大数据资产化背景下城市规划的角色定位

　　引言
　　
　　在信息技术的发展中，云计算改变了数据的存储和访问方式，物联网促成了数据的时时产生，社交网络将人类的喜好、偏爱和情绪转变为了数据，智能终端诱使人们无意识地将图片、视频等转化为数据，时势性、多类型、大容量、无障碍存储与访问的数据变化将人们对数据的认识转变为“数据真正重要的是新用途和新见解，而非数据本身”[1]。

　　2008年末，在“计算社区联盟”（Computing Community Consortium）所发表的《大数据计算：在商务、科学和社会领域创建革命性突破》白皮书中，大数据这一术语被首次提出[2]，而后迅速得到社会各界的认可。由此，大数据科学和技术的研究被推上了历史舞台。

　　2012年，世界顶级信息技术与咨询公司加特纳（Gartner）断言大数据将是未来5年的10大技术潮流之一[3]。大数据科学被誉为继经验科学、理论科学和计算科学之后的第四大科学范式[4]。

　　大数据主要源于城市。2010年，世界着名社交网站Facebook的一名实习生布特拉（Paul Butler）所展示的社交网络世界地图，揭示了大数据产生的活跃地区主要是在城市[5]。当前，大数据在城市商业服务、交通、犯罪、医疗等公共事务管理等方面都展露出革命性的作用[6]，这些行业都在大数据的应用中享受到了数据红利[7]。作为城市公共事务管理与服务的龙头，大数据在城市规划领域的运用不仅能为城市公共事务管理与服务的决策提供高准确率的参考性和预见性，更将引领和拓展城市其他行业享受数据红利的广度和深度。在城市规划享受大数据资产化红利的过程中，关键且首要的问题是：在构成大数据价值链的数据、思维和技术三足鼎立的关系中，厘清城市规划的角色定位，进而探寻大数据“资产化”的途径。

　　1 数据资产化：大数据作为新的信息过程形式的核心

　　数据（Data）在拉丁文中是“已知、事实”的意思，在数据时代，延续该根义，数据代表着对事物的描述，数据化则是指把现象转变为可制表分析的量化形式的过程[8]。不同于小数据，大数据通常被认为具有4 V特征，前3V分别是量大（volume）、流速快（velocity）和类型丰富（variety）[9]，第4V则可以是价值高（value）、易变（variability）或虚拟（virtual）[10]。但4V特征只是描述了大数据的表象，尚未突出其显着作用。

　　2012年，加特纳（Gartner）对大数据给出了更为全面、深刻的定义，即大数据是量大、流速快、类型丰富的信息资产，该资产需要从新的信息过程形式中获得，能提高决策、洞察和过程优化能力[11]。

　　新的信息过程形式实质上是指大数据探究世界规律的新思维、新方法，是建立在海量数据基础上，在因果推理的基石上，通过数据之间的相关关系，以概率预测可能发生的事情。而实现这一过程的核心是数据变为资产。

　　2 城市数据中间人：大数据资产化中的城市规划角色定位

　　2.1 数据、思维和技术的三足鼎立：大数据价值链的构成

　　仅仅通过遥感、物联网、网络等直接产生的大数据不是资产，而以需求为导向，通过不同数据的重组、挖掘再生的能支持预测的大数据才会变成资产[8]。

　　维克托·迈尔认为，在大数据变为资产的过程中，数据、思维和技术相互依存、三足鼎立，在大数据价值链中分享数据红利。其中，海量数据的拥有者虽然不了解数据运用行业的实际需求，不一定能从数据中提取出价值，但拥有数据是其分享数据红利的最大优势；技术拥有者并不一定拥有数据，他们仅仅根据客户的需求，运用数据分析技术，提升有限的数据价值；思维拥有者既不拥有数据也不具备技术，他们不是单纯为满足客户需求而挖掘数据，而是在为千百万人急需解决的问题提供答案时获得思维，进而提升数据的价值。随着大数据的运用日益深入人类生活，技术会因为日趋成熟而变得廉价，最大的获利者将是创新性思维的拥有者；而工作量最大的数据拥有者只有通过具备创新性思维能力的“数据中间人”的数据挖掘，才能发挥其所拥有的数据的价值，从而诱使人们持续使用这些数据，自身也获得红利和持续更新数据的动力。

　　2.2 变数据为知识，变数据为价值：城市规划中的大数据“资产化”

　　城市规划中，大数据“资产化”并不一定是“商业资产化”，它更多的意义是指对城市社会公共事务管理与服务的价值。作为城市公共事务管理与服务的龙头，城市规划中大数据的价值更多地在于为城市公共事务管理与服务的决策提供高准确率的参考性和预见性，进而引领和拓展城市其他行业享受数据红利的广度和深度。

　　大数据资产化秉承的主要思维是从数据的相互关系中发现价值，即：数据联系其他数据后，数据才能爆炸，转化为价值[12]。

　　在信息时代，有别于其他城市部门，对城市空间资源进行调控的城市规划部门的最大优势在于其对高精度城市地理空间数据的掌握。城市其他部门的事务数据与地理空间数据关联后，才可能以地理空间为载体，实现多部门事务数据之间的联系，进而变数据为知识，发现城市社会、经济、环境等的运行和演进规律，提高对城市空间发展趋势的预测能力；变数据为价值，运用数据关联带来的知识，决策支持城市公共事务的管理与服务，引导对城市空间资源的合理调控。例如，基于城市道路的地理空间，关联实时交通运行大数据，可为智能化交通管理服务提供支持；基于家庭和单位的地理空间，关联水、电等能源消耗大数据，可为分时计费政策的制定提供支持，进而有效地调控能源使用效率。

　　2.3 城市数据中间人：大数据价值链中城市规划的角色定位

　　城市规划作为城市社会公共事务管理与服务的龙头，其所建立的地理信息中心通过遥感、测绘等手段收集了大量的城市空间数据，是城市空间数据的拥有者；城市规划编制单位拥有规划编制的技术，是规划编制技术的拥有者。但地理信息中心往往被动地接受城市规划及相关部门提出的需求，搭建相应的简单查询平台，如公交换乘、旅游服务等，这些应用只是简单的专题信息提取，缺乏创新性思维，因此难以真正为大多数人急需解决的问题提供答案，从而挖掘出更多的数据价值；城市规划编制单位虽然了解城市规划的实际需求，有规划编制的技术，但不具备数据综合、挖掘的技术，缺乏数据使用能力，更缺乏创新性思维。

　　在大数据时代中，要真正成为城市社会公共事务管理与服务的龙头，城市规划应在地理信息中心拥有的详实地理空间数据基础上，吸纳、激发更多的创新性思维，引入数据综合，挖掘相关技术，担负起“城市数据中间人”的角色，关联城市其他部门及社会自身运行中产生的事务性大数据，进而变大数据为资产，为规划政策的制定提供高准确率的参考性和预见性，为城市社会公共事务的智能化管理和服务提供支持，为城市大多数居民急需解决的问题提供答案，从而真正分享大数据的红利（图1）。

　　3 大平台：城市规划中大数据“资产化”的途径

　　作为“城市数据中间人”，城市规划中除解决大数据资产化过程中的异质性、尺度、现势性、复杂性和私密性等主要问题外，最主要的是搭建大平台，以支持大数据的获取、组织和分析，进而实现大数据的“资产化”（图2）。如何取舍、存储城市中通过网络、物联网以及公共事务管理过程直接产生的数据，为大数据的资产化奠定元数据基础，是大数据获取需解决的问题；如何以城市规划需求为导向，进行数据组织，为城市问题的分析奠定数据检索、关联分析的基础，是大数据组织的核心；如何通过数据综合进行知识发现，为城市规划提供决策支持，是大数据分析的使命。【1】

　　3.1 大数据的获取：“被设计的数据”和“有机数据”

　　数据本身没有意义，其只有在被使用后才能变为信息。使用者将问题带入数据收集中去理解数据的意义，并在数据转化为信息的过程中获得解决问题的答案[13]。将所面临的问题作为预设目的，由此预测所需要的信息，并从相关政府职能部门量身收集到的相关数据，Robert Groves将其定义为“被设计的数据（Designed Data）”。

　　以问题预设为导向，被设计的数据转化为信息的目的性强，转化为信息的可能性高，但它忽略了一个新的事实，即当前的信息社会中，各行业运行及市民日常生活自然产生的数据极大地增强了分析、理解和解决社会问题的可能[14]。如果将社会在自身运行中集合数据的过程看作一个生态系统，那么社会正在极宽广的领域内自我量度。社会自我量度所产生的数据在这个生态系统中具有现势的自然性，Robert Groves将其定义为“有机数据（Organic Data）”。

　　“被设计的数据”和“有机数据”共同构成了城市规划中的大数据来源，在对城市空间形态和城市事件的复合理解中，具有多种可能的用途（表1）。【2】

　　3.2 大数据的组织：遵循数据资产化的完整流程

　　数据只有在相互关联后，才可能转化为价值。数据综合是大数据提取的主要途径，它主导了数据的取舍，奠定了数据资产化的元数据基础[11]。而数据组织的关键是建构规划信息大平台，为数据综合提供载体。城市规划信息大平台的建构遵循数据资产化的完整流程（图3）。【3】
　　

　　（1）在数据获取的基础上，构建由规划现状数据库、规划成果数据库、规划管理数据库、相关现状数据库（业态使用、设施利用、交通流动、能源使用等）、相关规划成果数据库、相关公共事务管理数据库等关系型数据库组成的数据仓库①。（2）基于数据仓库发布城市虚拟空间及事件平台，建立社交网络，获取社会参与有机数据。（3）建立决策支持系统，以决策支持为导向，利用数据综合技术，将数据转化为价值。

　　然而，没有他人的关注和使用，数据也不可能转化为价值[15]。由此，城市规划信息大平台的核心是社交网络平台的建构，以吸引城市各行业及个体的关注和参与，最大量地获取社会参与有机数据。社交网络平台的建立可以采取如下形式。

　　（1）服务平台欧盟和“竞争与创新框架计划（Com-petitiveness and Innovation FrameworkProgramme，CIP）”共同资助的ICITY工程[16]，即是以服务平台吸引社会关注、获取社会参与大数据并辅助决策的典例。ICITY工程通过数据基础设施（无线网络、传感器、气候信息发布、公共设施使用等）和服务平台诱使被服务者在使用中产生大量公众信息，进而激励第三方（发展商、中小企业、邻里组织等）综合相关信息，发现公众兴趣，支持服务决策。

　　（2）在线游戏如果说服务平台是以利益诱使公众关注和使用城市虚拟空间平台，那么在线游戏则是以娱乐为诱饵。例如：为对德国汉堡比尔斯特茨区内的市场区进行更新设计，汉堡港口城市大学的学生基于该区域的虚拟空间，设计了一款命名为B3的游戏[17]，使公众能够在游戏中设计自己心目中的市场区，包括设置广场的位置，增加座椅、树、儿童游戏场等设施。综合游戏参与者所形成的结果数据，城市规划者深入了解了大多数人对该市场区的使用习惯和希望，据此产生的规划决策方案也更为合理。

　　（3）在线论坛在线论坛不仅能激发并收集公众生活习惯和兴趣等方面的数据，也能激发并收集公众对规划方案的反馈数据。美国学者麦克格拉斯（Brain McGrath）在罗马、纽约、曼谷等地的城市设计中将城市设计师的角色定位为组织人，运用考古学的空间数据和系统学的时间数据，建构关于城市演进的虚拟空间平台和在线论坛，激发了公众的城市设计参与热情[18]。在综合大量关于历史、现状及规划初步方案的公众参与数据后，创造出了一个城市居民共享的集体哲学和心理图像，使城市设计变成了大量参与者所提倡的形象，而不是使观众被动地消费由专家建造出来的城市仿真。

　　3.3 大数据的综合：城市规划中的决策支持

　　城市规划决策是人的智慧活动结果，人的智慧则来自于人所掌握的知识体系。

　　传统城市规划的决策往往依赖于个别专家和行政管理者的智慧，决策结果的优劣完全依赖专家和行政管理者自身所具有的知识和经验，这种决策行为方式注定了城市规划科学性的缺失。

　　在信息时代，信息、知识和智慧构成了认识世界的三个核心层次[19]。知识来自于系统化、组织化的信息综合集成；智慧则是对知识的综合及运用，来自于知识的综合集成[20]。知识发现[21]，即从海量的信息中获取潜在的、有效的、最终可被理解的规律，形成知识，转化为智慧，将成为城市规划最主要的决策支持。

　　在大数据时代，作为城市数据中间人，运用由数据挖掘、机器学习和神经网络等组成的人工智能以及虚拟技术，城市规划决策转变为：（1）在城市规划信息大平台中，通过社交网络平台，诱发并获取社会运行“有机数据”；（2）以决策支持主题（规划决策所关心的重要方面）为导向，综合社会自身运行“有机数据”为再生的“被设计数据”；（3）综合再生和原有“被设计数据”，形成多类型信息；（4）综合相关信息发现城市演进及运行规律，形成多方面的知识；（5）综合城市相关知识，形成智慧，进行决策支持（图4）。【4】

　　4 结 语

　　信息时代孕育出的大数据技术将人类认识规律的思维方式从因果关系溯源转向相关关系概率预测，并通过“一切皆可量化”的数据形式将文字、影像、方位、交流等变为数据，为长期以来社会科学的定量与定性方法之争[22]

　　给出了明确且响亮的回答。作为自然科学与社会科学的交叉学科，城市规划长期在企图以因果关系去溯源城市社会发展规律的思维范式中失落，并叹息其科学性、合理性的缺失，究其原因，是传统城市规划缺乏提取、综合城市信息的能力，难以综合信息并形成反映城市发展规律的知识，从而支持规划决策的科学性、合理性和可实施性。

　　本文运用大数据的相关关系思维，厘清了城市规划中大数据“资产化”的价值链构成，提出城市规划应在其所拥有的空间基础数据的基础上，引入数据综合等相关技术，吸纳、激发更多的创新性思维，担负起“城市数据中间人”的角色定位。基于这一角色定位构建的城市规划中的数据“资产化”大平台包括：（1）大数据的获取：根据数据获取的目的预设性，将城市规划中的大数据来源分为“被设计的数据”和“有机数据”；（2）大数据的组织：在数据获取的基础上，构建由现状数据库、成果数据库、管理数据库、相关关系数据库组成的数据仓库，发布城市虚拟空间及事件平台，建立社交网络，获取社会参与“有机数据”；（3）建立决策支持系统：以规划决策支持为导向，利用数据综合技术，将数据转化为价值。

　　在大数据“资产化”大平台建立后，城市规划决策过程可以演变为：选择思维范式（因果推理、相关关系思维的选择）—组织相关数据—综合数据为信息—综合信息形成知识—综合知识进行决策。例如，城市规划中对自然生态规划的决策，由于自然地理环境遵循一定的因果关系，则主要选择因果推理思维范式，组织地形、地貌、植被等“被设计的数据”，发现规划区域内的自然地理环境演变规律，以支持规划决策。而对社区公共服务设施配置的规划决策，由于使用者的多样性，则可选择相关关系范式，组织居民使用自身运行中的“有机数据”，发现居民使用的兴趣、习惯等知识，进而进行符合人性化原则的规划配置。