搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 规划中国 > 城市规划与管理中的数据分析和信息化建设

城市规划与管理中的数据分析和信息化建设

规划中国 2018-03-01


  本文为北京清华同衡规划设计研究院技术创新中心常务副主任李栋在中国城市规划设计研究院学术信息中心首届业务交流会上做的报告,感谢作者悉心审阅完善&授权发布。

引子


大数据分析算不算是规划信息化?


对这个问题的理解我们自己也在不断变化中,最早在2013年刚开始组织北京城市实验室BCL时,我们更偏向认为大数据分析不是规划信息化。4、5年过去了,我发现在概念的认识上还是有很多误区。首先是对“规划信息化”的理解太狭隘,过去的概念仅只是是给规划管理部门做一些成果管理或展示平台,其次数据分析其实是密切依赖于各类信息化工作的,二者密切关联、相辅相成。这也是贯穿我近几年围绕城市和数据工作的最大反思。


来回顾当下数据发展的几个大趋势。

 

首先全社会数据可用性极大增加。当前全球超30亿人、约170亿设备联网在线,这些设备无时无刻不在产生数据。据统计,人类从直立行走到2003年所创造数据量总计5艾字节,到2007年短短几年间数据量已超了300艾字节,而到了2015年,全球网络流量接连翻番,数据量达到接近1000艾字节,预测到2025年,全球数据总量将增长至现在的200倍到170,000艾字节。可以说展望未来,大数据时代其实还没有真正来临,数据发展将呈现更加富集的趋势。


城市规划与管理中的数据分析和信息化建设


其次计算能力和算法挖掘手段全面提升。计算能力得到飞速强化。强大的计算机通过网络连接,大量数据的并行处理成为可能,硬件方面也有很大的提升。现在的手机计算能力已经远远超过了早期的电脑。而且所使用的算法获得了全面的更新。十余年机器学习发展基础上,可以将这些庞大的数据和算力用于算法的训练,开发新规则来执行日益复杂的任务。以深度学习为代表的新手段得到持续优化,启发新服务,刺激了对AI领域各方面的投资和研究。数据、设备、算法几个方面快速的发展,终将整个人类社会信息化的趋势逐渐推向一个又一个高潮。

1

信息化的两种场景


数据分析只是广义信息化的一个环节,我们可以简单做下分类,一类是流程信息化(狭义信息化),指在既有机制下对业务的信息化改造,如政府委办局的办公OA等,流程和机制是预先规定好的。另一类是决策智能化(广义信息化),比如说我们要对城市发展的信息化做整合,而城市管理的规则和机制是开放的、不断发展和变化的,我们的挑战是如何运用信息化的手段处理这种挑战。利用信息化对开放系统进行综合决策,需要采集整理决策所需信息、设计多种决策方案、对方案开展模拟与预评估、对方案进行比选优化,对方案实施开展周期性监控、方案实施后评估等等,这是一个值得开展长期探索的方向,也是数据应用高附加值所在之处。

 

流程信息化,规则相对清晰、条件相对封闭、目标相对明确。而决策智能化规则相对模糊、条件相对开放、目标不够明确,依赖更多、更复杂、非标准化信息输入作为基础。当面对决策智能化的时候,作为规划师会往往会感到信息焦虑以及对工具的渴求,会怀疑自己是不是遗漏了什么关键信息、从而对项目造成一些决定性影响,这是所有咨询者、决策者共同面对的一个很大挑战。


以规划编制为例,即使是同一个地区,即使是遵循相同的规划编制技术要求等规则,但由于每一次规划编制的背景不同、规划目标和实施手段也大相径庭,因此对规划内容本身(即待决策的方案)的评判标准也会存在很大的差异,更毋论如何对规划方案进行优化和持续改进了。

 

如果从一个更大的、数据的视角来看待这个问题,流程信息化指利用自有数据解决自己的问题,比如财务报销自动化等,而决策智能化则意味着要综合使用自有数据和他类数据(alternative data),一起来解决自己的问题。

 

他类数据是指全社会其他部门数字化、信息化之后的积累,例如原本用于运营商计费和网优的手机信令数据,原本用于公交系统计费的市政一卡通刷卡数据,原本用于网站和APP经营的移动互联网流量内容数据等等。我们现在之所以能够在城市规划中利用这些大数据,其实都要感谢早年其他部门所做的信息化基础工作,虽然这些数据出现的动机并非是服务规划师。推广而言,所以若想解决城市这类开放系统的决策智能化问题,就需要全社会每个部门都把自己的信息化工作做好。


2