大数据与土地管理

大数据与土地管理大数据的特点

相关关系比因果关系更重要老王开了个包子铺，有时做少了不够卖，有时做多了没卖完，两头都是损失。老王琢磨着买包子的都是街坊，他们买包子是有规律的，例如老张只在周六买，因为闺女周末会来看他，而且闺女就爱吃包子。于是老王每卖一次就记次账，谁在哪天买了几笼包子，并试图找出每个街坊的买包子规律。数据虽然越记越多，但老王啥规律也没找出来，即使是老张也都没准，好几个周六都没来买，因为他闺女有事没来。有个人给老王支招，你甭记顾客，就记每天卖了多少笼就行，这个法子明显简单有效，很容易就看出了周末比平时会多卖两笼的规律。这个例子虽然简单，却道出了大数据的一个重要特点【相关关系比因果关系更重要】，周末与买包子人多就是相关关系，但为什么多呢？是因为老张闺女这样的周六来吃包子的人多？还是周末大家都不愿意做饭？对这些可能性不必探究，因为即使探究往往也搞不清楚，只要获得了周末买包子的人多，能正确地指导老王在周末时多包上两笼，这就行了。要相关不要因果，这是大数据思维的重要变革，以前数据处理的目标更多是追求对因果性的寻找，或是对猜测的因果性的验证，人们总是习惯性地找出个原因，然后心里才能踏实，而这个原因是否是真实的，却往往是无法核实的，而虚假原因对面向未来的决策来说是有害无益的。承认很多事情是没有原因的，这是人类思维方式的一个重大进步。要全体不要抽样传统的调查方式都是抽样的，抽取有限的样本进行统计，从而得出整体的趋势来，之所以选择抽样而不是统计全部数据，只有一个原因，那就是全部数据的数量太多了，根本没法操作。抽样的核心原则就是随机性，不随机就不能反映整体趋势性。例如搞一个保暖内衣的调查，找了一群精壮的武警战士试穿，战士们穿上了普遍反映不冷，但这并不能说明内衣的保暖效果有多好。抽样随机性的道理谁都知道，但要做到随机性其实是很难的。例如电视收视率调查，要从不同阶层随机找被调查人，但高学历高收入的大忙人们普遍拒绝被调查，他们根本就不会为几条毛巾赠品而耽误时间，愿意接受调查的多是整天闲得无聊的低收入者，电视收视率的调查结果就可想而知。互联网为大数据的采集带来的新手段，云计算为处理大数据带来了新方法。还以电视收视率调查为例，互联网电视普及后，每一部电视正在收看什么节目的信息会毫无遗漏地发送到调查中心。这就是大数据的第二个特点【要全体不要抽样】，对全部数据进行统计分析，其结果当然会更加准确。要效率不要精确俗话说的好，萝卜快了不洗泥，既然我们要的是全体数据，自然会夹杂进来一些错误的数据，这是难以避免的。我们传统的数据分析的思路是“宁缺勿烂”，因为传统小数据分析的数据量本身并不大，任何一个错误数据都有可能对结果产生相对较大的负面影响，对错误数据必须花大精力去清除，这是小数据时代必须坚持的原则。大数据时代的原则就变了，变成了【要效率不要精确】，并不是说精确不好，而是因为在大数据时代是做不到的，如果继续把排除错误数据作为重要工作，那大数据分析就进行不下去了。更重要的是，大数据分析的目标在于预测，而不在于追溯以前发生过的事件的真相。结论：与以往的抽样统计不同，大数据使用的是全部数据，更着重的是效率而不是数据的精确性，关注的是相关性而不是因果性，这些特点造就了大数据对事物发展的极强的预测能力，它可以给我们带来更安全更便捷的新生活，同时也给个人隐私带来了巨大的威胁，对掌握公民隐私信息的公权力的严格控制，应该成为全社会的共识。大数据的引入随着大数据时代的到来，“人-地-时”关系融为一体的大数据也逐步走进并融入城市规划的领域，这将慢慢打破传统城市规划以政府和专家的价值判断为核心以及定量研究不足的桎梏，为公众参与规划提供了新方法和新视野，将“德先生和赛先生”请入了城市规划界做客。规划和土地管理的终极目的是为人服务。传统的规划和土地管理以“小”数据为基础，它只能告诉规划者和管理者人住在哪里，而无法告诉人在时空位置、行为特征的相关性。规划者和管理者都希望获取人具体属性与时空位置，然而在传统的技术条件下，这项工作有太多实践层面的难度。从大数据的视角来看，获取这些信息并不需要入户调查，如果居民携带手机，手机基站会记录人的位置信息；居民搭乘出租车或公共交通，也会有完整的时空路径信息；甚至是步行，在多数时间内也会被摄像监控器捕捉到，由此看来，有太多的大数据尚未被分析和挖掘，而其中太多的信息又是在规划与管理的过程中非常需要的。所以，大数据能够相对准确告诉规划和管理者人的时空行为特征，依据这些判断，我们的规划与管理才能更加人本主义。大数据在规划和土地管理中的应用大数据有利于提高规划决策水平规划和土地管理的目的是为城市居民服务，了解居民的时空行为有助于切实提高规划和土地管理水平。以交通拥堵为例，交通拥堵可以分为岔路口交通拥堵和线路交通拥堵，岔路口交通拥堵是由运动型瞬间共存的时空路径类型造成的，产生交通拥堵的程度相对较重，但是影响时间一般较短，比较容易通过立交桥的修建和合理的交通疏导来解决。线路交通拥堵是由运动型持续共存的时空路径造成的，产生交通拥堵的程度相对较轻，但是持续的时间较长，影响也较大，是城市内部交通拥堵产生的主要原因。通过大数据对居民出行的时空路径研究，进而通过土地空间布局优化，预控降低居民出行过程中运动型持续共存的概率，有助于交通拥堵问题的解决，提高城市规划决策的科学性。在未来的研究中，分析不同单元土地上居民活动的联系强度可以判断地块之间的交通流量，通过居民活动需求分析可以演绎基础设施和公共服务设施的土地需求，从而为城市规划和土地管理服务。大数据有利于提高城市空间扩张预测的精度城市规划中，城市建设用地空间扩展是一项重要的内容，是布局的基础。对城市建设用地空间扩张进行预测，需要对城市空间扩张的影响因素进行细致分析并加以预判。在传统的城市建设用地空间扩张模拟中，高程、坡度、与中心城区之间的距离、与中心镇之间的距离和交通优势度都是重要的影响因素。然而除此之外，还应考虑到地铁站点、大型超市、学校、医院和图书馆等设施对城市空间扩张的影响。通过大数据可以方便地提取这些设施的位置信息，从而作为一个重要的影响因素融入到城市建设用地空间扩张的模拟过程中。下图是通过百度地图获取泉州湾地区某公共服务设施的位置信息，然后将其作为多智能体模拟的影响因素。在未来城市空间扩张预测的过程中，可以把相关大数据热点纳入到城市空间扩张影响因素体系中，从而提高城市空间扩张预测的精度。大数据有利于精确预测区域

空心村分布随着城市化的推进和不断深化，农村人口加速向城市（小城镇）转移，这一空前盛况催生出大量的空心村。在城乡一体化背景下，空心村问题是未来城乡规划的重点话题，也给未来的城乡规划提出了诸多挑战。这其中，空心村的识别是其中一项非常重要的基础性工作。通过传统的土地利用信息难以有效地识别空心村的分布。通过实地调查可以识别空心村，但是较为费时、费力。通过手机通话等大数据的辅助，可以提高识别空心村的准确性。如图是江西省某行政范围内单位面积内的手机通话数据，在传统土地利用数据和人口普查数据的辅助下，可以方便的获取空心村的分布状况。此外，通过对不同时间尺度手机数据进行分析，还可以对空心村空心化的程度和周期性进行分析，为乡村居民点规划以及基本农田保护服务。大数据有利于提高存量土地的利用效率当前我国已经处在城市化快速发展的中后期，尤其是东部沿海地区，提高存量土地的利用效率是未来新型城镇化背景下城市土地利用的必然选择。但是如何寻找并发现低效土地资源很难，尤其是受困于传统数据的获取、分析方式的限制，人们不能够在空间上实施精确“制导”，准确发现低效土地“在哪里”。随着大数据时代的到来，这一问题将会变得越加容易，通过多渠道、多层次的大数据获取分析，我们可以提高土地利用效率评价的准确性。下图是通过广州市出租车GPS数据分析得出的城市活跃度的状况，可以作为存量建设用地评价的重要指标。在更小时间尺度数据的支持下，不仅可以分析城市土地利用效率的总体水平，还可以分析不同时段城市土地的利用效率，为存量土地的挖潜提供空间指引。大数据有利于优化规划设施布局城市规划中存在的日常生活设施配置不合理问题饱受诟病。对于城市日常生活设施布局合理性进行评价，不仅可以优化规划设施布局，提高城市居民步行出行便利度，而且是节能减排、改善城市人居环境的重要一环。

传统方法由于受到数据获取的限制，只能通过现场调查等方法来获取日常生活设施的空间分布。利用百度地图API和微博签到数据可以快捷获取所需数据，服务于城市日常生活设施布局合理性进行评价。如图是利用百度地图API数据得到的深圳市福田区步行性评价结果，其与微博签到密度呈显著正相关关系。在未来基础设施和公共服务设施的空间规划中，不仅可以通过对前期大数据的分析提高规划的科学性，而且可以通过实时信息的发布引导居民对设施的使用行为，避免设施在特定时间内的闲置或过渡利用。大数据有利于为大气污染防治提供政策参考近年来，灰霾事件频发，大气污染成为了社会各界讨论的热点问题。传统途径难以在城市尺度研究大气污染在城市尺度的空间分异，探究各因素对大气污染分布的贡献更是望尘莫及。大数据可以便利地搜集交通流量，餐饮排放等污染源的空间分布信息，通过建立统计回归模型分析各因素对城市大气污染物浓度空间分布的影响。下图是通过土地利用回归模型模拟的北京市PM2.5浓度空间分布。模型结果显示，交通排放对于PM2.5浓度分布的贡献很大，而通过大数据抓取的饭店分布（表征餐饮排放）对于其影响则不显著。通过大数据可以研究环境污染的因果联系，其研究结论是可以作为环境污染防治的决策参考，进而通过城市规划和土地管理解决环境污染问题。总结与展望大数据时代，规划和土