大数据时代的精细化城市模拟：方法、数据和案例，本文主要内容关键词为：数据论文,精细化论文,案例论文,方法论文,时代论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
修订日期：2014-05-18 中图分类号：TU984 文献标识码：A 文章编号：1003-2398(2014)03-0007-07 1 城市模型与精细化城市模拟 定量化程度已经越来越成为衡量一个学科发展程度的标志，“城市空间发展模型”(urban spatial development model)是在对城市系统进行抽象和概化的基础上，对城市空间现象与过程的抽象数学表达，是理解城市空间现象变化、对城市系统进行科学管理和规划的重要工具，可以为城市政策的执行及城市规划方案的制定和评估提供可行的技术支持。本文将“城市空间发展模型”简化为“城市模型”(urban model)，下同。城市模型研究始于20世纪初期，其发展主要经历了形态结构模型、静态模型和动态模型三个发展阶段[1]。基于离散动力学的动态城市模型是目前的研究热点和未来的发展方向，这一方面，国际上典型的城市模型多为宏观尺度，以地理网格或小区作为基本研究单元，将城市活动主体进行分类。 随着研究尺度的需要和微观数据可获得性的增强，近年来国际上微观模型(精细化的城市模拟)发展迅速，在发展中国家如中国的需求也日益增多。目前，一方面我国的大城市正逐渐由空间扩张向内部改造(城市再开发、城市更新等)转变，小尺度的城市空间再开发将越来越多，为分析并预测城市空间的变化，更需要精细化的模型作支持；另一方面，城市作为复杂的自适应系统，是由作为城市空间的地块、作为城市活动主体的居民、企业等构成的，自下而上的模拟思路在以人、地和房作为基本研究对象预测城市空间变化的同时，与规划的公众参与、社会公平等理念的需求不谋而合。此外，目前我国各种精细化的城市空间数据和社会经济微观数据的可获得性正逐渐增强，因此开展精细化城市模型的探索，是具有理论价值和实践意义的。 精细化城市模型不同于以大尺度网格、行政区域或交通分析小区作为模拟尺度的模型，他们在空间要素和城市活动要素方面都不一样，因此将面临新的理论和实际问题。其中，精细化(fine scale)对应模拟尺度，一方面，在物理空间，分析和模拟的基本空间单元是地块，对应城市总体规划重点地区和城市详细规划的工作尺度。另一方面在社会空间，分析和模拟的基本单元是居民、家庭和企业个体等。“精细化”作为模拟尺度，是相对宏观模拟的研究尺度提出的，宏观模型一般以统计小区、交通分析小区、行政区、行业、共同特征的人群等作为基本研究对象。精细化城市模型是一种时空动态的微观模型，其以地块、居民、家庭、企业等微观个体作为基本模拟对象，主要用于研究城市的土地开发、居民的居住区位选择、企业的区位选址、城市活动的时空分布等空间问题，用于支持空间政策的制定和评估。目前我国城市空间发展模型的研究，鉴于数据的限制，多数模型都是大尺度的(如乡镇或交通分析小区等)。 精细化城市模型的数据要求较高，原有的模型较多采用不同技术方法来解决个体数据稀缺的情况。国际上人口数据合成(population synthesis)是一个专门的研究方向，用于合成微观模拟(MSM)所需要的个体数据。Muller和Axhausen的研究综述中，评价了目前常用的几个人口数据合成器(population synthesizer)，包括PopSynWin，、ILUTE、FSUMTS、CEMDAP、ALBATROSS和PopGen(部分人口合成器如ILUTE和ALBATROSS以所在模型的名字命名)[2]。ILUTE和PopGen所采用的迭代比例拟合(iterative proportional fitting，IPF)是目前最为广泛采用的人口数据合成的方法。IPF最早由Deming和Stephan提出，可用于利用新的宏观统计数据更新历史的普查数据[3]。在国内，龙瀛等及Long和Shen提出了基于统计资料、小规模样本调查和常识性知识，利用合成个体样本的方法，初步合成了北京市全样本的居民个体数据，为开展精细化城市模拟提供了条件[4，5]。 近年来计算机的软硬件水平达到了长足的发展，社会经济活动产生的数据突飞猛进，这样的“大数据(big data)”规模超大，以至于超过了传统的软件工具获取、存储、管理、共享、分析和可视化的能力，例如传感器网络(sensor networks)、社会化网络(social networks)、射频识别(RFID)和通话记录(call detail records)等，这些数据结合其他开放数据(如可获得的网页资源和OpenStreetMap等)为开展精细化的城市模拟城市模型提供了较好的机遇。下文将在第二部分重点介绍精细化城市模拟的三种常用方法，第三部分对笔者近年来在精细化城市模拟方面的若干案例进行简要回顾，最后提出对在我国进一步开展精细化城市模拟的简要设想。 2 精细化城市模拟的几种常用方法 多种微观模拟的研究方法都可以用于精细化城市模拟，下面对三种目前主流的方法进行详细介绍。 2.1 微观模拟 微观模拟①(microsimulation model，MSM)是由美国经济数学家Orcutt首先提出的，其在研究城市问题时能够较好地弥补宏观分析模拟模型的不足[6]。微观模拟是典型的自下而上的过程，它以企业、家庭乃至个人等微观个体作为描述、分析和模拟的基本对象，每个微观个体都具有独有的自身特性与丰富的内部认知结构[7]。在已有典型的城市模型中，UrbanSim和ILUTE都属于基于MSM的城市模型。UrbanSim适用于多种研究尺度的城市系统模拟，对应宏观和微观的城市模型②，但其已有研究多属于小区尺度，在美国加州侧重房地产市场的探索属于地块尺度的应用，属于精细化的城市模型研究的成功实践[8]。在国内，清华大学的郑思齐研究组在基于UrbanSim平台建立北京的动态城市模型[9]，北京大学的童昕研究组也在基于UrbanSim平台开展亦庄新城的城市模拟研究，但囿于数据限制，模拟深度属于小区尺度，并没有进行地块尺度的精细化建模。对于ILUTE模型，其已经在大多伦多区(Greater Toronto Area)进行了成功应用，属于微观尺度，其中考虑了家庭、企业等个体[10]。Chingcuanco和Miller利用ILUTE模型对地块尺度的能耗进行了评价[11]。UrbanSim和ILUTE都声称属于基于个体的微观模拟模型(Agent-based Microsimulation Model)，即既属于ABM也属于MSM。 2.2 元胞自动机 元胞自动机(CA)作为复杂科学的重要研究工具，其特点是时间、空间、状态都离散，其状态改变的规则在时间和空间上都是局部的，因此CA适合模拟时空动态过程[12，13]常规的元胞基本是规则的网格，但其并不能很好地表征真实的微观个体，因此一些学者开始研究基于非规则多边形的矢量CA进行城市模拟。非规则多边形可以用于表达地块，因此是可以在空间研究尺度上支持精细化城市模拟的。Stevens和Dragicevic开发了以矢量地块作为CA的城市规划决策的工具iCity，能够进行城市空间增长的多情景模拟，并对各情景进行评价，该工具考虑了土地使用方式的模拟，但对开发强度因素没有考虑[14]；Shen等所开发的地理模拟模型也是基于矢量CA，用于模拟日本的城市改造，重点对土地使用方式进行了时空动态模拟[15]；Moreno等提出了可以改变几何形状的矢量CA模型，主要侧重于GIS的技术方法探讨，并不是面向规划应用的实证研究[16]。 2.3 基于个体建模 ABM中的agent(主体)是运行于动态环境的具有较高自治能力的实体，是一种具有智能的实体，有自治性、社会能力、响应性和能动性的属性[17]。国际上，ABM在土地利用覆盖变化、城市扩张等方面已有较多研究，一般都结合CA模型开展，其中CA用于表达不可移动的物理空间(即环境)，而agent对应可移动的决策主体[18]。Torrens和Benenson提出的地理元胞自动机系统(geographic automata systems)中，集成了CA和ABM用于模拟地理系统，但该研究更多的都是侧重于地理方面的模拟，而不是城市系统内部的空间组织和功能结构[19]。Jjumba和Dragicevic在iCity模型的基础上，建立了“Agent iCity”模型，用于模拟加拿大城市Chilliwack的地块尺度城市土地使用变化[20]。 而在国内，中山大学黎夏教授的研究组基于CA、ABM和多种人工智能(artificial intelligence)技术，提出了地理模拟与优化系统的理念GeoSOS(geographical simulation and optimization system，网址http://www.geosimulation.cn)，用于城市系统模拟和优化分析[21]。沈振江基于ABM技术建立了ShopSim-MAS模型，用于模拟的由于大商场的建立引起的商圈变化，属于地块尺度的应用等[22]；而本文作者之一龙瀛等基于CA和ABM建立了轻量化的土地使用—交通—环境的集成模拟模型，用于在虚拟空间探索城市的空间组织对交通出行和能耗的影响，也属于地块尺度应用[23]。 基于上述分析可以看出，微观模拟MSM、元胞自动机CA和基于个体建模ABM是目前精细化城市模拟的主流技术方法；国际上已有少量精细化城市模型在真实城市的实践应用，如UrbanSim、ILUTE和Agent iCity；国际国内的已有相关ABM研究一般都对应地块尺度，也考虑了众多城市活动主体，这些方法对精细化城市模型的建立和开发具有借鉴作用；国内目前还没有精细化城市模型用于真实城市的报道。此外，大数据可视化和数据挖掘技术，也对精细化城市模拟具有重要意义，本文篇幅有限不再赘述。 3 精细化城市模拟的若干案例 近年来笔者所在团队在精细化城市模拟方面进行了多方面的探索，囊括微观模拟、“大数据”挖掘和微观数据获取与合成等三个方面，部分应用已经直接用于支持北京市的规划建设，部分工作如大数据挖掘则属于探索性研究阶段。随着大数据的日趋广泛，大数据挖掘的研究成果有望用于指导实践工作。 3.1 微观模拟 (1)BUDEM模型(微观尺度) 2008年笔者开发了北京城市空间发展模型(Beijing urban spatial development model，BUDEM)，该模型基于CA和logistic回归(logistic regression)方法，对北京市历史城市空间扩展进行分析，并对未来的城市空间扩展进行情景分析[1，24]。在此模型的基础上，目前正在开展微观尺度的BUDEM模型研究，研究框架如图1所示，属于精细化城市模拟的综合实践，其首先致力于利用多种方法获得全样本的微观数据，包括居民、家庭、企业、居民活动、地块、房地产等，其中包括利用“4.3精细化城市模型的数据准备”部分的人口合成方法。基于所建立的全样本微观数据，进行现状的城市评价，如交通影响、环境影响、能耗影响和碳排放等多方面。最后在UrbanSim平台上侧重居住区位选择和企业区位选择两个方面对短期的城市发展(既包括城市空间扩张也包括城市再开发)进行预测(如其中的北京市的保障房选址模型③)。
