|
数十年的快速城镇化历程，使中国的城市沉淀了巨大的存量资产。城市发展的焦点问题从“建”到“营”、从“管”到“谋”转变。围绕存量资产保值的问题，各领域展开了城市治理的深入研究。2018年7月7日，上海金融与法律研究院在“鸿儒论道”系列论坛第127期请来了致力于用数据科学改善中国城市治理研究多年的北京城市象限科技有限公司创始人、CEO，北京市城市规划设计研究院云平台创新中心秘书长茅明睿，来谈谈城市治理中的数据科学和公众参与。 讲座基于他本人带领城市象限团队参与的雄安、北京、通州、回龙观、天通苑等地区和社区的规划与治理课题，及其所产生的初步成果，系统介绍正在建立的一套利用数据科学和公众参与技术支持城市规划和城市治理的方式和方法，包括基于算法的城市公共服务提升方法，扎根社区治理的精细化、定量化的社区提升方法等。  ▲ 茅明睿在鸿儒论道127期 “有数才能有数” 随着城镇化速度放缓，增量市场转变为存量市场，城市建设管理者需要从增量思维转向存量思维。通过提升存量空间的品质、提供生活服务来提升存量资产价值。从过去的面向生产空间的规划时代，迈入面向运营空间的运营时代。在此变轨过程中需要新的技能、新的理念、新的方法、新的理论，还要有数据的支持。时下，城市治理有些被庸俗化为一个IT架构问题或者服务器问题的倾向。“智慧城市、大数据、人工智能、区块链……”，很多场景其实只是用各种新的技术概念去包装传统的信息化和电子政务，而绕开真正的治理问题。城市治理者需要明确当前ICT技术的边界，以及面向真正的治理问题还应该具备哪些知识、技术和力量。  事实上，最大的城市数据资产不在政府部门，政府数据库都是一些静态数据。中国良好的网络基础设施、发达的互联网产业和庞大的移动互联网用户造就了一个新的数据环境，国民不仅生活在实体空间，还生活在移动互联网中，并留下海量的行为数据，这些数据刻画了城市的运行状态。所以最大的城市数据资产留存于以BAT为代表的互联网公司以及手机运营商的信息库。  对于互联网数据获取，我们做了一个数据采集系统，数据收集、清洗之后再进行数据管理。这其中存在伦理问题，好在我们是用于公共政策，可以被容忍。比如每个城市每天的天气，每个环境监测站的数据。这一类是从腾讯迁徙的数据，我们做的只是数据加工。还有一些是来自于商业渠道，花钱购买之后转换成城市的指标，包括人口分布、指数的空间联系、地铁的运行等等。最后一种数据来源于城市中的一些传感器。采集街道流量变化、人的来源、街道的活力。我们2016年以来还布置了一些环境传感器，比如监测北京老城区耨写历史街区的活动、人的到访时间、人的动线以及当时的空气质量、车流量、人流量。通过数据获取去了解城市和社区，发现城市问题，并提出解决对策。  要让数据变成公共资产，还需要推动政府开放数据。比如一个很好的数据开放网站——中国裁判文书网。我们对其中一部分文书进行提取和结构化处理，建立数据库，然后将其空间化。基于此，我们制作了北京的2016年犯罪地图，评估各个社区的安全性；并计划建立数据模型，了解城市的安全性与建成环境、人口特征、街道活力、产业结构、商业业态等之间的关系。很多数据都可以变成城市指标，比如居民的投诉电话、城市管理的报告等都可以翻译为城市数据指标，如果将这些数据开放出来，就可以构建汇集社会智慧、招募社会力量参与治理的数据基础，将成为多元共治的基础设施。 数据的运用和价值 最初的尝试是利用数据来研究人的生活。比如，对交通刷卡记录进行聚类分析，研究人的职住状况。通过分析不同地点居民的可自由支配时间的长短，在一定程度上反映人的生活品质。数据显示，北京只有23.2%的上班族能够规律性下班，70%以上的人普遍性加班。在上海，54.9%的人能够规律性下班，40%多的人经常加班。并且，北京和上海两个城市中，日子过得最好的上班族大都在地铁二号线沿线上班。每天自由支配时间少于12小时的上班族，北京要比上海多。不同的城市空间结构是其主要原因，北京是典型的单中心圈层结构，相对于上海多中心结构，向心性远距离通勤更强。   ▲ 上班族能够规律性下班比例：北京VS上海 数据也可以用来研究城市的情感，以及评估政府的投资项目。比如，宜昌的BRT项目在2016年获得了世界可持续交通奖。但开通后，微博上的情感曲线一路下滑，曾几度变成负面情感。最大的原因在于，BRT并没有明显改善城市的交通拥堵状况，它更大的价值在于通过路权分配，优化出行结构，保证了大多数人出行条件不会恶化。私家车出行者更是觉得BRT影响了他们。相反，游客的情感曲线一路向上。因为本地市民大多只使用过这一个BRT，认为并未达到他们的心理预期。而游客来自其它城市，比较之后反而觉得宜昌的BRT比预期要好。这个案例告诉我们，使用文本挖掘或公众舆情的数据分析去评估一个公共项目，需要从不同的维度考虑，不一定只看本地用户的体验；还需要时间上的纵向对比，以及地区之间的横向对比。   数据化科学性的公众参与是进行线上的语料采集，UGC(用户生成的内容)，微博、游记、点评都是由用户在生产内容，这些内容在告诉我们城市怎么样。整理当地的微博、游记、贴吧，搜集当地人们在互联网上发表的意见。从中会发现微博和游记所反应的关于公共领域的问题和居民所反应的问题是一样的，比例也是相似的。因此，公众参与不一定要对居民当面访谈，问卷调查。但是要注意，线上意见有一定的局限性。比如，养老问题针对特殊人群，发表意见的多不是老年人。这种研究城市的方法我们称之为社会感知，感知即参与。假设把感知到的居民的行为和意见，变成制定公共政策的依据，那么他们就参与到公共决策中来了。利用数据科学进行城市治理，用大数据是为了公民参与，而推动公众参与是为了让权力进行自上而下的流动。  数据还可以进行建成环境分析。比如用街景图像分割出街景要素，动态识别城市的绿视水平。过去是利用遥感影像看城市的绿化情况，是一种鸟瞰的视角。事实上，对城市绿化的感觉是肉眼感官的平视角度，可以利用动态的视频数据并将其转变为城市的测度指标，计算北京每条道路的绿视水平。 社区尺度的城市体检方法 要营造一个人性化的社区，就要了解人性化的需求。为此，我们建立了人性化需求、社区问题与社区测度指标的对应关系和计算方法，称之为社区尺度的城市体检方法。这些测度指标有的基于大数据可以完成，但是相比大数据，经过人工调查等方式收集的“厚数据”更重要。所谓“厚数据”调研方法既包括地图标记、影像记录、现场计数、跟踪记录、步行测试等偏定量化的方法，也包括问卷调查、深度访问、座谈会和工作坊等偏定性化的方法。  比如测度城市在不同的时间、不同的街道、不同的人流量，可以看到上午九点，政府机关附近的路段和区域，年轻人流量比较高，而经过菜市场的路段老年人流量比较高。这样，对于城市空间分配给什么人使用，可以用数据观测进行量化，不仅可以明确有哪些公共设施，更要要知道居民怎么使用政府提供的公共设施。早上、中午、晚上下班，这个城市空间一直在发生什么样的流量以及什么样的活动内容，了解所住的城市空间到底发生什么样的公共生活。这样深入的观察和测度才能去了解市民的生活，发现他们的需求。  对于社区的量化，比如调查超市和菜市场的进出人流，跟踪社区居民不同时间的出行目的地，记录路边的违章停车和废弃车辆，记录公园里晨练、广场舞和遛狗的人群，甚至用计数器去数街上的狗屎数量和分布密度。同样的卫生条件下，一个区域内狗屎越多的道路，其可步行性就越好（因为遛狗的人喜欢走）。因此，这是一个正向指标。当然，作为社区的卫生指标，这又是一个负向指标。所以，同样的狗屎因子会计算成两个评价指标。 运用这些“量化”的厚数据可以建一套数据库，把字段、类型、公开性、采集状态等都记录下来。基于不同的社区数据构建案例库。表面上看这是一个社区工作，使用的是科学的、定量的方法，这样量化的社区就容易找出存在的问题。 从街道家具、步行环境等舒适性、美观性、安全性、流畅性的各个角度依据各种微观的测度因子计算每条街道，得到微观尺度的评价结果。最后将整个社区测度结果，根据人本社区的评价体系以及计算公式，按照可负担性、安全性、便利性、舒适性、活跃性、多样性、参与性等进行计算。这就是一套人本化社区的体检方法。与自上而下的空间管控的城市体检不同，这套体系与人口疏解、生态控制红线、城市增长边界都无关，不是单单从解决政府管理执行效率角度，而是从人性化社区的运行角度去看社区的评估以及寻找提升更新对策。 鸭子桥社区体检报告 北京鸭子桥社区在北京西二环边上，属于首都功能核心区，但在老城以外。利用大数据可以快速了解到，这里外来人口达31%，比西城区整体高出7%，属于核心区内外来人口比例较高的地区；职住比0.34，全区0.93。户均人口1.91，全区2.61，区域的特征更加一目了然。更重要的是社区容积率只有1.18，建筑密度只有0.18，显然是个低密度的开阔社区。但是如果没有这组数据，实地调研反而容易得出相反的判断。 ▲ 线上数据认知：人口 对于社区居民的职住关系，住在这里的人去哪儿上班，在这儿上班的人从哪来？以及这里的居民上班的距离有多远？利用手机数据可以计算。处理办法是把居民的休闲活动按照50米的网格去测度他们休闲频次的分布，得到社区居民喜欢去的超市、菜市场、饭馆等等。这能够帮助我们了解社区的居民是如何使用社区公共空间的。 社区内有一个金中都遗址公园，是整个区域最大的公共空间。从数据看，社区的居民并不经常去这里活动，更愿意去北侧的那些窄窄的滨河绿道。通过访问也证实了这一点，在遗址公园里活动的人群中90%不是鸭子桥社区的居民。 利用大数据还可以看出社区居民的休闲活动外溢现象。通过数据热力图分析，可以看出居民在步行可达范围之外的休闲活动目的地，以及公交出行40分钟覆盖范围。从而可以得知他们的活动是分布在怎样的公交出行时间半径下，或者，可以统计社区居民愿意承担多少出行时间成本去获得更高等级的公共服务。 我们计算了在社区15分钟生活圈里每一个单项的可达性评价结果，这里相比全区哪些公共设施得分高，哪些低？发现这里缺少咖啡厅和运动设施，基本上年轻人想要的东西都很缺乏。所以在全区221个社区里它排名203。通过这样的数据测度方式可以把全北京甚至全中国的所有的社区快速计算出来。 再结合公交覆盖度、地铁覆盖度、微博上的舆情，就会发现这几年它的微博声量一直增加，2017年达到51条微博，40%是举报：垃圾问题、噪音问题、生活问题。这里其实是一个民怨在增加的区域。 ▲ 线上数据认知：鸭子桥社区感知度 当然还有很多问题是大数据看不到的问题。走进街道，你会发现行人很不方便，所有的公共空间都塞得满满的，非常拥挤。区域内有个酒店，但是酒店门口的人行道上每天约有12~18辆停车，严重影响行人通行。很容易就会认为这里缺少停车设施，可事实并非如此。酒店停车场的空余车位一直保持在23~42个，停车场甚至一度把停车位出租给共享汽车。这说明该区域停车的合规远成本大于违规成本，公共空间被侵占，执法不严。拥挤只是表象，其实这里只有18%的建筑密度，地下停车场空置率为50%。 线下观测认知：鸭子桥社区停车状况 我们通过多个时段的人工调查，记录了整个社区的停车需求和合法、疑似非法的停车位数量，进行静态交通的需求测算。按照居住和白天就业的车位需求，区域的停车供给有多少，车辆是多少，最后得到基本结论是这个社区大概停车的需求是1000个车位，而这里的停车位数量有1100个（包括单位院子的停车位）。 鸭子桥社区的居民为什么不常去遗址公园？我们跟踪了这里的居民活动，发现他们主要生活刚性需求在三个节点：红莲菜市场、天客隆超市、美廉美超市。这个社区的老年人和家庭主妇主要的生活轨迹是往北、再往东往北和往西。他买了菜顺道溜溜弯回来，不会往南再走。如果要提高公共设施的利用率，公共设施要在居民的日常生活路径上去进行配置，不是说在这个地方的可达范围配置了设施就一定会有人去用。 通过数据分析，发现问题，总结问题，对鸭子桥社区，提出五个对策：停车、活化空间资源、营造公共生活、刻画社区、组织公共参与。每一个对策的详细内容：停车秩序如何组织，空间资源怎么活化，公共生活如何引导，社区怎么刻画等。这些问题的解决重在城市设计。传统的规划常常是设计背后不仅缺乏数据，更缺乏数据驱动设计的逻辑。为什么要做这个规划和设计？服务于什么诉求？诉求和目的从何而来？怎么证明你的设计是有效的？定量的研究方法背后是逻辑，通过逻辑，把大数据和厚数据测度和计算指标串起来，核心是分析形成对策，然后才能进入设计环节。设计一定要有诊断过程。 如何提升社区诊断的效率？ 我们制定了一套智能化的社区分析工具体系，从四个方面解决问题。第一，如何感知城市，尤其在微观尺度？第二，如何认知城市？第三，如何针对特定问题进行提升？第四，怎么形成线下的解决方案？ 首先，开发了 “猫眼象限”，即一个社区的拍照小工具。用微信小程序拍摄照片，猫眼会用十几毫秒把照片里的汽车、行人数、绿化等等信息计算出来。这个工具可以极大地节约了调研成本，并且将没有结构化的数据变成结构化的数据，目前全国有5000多社区规划师、交通规划师在使用“猫眼象限”进行社区调研。 其次，开发了一个基于传感器的算法程序“蝠音”。它可以感知公共设施的流量、计算访客的停留及预测未来的客流，辅助了解城市的活力和公共设施的使用效率。 再就是程序“海豚”。我们将大数据计算和调查获得的数据放到海豚系统当中，它会按照我们的计算和建模规则输出社区的诊断结果。换言之，海豚是一个自动的社区认知和诊断系统。 然后，我们还开发了一个名为“鼹鼠”的工具，支持公共设施的智能配置。它可以计算在政府和市场提供的28类公共设施中，每个小区、社区、街道的公共服务可达性得分，判断它们是否达到“十五分钟生活圈”的规划标准，然后用可视化的交互系统来优化公共服务，比如增加小区的出入口、修建城市支路会如何改善公共服务可达性，以及如何对缺失的公共设施进行选址，并得出一个详细的评估和提升报告。 此外，我们会结合社区规划去进行社区智能化的规划，通过对城市的认知，去了解城市在什么节点有什么活动，并针对性地设置相应的传感器。这套规划方案并我们严格控制感知度，从基于社区生活认知、明确的服务目标来和最低的隐私成本代价来感知社区，提出智慧社区的规划。最终，通过技术赋能、设计赋能、文化赋能提升社区的品质，为社区空间注入内容，提升社区的认同感和凝聚力。 最近城市象限团队在负责一个项目——“回天有数”。“回”是“回龙观”，“天”是“天通苑”，这是北京两个巨型高密度住区。我们希望基于上述理念将其做成中国最大的城市数据科学加社会多元共治的实验田。我们会用多源大数据、“厚数据”调查和智能传感器去感知这个区域的运行，认知它的问题，计算动态指数，开放数据接口，并发布社会治理白皮书、城市修补更新报告等。“回天有数”，构建数据平台；“回天有术”，开展社会参与。现在已经有很多社会力量参与，未来，这里可能会成为中国的城市数据密集度最高、参与开放程度最高的区域。 无论数据开放、大数据还是公众参与，都是在推动从“个体智慧” 到“群体智慧”向 “人工智能”的发展。从自上而下的政府决策到把市民作为传感器的集体参与，再到利用智能感知设备让城市智能感知和认知，科学的方法、专业的知识、广泛的参与、为公的情怀在城市治理中缺一不可。 编辑/丁馨怡 |
|
|
