活在大数据时代培训.pptVIP

城市规划中的大数据 传统空间数据的再组织  对于本来具有空间属性的地形图等数据，已经有成熟的方法将其配准和建库，除了直接浏览之外，也有大量的方法基于遥感影像进行城市规划的分析，除了常规的建设用地边界识别和扩张分析、植被、生态要素识别以外，近年来通过灯光遥感判别城镇化程度和经济发展水平的实践也较多。 统计年鉴数据库 对于统计年鉴大数据，可以使用 webGIS 技术将各级行政边界与其统计数据进行连接，形成可以查询和可视化的年鉴空间数据库，在此基础上加入基于 web 的区域分析模型，则可以将原来复杂的 GIS 空间分析和专题图制作变成简单的 web 操作。 现场调研工具 现场调研是城市规划师主动采集数据的最重要环节，而其成果往往是绘制在纸质地形图上的各种图文信息，还有相机拍摄的照片，从现场返回后，这些数据往往要耗费大量的人力重新数字化整理，并与地形图等空间信息对应。为此，开发商基于智能手机和平板电脑等移动终端开发了规划现场调研 APP，可以现场通过 GPS 定位，调取所在位置的相关图纸，并记录所在位置的照片、录音录像和文字标记，甚至绘制和编辑矢量信息，基本实现了传统调研所有纸面工作的电子化。调研结束后，项目组成员可以通过网络将信息上传至共同的服务器，汇总成地理信息系统的基础数据集，为后续的各种数据工作打下良好的基础。 智慧城市的感知数据  随着大数据城市建设的开展，物联网技术使我们可以通过无处不在的传感器和传感网了解城市各个系统的实时运行状态，包括电网的运行，每条道路的车速和流量，甚至每个个人的位置和行为，通过这些数据的叠加和计算，我们可以对城市空间资源分配状态进行评估和干预。以往，知道一个城市的实际人口几乎是件不可能的事情，更不必说一个街区或者地块里到底生活着多少人，而在大数据时代，我们有越来越多的方法可以了解这些。 开源地图的使用 互联网上大量开源地图信息为我们大大扩展了矢量空间信息的来源。开源地图信息主要包括各级道路网、三维数字高程模型 DEM、具有平面和高度信息的 2.5D 建筑物、兴趣点 POI，这些地图包含的空间信息某种程度上超过了传统的地形图，因此在城市研究中不但可以一定程度上代替地形图，还可以实现大量全新的分析方法。 通过适当的算法，结合一些车辆和人的轨迹、行为数据，用这些 POI 信息可以大致计算所在地块的用地性质，以及功能混合的程度。如图所示，用信息熵模型对北京市域 20 多万个 POI 进行计算，计算出的用地混合程度，可以一定程度上表征城市的活力和中心体系，也能大致描述建成区的最新范围。 如果地图数据中还包括了建筑的平面和层数，则可以估算城市各种功能建筑的总量、建筑密度、容积率等数据。这些数据也是空间句法等传统的分析模型很好的辅助。 交通传感数据  智能交通是大数据在城市建设中最为广泛开展的实践，也是物联网建设最为成熟的领域，因此，城市政府和交通运营部门往往掌握着大量相关的交通传感数据，如果得到适当的挖掘和分析，可以很大程度代替城市规划传统的交通调查方式，并有更多的作用，可以支持从宏观到微观不同尺度的城市和规划研究。 航班和铁路班次数据经过整理和挖掘，可以在城镇体系规划中描述城市间的关联程度，也可以描述城镇群的形态和发育程度。如图所示，我们利用全国航班时刻信息制作的城市间联系示意，京沪穗渝四极清晰可见，而在内蒙城镇体系规划中的应用，也能清晰描述包头和呼市各自的区域地位和联系方向。 公交刷卡数据是大多数较大城市都可以获得的，其数据量极大，包含的信息丰富，但挖掘难度较大。其主要用途是提取通勤人口的 OD 信息，判断城市各功能区和组团之间的联系，尤其适合考察新城和中心城之间的通勤特征，由此判断其间的值住关联。长时间的数据积累，还可以通过同一用户的 OD 变化特征，收集人口居住和工作地迁移的情况等等。 出租车的 GPS 轨迹也是比较常见的数据，由于其数量较大，分布均匀，足以作为所有车辆的样本考察。出租车轨迹除了 OD 信息外，还可以描述城市道路的实时车速，更复杂地，通过数据挖掘算法，还可以识别用地的性质和出行人口的行为特征。 智能基础设施网络数据  智能电网、燃气网和水网也是早已成熟的技术，通过其传感网采集的精确到每家每户的使用数据，不仅能简化家庭缴费的程序，更能用来评估城市规划的效果和城市运行的状态。以智能电网为例，我们可以通过数据实时了解每个地块（变压器）的用地负荷曲线，根据曲线形态，可以推断其用地性质；根据负荷峰值和经验数值，可以估算其人口、产业容量；如果对曲线形态进行精细地分类，可以对居住人群和产业类别进行更精细的分类。 移动通讯定位