12.解构与重构：后50%中国城镇化的空间研究与规划

演讲人：王伟，中央财经大学
记录人：荔枝

王伟老师的思考源于中国改革开放时空路径背后隐藏的逻辑，并试图回答城镇化在未来的“后50%期”将面临怎样的一个中国。

改革开放至今，通过家庭联产承包制释放的剩余农产品与剩余劳动力，使人口得以向城市聚集；特区城市吸引的外商投资以及工业园区，使资本得以向城市聚集。人口与资本的聚集共同推动了中国的城镇化，但与此同时整个国家开始面临经济、社会、文化、生态及信仰等诸多方面前所未有的解构。

而面对着从计划经济到市场经济、从乡土中国到城市中国的解构过程，我们还未做好准备。改革开放不断创新并释放着人们的空间移动性，因此在未来很长时期内，都需要以流动的方式理解中国城市。

解构的同时，中国城市面临着重构的挑战，而重构源于九个新常态下的全方位转型，是“从空间的生产，到关系的生产，再到关系-空间的再生产”过程。在过去十五年，资本驱动着房地产商进行着空间的生产。

而在未来十年内，互联网、物联网再到移动互联网的出现使破碎化的社会关系开始实现网络社群重构，进而推动关系的生产。虚拟空间的产生则将带来“关系-空间”的再生产。从空间的生产，到关系的生产，再到关系-空间的再生产，后50%的中国城镇化面临实现自我修复的机遇。重构是一系列的等量交换与高值置换。

在此重构的过程中，大数据的出现与兴起恰逢其时地推动了规划的转型。2000年以来，中国ZF主导的城镇化模式，以规划为工具来建设城市，以土地抵押来发展城市成为重要特征。

而在未来，规划师队伍会出现三种分化，即为ZF服务的智库外挂、为商业服务的产品研发，以及为民众服务的平台设计。在此重构文明、重构信仰、重构秩序之际，如果真正站在人本城镇化和自然界可持续发展的角度，则使增量规划向存量规划转变成为一个伪命题，因其依然更多立足于土地城镇化。增量规划永远存在，是越来越具有人文关怀和尊重生物多样性的新规划。

13.从中国动力学洞察动态中国

演讲人：吴海山，百度研究院大数据实验室
记录人：火龙果

吴博士来自百度研究员大数据实验室，也在持续关注大数据在城市研究中的应用。他的演讲介绍了百度在运用时空数据打通线上线下服务的一些尝试。

线上VS线下：揭示复杂系统的时空数据

百度搜索感知用户线上需求，百度定位感知用户线下移动行为。二者结合，前景无限。比如通过打通用户的线上检索、线下位置数据，可以挖掘用户的出行行为，预测用户未来的服务需求。

短途同城游预测
吴博士的团队开展了针对北京的短途旅游预测，他们区别了非本地人和本地人出行特征、区别了安卓用户和IOS用户出行特征。在此基础上形成『周末去哪儿』旅游推荐Demo，根据百度掌握的用户信息，推荐用户可能感兴趣的出游地点。

餐饮业的用户、位置和服务
根据积累的数据，他们对比了星巴克和海底捞用户就餐的行为特征，包括从周一到周日餐厅的用户数量变化，每天各个时间段的用户数量变化，用户就餐的出行距离等，都可以总结出用户的就餐习惯。

根据服务需求的时空分布，可以分析哪些区域的需求未被满足，从而对服务业空间的选址进行位置优化。他们尝试评估海底捞、星巴克、全聚德的店面选址，并可以提出优化建议。

智慧城市相关分析
在城市人口流动方面，可以通过用户的位置数据，进行人群实时监控与预警，也可以分析城市内人口流动网络、城市间的流动网络等。

此外，百度还即将推出O2O的用户分析，基于位置数据、查询数据和数据挖掘，共同形成智慧的用户分析。这也许是将城市数据与商业选址结合起来的非常有商业价值的尝试了。

14.在2020年我们如何通过轨道旅行？基于真实数据而不是大数据的分析

演讲人：许旺土，厦门大学
记录人：牛油果

许老师开篇列举了以大量、杂乱、无章、未清洗、非结构化、多源、多维度为特点的“大数据”，认为具有精确时空维度、规划信息、政策导向的小片段或面板数据作为“真切”数据，获得难度更大，但对“精确规划”和 “大模型”也更重要，如大规模的计算（空间句法、区域客运流量分配）、HSR网络演化规律、城市空间与轨道交通联系、Urban computing、城市空间调整和用地布局评估等。

“真切”数据反映出，2015年初中国高铁里程已达1.65万km，连接了所有人口超过 50 万的城市，同时城市轨道交通里程已达3500 km，3亿人可以从高速铁路到城市轨道交通上进行转换，乘坐轨道交通可以换乘高速铁路到达全国的695个县市。

高铁在区域上将成为“最直达”的运输方式，以7小时阈值计算可达范围基本覆盖了全国的城市网络，将主导未来国家和区域的发展方向。

在国家继续扩大城市高铁和基础设施投资的背景下，许老师认为高铁与地铁的衔接是未来的城市间空间转换的主要方式，一带一路的战略投资和建设过程中需要通过分析要素流量和联系方向，重视城市在区域网络中实际的节点地位。与此同时，城市轨道交通（URT）与高速铁路（HSR）整合的枢纽区域将是规划建设的核心。枢纽区域决定了城市的空间结构和交通效率。

15.从“大数据”迈向“精准数据”——来自“精准医学”的借鉴与思考

演讲人：赵延峰，中国城市和小城镇改革发展中心综合交通规划院
记录人：荔枝

赵所长的思考缘起于对大数据本身发出的三问，即大数据应用“是否存在过度，是否足够精准，以及是否尚有挖掘潜力”？为此，赵所长从“精准医学”中获得了对于大数据如何在城市研究中精准运用的启示。

2015年1月美国总统奥巴马宣布了一项名“精准医学”的项目计划，旨在推动“基于个人基因或环境的个体化疗法”。2013年，美国“基因组计划”的十年反思发现：“人类基因组序列的测定并没有带来基础医疗方面的重大进展”，“生命是复杂的：生物学家看到的越多，显现的生命越复杂”。这说明了人类认识世界的过程是从复杂到简单最后回归复杂的过程，“精准医学”就是在人类经历过简单认识论之后，对于复杂的回归。人类城市认知的过程，也同样经历了类似的循环过程。

典型的“精准医学”案例是基于纳米技术的癌症治疗手段，其实现以“尽可能完整的个体生物学数据”为基础，需要满足以下三个必要条件：

• 以个体为中心，尽可能完整的个体生物学数据；

• 构建多层级数据层的生物学数据库；

• 高度关联的知识网络。

  
  

在基于大数据的城市研究领域，要迈向“精准数据”则需要在以下四个方面进行深化：

• 精准尺度：准确把握数据的时间与空间尺度，并精确定位数据尺度对于相关研究问题的适用性；

• 扩展厚度：获取与整合个体的多个变量，从“物质论”下有限、单一的精准数据（如年龄、性别等数据）向“人中心论”下无限、多元的精准数据（如文化、消费倾向、心情等数据）拓展；

• 寻求关联：寻求数据间的因果关系，运用多层数据，建立复杂模型，在不同数据间进行移植校验；

• 预测为本：由于规划的未来导向性，应当运用数据分析结果充分指导未来城市活动的预测。

  
  

16.城市规划与设计变革实践中的DAD技术响应初探

演讲人：郑晓伟，西安建筑科技大学
记录人：火龙果

郑老师的演讲介绍了他的团队在运用数据增强设计（Data Augmented Design）技术，开展城市规划与设计实践的工作。

数据增强设计(DAD)，是指通过定量城市分析驱动的规划设计方法，通过数据分析、建模、预测等手段，为规划设计的全过程提供调研、分析、方案设计、评价、追踪等支持工具，以数据实证提高设计的科学性并激发规划人员的创造力。

能够将新环境下涌现的各类城市数据运用到具体的规划设计中，可以说比以往更多依靠定性分析的规划设计向前迈了一大步。

数据增强设计的流程包括：

• 数据分析基础上的前期分析；

• 数据模型基础上的方案构思；

• 评价情景基础上的方案择优；

• 数据评估基础上的规划成果形成；

• 公开透明的规划实施管理。

  
  

郑老师分析了常规编制城市总体规划的技术，包括定性判断、借鉴相关规划、技术规范和空间均等化等；而DAD技术支持下，由于新的数据源的引入和数据分析方式的深入发展，规划中的空间管制、空间结构、城市设计与城市系统等几个方面，都可以更多地采用定量分析的方法，实现『环境优先、以人为本』理念下的几个目标：

• 生态安全格局与环境保护、UGBs量化、多规合一；

• 城市公共中心实现『社会化』；

• 城市设计要素提取『理性化、人性化』；

• 城市交通与城市密度分布的整合。

  
  

郑老师介绍了DAD技术基础上的一个案例：基于DAD视角对西安市城市空间结构的再认识。基于传统方法对西安城市空间结构的研判为：单中心、摊大饼、方格网。但如何用更为精确细致的语言来描述城市空间结构，就成为该案例终点探讨的内容。

运用空间句法的分析手段，研究分析了1960、1980、1995、2010几个时间段的城市空间形态数据，总结出西安城市空间结构演变特征，在此基础上对城市空间结构进行再审视，提出了基于数据增强设计的西安市城市总体规划优化调整建议。相比传统规划，该分析方法可以提供对城市空间的定量分析支撑，让总规结构调整的建议更有依据。

17.大规模动态交通模拟和优化：在中国应用的机遇和挑战

演讲人：周学松，美国亚利桑那州立大学
记录人：牛油果

周教授作为中美区域和城市交通网络建模方面的专家，首先分享了他最为重要的科研成果： 完全自主产权的NeXTA/DTALite软件，能完成交通智能体超大规模的交通模拟和优化，具有广泛应用前景。

从美国交通规划研究方向到中国的实际需求

美国交通规划多覆盖跨区域路网，识别交通供给与需求匹配的关键问题，主要方向包括大规模网络动态交通分配、网络能力规划和道路价格方案评估。而相比之下我国的交通规划技术还较为落后。

从静态分析到动态模拟分配

宏观区域交通规划模型、中观动态交通分配模型到微观干道仿真模型都是动态化的。基于DTALite交通模型侧重中观层面，其仿真融合应用包括动态阶梯式OD校准、多粒度仿真过程和动态路网排队仿真预测，并能给出三维显示。

从复杂交通现象到简明的多层路网表示
交通行为是理性的，交通流模型在动态交通分配中的作用：

此外还可以模拟交通细节、路段拥挤传播、出入口匝道情况等。

大数据、大计算、大决策在北京的应用和挑战

• 挑战1：对于交通流巨大的大计算——采用内存共享的并行计算实现基于agent路径选择和中观仿真；

• 挑战2：对于实际的政策评估——基于个体模型的应对：每个出行者都有自己的时间价值和偏好；

• 挑战3：对于排放问题等多目标分析——在中观模拟结果基础上构建微观车辆轨迹模型。

  
  

BCL2015年会的笔记就分享到这儿啦（笔记的上半部分可以点击左下角阅读原文查阅），如果想了解各个演讲更详细记录的朋友，可以关注北京城市实验室的微信公众号，龙大大他们会在近期依次发布各位演讲人的PPT哦。

最后，果说想向致力于推动城市研究定量化的各位BCLers致敬，感谢你们在推动中国城市研究方面作出的贡献与对学弟学妹们的引领。开放、多元、协同、创新，为了中国的城市未来，我们一同努力。

(果说作者：荔枝|吴纳维，牛油果|毕波，火龙果|袁晓辉。本文由果说作者根据聆听演讲笔记整理，未经演讲者审阅，转载请联系果说和作者授权)

获取海量数据信息，了解前沿数据资讯，请关注！

公众号：数聚工场

微博：@数聚工场