用大數據看透一座城市

佚名

如何讀懂一座城市？人們把生活構建在大大小小的城市中，城市不僅為人們提供工作機會，更寄托著休閑、娛樂、教育等諸多期待。在這個復雜的網絡、動態的系統之中，每個人只能看到自己周圍的生活，而幾乎無法了解整個城市的場景。尤其是，如果你生活在一個特大城市，例如常住人口超過2300萬的北京，可能窮盡一生都無法徹底讀懂這座被尊稱為帝都的城。

如今，我們有了“ 大數據 ”這樣的信息時代新利器，每日都能直觀俯視城市日新月異的變化，不必只從平面地圖和縣志中來間接理解城市。畢竟，房子和土地只是表象，人的聚集才是城市的本質。就像使用衛星地圖監控城市的土地開發那樣，我們現在利用大數據，在不同層次監測人口聚集，更好地回答“人在哪兒”的基本問題。

傳統的宏觀統計

以前我們只能看到宏觀統計，例如采用縣級統計年鑒數據庫分析全國尺度的區縣域人口密度（2012），宏觀表現全國人口分布的京津冀、珠三角、長三角和成渝經濟圈四極大結構。如果把尺度放得更小一些，我們又能看到什么？我們采用街道尺度的第六次人口普查數據，分析了北京市域街道層面的人口總量和人口密度分布（鄉鎮街道立體圖中，高度和顏色分別表示人口的數量和密度）。

從人口總量看，昌平區的回龍觀、東小口鎮（天通苑）、北七家鎮（天通苑以北），海淀區的學院路、北太平莊街道，以及大興區的黃村地區，都聚集了大量人口；而從人口密度看，高密度區主要集中在海淀區和西城區。因聚集了大量的優質教育資源，海淀區在總量和密度上均呈現較高的值，所謂“宇宙中心”，果然不虛。上述數據可以讓我們了解城市的脈絡，但從中終究無法看到時間如何在城市中流逝、人們在城市中如何運動。由此，我們在這里嘗試用大數據去回答城市中“人在哪兒”，把時間維度放進城市空間分析，重新理解城市中人的活動。

北京

在哪兒上班，在哪兒睡覺

我們采用百度（百度熱力圖）和騰訊（宜出行平臺）實時網格人口數據，選擇工作日上午10點和夜間23點，分別代表上班工作和下班居家的活動狀態，由此得出城市的職住中心。如下圖所示，為上午10點人口分布（即就業分布），清晰可見人口集聚區及稀疏區。

就業中心主要集中在：中關村、知春路、朝陽門-建國門-國貿一帶、王府井-東單、金融街、西單、西直門、上地、望京、東直門、亮馬橋、朝陽路十里堡段、惠新西街南北口、五道口、六道口等（北京南站因處于交通樞紐而聚集較多的人群）。

從夜間23點的人口分布（即居住分布）可以發現，居住中心主要集中在中關村、回龍觀、西小口、六道口、五道口、牡丹園、清河、知春路、大鐘寺、學院南路、勁松-潘家園、宋家莊-石榴莊、京滬高速與南六環等相交地點、十里堡、望京、北苑、立水橋、天通苑、芍藥居、小營等地點。

通過對比，我們可以發現城市白天和黑夜的不同形態。第一種空間，白天熙熙攘攘的金融街、國貿、西單、王府井等商業就業中心，到了晚上一片寂靜；第二種空間，集商業、就業、居住于一體的中關村、五道口、六道口、知春路等地，無論白天黑夜均集聚大量人氣；第三種空間，回龍觀、天通苑、北苑、宋家莊等主要以居住為主的地區，體現了睡城的基本特征。由此，大數據可以幫助我們了解城市居民如何使用城市空間，進行實時動態監測。

奧林匹克森林公園南園

哪里人多，哪里人少？

大數據不光能識別宏觀的職住分布，還可以分析微觀的公共空間，如小區公園、購物商場的使用情況。同樣，我們采用百度景區熱圖數據，配以實時人流動畫作為表現形式，便可得出人們對微觀空間的使用情況。例如，由清華同衡規劃設計研究院主持規劃設計的奧林匹克森林公園南園，除了地鐵站森林公園南門以外，人流主要沿 5 km 的規劃環道分布，到了晚上表現尤為明顯，而 3 km 的規劃環道上并未形成明顯的人流集聚。同時，在以南門、西門和東門為核心的周邊區域，有部分人流集聚，仰山所在中心區域則明顯十分稀疏。

對比工作日周五和周六的人流量，可以發現，周五的人流量主要集中在外圍 5 km 的環道，周六的人群分布則更為廣泛，更加深入到奧森公園內部的各處景點。同時對比早間和晚間的人流量，周五早上8：30的人流量要明顯高于夜晚20：30，而在周六早上和夜晚的人流量差異較小。

其實設計者也無法準確預測到這些現實使用情況，這不禁讓人思考，是否 3 km 的規劃環道以及仰山所在中心區域的設施配套不足，導致使用率低？ 5 km 環道，是否因塑膠跑道而吸引了大部分人群；而仰山所在中心區域因燈光昏暗，且較少道路連通園門口，所以人群較少？這可能是設計師的精心安排，但有些可能是疏忽。在規劃實施評估和未來的規劃改進中，可以有針對性地進行優化。這是利用大數據發掘微觀尺度空間使用模式的例子。

三里屯太古里和SOHO，

各自的商業特征如何？

三里屯太古里與三里屯 SOHO 均處三里屯核心地段，在地理位置上幾無優劣之分，僅隔一條工體北路。但人們可能會有一種體會：SOHO 門可羅雀，太古里時尚繁華。

但實情和觀感一致嗎？暫把7月14日優衣庫事件對人流的影響放在一邊，通過圖表（數據來自騰訊宜出行平臺和百度景區熱力圖，人口數值經技術處理，不完全代表人數），我們可以發現，無論工作日還是周末，三里屯 SOHO 人流量均高于太古里人流量。當然，您可以在圖里清楚讀到太古里在事件后收獲的人流增量。

我們只感受到太古里川流不息的觀光購物人潮，卻沒有看到 SOHO 的高樓里“藏匿”的上班族和住客。從用地性質看，太古里和 SOHO 均屬商業用地，規劃圖紙上標注的是同一種顏色，但它們真的一樣嗎？從具體使用功能上，我們發現，太古里和 SOHO 運營的其實是不同類型的商業項目。太古里定位是綜合休閑娛樂區，是以開放式購物區為主的商業綜合體；而 SOHO 則是集商業、辦公、居住為一體的綜合社區。這兩個地塊隨時間變化的人流量曲線，體現了它們承擔功能的差異。

人流日變化圖看起來像一團纏在一起的毛線。我們又做出工作日和周末的人流量擬合曲線，可以更加直觀清晰地對比太古里和 SOHO 的人流變化。

在太古里，周末人流量大于工作日；而日間人流量隨時間推移緩慢增多，午間13點左右增至最高峰，晚間22點之后，人群逐漸散盡。所以，太古里是人們休閑娛樂的去處，夜幕降臨后大家各回各家。而在 SOHO，與太古里相反，工作日人流量大于周末；SOHO 達到人流量高峰的時間段，也比太古里提前，在早間10點左右攀至最高峰，這正是上班族們陸續到達單位進行打卡開始一天工作的時間段。

可見，精細化的實時網絡數據能精確刻畫不同使用模式地塊的人口時空特征，是我們厘清復雜城市系統線團的一根解鎖線頭。當然，以上分析只是簡單示意，我們還將使用機器學習等技術對其進行更深入的分析和建模，以及實踐應用。

基于上述三個用大數據進行的“人在哪兒”的分析，我們的城市從二維的地圖和文字中活了起來。我們可以觀察到城市在全天24小時的不同面貌，人流在公園等公共空間如何聚集，純商業項目和綜合社區在不同時間段以及時間點人流量的差異。

如果說，傳統統計數據特征是平面、靜態和粗放的，那么大數據則讓城市的數據維度走向立體、動態和精確，利于大數據自下而上的問題解決。

大城市人地矛盾的確已十分突出，政府政策制定時往往首先想到疏解人口。但事實上，依靠數據提升精細化的規劃和管理水平后，我們的城市也可以和東京等城市一樣，更好地滿足不同人群的基礎設施和公共服務需求，最大化發揮有限設施的服務水平，提高其使用效率。可以說，大數據讓城市和生活更加融合，讓空間和市民更加貼近，最終能讓我們的城市生活更加美好。