城市大腦在城市體檢工作中的應用研究
——以杭州市道路擁堵場景為例

夏玉軍 李凌宇 孟凡伍 李佳俊

（中國城市規劃設計研究院，北京 100044）

1.引言

城市體檢作為住房和城鄉建設部近幾年推進的一項城市工作，其“一年一體檢，五年一評估”的工作要求，使動態更新的城市大腦數據成為提高城市體檢工作效率的重要抓手。而近年來，隨著城市大腦的概念逐漸被各級城市規劃建設管理部門所接受，并在許多城市開始了搭建。伴隨對城市大腦建設的探索不斷深入，城市大腦工作的重心也從如何搭建轉向如何高效利用城市大腦數據指引城市工作及方便居民生活上來[1]。本文通過城市體檢工作實踐，借助利用杭州市城市大腦數據進行城市道路擁堵評估分析的案例研究，解析在城市體檢工作實踐中利用城市大腦動態監測數據的方式及主要挑戰。

2.城市大腦與城市體檢綜述

2.1 城市大腦

首次提出城市大腦概念的時間是在2015 年，但各領域的學者有著各自不同的理解。在城市建設方面，從2016 年開始，杭州、上海、北京、廣州等多個城市，紛紛提出和開展城市大腦建設方案，旨在利用智能時代的數據資源和不斷迭代的信息技術，推動城市數據資源匯聚融合和運行態勢的全域感知，進而實現對城市精準研判，調度指揮，整體統籌，指引城市的現代化、智能化治理，讓城市更“聰明”一些[2]。城市大腦建設主要圍繞對城市運行數據的實時監測、歸集和分析，最大化數據這一戰略資源的價值，使城市的規劃建設管理更加科學化、智能化、精細化[3]。截止目前，建成城市大腦或者提出城市大腦建設需求的城市，在我國已多達數百個?？梢灶A見的是，在不久的將來，城市大腦將成為城市建設的“標配”，作為城市的一項基礎設施大大方便各項工作的開展，并將連綿不斷地形成價值，以及幫助解決城市發展過程中僅靠現有基礎設施和生產力難以應付的問題。

2.2 城市體檢

“城市病”伴隨著城市化的快速發展應時而生，或多或少，難以避免。為了盡早發現問題，及時研究、精準施治，在2015 年12 月，中央城市工作會議提出建立城市體檢評估機制的要求。為此，住建部經過深入探索研判，于2017 年9 月，提出了建立“一年一體檢，五年一評估”的常態化城市體檢評估機制，為城市可持續高質量發展提供保障。從2018 年開始，住建部聯合北京市共同開展了首個城市體檢試點工作，自此，拉開了住建系統在全國開展城市體檢工作的序幕，并從2019 年啟動11 個城市試點，增加到了2021 年在59 個城市全面展開，體檢指標也從7 類、36 項，擴展到8 類、65 項，形成了較為完善的城市體檢評估體系[4]。利用與時俱進的科學技術手段和城鄉規劃學科原理，通過開展城市體檢工作，對城市進行分項指標動態監測和整體數學模型組建，從而評估各層級城鄉規劃的實施情況、各項城市功能的健康狀況以及城市的可持續發展應力，助力建設沒有“城市病”的城市[5]。截至目前，城市體檢工作的規模和影響力還在不斷擴大，可以說城市體檢工作通過積極的探索、發展和完善，正逐漸成為城市規劃建設管理的一項常態化工作[6]。

3.城市大腦在城市體檢工作中的作用

城市體檢中重要的一環在于跟蹤比較，對比各項指標在某個政策實施前后、某建設項目開工竣工前后等不同時間節點的情況，進而實現對于城市規劃建設管理工作的質量監督及成效反饋[7]。要實現對于城市多項數據的智慧化跟蹤對比，城市大腦的作用舉足輕重。城市大腦可以不斷動態獲取城市體檢工作涉及的相關數據，智能化地計算城市體檢需要的指標，支持后期城市體檢報告的智能化生成，并根據城市的實際需求，從數據層面監控城市的健康狀況。同時，城市大腦也可以針對部分時空敏感度較高的指標，將數據的時間及空間顆粒度細化，實現全時空、多方位、常態化的城市健康狀況監督檢查及預測預警[8]。

4.杭州道路擁堵場景分析實踐

在杭州市城市體檢平臺搭建的工作中，我們發現杭州市作為城市大腦建設的“排頭兵”和“先驅者”，城市大腦提供的數據接口從數據的覆蓋范圍、數據質量、數據更新情況等各個方面來看，均較為成熟，于是項目組開始了通過城市大腦對城市體檢的某些指標實現動態監測的探索。穩定獲取城市大腦中樞系統API 接口共19 項，其中有9 項用于指標計算，7 項用于體征感知監測模塊，如表1 所示。

表1 獲取城市大腦中樞系統API接口情況表

城市的交通擁堵狀況是一個較為直接利用實時數據進行分析，且切實關乎市民生活出行質量的城市體檢相關項，為此，項目組選擇以此作為探索城市大腦數據在城市體檢工作中應用研究的切入點。

4.1 城市大腦接口及監測數據的選擇

經過對杭州市城市大腦提供的數據接口（表2）的數據內容及質量的研究，結合城市體檢工作的相關經驗，我們確定了兩項主要監測數據：杭州市各區域道路車速及城市擁堵路段。從城市大腦數據列表中獲取實時高速路勻速、實時快速路勻速、實時主干道勻速的車速信息，數據更新頻率為五分鐘，主干道數據統計邊界為交警大隊，高速路與快速路數據統計邊界分為主城區及市轄區。

表2 使用的城市大腦數據接口信息

4.2 相關標準研究

在研究城市路面交通相關標準之后，我們發現國家標準GB/T33171—2016，城市交通運行狀況評價規范中對道路運行情況等級劃分的定義[9]和公安部國家標準GA/T 115-2020，道路交通擁堵度評價方法中對城市道路平均車速與交通擁堵度的對應關系的定義[10]以及北京市地方標準DB11/T 785—2011，城市道路交通運行評價指標體系中對不同級別道路運行評價等級、擁堵路段、高峰時段的定義[11]等與道路擁堵狀態界定和可視化相關性較強。其中，地方標準雖然是北京市地方標準，但對杭州也有較強的借鑒意義，因此，項目組在杭州市城市體檢平臺設計建設中,城市道路擁堵評估分析采用了以上標準。

4.3 場景搭建——擁堵路段場景

4.3.1 擁堵數據預處理

由于通過城市大腦中樞獲取的擁堵數據獲取頻次為5分鐘，因此，有大量的數據重復，需要對獲取的擁堵數據進行預處理，消除數據冗余，保證每一條擁堵事件記錄的唯一性。我們的處理方法是利用python 針對每個路段的連續時間擁堵記錄中只取擁堵時長最長的一條。

4.3.2 擁堵路段與路網數據空間擬合

杭州市城市大腦提供的擁堵路段的空間數據為線段，而此線段與現有的路網數據并不能實現完全重合，為實現每日擁堵時長的統計，項目組利用GIS 將擁堵數據擬合到路網。

4.3.3 路段每日擁堵時長累加

利用柵格計算技術，將每日的擁堵累加，得到路網上每條擁堵的道路每日總擁堵時長。

4.3.4 調整圖例，空間呈現（表3）

表3 擁堵時間圖例

4.4 場景搭建——平均車速場景

4.4.1 數據預處理

將從接口獲取的數據分區（包括主城區總體勻速及市轄各行政區均速）。

4.4.2 車速折線圖繪制

根據不同區域繪制每日車速折線圖，呈現24 小時內車速變化情況。

4.4.3 平均車速計算

根據各區每五分鐘車輛形式平均速度及高峰時期的定義，計算各區域每日高峰時期平均車速。

4.4.4 調整圖例，平臺數字化呈現（表4）

表4 平均車速圖例

4.5 平臺展示（圖1）

平臺左側空間圖為擁堵路段場景部分，可以展示用戶選擇的日期當日道路擁堵狀況。平臺右側空間圖為平均車速場景部分，此部分分為上、中、下三個模塊，上邊模塊展示杭州市市域范圍內的車速情況，三組速度分別為選定日期的主干道、快速路及高速路日平均車速；中間模塊展示杭州主城區車速情況，速度值為選定日期的高峰時期道路平均車速，折線圖展示近七日的高峰時段平均車速情況；下邊模塊為杭州市下轄各區的具體情況展示，表格部分為各區高峰時段平均車速，用戶可以在表格中選擇任意一個行政區，該區的日車速情況就會在其下方的折線圖中顯示。

圖1 杭州市交通擁堵路段場景

5.結語

目前，以道路擁堵場景為代表，杭州市城市體檢平臺已經在9 個模塊，61 項指標展示中實現了每日25 萬條城市大腦數據的獲取、展示及計算。其中，在城市管理方面，利用城市大腦監測污水處理量，獲取城市生活污水集中收集率；監測所有停車場基本信息，獲取停車泊位與小汽車擁有量的比例；監測單個停車場實時信息，獲取停車泊位與小汽車擁有量的比例。在城市交通運輸方面，實時監測快速路、高速路、主干道的車速，獲取平時和早晚高峰時間交通的擁堵情況，以及獲取巡游出租車和網絡預約出租車的營運訂單數，共享單車租用次數，提供移動出行服務。在衛生健康方面，獲取各醫院醫療就診數據，統籌社區衛生服務中心門診分擔率。在文化和旅游方面，獲取全域接待游客人數、地圖-圖書館點位、國際游客來源、省外游客來源、景區基本信息、星級酒店基本信息等相關數據，便于調控和因需施策。在醫療保障方面，獲取參保人數、參保單位等數據，測算出常住人口基本公共服務覆蓋率；在住房保障方面，獲取商品房成交均價可比較面板、二手住房成交均價可比較面板數據，測算出房價收入比。日后，更多利用城市大腦實時數據搭建的動態場景及預測預警界面將高敏捷度地全面反映城市狀態，幫助規劃建設管理工作者進行改造及建設方案的模擬推演，并從城市角度對項目形成全周期、全方位的跟蹤管理。

在城市的運行管理不斷走向數字化與智能化的進程中，城市信息化工作要解決的主要矛盾已經從之前的如何獲取及儲存數據轉變為如何從龐雜的數據中梳理出邏輯關系，幫助我們避免數據的冗余，更加高效地挖掘數據價值，而后服務于城市的更新、建設、管理以及居民的日常生活、工作、學習。利用城市大腦數據幫助甚至指引城市體檢工作是項目組在工作中找到的一條通路，希望作為一個例子，引起城市工作者的一些思考和探討。