文档库 最新最全的文档下载
当前位置:文档库 › 大数据时代城市时空间行为研究方法_秦萧

大数据时代城市时空间行为研究方法_秦萧

大数据时代城市时空间行为研究方法_秦萧
大数据时代城市时空间行为研究方法_秦萧

第32卷第9期2013年09月

地理科学进展

PROGRESS IN GEOGRAPHY

V ol.32,No.9Sep.,2013

收稿日期:2013-02;修订日期:2013-08.

基金项目:国家自然科学基金项目(40971094);中央高校基本科研业务费专项资金项目(1115090201)。作者简介:秦萧(1987-),男,江苏盐城人,博士研究生,主要研究方向为城市地理与区域规划。E-mail:qinxiao1070@https://www.wendangku.net/doc/6d8639346.html,

1352-1361页

1引言

“大数据”(Big Data)最早被认为是更新网络搜

索索引需要同时进行批量处理或分析的大量数据集,但后期不仅仅表达一个数量概念。大数据具有数据量巨大、类型复杂、价值密度低以及处理速度快4大特点,可划分大数据技术、大数据工程、大数据科学和大数据应用等领域。其中,大数据技术和大数据应用为目前发展的主流。根据中国互联网络信息中心(CNNIC)发布的《第31次中国互联网络发展状况统计报告》统计,2012年中国网民规模达5.64亿,年增长率为3.8%;手机网民数量为4.2亿,年增长率达18.1%。网络开始成为城市经济和社会发展不可或缺的平台,并全面影响着居民活动、企业经营、科技研发以及政府管理,从而使获取大量反映城市空间组织和居民行为特征的网络数据(社交网络、主题网站、搜索引擎等)成为可能。同时,基于定位功能的移动信息设备(GPS 、智能手机、IC 卡等)技术的逐渐成熟,也提供了较为精确的居民位置信息,中国的“大数据”时代已经到来。

传统的城市时空间行为研究方法主要分为定量分析和质性分析两大类。定量分析主要通过人口普查(Martin,1993)和活动日志(柴彦威等,2009)两种调查手段来获取数据,并运用描述性统计、因子分析、聚类分析、回归分析等统计分析方法和时空棱柱或路径、叙述性偏好、结构方程模型等数学模型对城市的时空间行为现象进行研究(Miller,1991;Polak,1993;柴彦威等,2012;张文佳等,2009)。质性分析的数据获取手段有观察法、访谈法、口述史法、民族志等,参与式观察和深入访谈为质性分析中最常用的方法。大多数学者认为,居民行为数据的采集与处理是时空间行为研究的关键(Kwan,2004;Lenntorp,1976;柴彦威等,2012),但是现有的人口普查方法并不能涵盖居民空间移动的复杂性和工作生活的弹性(Mateos,2004),活动日志数据的精确性也因调查者的回忆、习惯、填写态度等影响而大打折扣(Ettema,1996)。另一方面,质性分析虽然可以通过调查者长期、深入、细致的观察和体验来积累较为详实的一手数据资料,却受到了调查问题设计、调查者自身主观判断及访谈规则等因素的制约(Maxwell,2008;陈向明,2000;胡萍,2012)。同时,由于调查内容复杂、过程繁琐,进行社会调查和深入访谈所花费的人力、物力、财力也较大(Hagerstrand,1978),样本分布的时空间尺度往往较小,加之传统简单的统计分析数据处理技术的限制,研究结果难以应用到日常的城市规划与

大数据时代城市时空间行为研究方法

秦萧1,甄峰2,熊丽芳1,朱寿佳1

(1.南京大学地理与海洋科学学院,南京210093;2.南京大学建筑与城市规划学院,南京210093)

要:信息技术的快速发展带来了“大数据”时代的到来,改变了城市的空间组织和居民行为,并使得城市时空

间行为研究方法面临变革。本文在总结传统城市时空间行为研究方法存在问题的基础上,对影响其变革的数据获取与处理技术进行梳理,重点从居民时空行为、城市空间及城市等级体系3个方面综述了国内外应用大数据进行城市时空间行为研究的最新进展,构建了基于大数据应用的城市时空间行为研究方法框架。本文认为,大数据时代城市时空间行为研究方法的变革主要取决于对反映居民时空行为的网络或移动信息设备数据的挖掘、处理及应用,但是还需要进一步推动相关学科间的交叉与融合,加强社交网站等网络数据在居民时空行为和城市空间研究中的应用,并指导城市规划编制与管理方法的创新。

关键词:大数据时代;网络数据;移动信息设备数据;城市时空间行为研究方法;变革doi:10.11820/dlkxjz.2013.09.005

9期秦萧等:大数据时代城市时空间行为研究方法

管理。

信息技术的进步加速了知识、技术、人才、资金等的时空交换,使得城市生产与居民活动范围持续扩大、类型更加复杂,并促进了产业重构和空间重组,进而改变着区域和城市的空间格局。这一过程中,时间、空间及其相互关系都会发生新的变化,流空间将成为区域、城市以及居民活动的主要载体(Castells,1989),并通过大量而复杂的网络或移动信息设备数据的形式表现出来。由于时空间概念被重新定义,城市时空间行为研究面临着研究范式的转型和内容与方法上的革新(甄峰等,2012),加之传统研究方法存在诸多问题,更需要从理论和方法论高度进行扩展以解释不断变化的经济社会现象。因此,在大数据时代,通过利用信息数据来研究城市空间和居民行为问题将为现有城市时空间行为研究提供新的方向,对于重构和丰富城市地理学科理论、指导城市的规划与建设都具有重要意义。

2大数据时代数据获取与处理技术

近年来,伴随着互联网、3S技术(GPS、GIS、RS)、以及智能手机的迅速发展,人文社会科学领域的研究数据获取与处理已经出现了新的趋向。主要包括:利用软件对网络数据进行挖掘;利用GPS 或LBS设备,结合GIS或网络日志来采集与分析居民行为数据;利用网络地图对获取的数据进行可视化开发。这些技术可以作为大数据时代城市时空间行为研究数据的重要来源,将有利于扩大研究的范围,并增加研究结果的精确性。

2.1网络数据的挖掘技术

网络数据挖掘是计算机科学研究的重要内容,包括内容挖掘、结构挖掘和使用挖掘3种类型。其中,内容挖掘是对网页文本和媒体数据的获取,用于研究用户活动状态和特征;结构挖掘是对网页链接结构进行分析,用于评估网页的资源量;使用挖掘则是通过挖掘网页访问的日志记录,以便提供个性化的产品和服务。

目前,网络数据的挖掘主要是通过设计“网络爬虫”(检索和获取数据的计算机程序)软件实现的,且不同的网站或数据获取目标需要设计不同的爬虫程序。例如,搜索引擎中访问量或权威网页挖掘程序(凌志泉,2003)、社交网络中用户地址、文本、图像及关系等数据挖掘程序(孙拔群,2011;王波等, 2013)、网络中热门事件挖掘程序(Rock,2011),以及淘宝网等主题网站的数据挖掘程序(冯观强, 2012)等。

由此可见,现有网络数据挖掘技术已经较为成熟,可挖掘的数据种类基本涵盖了网页中具有显性和隐性特征的所有信息。随着互联网对城市居民生活影响的不断加深,网络数据越来越成为表征居民社会活动的最重要载体,对其的应用研究也开始受到了社会学、地理学、管理科学等领域学者的关注(施伯乐等,2010)。

2.2居民行为数据的采集与分析

居民行为数据的采集与分析是人文社会科学领域研究的重要组成部分,传统研究主要通过调查问卷或访谈的方法获取研究数据,研究成本高、样本量小、时间跨度短,且问卷的主观性较大。随着地理信息和计算机科学的不断发展,居民行为数据的采集与分析对信息处理软件或设备的依赖程度逐渐增加,且精确性大幅提高。

Kreitz(2001)开发了采集空间数据的网络GIS 软件(CHASE-GIS),由网络地图,活动数据输入、移动路径计算以及数据分析与显示等部分组成。其中,数据分析包括对CHASE-GIS软件的评价和与传统调查方法的目标、数据质量和受访者偏好等方面的比较两个方面。Ma等(2007)将具有LBS功能的移动信息设备(GPS)与网络地图进行集成,结合家庭活动日志得到了较为精确的居民时空活动数据。Papinski等(2009)在利用前两种技术优点的基础上,设计了融合GPS、GIS以及网络日志3种方法的居民路径选择调查系统。其中,GPS记录路径选择,GIS用来记录计划的线路信息,网络日志来显示路径选择结果。同时,采用“活动—出行”检测算法来处理GPS数据,减少了技术缺陷或居民属性因素对数据准确性的影响。

总体来看,居民行为数据的采集与分析已经成为数据处理技术关注的重点,并经历了从利用单一GIS软件向多种信息设备相结合方法来获取和分析数据的阶段。

此外,部分居民行为数据还可以通过智能手机、出租车、智能卡等方式获取。例如,手机通话流量和位置数据、出租车位置信息、公交或地铁站点的刷卡数据等,且这些数据需要与电信运营商或城市管理部门进行协商获得。

1353

地理科学进展32卷

2.3网络地图集成及可视化开发

数据的空间分析和可视化一直以来都是地图技术研究的关键,网络地图功能的开发和完善使得这一技术产生了新的突破。Hudson-Smith等(2009)研制了一款集成在谷歌地图引擎的软件(MAP-TUBE),可以将其他地图叠置在google地图上来制作专题地图,包括谷歌地图制作器、图片制作器和图片叠置制作器3部分工具,并能够使用户在网上显示和分享信息。Field等(2010)也在google地图基础上,结合GIS,对Twitter(目前世界最为流行的社交网站之一)等社交网络数据进行显示和专题制图,从而实现对社交网络空间结构的模拟。

可以预见,通过利用网络地图与专题信息集成技术,城市时空间行为研究能够清晰表达大量信息数据所反映的城市空间结构和居民活动变化,从而更直观揭示出城市现象的内在规律或机制。

3基于大数据应用的城市时空间行为研究方法进展

随着网络数据挖掘、居民行为数据的采集和分析,及数据可视化技术的日渐成熟,城市地理学者已经意识到“大数据”对城市时空行为研究变革的重要意义,特别是对表征居民社会活动特征的社交网络数据的挖掘和分析,使得传统的居民时空行为研究方法产生革新,并逐渐应用到对城市空间和城市等级体系的研究。

3.1居民时空行为研究方法

居民的时空行为研究一直以来都是城市地理学研究的重点,正开始从使用传统调查问卷或访谈的方法转变为利用GPS、互联网络、智能手机等新技术手段获取研究数据的阶段,且日益呈现出研究方法科学化、研究对象个体化、研究主题应用化等趋势(柴彦威等,2012)。

3.1.1基于GPS、GIS及网络日志结合的居民时空行

为研究

相对于传统调查问卷来讲,GPS和网络日志都能适时地反映居民活动的内容和变化,且随着GIS 技术和网络地图技术的不断进步,该类方法的应用逐渐显示出优势。

Kwan等(2004)结合波特兰地区收集的10000个2天活动日志调查数据(日志体现的活动地点坐标是点对点数据,在获取居民出行路径数据时借助

于GPS工具)和大尺度的地形图数据,运用核函数分析方法及3DGIS软件对居民的活动密度、分布以及变化进行了时空模拟。Edwards等(2009)使用GPS和网页工具(能记录时间、速度、距离以及经纬度和运动方向),并结合Google地图,模拟了悉尼和堪培拉2个城市76个旅游者的行动轨迹,从而分析旅游者的出行路径、换乘的交通方式、出行遇到的障碍等特征。申悦等(2012)对北京天通苑和亦庄2个社区进行为期1周的调查抽样(50个样本),选择GPS、互动式调查网站、面对面或电话访谈相结合的数据获取手段,运用时空棱柱方法,从时间、空间、方式、路径4个维度来研究居民的通勤特征。

由此可见,城市居民行为数据的采集手段在逐渐增加,其精确性也大大提高,采用GPS、GIS及网络日志3种组合方法来研究获取数据已经成为居民行为研究的主流,且研究对象日益呈现出由群体向个体转变的趋势。

3.1.2基于社交网络、移动手机、智能卡数据的居民

时空行为研究

目前,除了运用GPS、GIS以及网络日志等方法,社交网络数据、移动手机及智能卡数据也开始被引入到居民行为研究中,且这类方法在研究成本和精确性方面具有较高的优越性。

Malleson等(2012)挖掘了英国利兹城40万个用户在1年内的Twitter数据,结合核密度分析,根据特定Twitter用户在不同地方发布信息的密度或频次来判断用户的活动地点和行为,并构建了一个基于社交网络数据和传统人口普查数据的居民智能行为模型。Crandall等(2012)利用社交网站在线照片来重构了居民的活动信息数据库,包括照片情感和地理信息的提取、基于照片的社交网络结构以及模拟拍照者时空行为等方面。Yuan等(2012)通过电信运营商获取了哈尔滨市87万个分别历时9天、4周、5周的匿名手机用户的通话记录(开始时间、通话长度、打电话的位置以及机主的年龄和性别等)来研究手机使用与半径、偏心率以及熵3种出行指标的关系,并进行相关性分析,从而证明了年龄、性别、社交时间规律以及城市建成区环境特征等对手机使用和居民活动行为的影响。龙瀛等(2012)则利用1周855万个公交IC智能卡数据,在构建出行和“地点—时间—时长”两种数据处理模型的基础上,结合居民出行调查、城市土地利用信息,研究了北京居民的职住关系和通勤行为。

1354

9期秦萧等:大数据时代城市时空间行为研究方法

总体来讲,利用社交网络数据、移动手机、公交卡数据进行城市居民行为的研究对于城市的空间管理、交通管治、社会服务等方面的实践具有重要意义,较需要固定研究对象的GPS和网络日志等手段具有大样本量和低成本的优势,但现有研究较少,方法也尚未成熟。其中,随着Twitter、微博等功能的逐渐完善和用户的快速增长,挖掘反映居民活动和出行信息的社交网络数据可能会成为居民行为研究的重要方向。

3.2城市空间研究方法

随着信息技术的快速发展,居民的时空行为对城市空间组织和结构的影响也呈现日益增加的趋势。因此,通过对居民时空行为的深入分析来模拟城市空间要素的变化逐渐成为大数据时代城市空间研究的新范式。但是,现有研究只在城市交通和功能分区方面进行了部分探索,研究方法体系尚未形成。

3.2.1城市交通研究

城市交通研究是城市空间规划中的重要部分,也是研究的难点,受到学者长期关注。传统的交通研究方法主要是基于人口规模和功能分区来进行道路的选线与建设,这种方法更多考虑的是城市层面的空间协调,忽视了居民个体对交通条件的实际需求,灵活性较差,易造成交通资源的分布不均和交通拥堵等问题。随着信息技术的快速发展,从居民个人或群体出发,利用信息设备数据来研究城市居民出行模式,进而合理安排城市的交通资源逐渐成为新的趋向。

Becker等(2011)从电信运营商中获取美国莫利斯顿市2万名居民在2个月内的匿名通话详细记录(CDRs),数据包含邮编、声音以及短信内容,并通过统计和制图分析来揭示城市人口流动与变化。Mark等(2011)抽取英国利兹城的9223个用户为期4个月的Twitter数据,运用智能模型来判断城市居民生活、教育、工作、娱乐和购物5种等基本行为活动和与之紧密联系的出行模式,并结合三维GIS技术对其进行可视化。Sagl等(2012)将移动网络流量数据(定向切换的矢量和整体网络流量数据)和社交网站数据(Flickr)相结合,采用空间分析方法揭示了城市的活动热点以及不同季节下城市与郊区的出行活动和变化特征。Liu等(2012a)利用1.5万人次连续1周出租车轨迹数据,模拟上海市居民日常出行的距离和方向,并构建了融合土

地利用差异和距离衰减效应的Monte Carlo Simu-lation(蒙特卡罗模拟)模型来研究城市居民的出行模式。Liu等(2009)则获取深圳市带有GPS的出租车数据(5000个)、公交或地铁智能卡数据(500万个),运用聚类和统计分析等方法来定量说明城市居民出行的通勤流量、不同地点出行关系、出行和土地利用关系,并结合网页和GIS设计了实时监控与可视化平台。

大数据时代的城市交通研究是“流空间”研究的典型,主要是围绕研究大样本量的城市居民出行模式进行的,可以引导更加合理的交通规划和土地利用调整(Liu et al,2012b)。总体来看,此类研究相对较多,并且可以从电信运营商、社交网站、出租车及公交智能卡等多种途径获取研究数据,研究前景广阔。

3.2.2城市功能分区研究

城市功能分区研究是城市地理和城市规划学者共同关注的焦点,城市地理重视城市空间结构的形成机制和对城市发展影响方面的探讨,而城市规划则根据城市规模和发展战略的需求对城市空间进行功能组织和布局安排。二者的研究出发点都是根据人口、用地、产业规模等对城市宏观层面的功能研究或布局,较少从居民感知角度来划分具有共性特征的城市单元。

Hollenstein等(2013)通过获取800万个为期1个月的Flikr(社交网站)位置和图像信息来确定伦敦和芝加哥都市区的中心区边界。Lüscher等(2013)则以英国大城市为例,在根据地形图数据库来判别城市空间地理特征的基础上,增加了包含居民情感和经验的人文元素,提出3种划分城市中心区的方法:利用旅游地图、公交地图或网站描述信息来合成城市的中心区范围或边界;利用Flikr社交网络中带有地理位置的图像信息,结合文本描述内容来划分城市的中心区;利用Panorama网站(全景照片网站),结合网络日志调查的居民经验来确定城市的中心区范围。

可以看出,利用居民情感数据进行城市中心区的划分方法,改变了传统的划分原则,研究结果更加满足人文需求(Cranshaw et al,2012),并体现出了“紧凑混合布局”的规划理念。但是,目前利用网络数据对城市其他功能区的划分研究还比较缺乏,且如何协调各功能区间的关系将成为此类研究的挑战。

1355

地理科学进展32卷

3.3城市等级体系研究方法

区别于传统利用网络域名(Zook,2001)、网络用户数量(汪明峰等,2006)、专业网站页面结构(Wang et al,2003)等数据的研究,大数据时代的城市等级体系研究开始从居民的行为数据出发来构建区域城市网络体系及等级。研究数据主要来源于记录居民时空行为的社交网络和移动通信设备,而研究方法更多借鉴传统网络分析的相关内容。3.3.1基于社交网络数据的城市等级体系研究

社交网络不仅仅反映居民群体间的虚拟关系和联系,也是城市实体活动在网络空间中的体现。通过对社交网络数据的挖掘和利用,可以衡量城市对信息资源的掌控能力,并在区域环境中显示出等级特征。

国外学者运用Twitter数据进行研究的较多,而国内学者对新浪微博的探索才刚起步。Naaman等(2012)利用Twitter防火墙破解程序来提取大数量级的地理坐标和文本数据(每个城市获取数量与时间段不一致),并结合时间序列模型分析了美国不同城市Twitter贴的关键词特征和分布情况,发现只有很少的城市能够提供多个时段的关键词搜索所需要的信息,进而得到全国城市间的网络活动等级和联系。甄峰等(2012)在选取经济实力较强、信息化水平较高城市的基础上,利用新浪微博网站统计出中国排名靠前城市的1020个微博用户在一天内的微博活动位置和好友关系数据,并借鉴世界城市网络研究方法分析了网络社会空间中的中国城市网络体系。

由此可见,通过社交网络数据来反映城市居民间的行为关系,进而判断城市间的联系和等级结构,可以为区域空间结构研究和城镇体系规划提供依据。同时,也需要注重对虚假社交数据的辨别和处理。

3.3.2基于移动通信数据的城市等级体系研究

居民间的移动通信数据也可以表征城市间的联系和吸引力,一般来讲,城市经济实力和规模越大,城市与外界的通信联系就越强。

Krings等(2009)通过分析比利时电信运营商提供的6个月内2500万个用户通讯信息,利用用户手机账单地址对应的邮政编码建立了城市的社会网络,并运用重力模型来研究通讯强度,最终得到城市之间的通讯联系和等级体系。Kang等(2013)利用了黑龙江省1个月内19亿个移动通话记录数据,构建了省和国家两个层面的通信联系局域网络,并结合重力模型对城市间联系强度进行测度。

从已有研究成果来看,利用用户通讯信息进行城市等级体系研究正处于起步阶段,方法较为单一,且数据获取困难(需要与电信运营商进行协调),但是研究结果较为精确,可以作为未来城市等级体系研究的重要方向。

3.4基于大数据应用的城市时空间行为研究方法

框架

在信息技术快速发展的背景下,大规模和多类型信息数据的出现给城市时空间行为研究方法带来了重大的变革。这种变革主要表现在:数据获取方式由传统年鉴统计、社会问卷调查、深入访谈等转变为以网络数据(特别是社交网络数据)的抓取和新空间定位技术(GPS、智能手机、LBS等)的应用为主,数据内容体现出大样本量、实时动态、微观详细等特征,且更加注重研究对象地理位置信息的提取(表1)。

而对于具体研究方法,则较多使用描述性统计分析、聚类分析、因子分析、重力模型、网络分析及时空棱柱等传统城市时空间行为研究方法或模型。总体来讲,现阶段的城市时空间行为研究已经具有明显的运用“新”数据和“旧”方法来研究“更新”和“更复杂”问题的特征,其研究范围也由居民尺度扩展到了城市空间和区域范围,并且对GIS工具的依赖程度逐渐增加(图1)。

但是,现有研究也存在虚假数据如何排除、分析方法如何借鉴和创新、研究领域如何拓展与体现时代特征等方面的问题,需要对基于大数据应用的城市时空间行为研究方法框架进行不断完善和补充。

4大数据时代城市时空间行为研究方法展望

大数据时代城市时空间行为研究面临着人类活动、城市空间、信息技术等多种环境的不断变化和转型,在利用网络数据挖掘和新信息设备采集的方式来获取研究数据,运用传统研究方法进行分析的同时,还应注重新方法的探索来应对日益复杂的城市问题。具体来讲,这就需要在学科层面推动多学科方法的交叉与融合,继续加强居民时空行为和城市空间研究方法的探索,为智慧城市的规划与建

1356

9期秦萧等:大数据时代城市时空间行为研究方法

设提供依据。

4.1推进多学科研究方法的交叉与融合

信息技术给众多学科的研究提供了多元与复杂的数据,并使得各学科研究范围逐步扩大。虽然研究的问题因学科性质不同而各有侧重,但研究方法更趋向于从“大数据”的应用和分析着手。因此,学科间研究方法的交叉和融合将成为未来发展的主要趋势。具体来讲,在现有网络数据挖掘、居民行为数据采集与分析、及网络地图的可视化开发等技术的基础上,计算机、数学、地理信息系统等学科还需要进一步交叉与融合,推动信息数据获取和应用技术的不断更新,并积极发挥地理信息系统在数据处理和空间研究中的纽带作用。

另一方面,随着信息技术对个体行为和城市空间影响的不断加深,城市中的企业组织、旅游者、文化群体、政府机构等的活动和行为都将发生巨大变化,这就要求城市地理学者注重借鉴社会学、经济地理、文化地理、旅游地理等其他学科的理论和方法来研究快速变化的人类活动和地域空间组织。4.2注重居民行为和城市空间研究方法探索

目前,国内外学者对大数据时代的居民时空行为和城市空间研究总体较为薄弱,需要不断探索新的数据来源和研究方法。

一方面,居民时空行为研究较多利用成本较高的信息设备(如GPS、移动手机等)来获取研究数据,对于成本较小、样本量较大的社交网络数据的挖掘较为欠缺,可以充分利用新浪微博的好友关注或发帖数据、街旁网的签到数据及社交论坛数据来研究居民活动和出行特征;另一方面,城市空间研究对大数据时代城市土地利用、城市空间结构、城市空间管治等方面的关注严重不足,未来可以考虑对城市权威主题网站进行充分挖掘。例如,利用大众点评网的点评数据来研究城市服务业的服务质量和空间分布情况,利用搜房网的住房信息来评价城市

表1大数据时代城市时空间行为研究数据特征

Tab1Research data characteristics of urban temporal and spatial behavior in the big data era 研究主题

居民时空行为研究

城市空间研究

城市等级体系研究居民活动行为

居民属性与活

动关系

职住关系与通

勤行为

城市交通研究

城市功能分区

城市网络活动

与等级

城市社会网络

体系

城市联系、

等级

研究者

Kwan等

(2004)

Malleson等

(2012)

Yuan等

(2012)

龙瀛等

(2012)

Becker等

(2011)

Mark等

(2011)

Liu Y等

(2012)

Hollenstein等

(2013)

Naaman等

(2012)

甄峰等

(2012)

Krings等

(2009)

研究区域

美国波特兰

英国利兹

中国哈尔滨

中国北京

美国莫利斯顿

英国利兹

中国上海

英国伦敦和

美国芝加哥

美国

中国

比利时

数据类型

活动日志数据

GPS数据

Twitter社交网站挖掘数据

移动手机通话数据

公交IC卡刷卡数据

移动手机通话数据

Twitter社交网站挖掘数据

出租车定位数据

Flikr社交网站挖掘数据

Twitter社交网站挖掘数据

新浪微博社交网站挖掘数据

移动手机通话数据

数据样本量

/调查周期

1万个/2天

40万个/1年

87万个/9天、

4周、5周

855万个/1周

2万个/2个月

9223个/4个月

1.5万个/1周

800万个/1个月

每个城市获取数量与时

间段不一致

1020个/1天

2500万个/6个月

数据结构

活动地点信息

活动内容和路径

社交信息数量和频次

用户地理信息

机主属性信息

通话时长和位置

居民刷卡地点和时间

IC卡类型、乘车时长

司机和车辆编号

通话地址和内容

短信内容

用户地理信息

社交文本信息

出租车轨迹和速度

载客时长和频次

司机和车辆编号

用户地理信息

社交文本和图像信息

用户地理信息

社交文本信息

用户地理信息

用户好友关系

手机账单邮政编码

通话时长

通话频次

1357

地理科学进展32卷

居住环境质量和空间分布特征,利用智联招聘网中的就业岗位信息来研究城市就业空间结构问题,以及利用百度指数来度量城市各功能区的联系程度等。

信息技术创造了城市的企业网络、产业网络、物联网、社交网络以及信息设备网络,这些信息网络最终都是居民行为和活动的体现,也是信息技术改变城市空间组织的根本。因此,城市地理学者需要关注各类网络中居民行为数据的挖掘和应用,从理论高度来丰富城市时空间行为研究方法体系,并广泛应用于城市规划、社会管理、居民服务等领域。4.3指导城市规划编制与管理方法创新

对于城市居民来讲,信息技术正加速改变着人们的生活、居住、工作与休闲方式,导致空间流动性产生复杂变化,需要更加“智慧”的城市空间组织、城市技术体系以及城市管理系统作为支撑。这就要求城市地理学者加强信息技术对地理空间与城市发展影响方面的研究,并通过引导城市规划编制与管理方法的创新。

具体来讲,大数据时代的城市时空间行为研究

可以从4个方面来推动此类创新:①利用城市居民行为研究方法,结合现有居住区规划方法,进行城市详细规划(社区规划)和居民行为规划理念与方法的创新;②利用城市特征、城市空间等研究方法,结合现有城市功能区划、土地利用规划以及交通规划等方法,进行城市总体规划、城市控制性详细规划或城市专项规划理念与方法的创新;③利用城市等级体系研究方法,结合现有城镇人口与用地规模预测以及区域职能判断等方法,进行城镇体系规划理念与方法的创新;④结合城市时空间行为研究方法体系,开发新技术或综合利用多种已有技术来进行城市智能管理信息系统的开发与建设。参考文献(References)

Becker R A,Caceres R,Hanson K,et al.2011.A tale of one

city:Using cellular network data for urban planning.Per-vasive Computing,IEEE,10(4):18-26.

Castells M.1989.The informational city:Information technol-ogy,economic restructuring,and the urban-regional pro-cess.Oxford:Blackwell.

图1基于大数据应用的城市研究方法框架

Fig.1Methodological framework of urban temporal and spatial behavior research based on big data application

1358

9期秦萧等:大数据时代城市时空间行为研究方法

Chai Y W,Shen Y,Xiao Z P,et al.2012.Review for space-time behavior research:Theory frontiers and appli-cation in the future.Progress in Geography,31(6): 667-675.[柴彦威,申悦,肖作鹏,等.2012.时空间行为研究动态及其实践应用前景.地理科学进展,31(6): 667-675.]

Chai Y W,Zhao Y.2009.Recent development in time geogra-phy.Scientia Geographica Sinica,29(4):593-600.[柴彦威,赵莹.2009.时间地理学研究最新进展.地理科学, 29(4):593-600.]

Chai Y W,Zhao Y,Liu Y G.2011.Research progress and pros-pect of urban geography methodologies and methods.

Bulletin of Chinese Academy of Science,26(4):430-435.

[柴彦威,赵莹,刘云刚.2011.城市地理学研究方法的进展与展望.中国科学院院刊,26(4):430-435.]

Chen X M.2000.The research methods of quality and Social Science Research.Beijing,China:Educational Science Publishing House.[陈向明.2000.质的研究方法与社会科学研究.北京:教育科学出版社.]

Crandall D,Snavely N.2012.Modeling people and places with internet photo https://www.wendangku.net/doc/6d8639346.html,munications of the ACM,55(6):52-60.

Cranshaw J,Schwartz R,Hong J,et al.2012.The livehoods project:Utilizing social media to understand the dynam-ics of a city.6th International AAAI Conference on We-blogs and Social Media(ICWSM-12).Dublin,Ireland: June4-7.

Edwards D,Griffin T,Hayllar B,et https://www.wendangku.net/doc/6d8639346.html,ing GPS to track tourists spatial behaviour in urban destinations[J/ OL].Available at SSRN:https://www.wendangku.net/doc/6d8639346.html,/10.2139/ss-rn.1905286.

Ettema D,Timmermans H,Van Veghel L.1996.Effects of da-ta collection methods in travel and activity research.Eind-hoven,Netherlands:European Institute of Retailing and Services Studies.

Feng J.2005.Spatial cognition and the image space of Bei-jing's residents.Scientia Geographica Sinica,25(2): 142-154.[冯健.2005.北京城市居民的空间感知与意象空间结构.地理科学,25(2):142-154.]

Feng G Q.2012.The applications of web data mining on Tao-bao toy https://www.wendangku.net/doc/6d8639346.html,puter CD Software and Applica-tions,(22):174-175.[冯观强.2012.Web数据挖掘在淘宝网玩具市场的应用.计算机光盘软件与应用,(22): 174-175.]

Field K,O'Brien J.2010.Cartoblography:Experiments in us-ing and organising the spatial context of micro-blogging.

Transactions in GIS,14(1):5-23.Hagerstrand T.1978.Survival and Arena//Carlstein T,Parkes D,Thrift N.Human activity and time geography.Lon-don:Edward Arnold Ltd:122-145.

Hollenstein L,Purves R.2013.Exploring place through us-er-generated content:Using Flickr tags to describe city cores.Journal of Spatial Information Science,(1):21-48. Hudson-Smith A,Crooks A,Gibin M,et al.2009.NeoGeogra-phy and Web2.0:Concepts,tools and applications.Jour-nal of Location Based Services,3(2):118-145.

Hu P.2012.Research on Comparison and Application of Qual-itative Analysis Tools[D].Changsha,China:Hunan Nor-mal University.[胡萍.2012.质性分析工具的比较与应用研究[D].长沙:湖南师范大学.]

Kang C,Zhang Y,Ma X,et al.2013.Inferring properties and revealing geographical impacts of intercity mobile com-munication network of China using a subnet data set.In-ternational Journal of Geographical Information Science, 27(3):431-448.

Kreitz M.2001.Methods for collecting spatial data in house-hold travel surveys.5th International Conference on Transport Survey Quality and Innovation.Kruger Park, South Africa:August5-10.

Krings G,Calabrese F,Ratti C,et al.2009.Urban gravity:A model for inter-city telecommunication flows.Journal of Statistical Mechanics:Theory and Experiment,L07003: 1-8.

Kwan M P,Lee J.2004.Geovisualization of human activity patterns using3D GIS:A time-geographic approach// Goodchild M F,Janelle D G.Spatially Integrated Social Science:Examples in Best Practice.Oxford:Oxford Uni-versity Press:48-66.

Lenntorp B.1976.Paths in space-time environments.Lund, Sweden:Department of Geography,Royal University of Lund.

Ling Z Q.2003.Search engines using web usage mining https://www.wendangku.net/doc/6d8639346.html,puter Engineering and Design,24(9):70-72.

[凌志泉.2003.搜索引擎中的网络数据挖掘技术.计算机工程与设计,24(9):70-72.]

Liu L,Biderman A,Ratti C.2009.Urban mobility landscape: Real time monitoring of urban mobility patterns.11th In-ternational Conference on Computers in Urban Planning and Urban Management.Hong Kong:June16-18.

Liu Y,Kang C,Gao S,et al.2012a.Understanding intra-urban trip patterns from taxi trajectory data.Journal of Geo-graphical Systems,14(4):463-483.

Liu Y,Wang F,Xiao Y,et al.2012b.Urban land uses and traf-fic"source-sink areas":Evidence from GPS-enabled taxi

1359

地理科学进展32卷

data in https://www.wendangku.net/doc/6d8639346.html,ndscape and Urban Planning,106

(1):73-87.

Long Y,Zhang Y,Cui C Y.2012.Identifying commuting pat-tern of Beijing using bus smart card data.Acta Geograph-ica Sinica,67(10):1339-1352.[龙瀛,张宇,崔承印.

2012.利用公交刷卡数据分析北京职住关系和通勤出行.地理学报,67(10):1339-1352.]

Lüscher P,Weibel R.2013.Exploiting empirical knowledge for automatic delineation of city centres from large-scale topographic https://www.wendangku.net/doc/6d8639346.html,puters,Environment and Ur-ban Systems,37(1):18-34.

Malleson N,Birkin M.2012.Analysis of crime patterns through the integration of an agent-based model and a population https://www.wendangku.net/doc/6d8639346.html,puters,Environment and Urban Systems,36(6):551-561.

Mark B,Nick M.2011.Microscopic simulations of complex metropolitan dynamics.Amsterdam:Complex City. Martin D.1993.The UK census of population1991.Norwich, UK:CATMOG GeoAbstracts.

Mateos P.2004.Mobile phones:The new cellular geography.

MSc in geography information science and human geog-raphy.Leicester City,UK:University of Leicester.

Ma X J,Wei Z Y,Chai Y W.2007.A reactive location-based service for Geo-referenced individual data collection and analysis.International Conference on China's Urban Land and Housing in the21st Century.Hong Kong:De-cember13-15.

Miller H J.1991.Modeling accessibility using space-time prism concepts within geographical information systems.

International Journal of Geographical Information Sys-tem,5(3):287-301.

Naaman M,Zhang A X,Brody S,et al.2012.On the study of diurnal urban routines on Twitter.6th International AAAI Conference on Weblogs and Social Media(ICWSM-12).

Dublin,Ireland:June4-7.

Papinski D,Scott D M,Doherty S T.2009.Exploring the route choice decision-making process:A comparison of planned and observed routes obtained using per-son-based GPS.Transportation Research Part F:Traffic Psychology and Behaviour,12(4):347-358.

Polak J,Jones PM.1993.The acquisition of pre-trip informa-tion:a stated preference approach.Transportation,20(2): 179-198.

Rock N R.2011.Mapping geospatial events based on extract-ed spatial information from web documents.Iowa City, IA:The University of Iowa.

Sagl G,Resch B,Hawelka B,et al.2012.From social sensor

data to collective human behaviour patterns:Analysing and visualising spatio-temporal dynamics in urban envi-ronments//Jekel T,Car A,Strobl J,et al.GI-Forum2012: Geovisualization,Society and Learning.Berlin:Wich-mann Verlag:54-63.

Shen Y,Chai Y W.2012.Study on commuting flexibility of residents based on GPS data:A case study of suburban mega-communities in Beijing.Acta Geographica Sinica, 67(6):733-744.[申悦,柴彦威.2012.基于GPS数据的城市居民通勤弹性研究:以北京市郊区巨型社区为例.

地理学报,67(6):733-744.]

Shi B L,Wang W,Xiao Y https://www.wendangku.net/doc/6d8639346.html,rmation network min-ing and analysis:Opportunities and challenges.Software Industry and Engineering,(4):16-21.[施伯乐,汪卫,肖仰华.2010.信息网络挖掘与分析:机遇与挑战.软件产业与工程,(4):16-21.]

Sun B Q.2011.Multimedia data mining in social network sites

[D].Harbin,China:Harbin Institute of Technology.[孙拔

群.2011.社交网络中的多媒体数据挖掘[D].哈尔滨:哈尔滨工业大学.]

Wang B,Zhen F,Xi G L.2013.A study of cybergeography based on micro-blog users'relationship:With a case of Sina micro-blog.Geographical Research,32(2): 380-391.[王波,甄峰,席广亮,等.2013.基于微博用户关系的网络信息地理研究:以新浪微博为例.地理研究,32(2):380-391.]

Wang M F,Ning Y M.2004.The internet and the rise of infor-mation network cities in China.Acta Geographica Sinica, 59(3):446-454.[汪明峰,宁越敏.2004.互联网与中国信息网络城市的崛起.地理学报,59(3):446-454.] Wang Y,Lai P,Sui D.2003.Mapping the internet using GIS: The death of distance hypothesis revisited.Journal of Geographical Systems,5(4):381-405.

Yuan Y,Raubal M,Liu Y.2012.Correlating mobile phone us-age and travel behavior:A case study of Harbin,China.

Computers,Environment and Urban Systems,36(2): 118-130.

Zhang W J,Chai Y W.2009.Urban activity-travel systems in the condition of space-time:A review of activity-based theories and models.Urban Planning International,24

(4):60-68.[张文佳,柴彦威.2009.时空制约下的城市

居民活动—移动系统:活动分析法的理论和模型进展.

国际城市规划,24(4):60-68.]

Zhen F,Zhai Q,Chen G,et al.2012.Mobile social theory con-struction and urban geographic research in the informa-tion era.Geographical Research,31(2):197-206.[甄峰,翟青,陈刚,等.2012.信息时代移动社会理论构建与城

1360

9期秦萧等:大数据时代城市时空间行为研究方法

Methods in urban temporal and spatial behavior research in the Big Data Era

QIN Xiao 1,ZHEN Feng 2,XIONG Lifang 1,ZHU Shoujia 1

(1.School of Geographic and Oceanographic Sciences,Nanjing University,Nanjing 210093,China;

2.School of Architecture and Urban Planning,Nanjing University,Nanjing 210093,China)

Abstract:The rapid development of information technology has taken us into the "Big Data Era",changed the

organization and structure of urban space and residents'behavior,and also caused transformation of the methods in urban temporal and spatial behavior research.On the basis of summarizing the problems of traditional meth-ods such as poor data accuracy,small sample size,weak continuity,and higher costs,this paper first combs through the data acquisition and processing technology for web data mining,residents'behavior data collection and analysis,and network map integration and visual development,which can affect the transformation of the re-search methods.Then it reviews the latest progress in applying big data to urban temporal and spatial behavior research at home and abroad from the perspectives of residents'behavior,urban space,and urban hierarchy,and builds up a method framework for urban temporal and spatial behavior research based on big data application.The methods in urban temporal and spatial behavior research are going through a great transformation because of the emergence of massive and various information data.Data collection methods have changed from year-book statistics,social questionnaire survey,in-depth interview to mining of network data (social network data)and application of new spatial position technology (GPS,smart mobile phone,LBS,etc.),and the data shows ob-viously new characteristics such as large sample size,real-time dynamic,micro and detail,with more attention paid to the extraction of residents'geographic position information.However,as to specific research methods,the traditional ones are still widely used,such as descriptive statistical analysis,cluster analysis,factor analysis,gravity model,network analysis,space-time prism,etc.Generally speaking,the researches of urban temporal and spatial behavior have obvious characteristics of using "new"data and "old"methods to study "newer"and "older"problems at the present stage,and their research scope has also expanded from residential scale to urban space and regional range.However,problems still exist with the current research,such as how to eliminate ficti-tious data,how to learn and innovate analytical methods,how to expand research field and embody characteris-tics of the era.Therefore,it is necessary to promote the cross and integration of related disciplines such as sociol-ogy,economic geography,cultural geography,tourism geography,computer science,mathematics and geograph-ic information science,in order to find new analysis methods,and also reinforce the research of residents'behav-ior and urban space by using social network (Twitter,Flikr,Facebook,Sina Microblog,etc.)data or other web (https://www.wendangku.net/doc/6d8639346.html,,https://www.wendangku.net/doc/6d8639346.html,,https://www.wendangku.net/doc/6d8639346.html,,https://www.wendangku.net/doc/6d8639346.html,,etc.)data,and guide innovation of urban planning methods.

Key words:Big Data Era;web data;mobile information device data;research methods of urban temporal and

spatial behavior;transformation

市地理研究.地理研究,31(2):197-206.]

Zhen F,Wang B,Chen Y X.2012.China's city network char-acteristics based on social network space:An empirical analysis of Sina Micro-blog.Acta Geographica Sinica,67(8):1031-1043.[甄峰,王波,陈映雪.2012.基于网络社

会空间的中国城市网络特征:以新浪微博为例.地理学报,67(8):1031-1043.]

Zook M A.2001.Old hierarchies or new networks of centrali-ty:The global geography of the Internet content market.American Behavioral Scientist,44(10):1679-1696.

1361

2017年度专业技术人员大数据与智慧城市建设试题(答对36题)

2017年度专业技术人员大数据与智慧城市建设试题单选题:共 15题,每题 2分,合计 30分 1 标记 我们国家现在处于应用和技术双引领的地位主要是依靠人口红利优势和应用规模优势。() 正确 错误 2 标记 ()通过了全面深化改革的决定。 十六届三中全会 十七届三中全会 十八届三中全会 3 标记 网络经济的核心理念是创新、协调、绿色、共享、开放。()正确 错误 4 标记 IT和DT时代的最大区别,()为我们建了好多信息系统。DT时代 IT时代 5 标记

阿里巴巴这么一家优秀的企业不能在国内上市,非得要去美国上市的原因是() 国内的上市政策不适应 美国市场更适合阿里巴巴企业 不想在国内上市 6 标记 智慧城市思想加速了信息惠民的公共服务。 正确 错误 7 标记 大数据的四个维度是数量,多样性,速度,准确性。 对 错 8 标记 下列选项中,不属于智慧城市中广泛的业务协同建立基础是?() 数据交换 简化流程 数据共享 互连互通网络 9 标记

下列有关我国智慧城市建设所处现状,表述错误的是?()城市建设目标缺乏科学、全面的认识 城市在规划和建设中缺乏依据 存在盲目投资建设的情况 智慧城市建设整体尚处于成熟阶段 10 标记 智慧城市是城市信息化建设的新阶段,其目的是为了以泛在的信息服务为基础,为人们的衣食住行提供便利,提升人们的生活水平。 正确 错误 11 标记 旧州镇主要依托丰富的屯堡文化资源和良好生态环境,发挥生态和文化优势,建设绿色旅游小镇。 对 错 12 标记 云栖小镇的政策支持:创新政企合作模式,在全国首创政府企业“1+1”的政策扶持机制。 正确 错误

大数据时代的智慧城市建设 郑赋斌

大数据时代的智慧城市建设郑赋斌 发表时间:2019-10-18T13:15:36.607Z 来源:《基层建设》2019年第18期作者:郑赋斌[导读] 摘要:信息化发展的步伐越来越快,大数据、物联网、智能化技术得到普遍发展运用,为新技术、新环境的发展奠定了良好基础。 身份证号码:41052119800215xxxx 摘要:信息化发展的步伐越来越快,大数据、物联网、智能化技术得到普遍发展运用,为新技术、新环境的发展奠定了良好基础。在全世界发展范围内,不同的国家和地域之间,都在推行数字智慧化发展战略,希望建设智慧化城乡。习总书记在全国十九大中,关于智慧国家、智慧城市的发展建设方面做出重要指示,提出智慧化、信息化发展理念,利用大数据技术,实现城乡发展的深入深度融合,使得整个社会实现均衡发展。本文首先分析了大数据时代概念,接下来详细阐述了大数据与智慧城市,最后对大数据时代城乡规划和智慧城市建设要点做详细介绍,希望通过本文的分析与研究,为我国大数据时代的智慧城市建设增砖添瓦,同时希望行业内人士以借鉴和启发。 关键词:大数据时代;智慧城市;建设 引言 大数据时代的到来,不仅改变了人们日常生活方式,也对我国城乡规划与建设带来了新的技术与理念。智慧城市是大数据发展的重要载体,而智慧城市建设的核心是数据资源,两者密不可分。城市大数据的分析将彻底改变传统城乡规划的编制方式,智慧城市的建设也将全面提升人民的生活品质和城市的运行效率。 1大数据时代概念 所谓大数据,从字面可以理解为所有数据信息的集合,是提高事物决策力、洞察力的海量信息资产,需要以全新视角和处理方式才能对其充分利用与发开。大数据是信息技术发展的直接产物,由于现代社会正处于一个高速运转和信息爆炸的年代,依托大数据作为数据基础,有助于各项工作的全面性和准确性。与此同时,大数据信息是一种开放的、真实的信息资源,全民均参与其中,因此一些涉及公共利益的社会决策依托大数据在一定程度上也体现了“以人为本”的发展理念,不仅确保了社会资源的合理分配,同时也使相关决策更加科学与合理。 2大数据与智慧城市 大数据系统庞大,可通过对大量数据的分析为城市居民的生活提供便利,可为城市规划提供可靠的数据支持。智慧城市的建设重点需要突出“智慧”,这就需要依赖对大数据的深度分析与利用。在大数据的应用上,首先需要进一步做好数据的整合与分析工作,应该通过对城市信息的分析,整合在城市建设进程中可能出现的问题以及存在的机遇,提高在建设过程中对整体的感知与把控能力,为此在实施上需要做好物联网技术、识别技术、传感技术、无线网络技术等的覆盖应用。同时应该进一步完成对各类数据资源的整合,尽可能消除城市中所存在的信息孤岛,促进信息的共享与交互。为保障大数据技术的应用,还需要做好人才培养与挖掘工作,以人力资本优势促进大数据技术的进步,做好研发工作。此外,在数据的分析与应用过程中,必然会涉及公民隐私与安全问题,这就需要做好网络信息的安全等级设定与评估工作,并严格控制好信息利用过程,防止由于信息安全而导致智慧城市建设进程受阻。 3大数据时代城乡规划和智慧城市建设要点 3.1在城市记忆中提取文化要素 城市记忆是集体共鸣的抽象化,也称集体记忆。是物质与非物质间相互影响下的产物,例如经济、政治、文化、艺术、历史传统、民风民俗等......,唤起记忆=文脉延续,当人们脑海中对于一座城市的记忆在某些契机下被唤醒时,当下与曾经便得以重合,文脉便得到延续。纵观如今城市建设处于现代主义向后现代主义的转型变迁中,城市空间的异化和城市历史地段的消逝造成了城市“失忆”现象,一些“逝去”老街区,待拆的老房子......,使人们在不断变化和巨型构筑物的现代城市里迷失。所以想要延续城市文脉就要保留城市记忆,在城市记忆中提取文化要素,才能合理对城市街道空间景观进行设计。例如曾经街巷之门在我国南北方一些城市中都有不同的样式表现,上海朱家门一处小巷口“巷门”式牌坊非常精致,而杭州“高银巷口”牌坊便设计成街门,这种历史元素的提取成就街巷的“名片”,表现出城市某些记忆的延续,体现出某种文化理念。 3.2智慧企业建设 企业是支持城市发展的重要力量,为推动智慧城市的发展,必须推动智慧企业的建设。在智慧企业的建设中,利用大数据可明显提高企业的核心竞争力,可改善传统模式下企业对自身经营发展只停留在表面信息分析上的问题,有助于深挖客户需求,完善业务流程,且可通过对产品市场的分析,获取更有价值的信息。为保障智慧企业的建设,需要大力发展智慧电子商务,提高企业对电子商务消费模式、信息流、资金流等要素的感知能力,并为其打造一体化的电子商务平台,以此通过整合信息优化企业建设,为消费者提供更为优质的体验。另外,也需要从物流上入手,可采用商品置入芯片的方式,完成对供应链过程的监督与管理,确保其整个供应流程都可被互联网、传感器等感知,进而构建更为完善的物流体系,以此进一步降低物流成本,提高客户对物流信息的掌控能力。可从共性支撑平台的建设入手,以数据的开放共享和融合利用为核心,为各行业、各部门提供城市数据资源体系和应用支撑服务。 3.3建立城市运行中心 智慧城市的良好运行离不开城市大脑的指挥,城市运行中心的建立将为智慧城市提供一个具有智能决策分析功能的城市大脑。大数据就像是血液一样流淌于智慧城市的各个方面,为智慧安全、智慧交通、智慧医疗、智慧生活和智慧环保等各领域提供强大的决策支持。这个统一的城市运行中心将实现城市各种数据资源的融合与共享,并与政府和企业进行跨部门的协调联动,为城市高效运转和政府精准管理提供有力支撑,从而更好地对城市的公共服务设施、市政公用设施、道路交通设施、公共安全、生态环境、经济发展、社会民生、城市产业等城市运行情况全方位地进行系统有效的掌握和管理。 3.4构建城市开放信息平台 智慧城市是以“以人为本”为基本原则,以“为民、便民、惠民”为导向进行创建的,这就离不开大数据平台的构建。城市开放信息平台的建设将实现数据共融共享,保障数据安全,提升网络数据效率,从而及时应对城市系统运行过程中出现的问题。信息平台将全方位整合金融、医疗、健康、养老、教育、旅游、交通、社会保障等与人们生活相关的各种服务,支持电脑及手机APP多终端快速查询及业务办理,提升人民对城市公众参与的积极性。随着各行各业“互联网+”战略快速推进,互联网应用更加丰富,公共服务更加多元,线上线下结合更加紧密,将为人们提供更加公平、高效、优质、便捷的服务。

测绘地理大数据在城乡规划中的应用研究

测绘地理大数据在城乡规划中的应用研究 摘要:目前,我们已经可以获取丰富自然地理、人文地理、经济地理等数据资源。这些数据既包含结构化的地理信息大数据类型,如遥感影像数据,基础地理 信息数据,大地基准数据,电子地图数据和与位置关联的各类地物的属性数据。 也包括非结构化的地理信息大数据类型,如与位置关联的社交与商务碎片化文字 描述数据,与位置相关的图片、视频、语音等数据和移动轨迹数据。全方位、多 时空的地理数据,为人类能更加透彻地感知、更加智慧地规划建设和管理我们的 生存生活环境提供可能。 关键词:城乡规划;测绘地理大数据;应用 引言 测绘是通过使用科学的技术、理念及方法获取和空间位置相关的各种图形及 数据资料,当前有数字信息技术为测绘提供保障,已经逐渐形成测绘地理大数据。将该技术应用到城乡规划中十分重要,利用测绘数据可以建模,进而科学、专业、合理、正确反映出城乡建设中的社会信息、经济信息等。因此,在城乡规划中, 科学使用测绘地理大数据,发挥出其价值,是当前需要重点关注的。 1城乡规划与测绘数据的关系 基础测绘具有公益性和基础性特点,其发展中主要以地方政府和国家投入为主,在测绘中人们主要强调的是数据采集和信息提取,同时对地理环境建设成果 有强有力的保障。在大数据时代随着移动位置服务位置服务采集各种数据媒体数 据增多,空间数据处理基础也得到较大的发展。测绘行业大量的大数据获取和处 理方法在城乡规划中的应用不断扩大。为了更加深入的挖掘价值对服务转型的思考,我们必须在大数据形成的各个环节转变和突破。近几年测绘数据在经济发展 中起着越来越重要的作用,首先测绘数据的实现在城乡规划中得到较好的应用, 我国城乡面貌正在朝着日新月异的方向发展,城市和乡村建设与发展需要加强规 划和指导,而做好城乡规划首先必须要足够多的数据做支撑,提供城市、村镇的 基本面貌和基本动态信息,能够很好的促进城乡协调发展。 2测绘大数据在城乡规划中的应用 2.1GPS测绘地理大数据测绘地理大数据在城乡规划中的应用 GPS技术以卫星定位原理为支撑,因其其环境适应性更强,不会受到时间、 地点以及气候等因素的影响,在城镇规划中得到了有效应用。GPS技术能够根据 事先确定的测量条件和需求进行测量工作。在测量的施工中GPS技术精确度非常高,不需要监测站之间通视,还能够实现远距离的测量定位计算。采用GPS技术 能够降低人力物力的投资,而且操作简单便捷,不受时间和地域的影响和干扰, 测量效率高,是其他测绘技术难以媲美的。 利用GPS技术并以城市地图为基础,定位城镇规划的具体位置以及规划范围,并根据所要规划区域中的建筑物分布以及基础设施分布,规划城乡道路线路。根 据城市的地形状况,合理布局服务设施建设,做到基础设施建设全方位、全范围 的覆盖。并利用GPS技术建立相关数据模型,将城乡规划中所涉及到的抽象的数 据转化为具体的对象,在模型设计中设定更多的评价因子,保证城乡规划的的科 学与合理性。 2.2遥感测绘地理大数据在城乡规划中的应用

空间数据挖掘工具浅谈_汤海鹏

第28卷第3期2005年6月 测绘与空间地理信息 G E O M A T I C S &S P A T I A LI N F O R M A T I O NT E C H N O L O G Y V o l .28,N o .3 J u n .,2005 收稿日期:2004-09-14 基金项目:国家重点基础研究发展规划(973)资助项目(2001C B 309404) 作者简介:汤海鹏(1979-),男,湖南沅江人,本科,主要从事信息化管理和信息化建设等方面的研究。 空间数据挖掘工具浅谈 汤海鹏1 ,毛克彪 2,3 ,覃志豪2,吴 毅 4 (1.公安部出入境管理局技术处,北京100741;2.中国农业科学院自然资源与农业区划研究所农业遥感实验室, 北京100081;3.中国科学院遥感所,北京100101;4.黑龙江乌苏里江制药有限公司,黑龙江哈尔滨150060) 摘要:数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以 用来做出预测。空间数据挖掘有十分广阔的应用范围和市场前景,目前已出现大量的数据挖掘工具用于企业决策、科学分析等各个领域。文中对2个数据挖掘工具进行讨论,介绍它们的功能、所使用的技术以及如何使用它们来进行数据挖掘。 关键词:数据挖掘;空间数据挖掘;数据立方体;知识库引擎 中图分类号:P 208 文献标识码:A 文章编号:1672-5867(2005)03-0004-02 AS u r v e y o f D a t a Mi n i n g T o o l s T A N GH a i -p e n g 1 ,M A OK e -b i a o 2,3 ,Q I NZ h i -h a o 2 ,W UY i 4 (1.B u r e a uo f E x i t a n dE n t r y A d m i n i s t r a t i o n ,M i n i s t r y o f P u b l i c S e c u r i t y ,B e i j i n g 100741,C h i n a ;2.T h e K e y L a b o r a t o r y o f R e m o t e S e n s i n g a n d D i g i t a l A g r i c u l t u r e ,C h i n a A c a d e m y o f A g r i c u l t u r e R e m o t e S e n s i n g L a b o r a t o r y ,B e i j i n g 100081,C h i n a ; 3.I n s t i t u t eo f R e m o t e S e n s i n g A p p l i c a t i o n s ,C h i n e s e A c a d e m y o f S c i e n c e s ,B e i j i n g 100101,C h i n a ; 4.H e i l o n g j i a n g Wu s u l i j i a n g P h a r m a c e u t i c a l C o .L t d .,H a r b i n 150060,C h i n a ) A b s t r a c t : B e c a u s e o f c o m m e r c i a l d e m a n d s a n dr e s e a r c hi n t e r e s t ,a l l k i n d s o f s p a t i a l d a t a m i n i n g s o f t w a r e t o o l s e m e r g e .I n o r d e r t o g e t u s e o f t h e d a t a m i n i n g t o o l s ,t w o o f t h e ma r e i n t r o d u c e d i n t h i s p a p e r a n d m a k e p r o s p e c t o f i n t e g r a t i o n o f G I S ,R S ,G P S a n d d a t a m i n -i n g .K e yw o r d s :d a t a m i n i n g ;s p a t i a l d a t a m i n i n g ;d a t a c u b e ;d a t a b a s e e n g i n e 0 引 言 随着数据获取手段(特别是对地观测技术)及数据库 技术的快速发展,科研机构、政府部门在过去的若干年里都积累了大量的数据,而且,目前这些数据仍保持迅猛的增长势头。如此大量的数据已远远超过传统的人工处理能力,怎样从大量数据中自动、快速、有效地提取模式和发现知识显得越来越重要。数据挖掘与知识发现作为一个新的研究领域和新的技术正方兴未艾,用于从巨量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式[1~2],很好地满足了海量数据处理的需要。 具体应用中,数据挖掘工具很多。它们在功能和方法等方面差别很大。如何选择适合具体挖掘需求的工具,是进行挖掘工作必须考察的前提。选择某一工具时,应考虑数据类型,主要是考察工具能处理的数据:①关系 数据库的数据。包括数据仓库数据、文本文档、空间数据、 多媒体数据、W e b 数据等;②功能和方法。数据挖掘功能是数据挖掘工具(或系统)的核心,一些数据挖掘工具仅提供一种功能(如分类),另一些工具可能支持另外的挖掘功能(如描述、关联、分类、预测和聚类等);③其他考虑的方面如:系统问题、数据源、可伸缩性、可视化、数据挖掘查询语言和图形用户接口、工具和数据库或数据仓库系统等。 在众多的数据中,有近80%的数据可以通过空间关系表达。现在,通过卫星扫描地球,每天都能获得大量的关于地表的遥感图像。要从大量的数据中判读出每一个图片所潜藏的信息,就必然要用到数据挖掘技术。本文将通过介绍专业的航空遥感图像处理系统E r d a s 和D B -M i n e r 来阐述处理空间数据和关系数据的这一过程及这2种软件的特点。

大数据时代城市规划的机遇_挑战与思辨

[摘 要]在城市化极大地改变了人类生存的物质环境的同时,科学技术的进步也创造了人类发展的信息环境。随着大数据时代的到来,信息环境进一步与物质环境交织在一起,相互作用,对人类社会和城市的影响越来越广泛。城市规划者要理解这些影响给城市规划带来的潜在机遇和艰巨挑战。由于大数据具有数据量大、种类多和更新快的特点,使得其与小数据有很大的不同,进而引起了人们对其在认知、方法和伦理上的争论。城市规划者需要把握大数据时代的发展机遇,在克服挑战的同时,以思辨的态度对待质疑。 [关键词]大数据;城市规划;机遇;挑战;思辨 [文章编号]1006-0022(2014)08-0038-05 [中图分类号]TU981 [文献标识码]A Urban Planning Opportunity , Challenge, And Thinking In Big Data Era/Zhang Xiang [Abstract] Urbanization and scienti ? c achievement has greatly change d th e physical and informational environment o f mankind. The bi g data era has enhanced interweaving of information and physical environment. Planners shall face challenges of big data and grasp opportunities. Big data has brought about argument in cognition, methodology, and ethics. Urban planners shall get over the dif ? culties and face skepticism wit h critical thinking. [Key words] Big data, Urban planning, Opportunity, Challenge, Critical thinking 大数据时代城市规划的机遇、挑战与思辨! □ 张 翔 0 引言 由于数据获取设备的日趋廉价,加之数据存储和处理能力的极大提高,全球数据的增长量巨大,据测算,全球每两天产生的数据量大于人类有史以来至2003年所产生的数据量[1]。在很短的时间内,人类从一个数据缺乏且昂贵的时代,跨入了数据极为丰富的时代。2009年,“大数据”的说法逐渐开始在互联网传播。2011年5月,麦肯锡咨询公司在第11届EMC World 年会上首次提出“大数据”的概念[2]。2012年3月,美国开始实施“大数据研究和开发计划”(Big Data Research and Development Initiative),推动大数据的全面应用。2012年5月,联合国发布了《大数据带来的挑战和机遇》白皮书。这些都标志着人类社会进入了大数据时代[3]。 大数据很难以“大”的“数据”来定义,“大”总是相对的、不断变化的,当代的“小数据”在半个世纪前是非常大的,而当代的“大数据”也很可能在半个世 纪后显得非常小[4]。当前,不同行业对大数据有许多不同的定义,但是“多数定义都反映了那种不断增长的捕捉、聚合与处理数据的技术能力,而这个数据集在量、速率与种类上持续扩大”[5],概括而言,即大数据具有的“3V”特点—数量(Volume)、类别(Variety)和速度(Velocity)[6]。正是由于具有这些特点,大数据与传统的小数据有很大的区别,以至于大数据很难用普通的计算机硬件、软件来处理,而是必须采用网格式的服务器、平行式的软件和分割的数据处理方式。 大数据不仅对信息行业产生了显著的影响,还逐渐对交通、医疗、教育和安全等方面产生了广泛的影响。大数据中有很多带有空间属性的数据集,为城市规划带来诸多潜在机遇。具有“3V”特点的大数据与传统小数据在技术方法上的不同,将带来与以往城市规划研究方法、工作方式的显著差异,也将带来艰巨的挑战。大数据时代初期流行的许多观点不一定是正确的,很可能影响城市规划的健康发展,这需要城市规划者进行审慎思辨。 [作者简介] 张 翔,硕士,注册城市规划师,高级工程师,广东省城乡规划设计研究院规划四所副所长。

论大数据时代中的城市规划

论大数据时代中的城市规划 摘要:现今,伴随着互联网技术的飞速发展,数据处理已经进入了大数据时代。大数据时代在我国诸多的行业中,都实现了有效的运用,其涉猎的范围逐渐扩大。尤其是在城市规划中,有效的运用大数据时代,可以有效的提升城市规划的整体 水平,带动城市的整体发展。本文从大数据时代概述、大数据时代城市规划产生 的变革、在城市规划中运用大数据时代的优势,几方面进行一定的探讨,期望可 以为城市规划提供一定的理论借鉴,进而促进城市经济的发展。 关键词:大数据时代;城市规划;改革;优势 现今,伴随着互联网技术的飞速发展,数据处理已经进入了大数据时代。大数据时代, 其显著的特点就是数据的数量;处理速度与数据类别的划分[1]。大数据不仅对信息行业产生 巨大的影响,而且其影响面逐渐扩大,已经涉猎了很多行业,诸如教育;安全;医疗;交通 行业等都受其影响。在大数据中,存在诸多的具有空间属性的数据集,因此必定会影响城市 规划的诸多方面,将带来城市规划在工作方式、研究方法等方面的变革,同时也会给城市规 划带来新的挑战。城市规划者,应对大数据时代的城市规划观点进行仔细的研究,进而促进 城市规划的健康发展。 1大数据时代概述 大数据时代,具体就是运用信息技术,将人类生活、学习、生产的互动过程;物质实体;行为过程等,用数据的形式进行有效的记录。同时形成多种类的数据集合,研究数据的价值,进而将其运用到公共管理;生产;生活的决策之中[2]。大数据是一种新的数据综合形式,经 由新技术可以获得“小”数据时代不能获取的数据信息。对城市规划来讲,在城市规划设计、 实施的过程中,产生的数据、以及观测的数据,都可以视为大数据的资源[3]。 2大数据时代城市规划产生的变革 2.1理论与方法的变革 在大数据时代,就应具备与之适应的大的理论,进而改变不同专业互相分离的现状。城 市具有系统复杂性、空间尺度大的特征,因此就需要运用不同的角度对城市进行研究。大数 据时代,具有大量的互相关联的、种类多样的数据,尤其是跨专业的数据种类,为城市规划 带来了新的机遇与挑战。在大数据时代,城市规划应深入研究新的研究方法与理论模式。大 数据时代,其研究方法的关键就是数据的分析与处理[4]。在大数据时代,需要对数据类型、 数据源进行广泛的掌握,同时还应掌握模型、程序与模拟等有关知识。但是,在现实中大数 据时代的发展速度过快,城市规划与其有关的研究,并不能与之同步进行,仍然处于起步的 阶段。 2.2城市规划编制的变革 在大数据时代,城市规划中的数据来源更加全面、丰富,而且还伴随着规划编制的变革。在城市规划编制中,需要在方法论与技术方法上进行改变。具体体现在,方法论转变主要是 在编制策略;编制方式;决策辅助等方面。技术方法的变革,主要是在响应速度与数据搜集 方面进行,具体如图1所示[5]。 2.3数据搜集的变革 传统的城市规划中,数据资源主要依据研究文献;调查问卷;统计年鉴等小样本数据进行。现今,在大数据时代,城市规划工作者可以依据大量的数据资源,对规划信息进行分析 与挖掘,进而从时间、空间两个维度,对规划范围内的社会、经济与交通等进行研究分析, 进而得到城市的全景展现。数据搜集实现了从小样本,到实时、海量数据信息的直观呈现, 可以有效的为城市规划预测提供基础条件。具体如图2所示。 3在城市规划中运用大数据时代的优势

智慧城市中的大数据挖掘与应用

智慧城市中的大数据挖掘与应用 数字城市技术把基础地理数据、正射影像、街景景象数据、全景影像数据、三维模型数据结合在一起,在政务网上,通过注册可以进行服务共享,在公共平台、互联网、公网上,通过二次开发可以提供各种交通、导航、旅游、文物、购物等服务系统。物联网能够实现人与人、人与机器、机器与机器的互联互通,实现智慧城市的各种应用。 智慧城市中的大数据挖掘与应用 智慧城市蕴含大数据 城市是生存繁衍最好的地方,城市是社会交往的地方,是文化享受的地方,按照城市的职能,我们让它智能化,比如智慧安防、智慧环保、智慧能源、智慧城管、智慧养老、智慧国土规划、智慧社区、智慧家居都是让人有更好的环境来生存繁衍。在经济发展方面,可以推动智慧制造、工业互联网、物联网。在文化

享受方面,可以考虑智慧户外流媒体、智慧教育、智慧旅游等等。在社会交往方面,有智慧交通、购物、社会综合管理。 在智慧城市的建设和应用中,将产生从TB到PB级越来越多的数据,从而进入大数据时代。2011年,Science专刊指出大数据时代已经到来,美国工程院院士也指出大数据可以让我们实现海量数据在预测、建模、可视化和发现新规律等方面应用的时代就要到来,奥巴马总统宣布美国政府正式启动大数据研究发展计划,奥巴马认为大数据就是未来世界的“石油”,这个计划要超过以前提出的“信息高速公路计划”,智慧城市建设的潮流已经到来。 空间数据方面,空间的传感器资源,美国有185颗卫星,中国有91颗卫星,到2020年中国将有200多颗卫星,卫星每天往回传输的数据可以达到PB级,空间数据资源、处理资源、空间信息资源、地学知识库资源,这些资源都可以传到网上,通过可视化的服务,利用云计算环境,包括计算资源、网络资源和存储资源,来保证服务质量。 “天地图”挖掘海量数据 为了充分研究这些海量空间大数据,我们研发了一个软件,叫做“天地图”,“天地图”的数据已经超过了TB级,目前已经超过100TB。利用“4+1”倾斜相机城市三维模型,贵阳做了很多三维建模工作。通过大数据,我们可以监测上海的地表下沉问题,把雷达数据放在一起,进行数据分析和挖掘,自动地、随时地检测地表下沉,不同地区的下沉速度不同,上海大概每年下沉20毫米,远郊区和市中心都在下沉。我们的检测结果同上海市国土局对比,精度可以达到3.9毫米和2.5毫米。我们已经对上海、苏州、天津、广州等很多大城市进行了自动检测。我们还监测了三峡,将来还要监测高铁。

互联网大数据在城市规划中的应用研究

2019年10月'设计 互联网大数据在城市规划中的应用研究 祝连鹏 (山东省城乡规划设计研究院,山东济南250013) [摘要]随着社会的进步和信息化的迅速发展,科技发达,信息流通,大数据与规划结合越来越紧密,在城市的方方面面都有极大的应用价值。本文从大数据的来源、价值和与城市规划诸多方面相结合角度,综合阐述了互联网大数据与城市规划的深层次应用。 [关键词]互联网大数据;城市规划;大数据与城市规划文章编号:2095-4085(2019)10-0047-02 随着互联网和信息化技术的发展,特别是大数据挖掘技术的进步,获取各行业各类型的数据变得更加容易,大数据拥有以下几个特征。(1)海量的数据规模。(2)快速的数据流转和动态的数据体系。(3)多样的数据类型。(4)巨大的数据价值。而这恰恰是城市规划行业所需的,城市规划可以利用各种信息技术和大数据,以整合,系统的方式管理城市的运行,使得整个城市的各种因素能够互相补充互相配合,为城市将来的发展提供更好的空间,最终目的是为市民提供最为优质的服务和生活体验。 1大数据的在规划中的应用价值 大数据为城市规划提供了改革性的发展机会,随着城市规划的发展,各种类型的大数据为我们提供了新的视角观察城市、分析和研究城市,互联网大数据⑴对于一些政府、规划局、规划院以及其他研究机构来说都是巨大的宝藏,它能够从另外一个独特的角度,用具体的数据分析挖掘出来所需的条件,例如在公共服务,人口,交通,公共设施等各领域。大数据时代的发展,对传统的城市规划造成了巨大的冲击,但是同时也带来了不可想象的机遇和发展,逼迫城市规划开始转型和改变方法,使之更加科学。 2城市规划中遇到的问题 城市规划在发展中,遇到了一系列的问题,例如传统的城市规划数据来源主要是统计年鉴,行业统计资料,社会调查,深度访谈,遥感影像,这些传统的数据来源,有以下几个缺点。(1)是不及时性。统计年鉴和行业资料往往是历史资料,并不能准确的实时的反映现实问题。(2)是主观性经验性。通过社会调查,深度访谈等方式,获取到的资料具有一定的主观性和经验性,并且样本数据较小,扩样后难免失真。(3)是获取困难。有些数据因各种原因需要层层申请,或者干脆就无法获取到。(4)是信息孤岛。 基金项目:山东省住房城乡建设科技计划项目《大数据在城市总体规划编制中的应用方法研究)(2018-K2 -04)成果一个部门或者大型垄断互联网公司拥有的信息,往往不共享,就形成了信息孤岛。(5)是资源浪费。(6)是重复建设。 3大数据在城市规划各领域中的应用方法3.1区域(城镇体系)规划方法 传统的区域规划,主要包括经济总体概况,产业发展特色,人口情况,区域空间,资源分布,生态环境等方面,在区位或资源条件特色等优势,区域发展问题和瓶颈,国际经验与国内重大政策机遇,要素转移或技术创新等遇到了挑战。 大数据时代给区域规划带来了新方法新理念,通过大数据分析,可以在资源分配,人口流动,社会文化,生态环境,交通出行等方面给出更为全面和科学的指导。例如通过微博文本和用户位置数据,论坛网站的用户评论数据,政府网站政策文件数据等数据来进行分析,利用数据清洗,关键词确定,词频分析,空间可视化等技术展现出来。 3.2城市总体规划方法 传统的城市总体规划在人口规模预测方面,往往是通过城市历年人口统计数据,结合城市政府诉求和未来城镇化发展目标,运用多种预测模型综合确定规划期末城市总人口,一般是利用历年各城市人口统计数据。自然增长法,产业集聚,区位法,环境容量法,类比分析法等基于多种模型的综合预测,属于经验主义方法。 大数据可以通过挖掘微博数据,政府网站数据,论坛等数据,来分析和解决功能空间布局,公共服务效率,社会空间分异,生态环境保护等方面的问题,为“多规合一”的全面布局和落实提供了新的参考,思路,方法和方案。 3.3城市控制性详细规划方法 传统的控规方法在地块控制与容量指标规划,城市各类专项规划等方面都存在一定的缺点,即经验主义。 大数据时代给城市控制性详细规划带来了新方法新理念,例如可以利用基于微博签到和文本数据的街道尺度城市用地判别, 对微博位置数据分析界定活动

大数据时代的城市规划如何做

大数据时代的城市规划如何做?——有感于2014年中国城市规划年会 2014-09-26 作者:设计部傅娜 2014年中国城市规划年会的主题是“城乡治理与规划改革”。今年年会的主题指向了今年很热门的城乡过渡融合和如何面对现今的产业转型阶段的城市和乡村开发问题上。与会嘉宾都在这一大背景下做了概念和案例性的观念阐述,最引人思考的对现今中国式的大规模开发的模式下那些细微的问题,比如说人口移动中的需求和配套设施的落实情况。我们真的准备好了面对这么一个不可回避的再一次转型阶段么?那未来又是什么?第一天的大会在很大程度上带领着我们6400位与会规划相关专业人员进入这个让人无比兴奋的大讨论中。 如果说听取有分量的讲座,理解和思考会议内容是与会者的必要功课。这次会议让我欣喜的是与全国各地的研究专业人士在城市发展这一课题中的碰撞,发现城市间对研究课题在观念中的相似与不同,学习到成果或失败案例。如果有的想法我们还在思考,而别人可能已经做了,这样就可以互相取长补短。大家在会议中展现和创造的分享气氛也是让会议的意义得到提升。 相信每个人都可以在这样的会议中找到自己的兴趣点,对大数据的持续关注也让我在这次会议中对“大数据与城乡治理”这一论坛进行了持续关注。“大数据”是一个庞大的概念集合,用以指代各种规模巨大到无法通过手工处理来分析解读信息的海量数据。如何运用大数据进行城市规划编制,做好规划实施评价,仍有待进一步研究。在这一次的会议中,大家分享了对大数据概念和在中国背景下的发展模式畅想,最引人关注的是对大数据开发现有案例的资料收集、分享和探讨。

王鹏,清华同衡规划院科研与信息中心副主任,演讲题目:《大数据支持的城乡规划新技术》

大数据时代背景下智慧城市规划

大数据时代背景下智慧城市规划 一、智慧城市与大数据概述 随着科学技术的高速发展,可以利用高科技将人类的智慧结合起来,并且对它进行整合处理,使之达到智能化。智慧城市就是要我们生活的城市更加有效率,把现在人们拥有的科学信息技术,融入到城市建设中,不仅要将信息技术用于科研领域,还要在实际生活中体现出来,因为人类的不断学习和进步就是要不断改善我们的生活方式,在城市的生活中能更好的享受生活,享受科技为人民生活带来的便利。比如可以利用云计算,将城市的资源进行有效的整理、保存及开发利用,帮助城市实现可持续发展。但是智慧城市并不是人们想象的那种没有人的机器时代,而是在这个城市中人们的生活相对之前更加的便捷,生活质量逐渐提高,工作效率也逐渐提高。 大数据时代是对城市中产生的大量数据的描述,它的特点是使社会信息化高速发展,在当今的社会中具有很大的优势,而且应用到的领域也越来越多,尤其是对于电子商务,还有现在社会流行的网购物流,随着网购逐渐进入到人类的生活,就免不了与物流合作,在这方面,大数据起到了非常重要的作用。当然要想合理的运用好大数据,还要结合云计算等多方面的技术支持,对这些数据进行智能化分析。 二、大数据对智慧城市的影响 人们生活最多的地方就是在城市,城市中的人在这个城市生活,农村中的人会来到城市打工,当然,还有一些旅行人员,城市就是人们活动的最密集的地方。随着人们的活动,就会产生大规模的数据,不尽如此,这些数据的产生速度也超级快,形式也多种多样,所以,城市生活产生的数据很符合当今社会提出的大数据的特点,是一种非常典型的大数据样本。在之前人类的生活中,运用的技术方法和一些思维模式对当今社会城市已经不再适用,城市中产生的大数据在城市的智慧化建设中又具有非常重要的作用,大数据时代的到来改变了人们对城市智慧化的认识,促进了城市由数字化向智慧化方向的转变。所以,大数据和智慧化城市是相互依存的关系,云计算的发展离不开大数据的支持,而大数据也不可能脱离云计算以及互联网单独存在。 三、大数据时代智慧城市的规划措施 1、我们国家的信息技术水平正在稳步发展,在对智慧化城市的建设中,应该建立新的思维方式,将大数据作为思想结构的基础,以先进前沿技术为支撑,应用为导向,规范的立法和高效的管理机制为保障,在城市建设中形成一个良好的体系,比如可以打造一个智慧化

智慧城市与大数据在城市规划中的应用 史虎峰

智慧城市与大数据在城市规划中的应用史虎峰 发表时间:2019-08-28T12:34:02.000Z 来源:《建筑学研究前沿》2019年11期作者:史虎峰 [导读] 在当前我国社会经济体系快速发展背景下,城市建设正在向着智慧化方向发展。 41052119861110xxxx 摘要:在当前我国社会经济体系快速发展背景下,城市建设正在向着智慧化方向发展。本文首先分析了大数据时代背景下进行智慧城市构建的重要意义,接下来详细阐述了大数据在智慧城市中的特点,最后对智慧城市与大数据在城市规划中的应用作具体分析论述,希望通过本文的分析研究,给行业内人士以借鉴和启发,同时希望为我国智慧城市与大数据在城市规划中的应用的研究献言献策。 关键词:智慧城市;规划;大数据;应用及技术 引言 建设智慧城市需要依托现代化技术,包括互联网技术、云计算技术及其他先进的通信技术等。大数据技术在智慧城市规划建设中发挥着关键性作用,尤其是城市建设中的各项测绘工作。在智慧城市规划与管理过程中,利用大数据作出智能决策,优化城市资源,有效提高城市管理水平与服务质量,推动城市科学发展。因此,应深入研究智慧城市规划工作中大数据的应用,充分利用现代科技开展城市建设工作,依靠科学、准确和可靠的测绘数据建设智慧城市,对城市资源进行最大化利用,实现城市经济效益、环境效益与社会效益的同步提升。 1大数据时代背景下进行智慧城市构建的重要意义分析 在大数据时代背景之下,大数据技术已经广泛的应用在了各行各业当中,因此在进行智慧城市的构建中,也应该借助于大数据这些先进的技术,才能够使得智慧城市建设更加智能、高效。智能化城市建设已经成为当下城市发展的一项必然选择,为了有效的解决能源短缺以及环境污染等相关的问题,确保城市建设更加绿色环保,需要借助于大数据技术来进行科学合理的规划,才能够保证城市布局更加科学合理。不可否认的是大数据技术给智慧城市带来了发展的机遇,也带来了一定的挑战,在进行城市规划设计是为了真正的实现智慧城市建设的目标,需要充分借助于大数据技术的优势,并且能够结合城市建筑设计、地理学规划学等相关的专业知识来进行全面深入的探讨,才能够充分发挥大数据技术的重要作用,推动城市规划,实现社会经济的进一步快速稳定发展。 2大数据在智慧城市中的特点 2.1多样化数据来源 要实现不同城市系统之间的数据共享,需要在智慧城市公共平台进行各种数据的采集。智慧城市数据库囊括了各个基础行业的数据库,包括市政系统、交通系统以及环保系统等,这些数据信息是建设智慧城市的基础。测绘工作与大数据有着密不可分的联系,因此,大数据是智慧城市规划建设的基础。 2.2海量化数据规模 近年来,城市建设规模有了显著提升,基础数据数量也呈现爆炸性增长。随着物联网技术不断发展,城市功能性基础设施会产生越来越多的感知数据,海量化数据规模是智慧城市中大数据的另一突出特点。因此,大数据在智慧城市规划建设领域具备自身特点,只有对这种特点进行充分把握,才能实现大数据利用效率的有效提升。在智慧城市建设中开展测绘工作时,需要对大数据进行科学应用,以此实现测绘效率与测量质量的提升。 3智慧城市与大数据在城市规划中的应用 3.1智慧化多规模协同体系中大数据的运用 目前我国城市规划建设的问题之一是体系的杂乱,产生这种现象的主要原因是城市规划是由多个部门进行规划,在长期的行政管理下就会出现体系杂乱的问题。体系的杂乱主要表现在各个部门规划的内容容易出现交叉重叠,建设的成果比较空泛等方面,这种现象的产生会直接影响城市的发展,需要引起重视。因此,在利用智慧城市以及大数据进行城市规划的时候就需要对各个部门的数据进行整合管理,与此同时还要利用信息技术构建城市规划平台,以此来实现各个部门可以在此平台上进行统一规划管理,这样就可以更好的避免重叠办事的概率。实现多规模协同体系的建立需要大数据技术进行支持,通过运用大数据整合的技术可以使城市规划更加的科学合理,有利于推动城市建设。 3.2智慧城市特色挖掘中大数据的应用 在进行城市规划时并不是一蹴而就,需要在实践的过程中发现问题并且进行整改。与此同时,智慧城市规划的模式也不是一层不变的,每个城市要根据其城市特点进行规划,要做到因地制宜。要做到根据地方特色进行城市规划,首先就要求掌握城市发展动态,这都要依赖大数据对具有城市特色的资源进行挖掘,让人可以直观的了解该城市的特点,这就便于有关部门做出利于该城市发展的规划。智慧城市在进行规划设计时要结合周边城市的特点,结合当地企业的发展形式进行规划,利于城市的长期发展,同时还要注意当地新型企业的发展,对当地特色产业进行规划。其次要注意城市交通规划,在交通上要以利于市民出行为主,在城市规划中适当增加智慧交通服务,为城市人民生活提供便利。 3.3要利用大数据技术对智慧城市的特色进行深入的挖掘 随着城市化进程的不断加快,乡愁也越来越严重,因此在进行城市规划的建设当中,也应该充分的挖掘特色才能够能留得住人才留得住根。在进行智慧城市规划时需要结合人文产业特征等相关的信息进行适当的规划和构建,因此借助于大数据技术能够对城市发展的信息进行进一步的收集,进而为城市资源规划提供强有力的保证,并且能够挖掘城市发展的潜力,做到重点区域的全面规划,保障城市规划,投入资金更加科学合理,保证智慧城市建设在社区交通产业以及相关的方面更加具有特色,从而减少了千篇一律的现象。比如在进行智慧城市交通设计时,需要借助于大数据技术,收集交通部门的一些相关数据以及网络数据,然后才能够分析出城市发展对交通规划的相关要求,结合大数据掌握的各种信息来进行交通体系的构建,保证人们和车辆的正常通行。通过利用大数据技术也可以对不同社会的居民进行系统的分析,然后掌握住居民的特点,进而制定出社区建设的方案,这样才能够保证智慧城市的产业交通社区以及基础设施建设,也更加深入人心,获得受众的认可保证城市规划设计更加科学、更加合理。所以城市管理者都认为只有借助于大数据技术对数据进行挖掘,才能

大数据时代的空间数据挖掘综述

第37卷第7期测绘与空间地理信息 GEOMATICS &SPATIAL INFORMATION TECHNOLOGY Vol.37,No.7收稿日期:2014-01-22 作者简介:马宏斌(1982-),男,甘肃天水人,作战环境学专业博士研究生,主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ,王 柯1,马团学 2(1.信息工程大学地理空间信息学院,河南郑州450000;2.空降兵研究所,湖北孝感432000) 摘 要:随着大数据时代的到来,数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题, 介绍了国内外研究中利用大数据处理工具和云计算技术,在空间数据的存储、管理和挖掘算法等方面的做法,并指出了该类研究存在的不足。最后,探讨了空间数据挖掘的发展趋势。关键词:大数据;空间数据挖掘;云计算中图分类号:P208 文献标识码:B 文章编号:1672-5867(2014)07-0019-04 Spatial Data Mining Big Data Era Review MA Hong -bin 1,WANG Ke 1,MA Tuan -xue 2 (1.Geospatial Information Institute ,Information Engineering University ,Zhengzhou 450000,China ; 2.Airborne Institute ,Xiaogan 432000,China ) Abstract :In the era of Big Data ,more and more researchers begin to show interest in data mining techniques again.The paper review most unresolved problems left by traditional spatial data mining at first.And ,some progress made by researches using Big Data and Cloud Computing technology is introduced.Also ,their drawbacks are mentioned.Finally ,future trend of spatial data mining is dis-cussed. Key words :big data ;spatial data mining ;cloud computing 0引言 随着地理空间信息技术的飞速发展,获取数据的手 段和途径都得到极大丰富,传感器的精度得到提高和时空覆盖范围得以扩大,数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备,也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段,还可能是来自计算机、 网络、GPS ,RS 和GIS 等技术应用和分析空间数据。特别是近些年来,个人使用的、携带的各种传感器(重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等),具备定位功能电子设备的普及,如智能手机、平板电脑、可穿戴设备(GOOGLE GLASS 和智能手表等),使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息(Volunteer Geographic Information )的出现,使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集,就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ,并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间,平均每年获取8.6万景影像,每天获取67GB 的观测数据。而2012年发射的资源三号(ZY3)卫星,每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上,未来10年,全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来,那就是大数据时代。大数据具有 “4V ”特性,即数据体量大(Volume )、数据来源和类型繁多(Variety )、数据的真实性难以保证(Veracity )、数据增加和变化的速度快(Velocity )。对地观测的系统如图1所示。 在这些数据中,与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用,原因是传统的科研模型不具有普适性且支持的数据量受限, 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识,这就需要利用强有力的数据分析工具来将

相关文档
相关文档 最新文档