Intetix Foundation（英明泰思基金會）由從事數據科學、非營利組織和公共政策研究的中國學者發起成立，致力于通過數據科學改善人類社會和自然環境。通過聯絡、動員中美最頂尖的數據科學家和社會科學家，以及分布在全球的志愿者，我們創造性地踐行著我們的使命：為美好生活洞見數據價值。
原文：http://www.nordregio.se/en/Metameny/Nordregio-News/2014/Planning-Tools-for-Urban-Sustainability/Reflection/
原作者：By Joan Serras, Melanie Bosredon, Ricardo Herranz & Michael Batty
全球城市迅速發展，這種快速增長帶來了諸多涉及不同城市層面的挑戰。在人口統計學方面，我們正面臨著許多跟人口遷徙和老齡有關的問題。在土地利用方面，我們面臨著一個巨大的挑戰：如何在高密度人口和肆意擴張的城市解決擁擠問題，以及我們如何解決隔離，從而能夠減少不平等和剝削。資源的有效性方面的是我們如何高效且持續地使用能源。交通運輸部門在所有出行方式的基礎設施中、污染、噪音和事故的增長水平中，面臨著巨大考驗。加上剛剛提到的挑戰的復雜度，他們也跨越了不同時空尺度。
城市規劃者需要通過各種工具，以某種方式處理這些問題。這些工具之一就是所謂的土地使用傳輸交互(LUTi)模型。這是一個真正的系列模式，旨在評估城市通過相互作用的三個主要因素：人口、土地使用和運輸服務，如何在長期的基礎上（通常是30-50年的階段）發展。在LUTi模型所處理的許多過程中，最主要的是土地利用系統對交通系統信息的反饋和相互作用，反之亦然。這一方面反映了土地利用方式對移動模式和運輸基礎設施演變的影響，另一方面揭示了交通系統是如何影響城市形式的發展和人們如何從事各種土地利用活動。典型的評估和規劃使用這個系列的模型；其中包括周圍交通基礎設施改變帶來影響的評估，比如，兩個地區之間的一條新鐵路；或在該區域建立一個新的開發，比如，一個新的工業園。這將包括通常由工業分支的經濟影響(區域和/或國家)，以及家庭、人口(按類型)和額外的工作對每個建模領域數量上形形色色的數據預測。
為了更好地了解城市的模型在不久的將來可能走向何方，我們將首先看一看它們從何而來以及他們如何經過多年的演變(韋格納，2010)。
歷史背景LUTi模型的第一次浪涌出現在20世紀60年代的美國，一直持續到20世紀70年代中期。伴隨著第一系列城市模型的主要困難是由李先生1973年在他的《安魂曲》中的文章《大規模模型》中提出的。他列出這個時期模式的“七宗罪”：高綜合性、粗劣、荒漠、固執、復雜性、機械性和高價。這是那個時代的修辭，由于數據和計算機資源的限制，本質上這些模型與知識分子和有效預測的政策需要不匹配，并且難以實施。難怪這類城市模型或多或少在20世紀70年代和20世紀80年代期間被遺棄。然而，20世紀90年代，計算的發展、地理信息系統(GIS)的出現和更優質的數據，激起第二輪城市模型的涌動。通過進一步分類分區組成部分和人口以及就業群體使用社會經濟的屬性，新模型得以發展。新的建模技術探討了例如離散選擇理論和基于代理的建模。另一個重要因素是可視化，它可以使結果被更廣泛的觀眾理解，也因此更加清晰。特別地，規劃支持系統(PSS)對于規劃工作者而言提供更好的可用性。在美國和歐盟，通過倡導這些改進的具體措施獲得進一步支持，這意味著許多模型最終會被應用于越來越多的城市。
近幾年也許是最重要的進展是已采用新的建模方法——其中基于活動的建模和微觀交通模型尤其令人興奮。同時我們圍繞模型發展而不斷發展的知識，繼續挑戰著模型計算的極限，這意味著在并行處理運行模型上，我們也找到了一個上升的趨勢。簡而言之，將這種模型中的純粹計算量，與子模型到其他子模型的不斷反饋循環相結合，多模型以新的方式集成在一起。
大數據和城市模型-EUNOIA項目可以理解的是，從非常規資源中獲得與城市規劃相關信息的大數據時代開始，城市綜合模型已來到聚光燈下。基于眾包的數據、遙感、在線社交網絡、智能交通票務、手機使用情況和信用卡交易有一個共同點：它們都包含地理定位信息。因此，我們正從結構化的、靜態的、人口和經濟活動數據（例如，普查數據）轉移到非結構化的、能夠為城市動態提供新見解的動態數據。
圖1. 典型的倫敦公共交通服務工作日早上8:30的一個快照。顏色編碼的旅行風格：綠色的鐵路服務，紅色的巴士服務，黃色的巴士服務(更大區間的巴士服務)，紫色的地鐵服務和藍色的渡輪服務
雖然數據的潛力巨大，但它也伴隨著許多障礙。我們有更多的數據，但通常對美國的決策和城市用戶的行為解釋力低。另一個與作為城市模范的我們非常相關，且與這些數據類型相關的重要問題是其在我們案例研究領域中的“代表性”。在這個意義上，我們剛剛開始學習如何應對這個巨大的模型轉變。在過去，城市模型中使用的人口數據中的行為模式，由1%的人口抽樣調查(或類似的值)推斷而出。從這些新數據集，我們現在有更高的覆蓋率，達到40%或50%的人口，但此示例的大小往往是以素質低、有噪音的或帶有偏見的數據為代價。數據挖掘和混合多源數據的能力正在偏見和不一致的識別中變得越來越重要，這些不一致的可以是非常龐大的數據集，其中數以億計的記錄是家常便飯。計算科學使我們能夠更快地處理數據，基于數據挖掘的新統計學因其統計分析變得至關重要。
為了讓事情更復雜，我們可以收集并使用所有這些數據的類似技術有一個更重要的影響：研究表明，ICT（信息和通信技術）正在改變著我們的生活方式。或者，換句話說，我們各種目的(工作、購物、休閑或教育等等)的日常活動都受到了ICT與環境交互方式的影響，不僅在我們規劃它們的方式上，而且也在我們與它們進行互動和體驗的形式上。城市模型在捕捉這些行為的變化中面臨著一大挑戰。
EUNOIA是一個歐洲科研項目，探討如何可以整合、分析和可視化來自大數據和智能城市運動的大環境中可行的多源數據(包括來自智能卡、手機的使用痕跡、在線社交網絡或信用卡，以及其他的數據)，從而理解城市中的流動和位置模式。新的數據源不僅可以用來取代或增強傳統的數據收集方法，還可以了解和促進新建模方法的發展。這些反過來又可以支持研究人員和專業從業人員對于城市用戶如何在城市中居住和遷移有新的洞悉。手機數據可用于獲取比傳統家庭旅行調查更低的成本的起始點出行分布矩陣，也可以用于配合調查，提供豐富的數據池。信用卡使用中的數據提供了非常豐富的遍及整個城市支出流動的信息，可以用來制定、校準和驗證零售地點模型。在線社交網絡可以用來研究社會互動在移動性中的作用。這份名單是無止境的，它的探索仍然是一個大范圍的未知領域。
EUNOIA項目正在考察這些事務和其他問題，并且開發以改進模型為目的并將其一體化為大規模的、最先進藝術的城市仿真工具，如基于代理的運輸仿真框架材料模擬或更多聚合LUTi框架擬像。該項目還旨在開發用戶友好型的視覺界面和數據展現形式，使分析推理和仿真結果的解釋成為可能。在規劃部門和來自三個城市(巴塞羅那、倫敦和蘇黎世)參與該項目的移動利益攸關方合作中定義的若干案例研究，旨在評估新開發的工具解決有關政策問題的潛力，比如在倫敦和巴塞羅那規劃和運營自行車分享系統。
城市規劃模型，已經成為規劃師解決各地城市諸多發展問題的一個有用工具。這些模型現在都已經使用了40多年，也就是說它們經歷了多次重新評估來提高其精確度。即使如此，城市模型仍然面臨許多挑戰。在這里我們強調其中的四點： 第一，城市模型需要更多的計算機處理能力，特別是運輸模型。讓各種模型在短時間內實現快速而有效的運行。第二，可視化界面表明，LUTi模型的結果仍有很多上升空間。需要更具互動性和全面的工具來理解這些要執行的結果，從而幫助醫生和其他利益有關者。第三，在動態與靜態模型實現概念有關的建模社區中，已經存在著一些討論。就如Ying和Wegener討論，這是一個極具挑戰性的課題，因為它指出了模型設計的核心，那就是更好地捕捉這個平衡最有可能不斷變化的世界。最后，與我們目前研究的EUNOIA項目現狀也許最相關的是，我們需要找出是否有更多的代表性樣本，比如來自大數據的樣本，在城市建模發展中發揮潛在作用。我們相信任何領域的重要突破，將使城市規劃者能從更好的立場出發，以應對城市目前正面臨的許多挑戰。
京公網安備 11010502049343號