܄

大数据眼中的帝都:这里住着最富的人,也住着最穷的人

【数据猿导读】 我们认为在不同城市和地区的不同发展阶段,面临不同的问题,所以组织建设就是要解决问题,提供不同的解决方案。智慧城市在顶层设计方面,应该是帮助政府如何建立一套生态系统,本文向大家详细阐述城市规划师眼中的智慧城市,以及在构建智慧城市中的一些问题

大数据眼中的帝都:这里住着最富的人,也住着最穷的人

城市规划师眼里的“智慧城市”

非常有幸有几天来这里跟大家分享一下我们在智慧城市和城市数据运营的感受。

我们城市规划师是比较另类的角色,我们的数据属于大数据“忽悠派”,但是我们认为智慧城市应该是应用信息技术去解决城市问题的方式,而城市规划师就是在集成各个学科的知识解决社会问题,智慧城市就是加上了大数据的技术体系。

实践中我们创造出以数据为核心的智慧城市应用理念,其中包括城市的数据感知、数据分析,数据搭建和数据运营这几个部分。

智慧城市在顶层设计方面,应该是帮助政府如何建立一套生态系统。如果没有这个环节,我们无法获得我们所需要的数据,数据规划基本原则就是以问题为导向,以数据为核心,其中包括发现问题和解决问题两个环节。

我们认为在不同城市和地区的不同发展阶段,面临不同的问题,所以组织建设就是要解决问题,提供不同的解决方案。

我们在以下方面做了很多工作,首先是众包数据、公众数据与公众参与,搭建了一整套完整的技术平台,包括APP,还有物联网的设备等。

我们又在个人信息里搭建了类似的数据平台,这里展示的是私有制产权对新数据平台的样本,可以展示三维数字沙盘。

最后,基于以上这套生态系统可以集合数据,有大量的新数据和传统数据集中在一起,我们进行数据工具,可以做一些事情,发现一些问题。

案例1:上海城市体征数据云平台

新的数据环境带来了新的契机和新的应用方式。我想要介绍的第一个案例,是上海市体征数据云平台。基于城市设计实验室的思想,上海市信息中心和北大还有清华同衡等进行战略合作,尝试开发城市的数据生态平台。

上海市政府关于数据规划和实施,都在新平台里边。我们现在有很多数据,包括数据公司提供的位置服务(LBS)数据作为行为数据等,这些所有数据集合在一起,形成全新的平台。

在这个系统当中,可以用各种数据分析等垂直手段对上海地块的运行状态等等进行各种评价和分析,分析存在的地块情况、活动时段和居住特征等等生态指标。

基于这些,我们可以出一套新的城市生命体征的评价体系,这种体系基于新数据,可以感知人在空间里边的情况,为我们城市的实时运行提供实时的诊断。

案例2:北京六环的城乡结合部

另一个案例则是“六环,你比五环多一环”。

这首歌想必许多人都知道,也是艺术家在五六环区域做的艺术作品。这个地区有什么特点呢?住在北京的人可能都知道,这里是北京城乡结合部,聚集了大量多样的人口,且城市规划非常混乱。

大家看下面左图,北京的城市地图,蕴藏着很多数据——可以说这些数据里边藏了一个北京,最穷和最富的人都住在这个区域。而且很少有方法可以知道这里到底住了多少人,以及真正发生了什么事情。

我每次去调研,问北京某个街道主任这个地方有多少人,得到的回答比如“我们的统计是10万人”,但是下一句话他会说:“我估计这个地方也有30万人。”可见,政府对城市现状的掌握欠缺,很难有相对靠谱的城市政策出来。

我们现在掌握着北京非常巨大的大数据,我们也可以对城市的动态做非常深入的了解,我们想了解在北京六环的这片城乡结合部地区,到底在发生什么。

这是我们基于手机、出租和公交等几组数据,通过不同数据组合得出的不同状态。

工作日中,出行分成两个方向:一个方向是非正规的就业,传统上认为的流动人口,或者来自于农村非正规就业的,还有一个方向是来自于中关村西区就业的高学历人口。

通过数据观察居住在这里的人群,他们工作时间较长,晚上21点到24点是回到居住地的主要时间段。

同时我观察,他们周末休闲的情况,也是呈现比较单调的状态。

清华大学博士生也对这个地方进行非常深入的调查,有了一些发现:居住在这里的人,他们的日常通勤距离,比北京市居民的通勤距离稍微短一点,而且学历越低的话,通勤距离则越近。

数据发现了怎样的另一个北京?城市边缘区村庄内常住人口的规模与构成是怎么样的?常住人口的职业身份构成与日常生活状态如何?新数据如何成为城市智库的一部分?

我尤其感觉到,我们还需要关注传统规划中被忽视的城市边缘区的群体,对缺乏统计数据且高度动态化的区域进行精细化描述,通过多维多源数据融合,为城市决策提供支撑。

作者介绍:

王鹏,北京清华同衡规划设计研究院总工程师


来源:DT财经

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>