???????????????????????????
文/王鹏郝新华谢力唯（清华同衡技术创新中心）
如今，有了时代新利器——“大数据”，每天都能直观俯视城市的日新月异，不必只从平面地图和县志中来间接理解。
人的聚集才是城市的本质。就像使用卫星地图监控城市的土地开发那样，现在利用大数据，监测不同层次人口聚集，用数据来回答“人在哪儿”。
以前我们只能看到宏观统计，例如采用县级统计年鉴数据库分析全国尺度的区县域人口密度()，宏观表现全国人口分布的京津冀、珠三角、长三角和成渝经济圈四极大结构(如下图)。
如果把尺度放得更小些，又能看到什么?采用街道尺度的第六次人口普查数据，分析了北京市域街道层面的人口总量和人口密度分布(乡镇街道立体图中，高度和颜色分别表示人口的数量和密度)。
从人口总量看，回龙观、天通苑、北七家镇、学院路、北太平庄街道、*村地区，都是人口非常密集地区；而从人口密度看，高密度区主要集中在海淀区和西城区。因为有大量的优质教育资源，海淀区在总量和密度上均呈现较高的值。
通过上面数据，我们了解城市的脉络，但从中终究无法看到时间如何在城市中流逝、人们在城市中如何运动。由此，我们在这里尝试用大数据去回答城市中“人在哪儿”，把时间维度放进城市空间分析，重新理解城市中人的活动。
北京：在哪儿上班，在哪儿睡觉?
采用百度和腾讯实时网格人口数据，选择工作日上午10点和夜间23点，分别代表上班工作和下班居家的状态。在下图我们可以看出，上午10点人口分布，清晰可见人口集聚区及稀疏区。我们可以看出，就业中心主要集中在：中关村、知春路、朝阳门-建国门-国贸一带、王府井-东单、金融街、西单、西直门、上地、望京、东直门、亮马桥、朝阳路十里堡段、惠新西街南北口、五道口等。
下图为夜间23点的人口分布。可以看出，居住中心主要集中在中关村、回龙观、西小口、六道口、五道口、牡丹园、清河、知春路、大钟寺、学院南路、劲松-潘家园、宋家庄-石榴庄、京沪高速与南六环相交处、十里堡、望京、北苑、立水桥、天通苑、芍药居等地。
通过比对，城市白天和黑夜呈现出不同形态。第一种是白天熙熙攘攘的金融街、国贸、西单、王府井等商业中心，到了晚上就变成一片寂静；第二种是集商业、就业、居住于一体的中关村、五道口、六道口、知春路等地，无论白天黑夜均集聚大量人气；第三种是回龙观、天通苑、北苑、宋家庄等主要以居住为主的地区，体现了睡城的特征。由此，大数据帮我们了解了城市居民怎样使用城市空间，进行实时动态监测。
奥林匹克森林公园南园：哪里人多，哪里人少?
大数据不光能识别宏观的职住分布，还能分析微观的公共空间，如公园、购物商场的使用情况。
同样，采用百度景区热图数据，配以实时人流动画作为表现形式，得出人们对微观空间的使用情况。例如清华同衡规划设计研究院主持规划设计的奥林匹克森林公园南园，除了地铁站森林公园南门以外，人流主要沿5km的规划环道分布，到了晚上表现更为明显，而3km的规划环道上并未形成人流集聚。
如上图所示，周五和周末周六的人流量对比可以发现，周五的人流量主要集中在外围5km的环道，周六的人群分布则更为广泛，深入到了奥森公园的各处景点。同时对比早间和晚间的人流量，周五早上8:30的人流量明显高于夜晚20:30，而在周六早上和夜晚的人流量差异较小。
其实设计者也无法准确预测到这些现实使用情况，这不禁让人思考，是否3km的规划环道以及仰山所在中心区域的设施配套不足，中心区域因灯光昏暗，且较少道路连通园门口，所以人群较少？5km环道，因为有塑胶跑道而吸引了大部分人群。在规划实施评估和未来的规划改进中，就可以有针对性地进行优化。这是利用大数据发掘微观尺度空间使用模式的例子。
三里屯太古里和SOHO，各自的商业特征如何?
三里屯太古里与三里屯SOHO均处三里屯核心地段，在地理位置上几乎没差异，仅隔一条工体北路。但人们可能会有一种体会：SOHO门可罗雀，太古里时尚繁华。
但实情和观感一致吗?通过图表可以发现，无论工作日还是周末，三里屯SOHO人流量均高于太古里人流量。
我们只看到了到太古里的观光购物人潮，却忽略了SOHO的高楼里“藏匿”的上班族和住客。
从用地性质看，太古里和SOHO均属商业用地，规划图纸上标注的是同一种颜色，但真的一样吗?从使用功能上，太古里和SOHO运营的其实是不同类型的商业项目。太古里定位是综合休闲娱乐区，是以开放式购物区为主的商业综合体；而SOHO则是集商业、办公、居住为一体的综合社区。这两个地块随时间变化的人流量曲线，体现了它们承担功能的差异。
人流日变化图(上图)几乎是纠缠在一起。我们又做出工作日和周末的人流量拟合曲线(下图)，可以更加直观清晰地对比太古里和SOHO的人流变化。
在太古里，周末大于工作日的人流量；而日间人流量随时间推移慢慢增多，午间13:00左右达到最高峰，晚间22点之后，人群逐渐散尽。所以，太古里是休闲娱乐的去处，夜幕降临后大家都回家了。而在SOHO，与太古里正好相反，工作日大于周末人流量；SOHO达到人流量高峰的时间段也比太古里提前，在早间10:00左右攀至最高峰，这正是上班族们到达单位的时间段。
可见，精细化的实时网络数据能精确刻画不同使用模式地块的人口时空特征，是我们疏理复杂城市系统的一根解锁线头。当然，以上分析只是简单示意，我们还将使用机器学习等技术对其进行更深入的分析和建模，以及实践应用。
基于上述三个用大数据进行的“人在哪儿”的分析，我们的城市从二维的地图和文字中活了起来。我们可以观察到城市在全天24小时的不同的面貌，人流在公园等公共空间如何聚集，纯商业项目和综合社区在不同时间段以及时间点人流量的差异。
如果说，传统统计数据特征是平面、静态和粗放的，那么大数据则让城市的数据维度走向立体、动态和精确。如果说传统的统计数据主要服务于执*者从上至下的行*管理，那么大数据则服务于自下而上的问题解决。
大城市人地矛盾十分突出，*策在制定时往往先想到疏解人口。但事实上，依靠数据提升精细化的规划和管理水平后，我们的城市也可以和东京等城市一样，更好地满足不同人群的基础设施和公共服务需求，最大化发挥有限设施的服务水平，提高其使用效率。大数据让城市和生活更加融合，让空间和市民更加贴近，让我们的生活更加美好。
（来源：