市画像的动态性。
2.2 城市计算
城市计算是城市数据开发与利用的重要方式，实现对城市多维、异源、异构数据的整合、萃取、建模和仿真，从而构建出具有更丰富的内涵和更深刻洞察的城市画像。城市计算包括城市统计素描、城市网络计算、城市模拟仿真三个方面。
（1）城市统计素描。一方面，基于统计学方法，如比率分析、因子分析、聚类分析、回归分析、相关性分析、时间序列分析、结构方程模型、投入产出分析、时空棱柱分析等方法，对统计数据进行建模。另一方面，对于业务生成数据、互联网数据、感知数据等大数据，通过机器学习与深度学习、神经网络分析、判别分析等数据挖掘技术，提取出隐含在城市海量数据中的、人们未能预先识别、但又具有潜在价值的知识。基于此，从宏面到微观，对城市人口结构、产业经济、社会发展、文化历史、资源禀赋、居民行为、潜在危机等进行深刻描述、价值挖掘以及预测预警。
（2）城市网络计算。运用复杂网络分析、微分方程等方法挖掘城市系统与城际网络的节点位移、信息交互、网络规划、等级体系等特征，以此对城市系统的资源配置、空间布局及发展模式进行优化。这主要通过一般均衡模型来实现，比如Lucas和Rossi-Hansberg的城市空间均衡模型[14]。城市空间均衡模型一般包括出行选择模型、交通可达模型、土地开发模型、地价与房价模型、个体或企业选址模型、信息交互模型、环境影响与管制模型等子模块，这些模块与宏观经济、人口、就业等数据库连接，并加入用户自定义功能对特定场景案例进行参数预设，就可以对城市空间进行一体化建模。同时，通过对社交媒体中用户行为数据的社会网络分析与建模，可以对城市居民行为关系、集聚效应、文化特征进行深入分析；在此基础上，进一步与移动通信数据相结合，可以对城市之间的关联关系和等级体系进行计算，为城际空间结构研究与资源优化配置提供依据。
（3）城市模拟仿真。均衡模型是一种静态模型，可以通过构建一系列方程，求出均衡状态下的最优代数解，但它不易揭示时间变化的规律性问题；而仿真模型作为一种动态模型，尽管无法求出代数解，但可以通过数值模拟，分析系统随着时间变化的演进规律。元胞自动机（CA）是对城市动态仿真的一种重要方法，可以在空间尺度上进行精细化城市模拟，它通过演绎城市地块利用变化，模拟出全局性、复杂性的城市演进历程。如Stevens和Suzana基于CA方法，构建了一个用于反映城乡边缘地块利用变化的仿真模型，对城市空间增长进行多情景模拟[15]。同时，CA具有规则的离散空间结构，在空间数据结构上易与可以提供丰富时空动态信息的遥感、GIS技术相结合。比如Moreno等提出了一种新的基于向量的地理元胞自动机模型，将空间定义为不规则地理对象的集合,每个对象（表示为一个多边形）根据相邻多边形的影响随时间演化，并利用实际GIS数据对模型进行了测试，反映出模型很好的实用性[16]。Shen等提出了一种基于GIS和CA的城市分区土地利用模式可视化模型，探讨如何利用GIS数据库中的不规则多边形数据集来处理空间微模拟，研究了土地调整项目实施后城市空间地块的利用模式[17]。CA模型可以较好地对城市不可位移的地块空间演化进行仿真，但不具备决策能力和学习能力；而多主体建模(ABM)技术则可以对城市中可移动、具有决策能力的主体（agent）属性特征及其之间的交互行为进行仿真建模，研究在一定时间内公民、政府、企业等城市主体的决策行为、博弈过程及演化规律[18]。研究者一般会将ABM与CA相结合，CA用于模拟不可位移的物理空间，ABM模拟可位移的智能主体。如Torrens和Benenson将CA与ABM结合，提出了一种由基础设施和人类对象组成的复杂地理系统空间仿真模型[19]。Li等结合CA、ABM和多种人工智能技术，建立了地理模拟优化系统GeoSOS，并应用其为东莞的一条高速公路寻找最优路径[20]。李纲等从概念设计、系统设计和应用设计三个层面，研究了不同的仿真模型在突发事件与应急管理中的应用[21]。
2.3 基于可视化的人机交互
可视化不但是数据及其计算结果的呈现方式，而且还是一种治理手段，它可以通过直观、丰富、生动的视觉效果，深化人们对数据的理解，使人们可以清晰直观地理解城市各要素之间的交互关系和动态发展过程，对城市发展进行多维度、多尺度的评估与预测，为城市建设投资决策与政策制定提供直观参考[22]。当前，可视化技术已经被广泛地用于城市的现象描述、问题研究、管理规划中[23]。城市可视化的实现工具有UrbanSim、CityEngine、Urban Canvas、GeoCanvas等等，它们可以有效地将城市数据进行整合，并提供从二维到三维、从静态到动态、从时间到空间的视觉表达。
城市可视化系统并非是静态的信息展示系统，而是一个“人与社会、环境”实时互动、互构的动态开放系统。可视化使数据、信息、知识以更加友好、直观的形式呈现，降低了人们对复杂数据的认知理解门槛，使人们能够最大限度地参与到城市治理中。可视化为公众提供更形象、生动的信息描述，最大化解决公众信息不对称的问题，同时，城市公共治理系统通过分布式的接口（如政府问政平台、网络听证平台以及社交网络平台等），为公众参与城市治理提供便捷的接入渠道，提升公众参与城市治理的有效性与靶向性；此外，可视化系统还可以有效地使决策者了解公众舆论，在科学化和民主化充分耦合的基础上，建立起城市公民“群智”治理模式。
城市治理的可视化系统是在“人-机”互动的基础上实现的。基于人机互动可以进行可视化动态推演、交互式探讨，探索新的价值点，提升分析与决策的洞察力。通过可视化人机交互可以实现城市治理的实时监测、动态控制、在线管理，既对居民行为、经济发展、社会文化、市政建设、资源环境等数据进行多层面展示；也通过数据仓库和计算模型，将这些数据在不同应用场景下进行综合呈现。当前，人机交互的城市可视化监控技术在城市交通管理、网络舆情管理、融媒体管理等领域得到广泛应用；同时，基于电子大屏幕的综合政府服务、民生服务、产业服务、城市治理等应用的可视化监测与管理系统也已经成为城市信息管理指挥中心的标配。
城市可视化是从数据、信息，经过计算建模，到知识探索、辅助决策的提炼与升华，这个过程中，信息描述、知识挖掘、人机交互是城市可视化的基础。此外，城市不仅是物质的，还是文化的，可视化技术还可以呈现出城市的人文景观，展示出城市的性格、历史、人文、故事等，将个体与群体的行为特征、社会图景，将人工与自然的开发过程、演进脉落，将实体与虚拟的空间分布、时序结构，进行深入、生动的描绘，展示出一种丰富多彩的城市景观。随着VR、AR和5G技术的普及，城市可视化的展现形式也更加多样。
3 精细化治理下城市画像的应用体系
面向精细化治理的城市画像是要通过对城市数据的挖掘与知识提取、城市计算建模、可视化呈现及友好的人机交互等方式，实现对城市运行与发展的不同领域、不同尺度的预测预警、决策支持及公用服务。这是一个涉及多维度、多要素的系统耦合过程，是一个以数据为核心，整合、协调城市运行中的各功能构面、产业部门的资源，进行前瞻性预见以及科学化、精准化决策与治理的过程。面向精准治理的城市画像的应用体系由“资源、领域、实现”三个维度构成。“资源维”将城市的物理资源映射成数据资源，再从这些数据资源中进行挖掘，提炼出有价值的信息与知识；“领域维”体现着城市的各产业领域与业务功能；“实现维”由城市的物理画像、社会画像、城市镜像三个层次构成。这三个维度相互交叉、整合，形成不同层面、不同尺度、不同维度的城市画像（如图2所示）。
3.1 资源维:从数据、信息到知识
城市资源包括现实资源与数据资源两个层面。现实资源诸如自然地理资源、历史文化资源、品牌形象资源等；而数据资源是现实资源的数据映射，城市画像是建立在数据资源基础之上的，数据资源是城市精准化治理的核心资源。通过对城市运行过程中各部门、各系统Th成的海量、动态数据进行聚合、清理、分析，提取出数据中有价值信息。对于那些具有较高结构化且有明确应用需求的数据，可以通过对数据的筛选和统计，在特定尺度和有限维度下进行描述和可视化展示。面对大数据环境下稀疏的、海量的、多维度的数据，要通过特征提取、数据变换、构建指标（指数）体系以及数学建模等方法，对数据进行降维、压缩、融合和提炼，使信息价值在有限空间以更有效、更优化的方式得以表达。
当然，这些信息表达方式对精细化的城市治理及复杂的城市画像所起到的作用仍然有限，难以满足城市治理的需求。城市精准化治理不仅限于数据呈现与信息描述，还应当通过深刻反映城市运行机理、演化机制及发展趋势的具有语义关联、表达完备、逻辑完整的知识挖掘来实现，从信息中萃取出知识是城市画像重要的任务。这一任务的着眼点是：基于城市治理的现实需要，定义知识发现的有效规则，并根据城市发展的不同功能构面与产业部门，建立起不同领域的知识图谱，实现城市异构、异源数据的知识融合；在此基础上，将城市治理的概念、实体与知识图谱相映射，并基于城市治理过程中积累的历史经验、专家知识、统计数据以及网民行为数据，构建大规模知识库。
总之，从现实资源到数据资源的映射，再从数据资源到信息和知识的提炼，是城市各部门与业务领域开发、利用数据资源并有效参与城市精细化治理的系统耦合与价值体现过程。比如针对城市交通领域的治理问题，通过整合城市土地利用数据、GIS数据、居民出行与通勤数据、个人社交网络数据以及城市文化、商业资源数据，建立起相应的知识库、知识图谱以及测度与评估指标体系。在此基础上，根据不同应用场景及问题需求，建立起相应的城市计算模型：对于物理空间层面的交通建设规划问题，构建均衡模型提出规划与优化方案；对节假日人口集散及流动问题、重大灾害环境下的人口疏散问题、交通拥堵分流问题等，可以通过构建CA和ABM仿真模型，进行预测与预警；对于居民出行服务，可以通过知识图谱、AI技术建立起实时、智能的咨询服务以及信息反馈平台。
3.2 领域维:城市发展不同侧面
城市发展由不同的功能构面和产业部门体现，如生态环境、产业经济、交通、市政、人居、治安、文教、卫生，它们既作为城市这一多维生命体的不同表征维度，反映城市的不同侧面；也作为城市这一复杂巨系统的构成要素，相互关联、相互作用、功能交叠，呈现出多层次、多形态、非线性的特性，共同推动城市的发展与演化。
一直以来，城市的日益扩张与日趋复杂，使得功能分解与专业分工成为城市治理的基本方式。但是这种方式越来越显示出其局限性，因为城市作为一个巨系统，众多子系统的功能叠加与优化未必能促进城市系统的优化。任何一个子系统的变化、任何一个要素的增减都会牵一发而动全身，对其他子系统和要素配置产生影响。
因此，城市治理需要实现统一协同下的分布式运行，其中，统一协同是基础和核心，建立在数据、信息、知识聚合与共享的基础上；各功能构面与产业部门以分布的方式接入统一的城市数据池，展现城市发展的不同侧面。不同领域的数据在应用逻辑上是分开的，而在底层逻辑上是整合与共享的，这样能够在数据聚合与共享基础上对城市进行多维度的测度与建模，然后根据城市的功能构面与产业部门进行多侧面、多尺度的展示，既能够构建出一个完整而系统的城市画像，又能够面向不同领域提供精细化、个性化和针对性的决策方案，从而实现统一协同的分布式城市治理。
基于城市画像的城市治理模式，是从过去“搭积木”式的资源整合治理模式，转变为一种“魔方式”的协同分布式治理模式。这种治理模式既要满足城市各部门、各领域特殊的业务需求，也要保证城市治理的全局性和系统性；既要实现城市治理的精细化目标，也要能够通过数据共享与运作联动实现在各种变化中的自适应与自调节，保证系统的鲁棒性与可靠性。以商业选址为例，这个过程不仅涉及到城市产业布局、商圈、人群偏好、人口流动等因素，还涉及到交通、市政、文化、卫生等领域，是一个多目标规划问题。其他领域的问题如是。城市画像让城市不同领域在分布式决策与运行的同时，保持整个城市系统运行的“一盘棋”。
3.3 实现维:城市画像实现的三个层次
马亚雪和李纲等提出了基于三元世界的城市空间的构想，即物理世界、人类社会与信息空间共同构成城市空间形态，这三类城市空间以数据为桥梁进行跨空间交互[24]。本文在此基础上，延展出城市画像的三种实现方式：即反映物理空间的物理画像、反映人类社会现状的社会画像以及通过信息、数据将物理空间与社会空间融合起来的镜像世界。这三者从低到高代表了城市画像的三个实现层次。
（1）物理画像。即对城市的土地、道路、建筑、基础设施、自然生态环境、空间规划及其他物质资源进行数据画像，并基于此，对城市物质资源与物理空间的优化配置、规划决策提供支持。这是城市画像最基本的功能及应用，任何城市画像与治理都是以物理画像与空间规划为支撑，是实现城市精细化治理的底层基石，这个层面的城市画像可以称为城市“元画像”。目前城市画像在城市物理空间规划与治理中的应用已经有成熟的研究，比如Wadell等以旧金山为例，基于地块和建筑物作为空间分析单元，利用城市模拟和开放式城市模拟平台（opus），开发了一个土地利用的城市画像系统，为精细化城市空间治理提供了依据[25]。Chingcuanco和Miller基于开发综合土地利用、交通、环境（ILUTE）城市建模系统，描绘了大多伦多-汉密尔顿地区住宅空间供暖系统演变，模拟了城市能源的消耗[26]。此外，龙瀛等运用CA机（元胞自动机）和ABM（多主体建模）技术建立了集成城市形态、交通能耗和环境的城市画像系统，从而测度单一城市内的不同空间组织（即城市形态）、潜在的通勤交通能耗与环境影响的关系[27]。这些研究都为城市的物理画像提供了有效工具。
（2）社会画像。城市不是冷冰冰的钢筋水泥，而是有生命、有历史、有文化、有性格的“有机体”，因此对城市物理空间进行画像还是不够的，还应当在此基础上对城市的历史、人文、制度等社会景观进行画像。比如基于社交网络数据（微信、微博及签到网站、社交论坛等）、搜索数据，对城市居民活动出行、兴趣偏好进行画像；基于点评网站的数据，对城市商业环境进行画像；基于地理信息、居住信息、出行信息，对城市居民的日常生活环境进行画像；通过城市历史、人文数据以及政策制度文本、公民政治参与的网络数据进行挖掘，对一个城市人文景观、政治生态进行画像。这些方面目前已经得到了越来越广泛的应用。比如Long和Liu综合利用遥感影像数据、新浪微博上的签到数据，对北京城市居民活动的时空分布特征以及土地利用情况进行了画像[28]。此外，更有意思的是，一个由全球研究者组成的Godcitylife项目，使用社交媒体数据对城市的情感、气味、快乐、声音、视觉、生存与死亡、全球社会资本、心灵与政治、文化等进行了画像（http:/goodcitylife.org/）。这些应用可以描绘出一副生动、多维的城市景观，对于城市品牌形象的构建具有重要意义，每个城市都可以通过启动各具特色的“城像”计划，使其摆脱千篇一律的脸谱，从而变更具特色、更有生机。
（3）镜像城市。这是城市画像实现的第三个层面，如果说物理画像与社会画像构建了城市的现实空间，镜像城市则连通了现实空间与虚拟空间。基于城市计算以及模拟仿真构建出一个与映射现实世界并与其平行存在的虚拟空间，现实空间与虚拟空间像两条平行线是分别独立运行的，而镜像空间把这两个平行系统有机交汇、融合起来，将数字信息嵌入到现实世界，构建出一个虚实交汇、亦真亦幻、多维度、跨时空的城市画像。镜像这个概念最早由Gelernter推广开来，他认为镜像世界（Mirror worlds）是一种通过聚合物理和数字空间来增强对现实世界描述的形式[29]，镜像不仅仅反映事物的外观，还反映其背景、意义与功能等内在特征，人们可以和其进行实时交互，并像现实世界一样体验与操纵它。镜像城市是面向未来的城市画像，是实现物理、社会、比特信息“三元空间”融合的系统。直观来讲，镜像城市是在附加于物理画像和社会画像之上的高分辨率信息层，人们利用AR（增强现实）工具将虚拟影像插入现实环境，在街道、建筑及任意物体上看到有用的注释标签、背景资料。人们可以像搜索文本一样搜索物理空间，通过物体超链接链接到物理网络中；可以像访问网站的历史纪录一样或按下撤消键一样，在真实与虚拟的高度交融的场景中，站在当下的街道上体验着十年前的生活。此外，SLAM（同步定位与地图构建）、多模态多传感器融合、深度学习等技术与工具的发展，使智能机器人作为镜像城市里快速成长的新物种，在城市清洁、安防、物流配送、无人驾驶、医护、家居等服务中扮演越来越重要的角色，形态各异的智能机器人既是城市服务者，也是镜像城市的描绘者，它们的摄像头和其他传感器采集并汇聚大量的城市数据，基于此拼接出一个全景式的城市画像。
4 结语
城市精细化治理的目的不是让城市更便于管控，而是让城市成为一个具有自我适应能力、多元协同能力、柔性运作能力、智能服务能力的“有机体”。城市画像在城市精细化治理过程中扮演着重要角色，高度嵌入城市的建设、治理与发展过程中，不仅仅是城市各部门、各领域运行状态的直观、形象描述，而且也是城市决策与治理的有效工具。城市画像既是连接城市系统各要素的神经网络，也是反映城市系统能量流动的全息影像；同时也是打通现实与虚拟空间界限，构筑新的镜像空间的纽带。城市画像的研究具有很好的理论与应用前景，理论上，将不断打破现有城市学、社会学、管理学等学科的研究框架，对城市空间、城市机理、城市形态、城市结构等概念与内容都将进行重新定义；应用上，将对城市问题、城市关系、城市运行模式等都将产生颠覆性的改造。当然，构建城市画像并非一蹴而就，它依赖于信息网络、人工智能、能源材料等新技术的进步而迭代发展，目前的城市画像主要是基于城市大数据技术对城市特征、运行状态的多维展示，在城市智能服务方面还不够；即使是在城市服务中的应用，也仅局限于城市信息管理中的可视化展示与人机交互，当前的应用还远未能达到高度嵌入人们日常生活、构建镜像城市与智慧城市的目标，因此，城市画像还有较大的未来预期与发展空间。
参考文献
*本文原载于《图书情报知识》2019年第4期43-51页
版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。
制版编辑 | 姚志臻
当期荐读 2019年第4期 | 高山景行 文章华国———彭斐章先生学术思想研讨会开幕式致辞