智慧规划方法及其应用分析.pptxVIP

2013中国城市规划信息化年会智慧规划方法及其应用分析徐建刚 教授南京大学建筑与城市规划学院数字城市与规划技术研究中心报告提 纲一、大数据时代背景二、城市规划方法进展三、智慧规划方法体系框架四、智慧规划基本方法—适应性分析五、适应性规划建模—长汀案例六、结语一、大数据时代背景大数据”定义 科学研究、互联网应用、电子商务、移动运营商、城市监控管理等诸多应用领域产生了多种多样的数量巨大的数据。大数据（Big Data）以10TB（1TB=1024GB）规模以上的数据量同过去的海量数据有所区别。因此，出现对传统的数据存储、数据处理及数据挖掘提出了新的挑战。大数据时代的出现1998年图灵奖获得者杰姆·格雷提出著名的“新摩尔定律”：每18个月全球新增信息量是计算机有史以来全部信息量的总和。现已成为现实，表明人类已经进入到大数据时代。一、大数据时代背景大数据基本特征（4个V）　1、Volume，数据体量巨大。从TB级别，跃升到PB级别。 2、 Variety ，数据类型繁多。如前文提到的网络日志、视频、图片、地理位置信息，等等。　 3、 Value，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。 4、 Velocity，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。一、大数据时代背景大数据”系统技术： 云平台、云存储、云计算。一、大数据时代背景大数据分析方法大数据”方法论：分析大量信息数据的科学技术，以检测模型，收集意见并预测复杂问题的解决方法。大数据为科学发展提供了一条新的途径。大数据基本分析方法：可视化分析+数据挖掘算法大数据分析应用目标：预测未来预测性分析：从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来（与城市规划目标一致）。一、大数据时代背景大数据方法实现的技术基础统计分析：差异分析、相关分析、方差分析、卡方分析、距离分析、回归分析（逐步回归、回归预测与残差分析、岭回归、logistic回归分析）因子分析、聚类分析、主成分分析、聚类法、判别分析、对应分析、bootstrap技术等。　数据挖掘：分类 、估计、预测、相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘（Text, Web ,图形图像，视频，音频等）　模型预测：预测模型、机器学习、建模仿真。　结果呈现：云计算、标签云、关系图等。二、 城市规划方法进展城市规划的基本工作模式上世纪初英国规划大师盖迪斯提出“规划必须基于现状的调查研究，分析聚落的模式与地区经济背景。”他将自然地域作为规划的基本框架，发明一套规划工作方法： 调查—分析—规划目前这也被视为城市规划的标准程序。二、 城市规划方法进展智慧规划之前的三个发展阶段（1990前，1990-2000，2000年以来）规划数据结果统计分析方法制图手段手工式城市规划统计式城市规划数字城市规划二、 城市规划方法进展数字城市规划分析方法的形成二、 城市规划方法进展3维地形、3维规划实体、虚拟和城市规划……3D表达数字城市规划设计方法体系表现表达层2D表达分层设色、专题图表……规划查询与统计、用地平衡表、属性专题分析……属性分析方法分析层缓冲区分析、叠置分析、最短路径分析……空间分析数据处理矢量化、配准……基础存储层空间数据组织、属性数据组织、数据关联数据组织三、智慧规划方法体系智慧规划的基本框架三、智慧规划方法体系智慧规划分析方法的内涵以往的城市发展数据只是用来描述事实，进而理解产生这些数据背后的原因，现在我们需要通过对累积的数据进行分析，以实现更为准确地预测城市各种功能区将来的发展趋势，进而采取相关的行动。在智慧规划中，可以通过对以往的规划与现实实施状况进行对比评估，找出其背后深层次原因，进而探究城市空间演变的动因和规律。三、智慧规划方法体系规划深度分析途径从数据中发现知识，用以适应未来“自下而上” 规划中的大量社会需求问题进行决策，这些复杂的分析必须依赖复杂的分析模型，很难用结构化查询语言（SQL）进行表达，因此这类分析被称为“深度分析”。大数据系统中使用神经网络、数据挖掘及机器学习的方法建立模型，找出事物之间的关联，可以为利用海量城市时空数据进行规划深度分析提高有效的方法途径和技术手段。四、智慧规划基本方法—适应性分析4.1 城市复杂系统的适应性复杂适应系统（CAS）概念适应性：具有适应性的主体能够与环境以及其它主体进行交互作用。主体在这种过程中，不断地“学习”或“积累经验”，并且根据学到的经验改变自身的结构和行为方式系统进化：新层次的产生，分化和多样性的出现，新的、聚合而成的、更大的主体的出现等等