“数据时代,科学决策越来越依赖大数据的采集与分析。”在城市规划领域,越来越多的研究聚焦于城市的各个方面(比如我们,微笑脸)。
在这样的背景下,去年我们与上海市房屋土地资源信息中心、北京大学城市与环境学院、上海数慧共同签署《基于上海城市体征诊断模型的辅助决策研究》的战略合作框架协议,进行“城市体征”的研究。
请忽略这么烧脑的名字,可以简单称之为”城市占星术“。既然是占星,那么肯定是在基于现实的基础上再给城市算一卦,即所谓的基于大数据的城市评判与预估。
Please follow me:
第一步是”建立指标体系“。
以数据驱动为基本思路,在综合研究所提出的指标体系基础上,从现有多源数据中提取多维指标,也就是建立一系列指标体系。这里我们用了政府企业的7大类数据源,建立了96项指标,确保能够客观全面量化城市,形成城市基础指标手册。
指标体系表
第二步是”体(hao)检(mai)“。
就是在体检视角下,选择一个”主题“,利用机器学习的方法,对这个主题相关的各个指标进行特征刻画与评估。这里我们选择了对上海职住空间为主题的研究。
例如,选取与居住特征有关的区位特征、建成环境、人口特征、人口活动特征、通勤特征分别进行地块画像 ,为各个空间单元标定多维标签体系。
一方面,我们可以利用空间单元的多维标签体系,整体把握各类空间单元的数量及空间分布形态。
基于区位特征的居住空间聚类结果空间分布
另一方面,我们可以对单个地块的特征进行多角度描述。例如,我们选取建中、昌鑫花园、吉祥三个居委会进行案例分析。
第三步是”预(suan)估(gua)”。
假如政府提出一个新政策,通过机器学习算法对地块标签和城市体征的变化进行预估,得到与政策直接关联和间接关联的特征变化。对政府新政策的评估与可能出现的预期进行”算卦“。辅助政策制定前期的预案评估工作,使政策制定更为科学、系统。
例如,假设上海要新开通了一条地铁线并在地块中心点周围1公里内设置了1个站点,并导致附近房价均价增长了2万元。
建成环境多因素居住空间聚类决策树
预测的结果如下:
建中居委会:建成环境聚类无变化
吉祥居委会:建成环境聚类
?从第2类:中等开发拥挤区域
?变成第1类:较高开发高房价区域
昌鑫居委会:建成环境聚类无变化
当然,我们还可以一次变动多个指标,这样是不是更加贴合政府业务场景?
最后还做了一个系统:
made by 我们的好朋友:数慧
怎么样,是不是很有趣?
”城市占星术“切合政府日常工作场景及下阶段发展重点,精细化提升城市发展、政府管理的科学性。如果你的城市也想有一个,还等什么,赶紧来撩。
清华同衡技术创新中心,以生态、智慧、数据为三大方向,利用先进技术为城市可持续发展赋能。
我们致力于:
1、数据合作:欢迎学者或者研究机构利用我们的数据进行合作研究。
2、咨询服务:为政府和企业等提供生绿色与生态规划、智慧城市顶层设计,以及基于多源大数据的城市问题咨询。
3、智慧平台:开发服务于政府的城市运营数据决策支持平台。
有意向与我们开展合作的个人或者机构,请联系我们。