文章推荐 | 城市规划中城市信息学的研究进展

首先对Informatics作出定义，传统上Informatics在计算机科学领域中由信息系统（Information System）和信息技术（Information Technology）两部分构成，既包含数据、模型、计算、可视化、决策系统、优化等软件部分，也包含硬件系统的部署。我认为Informatics是较完整的体系，从数据收集到数据模拟与展示再到与硬件的结合，都汇总于该体系。过去十几年来，我们掌握了更微观的数据，人的行为变得更加可预测，城市信息学由于对人更深刻的理解而逐渐兴起，我们也更能理解人与环境尤其是城市环境的互动。城市信息学在上述技术生态系统中能更好地理解城市是怎么运行的，我们也能更好地管理城市，从而达到可持续发展的目的。

另外，我认为城市信息学是处于变化之中的（moving target），尽管我们普遍赞同其在技术层面建立起了对城市的全新认识，但由于学科背景的差异，不同学者在具体的技术操作层面会有不同的认识，对它的定义也有一定的变化。两年前我来到新泽西理工，与计算机专业的学者共事，我理解到计算机为我们提供的并非只是计算能力，其对数据有很多方面的理解；来到德州农工后，我发现大量学者把对城市信息学的理解直接运用于城市设计上，比如运用新的知识更好地引导社区如何应对灾害，提高社区运行能力。这其实是城市信息学用更加前卫的观察与模型与社区工作结合，使得学科世界更加丰富。

从直觉印象来讲，城市信息学与生物信息学（Bio Informatics ）有一定相似性，从不以数据驱动或以数据为核心到目前慢慢地出现了更多以数据为驱动的形式。生物信息学可以延伸出可以解决生物方面的问题，带来相关应用与相应技术，以此类推，城市信息学也可能有类似情况；同时，我们可以看到很多与信息学相关的词汇与传统领域结合，也就是数据或数据科学与传统科学结合，延伸出各种各样的信息学，比如社会科学。

我非常赞同一个观点，就是城市信息学非常关注使用端，强调使用者是谁，这也就与一些更为通用的方法以及计算机科学拆分开来，因为其学科研究的目的、普遍性方面关注的角度不一样，因此这可能是与信息科学、计算机科学的巨大区分。

许多计算机科学领域的学者也从事城市分析等研究，那么城市规划学要自己做城市信息学有什么优势呢？通过实践，我认为我们应该关注使用者，作为城市规划者，我们应利用我们的规划的学科背景，关注最后的使用方式，以及如何落实到城市政策的制定以及城市公平、城市可持续发展的议题的探讨。举一次项目经历为例，与我合作的计算机科学的学者希望通过构建优化模型来优化城市学区划分，但是学区房在美国受到政治因素影响，并且会对现有房屋拥有者的生活造成影响等，这些都是非城市规划者考量不及的方面。

因此我认为在城市规划领域中应侧重于关注以下几方面内容：政策内涵是什么，如何运用有力的机器学习与先进的数学模型，数据安全性及模型自身的问题。

我思考的是三方面内容，与城市信息学的people、place、technology领域相对应，我认为城市信息学要在现有的定义下进行更深刻的解释。

首先，我认为people可以用参与者来解释，参与者包含的不止是个体的人，也可能是不同的参与者，并且同一个人也会有多种角色。因此我认为这是对城市中人的根本性的、新的诠释，也就是以一种更加可理解的方式考虑了多维度的存在。

第二，place也就是空间性，在城市信息学的语境下建成环境与自然环境更准确，二者并非黑即白。

第三，Technology，我认为支持力量的提高并非本质性的改变，我们应该更多地增加城市技术方面，城市技术与城市作为有机体结构，有许多基础法则。比如有许多做计算机科学的人，在城市技术的基础上总结出了很多城市法则，如果将这些顺理清晰将能更好地理解城市信息学。

城市信息学这门新的学科方向与城市数据挖掘、城市计算等概念相比，后者只是辅助性工具或其中的环节，而城市信息学涵盖得更广泛，更强调城市信息、城市数据基础设施的建设、数据获取、数据平台的搭建，包括后期数据驱动的智能化决策、实施、评估等。城市信息学是相对于地球或地理空间信息学或传统城市研究发展、定义过来的。所以一方面，城市信息学相对于地理空间信息学而言，关注的不止是静态的物理空间，还延伸到了动态的空间交互、时间过程理解、社会空间中的社会关系、虚拟网络空间包含社交媒体的行为等方面，也包括更重要的城市物理空间与社交媒体空间之间的相互作用机理，如疫情信息甚至谣言如何影响人们的出行。另一方面，城市信息学定义是相对于城市研究来说的，城市信息学不仅关注城市问题，也更加关注治理，以及智能化、精细化的政策效力的评估。

城市信息学在不同的时代中意义不同，很多信息、技术已经深刻地改变了我们个人、社会、空间、城的运行，所以在过去的两三年中，我们实验室除了做城市研究和支持规划设计工作，也特别关注“新的城市”的产生，我相信这无论在方法上、技术上或工程上都非常重要，他也会对整个社会、城市产生深刻的影响，甚至是重塑或重新定义。谈到城市信息学我们或许可以从两方面来思考，一是用信息认识我们的城市，另外一个方面是关注被改变的城市，这是我个人的一些初步思考。我们与腾讯合作发布了“WeSpace未来城市空间”，通过调查也发现每次工业革命都深刻地改变了我们很多，其实数据分析、数据可视化都只是一个方面，我非常呼吁大家也关注一下另外一个方面，也就是是否可以再研究新的城市。

很多文献认为城市信息学是一个城市可见基础设施和无形基础设施之间的无逢过渡、或大数据的延伸、或信息技术应用于城市地区，这种理解是比较狭义的；后来大家认为城市信息学不仅包含数据技术，还包含对城市的规划管理的一些应对。我初步总结，它可以被认为是一种用复合方式全面感知城市，收集和处理数据信息，利用数据信息对特定目标展开研究实践的一个学科。我认为其交叉前沿可以分为4个方向，分别为城市感知（Urban Sensing）、城市大数据（Urban Big Data）、城市数据模型（CIM）、城市数据可视化（Data visualization），也许不止这些方面，内容应该更加丰富。

张帆 ：

关于城市信息学在创造城市知识中扮演的角色，我认为城市信息学涉及的城市海量数据、新的数据挖掘方法可以带来更多观察城市的视角。举一个例子，我们在观察不同城市的扩张、增长的过程中，尽管城市的地理、人口条件不尽相同，但其中存在着一些普适性的规律，比如城市的人口增长与基础设施之间的亚线性关系、与经济或科技方面的超线性关系等。随着我们获取的数据在时间和空间上越来越精细、丰富，我们就有机会发现不同尺度下的城市中的一致性规律，以及验证一些来自于物理学、生态学等复杂性科学中对于城市理解的假设，形成新的知识。我们可以理解为这是城市信息学在城市理论方面对于创造新知识的贡献，帮助我们更好地理解城市。

关成贺：

从刚才所说最基本的3个领域来讲。首先是参与者，对于中国6亿住在农村或者非城市地区的人来说，我们并不是将其作为个体，而是家庭来看待；相应地，由于建成环境的不同，中国的三万多个乡或村的居住环境条件与大数据的结合实际上是比在城市里更能实现的，我们需要知道如何通过大数据来知道他们什么时候需要改变居住环境，或者当孩子出现需要儿童友好的空间，我认为真正通过数据平台来解决他们的居住问题，这是一个完整的思考体系，而非单纯提供数据或平台给他们。

若将这个平台运用于其他国家，比如利用收集数据观察日本公园活动情况，使用者变成了城市用地系统的公园使用者，大家很难去说自己是不是公园使用者，这就说明使用者有一定的不完全性。退一步来说，获得数据的时候都会有一个瓶颈，这些瓶颈使得我们并没有因为现在的城市信息学而从质上改变城市的运营，其中最大的问题点在于如果能提出新的东西，也就是城市信息无法交流和交换，当研究成果在与他人结合的时候会发现需要重新计算模型算法，因此如果能将其统一化、客流通化，才能真正把大数据运用于城市中。

张闻闻：

我认为目前来看，交通方面使用最多的关于知识理论发展的是应用机器学习来提高现有模型的预测精准度、可解释的机器学习来看非线性关系对于交通需求的影响，以及基于代理人模拟来预测一些现在还没有得到广泛应用的交通技术对于未来城市规划的一些影响，来解决由于技术还未被广泛的应用而产生的缺少使用者体验数据的研究障碍。我认为大数据和城市信息学对交通领域贡献还在于使得一些国家尺度的模型可以比较好得开发，以前的数据比较碎片化，但是现在可以建立起城市之间可比的模型，比如现在的Google street view。

对于数据可视化，我认为目前的应用主要有两方面，一方面是做公共参与时，通过可视化结果能有效地与公众沟通，使得他们认同你的模型，进而支持规划决定；另一方面，对于科研人员来说，运用数据可视化可以使得原来的暗箱模型有一些政策的有效性。

袁晓如：

总的来说，尽管传统习惯给事物划分层次结构，但将来的划分将会越来越模糊。从可视化角度来讲，首先可视化不仅限于传递信息，它可以有很多种不同的功能，比如它是帮助思考决策的过程，特别是如果模型还在迭代、优化或者说目前数学没有完整的解析表达的情况下，这时可视化与人结合能够发挥一些作用。此外，作为科研工作本身的工具而，可视化能够扩展或延展我们的大脑和手，能够强有力地扩展人的认知和分析能力，提升计算能力与计算方法。第三，从公众理解与沟通角度而言，在传达之上，公众需要直接地与数据或背后的信息产生关联，有相应的反馈机制，并且使得大众可以参与进来，这要求良好的手段和媒介，并且补充一些单一的视角有可能遗漏的地方。

城市规划学科的学者无论是专业领域或应用方向领域，与计算机学科相比还是有相当大的背景差距，依靠个人的努力是杯水车薪，长远来讲，考虑一些相应的机制、如何真正促进交叉并且产生实践意义与巨大影响是一个值得研究的问题，还有待于方法机制等多种方面的探索。

叶信岳：

城市可视化可以从三个方面进行研究和实践：第一个是挑战计算极限，我们希望能让大家没有计算数据量太大的忧虑，能观察城市里任何地方之间的移动还有趋势的计算，也就是建立了一个系统。第二个想法是思考如何把数据提供给本地社区使用，包含社交媒体的数据、POI数据以及挖掘出社区内部的需求都放在系统里。第三个想法其实是运用逆向思维，让大家在没有数据的地方取到数据，比如非洲的部分地区，并且能在这些带宽很窄的情况下把数据给传出去，使得观察数据可以更快地报告。所以我理解的可视化从应对海量数据到考虑谁还在海量数据之外，落到了社区关怀的角度上。

刘超：

城市信息学中的大数据、数据采集或是CIM在中国乃至世界上都比较火热，数据可视化略逊一筹，但是它对我们非常重要。城市规划、城市研究的人具有审美较好、对空间与三维的理解较好等优势，做可视化有着天生的优势，但真正的可视化技术开发很有难度，极少数城市规划者蔡会从事。所以我在思考能否开发一种像CAD一样比较易用的环境，打破了语言隔阂，这样我们城市规划者就会在这个领域繁荣起来。

可以用我在德州农工做的第一个项目来回应这个问题。我通过设置“防止城市被淹”这样一个议题，聚集了建筑、景观、规划、软工等不同专业的学者，一栋建筑物是在社区内部或者在城市中的，不同专业的学者将从不同的视角给出答案；比如给出一张建筑物的图片，建筑老师提出了建筑设计的防洪要求，景观老师提出了绿化结构的防洪效果，规划老师关注所在区域的政策及防洪能力，所以由此我们建立了一套体系、一个巨大的知识图谱，将图中可见的内容与背后的遥感、社会经济因素、城市政策因素关联。由于无法标上万张图片，我们依赖于几位老师丰富的专业知识，对典型的数据进行冷启动，在系统建立后我们也不停地向他人征集数据，使系统更加智能。最终的成果是放进一张图，系统会告诉你这个设计是否达到防洪标准，还会将设计的问题在图上标注出来，这使得老师在上课时不再需要穷举设计案例，可以依托平台向学生展示一个方案的合理与否；更重要是的依托这样一个项目，将原本分散的知识相关联，达成学科间的合作。

我认为这个问题包含两方面可能性，一方面是需求的确很旺盛，资源配给足够，但是没做起来说明做的这群人能力不够；但另一方面可能是大家有这个需求，但是实际上并没有足够的资源去支撑，那也可能做不起来。通常而言，几方面都要到位才能做起来，在其中交叉领域的学者出于兴趣等达成某一个合作点是问题不大的，但是若要具有系统性或者在某个领域有整体性，是超出个人行为的。比如前两天我们看到中科院在做新闻科学，希望将新的信息技术与传统人文学科结合，这需要有相应的机构或机制的设计，在这里面技术可能并不是最重要的，难度在于整个机制以及是否有足够的力量投入。所以我觉得问题不在于大家想做却做不出来，而是在于是否有足够的资源，以及是否有足够的吸引力来吸引人才参与。

我认为在实践方面的阻力较大，主要是资源以及法律法规。一方面是机构资源的问题，比如在美国，规划部门的支持相对不足，加之现有的及基础设施比较陈旧，很多理论上做出来的东西在实际应用方面操作空间不大，在许多部门没有数据共享的情况下数据库的结合比较困难，应用到城市领域更难。因此我觉得还是需要更多的投入去支持发展，从一定程度上来说我觉得中国在这方面做得比美国要好一些，比如支持数据城市的发展、政府大数据平台的建设。

另一方面，我认为数据标准化共享、数据隐私等相关法律尚未健全也是障碍之一，比如我们现在研究得比较多的城市传感议题在美国很多城市是不能操作的。但是我认为当这些逐渐建立、完善起来后，应用的前景还是非常光明的。

我们要知道决策制定者是谁，在普适的条件下，这可能比较难讲清楚。我们曾去往非洲加纳的首都，探究在没有信息的情况下如何给他们提供信息，当时的前任市长表示当地有非常多问题需要解决，但是规划者没有能力提供数据，并且即使有了数据也无法使决策制定者能轻松地理解，更无法融入当地的规划和设计中。再比如在国内由于宗教而产生的战争冲突时，几百个家庭迁徙演化，我觉得如果用大数据分析一下，可以看到邻里关系、战争关系以及移民关系，这些是我们作为规划者可以展示给当地决策制定者的，这需要非常多的平台，不过如果我们从非本位的角度，将信息学与规划作为同等地位去看待，或许能做得更好。

另外，不同的地方有着不同的法律法规，如何能够在法律法规的允许的情况下搭建平台。比如上海在做的国际都市创新研究院，实际上是在政府的推动下把企业与不同的部门汇集起来，对于企业而言许多数据的平台化是违法的，所以这涉及到城市信息学中的内容如何法律化，同时也存在平台得益者和付出者并不平衡的问题。所以这是一片蓝海，其中有很多东西需要我们去探讨。

我认为数据挖掘或可视化在城市研究中大概可以分为两个阶段，也就是从事实到洞察或洞见的过程。首先，发现事实是我们使用大数据比较初期的方式，比如简单地利用浮动车地位置和时间信息了解不同街道的出行高峰期可以帮助我们理解城市交通出政策的制定；但我们现在远远不满足于此，我们希望透过事实把浅层次的信息用以构建深层次的理解，洞察深层次的内容，比如职住平衡、污染排放、健康问题或是群体隔离甚至是资源分配不平等的问题，我觉得这是从利用大数据和事实到洞察的过程。

大家对大数据的要求已经远远不满足于事实，加之大数据的有偏性可能导致我们揭示的还不是一种偏见，因此如果要更好地融入规划和设计，我认为需要在对数据的利用和挖掘上加入更好的洞察，在业界是业务的理解能力，在学界可能表现为对特定城市问题或城市理论的结合或者发展。

在我来看，一个根本性的改变已经悄悄在中国发生，我认为一部分前瞻地看到可行性的领头人非常重要，在座的各位都是国际或国内的领头人，其中龙老师从英国回来之后很快地就把这个学科给做地非常有影响力；以及同济大学的吴志强院士，作为整个学科的掌舵人，他的方向就是智能规划。所以中国在后发的情况下，如果有一部分掌舵人能够去推动这个方向，会更快地促成变化，我想这也是为什么在目前阶段中国的城市信息学比较繁荣的原因之一。接下来如果我们与美国齐头并进的时候，那时可能深入的学科合作会更加重要。

我们认为真正的城市问题能够产生影响，如果针对problem找到了question，我想这样的研究是更有意义的。归于如何整合到规划与设计，相较而言，我认为国土空间规划的整合还好，城市设计整合比较困难，当然国土空间规划的工程上的整合很重要。针对国土空间规划尺度而言，城市信息学能做的十年前都已经被做出来了，没做出的十年内也做不出来；因此我们实验室在研究层面上，更偏向人本尺度、城市设计人本尺度或超人本尺度。

我们做科学研究工作无外乎两个方面，一是科学认识，追求科学的探索，找到位置；另一个是产生影响，改善人们的生活品质。我认为对于城市信息学来说，通过规划师与设计师并不是我们产生社会影响、提高生活品质唯一的路径，我相信别的路径可能更重要，所以我们的目光并没有只只放在规划支持或设计支持方面，我们也在探索别的提高生活品质的路径。

刘超：

张帆：

张闻闻：

龙瀛：

袁晓如：

叶信岳：