大数据的城市研究

我自2014年3月起到贵阳挂职市长助理，那个时期正是贵州和贵阳拉开大数据发展序幕之时。五年多来，我参与、服务和见证了贵州和贵阳大数据发展的整个历程和重大项目。我感受最深的一点是，大数据在贵州和贵阳是一种战略部署。任何行动一旦上升为战略，它必将起到引领全局、覆盖全面、贯穿始终的强大作用。很多媒体问我 ：“全国都在搞大数据，(下转3版)(上接1版)为什么贵州和贵阳能够成功？”我说 ：“全国都在搞大数据，但是把发展大数据作为一种战略的，只有贵州和贵阳。”如果我们对贵州和贵阳发展大数据进行一个周期性判断的话，可以概括为四个阶段，即“无中生有、风生水起、落地生根、开花结果”。过去的五年，是贵州和贵阳发展大数据从无中生有到风生水起的五年，今后的五年，贵州和贵阳的大数据发展正迈入落地生根、开花结果的新阶段。回顾贵州和贵阳大数据的发展历程，我们不禁会问：大数据究竟给贵州和贵阳带来了什么？我个人认为至少有以下三点：第一，贵州和贵阳发展大数据是一项具有划时代意义的重大战略选择。习近平总书记对贵州最重要的指示，就是守住“两条底线”，既保护生态，又发展经济。这两条底线的核心，是实现贵州从“美而穷”到“美而富”的飞跃。那么，这个飞跃中那“惊险的一跃”靠什么？答案只有一个 ,选择只有一条，就是创新。只有靠创新驱动发展，才能从根本上实现“生态美、百姓富”的目标。而大数据正是创新的引爆器，或者说是新一轮科技革命和产业变革交叉融合的引爆点。这个引爆点让东部与西部、沿海与内地、发达地区与欠发达地区站在了同一条起跑线上。更为重要的是，大数据是一场由科技引发的社会变革，这个变革打破了国家、区域、城市的边界，突破了发达地区与欠发达地区的隔阂，并将解构和重构资源配置方式，让一切不可能成为可能，使“无”生了“有”。大数据对贵州和贵阳的划时代意义就在于，发展大数据给贵州和贵阳带来了希望和未来。第二，贵州和贵阳发展大数据走出了一条不同于东部、有别于西部的发展新路。这条新路的本质，就是创新驱动发展、数据驱动创新。从某种意义上讲，贵州和贵阳发展大数据，有很多先天不足，比如基础差、市场弱、人才缺、可持续发展难度大等。在别人认为根本不可能发展大数据的贵州和贵阳，究竟是靠什么发展大数据并走向成功的呢？最关键的一条，就是靠大数据的场景应用。用贵州和贵阳自己总结的话讲，就是“聚通用”，大数据的汇聚、融通、应用就形成了场景。场景应用是创新的第一驱动力。举例来说，在贵阳发展大数据的主要路径选择，概括起来叫“抓两头、促中间”。所谓“抓两头”，一头是抓数据中心建设，一头是抓呼叫中心建设，这是大数据发展初期的两大切入点。所谓“促中间”，就是促进大数据发展的政用、商用、民用，也就是我们所说的场景应用。特别是在政用方面，围绕政府治理，贵阳打造出了“数据铁笼”“党建红云”“社会和云”“数治法云”“同心合云”等品牌，在大数据政府治理方面走在了全国前列。场景应用是创新中的再创新。这种再创新颠覆与重构了创新方式，它让科技创新与社会创新全面对接，并且让科技从实验室走出来，使科技创新直接服务于社会需求。场景应用倒逼创新资源、创新政策、创新体制、创新环境发生全面变革，实现了创新需求与创新成果低成本、高效率的无缝对接，从而大大提升了政府效能，推动了经济转型升级。以场景应用为导向的创新驱动发展、数据驱动创新的新路，在实施国家创新驱动发展战略中具有可复制、可推广的全国意义。第三，贵州和贵阳发展大数据已经成为欠发达地区后发赶超的文化品牌。大数据是什么并不重要，重要的是大数据改变了我们对世界的看法。大数据不仅改变了贵州和贵阳对世界的认识，更重要的是，也改变了世界对贵州和贵阳的认识。贵州和贵阳不仅成为中国大数据发展的战略策源地，而且成为引领全球大数据发展的重要风向标。这个风向标的重要标志，就是抢占了四个制高点 ：一是以块数据为核心的理论创新制高点 ；二是以地方立法为引领的制度创新制高点 ；三是以标准制定为主导的规则创新制高点 ；四是以场景应用为驱动的实践创新制高点。这四个制高点的意义，已经超越其现实利益和经济价值，而彰显出其独特的文化软实力和品牌竞争力，并逐步内化成为一种文化信仰和品牌力量。在中国的任何地方，现在只要提到贵州，大家就会自然而然将其和大数据联系在一起。贵州不再是贫穷、落后、欠发达的代名词，而是年轻人创业、创新和追梦、筑梦的地方。这就是大数据品牌的力量。贵州和贵阳发展大数据是一个城市的觉醒。发展是有阶段性和周期性的。俗话讲，三十年河东，三十年河西。如果前三十年是沿海地区率先发展的话，那么，后三十年西部地区，特别是贵州和贵阳的后发赶超也是必然。关键在于，在后三十年发展的起跑线上，贵州人和贵阳人把握了先机，勇于并敢于站在新科技革命和新产业变革交叉融合的引爆点上。这种“勇”和“敢”是一种觉醒，一种文化的觉醒，本质上是文化自信。五百多年前，明朝大思想家王阳明曾在贵阳龙场悟道，提出“知行合一”的心学思想，而今天，贵州人和贵阳人把“知行合一”践行于大数据发展的生动实践中。这种践行是贵州的觉醒、贵阳的觉醒。今天，大数据已成为引领中国数谷绿色崛起，促进经济社会高质量发展的新引擎。以建设国家大数据(贵州)综合试验区和打造“中国数谷”为抓手，贵州和贵阳把大数据作为提升政府治理能力的新手段、服务社会民生的新途径、引领产业转型升级的新动力、推动大众创业万众创新的新机遇，坚持“四个强化、四个融合”的发展新方向，全面推进国家部署的大数据七项系统性试验，培育转型升级新动能，拓展经济发展新空间，为经济社会高质量发展提供了强有力支撑。正是对“大数据”这一命题与众不同的回答，数据流、信息流、技术流在这里奔腾激荡，古老与现代、历史与未来在这里交汇融合，政府、企业、民众对发展大数据充满了信心和期待，这里必将会如硅谷一样，成为策源地、集聚区和筑梦场，成为奇迹诞生的地方。我还想特别指出的是，对“中国数谷”的持续跟踪研究是一坐灯塔和一面镜子，它一边指引着贵阳大数据发展前行的方向，一边反映着贵阳大数据发展的探索历程。2015年5 月，大数据战略重点实验室研究出版了《创新驱动力 ：中国数谷的崛起》理论专著，系统阐述了贵阳打造中国数谷的战略定位，全面深入地解读并揭示了贵阳以大数据为创新驱动力实现创新、转型、成长的奥秘。2018年5月，大数据战略重点实验室研究出版了《中国数谷》，这是一部全面梳理总结贵阳成长为“中国数谷”的秘籍，讲述了贵州和贵阳如何在生态保护与经济发展“两难的抉择”中探索出一条“双赢的新路”，系统回答了最前沿的大数据为什么生长在欠发达的贵州和贵阳等问题。如今，我们研究出版《中国数谷》(第二版)，不仅为贵阳擘画了一幅大数据发展升级版的宏伟蓝图，更为“数字中国”建设提供了可供借鉴的“贵阳方案”。我们希望通过这本书能够与正在探索创新之路的城市、地区乃至国家一起分享关于“中国数谷”建设的故事和机遇。《中国数谷》系列专著的研究出版，不是一般性的记事和纪实，而是贵州和贵阳这片大数据的热土迈向新时代的重大行动宣示和誓师。贵州和贵阳发展大数据已经成为欠发达地区后发赶超的文化品牌，我们不得不更多地关注她、研究她、把握她，因为我们每个人都身在其中，这也是我们必须对中国数谷肃然起敬，并且持续探寻的根本动因。(作者：连玉明，系全国政协委员、贵阳市委市政府首席战略顾问、贵阳创新驱动发展战略研究院院长、大数据战略重点实验室主任)

三、四线城市现阶段的投融资、生产或服务，运营管理模式主要以“直觉、经验”（“直觉与经验”其实都是人在日常工作生活中模糊的数据统计分析概括的综合报告）。这类经验付诸于运营中，具有很高的风险。人的“直觉、经验”主要行程于特殊的环境之中，一旦脱离了相关的环境，所谓的“直觉、经验”就不符合新环境的运行规则，则最后就很容易失败。宏观数据不能解决具体运营问题每一个城市都有官方统计局，如同现有的大型数据机构。他们的统计的数据，主要运用于了解市场宏观的具体动态以及推断未来市场的发展方向。这样的大数据适合于乡、县、市、省、国家城市业绩了解以及利于规模以上企业，对未来市场发展走向的参考及布局。但在市场具体运作方面，所起的作用就少了很多，而从数据中看到的经济增长、下降，市场需求潜力等都或多或少有“直觉、经验”的影子。这些数据没有“环境（规则）”、“社会意识”（个体）等具体化的数据信息，一个大型数据机构，也没有这么大的精力去做这些具体的数据统计工作。而目前“大数据”，只有政府机构与大型企业在运用，而且细化到部门或员工个体时，大多都又回到“直觉、经验”上去了。数据需要人人建设，服务于人人“大数据”用来制定战略发展方向，“小数据”则是具体的前进驱动力。“小数据”则是具体到某个环境下个体项目及工作人员对所接触的市场及行为人的数据统计。如房产市场里，如城市的“大数据”只有“土地成交数据、“房产成交备案数据”、“房产预售备案数据”，而关于“需求数据”、“置业者条件数据”（收入水平、首付准备额及来源、用途、工作地、工作性质）、“房产项目数据”（实际月度成交、客户到访量、房源去化量及存量）并没有，但一个项目投资、生产，就需要了解到这些数据，做相应的产品设计及生产。一个项目在运营中，客户到访量、到访客户（需求、客户条件、客户来源）则是一个项目运营中所需要的数据，而行销中客户具体条件数据（客户首付准备金、首付来源、具体置业用途、客户意见领袖等），这都是置业销售者所需要的具体数据，掌握了这些数据，通过分析，刷选出真实客户及潜在客户（可发展）。“小数据”用于项目投资运营价值在“小数据”在市场“资源优化配置”的核心。如对于餐饮、服务类项目投资、运营，都具有很高大的运用价值。据了解，一些小型项目，在投资之初，都会做一些市场调研，但是统计的数据都比较粗略，更多是依赖直觉与经验，有些靠天吃饭的意思。如选定商铺所处地理位置，周边流量群体数量及成分；如所运营的项目，是否适合该区域客群的需求或者是否具有挖掘潜力；项目运营中，产品或服务对市场所带来的具体反映及影响范围；项目具体产品或服务市场的反馈及需求等。现在项目的运营管理者都只是凭借直觉粗略统计这些数据，而至于数据的可靠性，则就只能凭借运气了。数据机构（研究院）市场需求数据研究机构的普及，利于市场资源的优化配置，提高市场运作效率。现阶段，大众普通项目，对数据价值的认知不足，只以为传统的“直觉与经验”比数据重要，或足够满足运营中需求，缺乏足够的动力继续对数据的深化。“数据”需要日积月累，需要量变到质变的过程。尤其在搭建数据库过程中，数据架构是什么样的及数据内容有哪些，这对数据分析结果会产生实质的影响。只有大型企业，才有足够的资金实力与意识，会选择建设“数据系统”，成立“数据研究院”。而对于在市场中相当巨量的小企业、小项目则缺乏相应的实力及足够的认知，由此城市“数据机构”就具有了相应的市场。数据机构（研究院）市场角色数据机构（研究院）所产生的数据报告，对于非专业人士而言，很难结合数据报告，并对具体项目进行具体分心，并运用执行下来。现下，“营销策划”公司，会运用一些数据，主要负责广告宣传与销售，而关于产品、服务设计，就涉及的比较少，这类的“营销策划”机构有部分数据统计、分析的功能。一个专业的数据研究机构，可以为市场提供“资源配置”数据报告的过程中，还可以提供相关的项目运营技术顾问服务与金融服务。

　《为什么是成都——成都建设世界文化名城研究报告》发布现场美国著名的社会学家曼纽尔·卡斯特在《网络社会的崛起》一书中提出了一个全新的概念——网络社会。他写道：“‘网络社会’并不是即将出现的一种社会结构，而是唯一的社会结构！这不是未来学，而是‘现在学’：它分析的是正在浮现中的新的社会结构。”在十年前得出这样的结论，还是有远见的。不过，今天人们已经越来越感受到，网络社会已经扑面而来：既令人振奋，而叫人不安。令人振奋的是，我们的生活越来越更方便和便捷了，地球村那种天涯若比邻的感觉也让人们温暖和新异。令人不安的是，我们的越来越透明了，我们的生活数据正被人时时刻刻收集着，私与公的界限变得模糊了，这样的变化让我们不适应。　　纳尔逊·古德曼曾有言：“世界不是发现的，而是构造出来的。”哈贝马斯的观点与此类似，他指出“一个是生活世界，一个是系统世界，系统世界就是构造出来的。”是的，世界是“我”、“你”与“它”共同构造出来的，至少到目前为止，人类仍然是最为关键的构造者。人类利用语言、符号、情感、理性、艺术、事实、阐释等方式彼此勾连，并又利用这些人造物与世界互动，构造与被构造着，人与物共同进化。而今天，数据成为一种新的构造形态——它是能源、是材料，是新的人的延伸，是更为关键的构造物，人与世间万物都在其中，无论是静态还是动态的，它都能够以信息的方式被发现并且可以被收集存贮起来，甚至有人干脆认为我们需要重新定义人本身——从政治动物、符号的动物，转移到人就是信息源，是数据流。北京理工大学副校长、中国科学院院士梅宏曾如此定义大数据：“无法在可容忍的时间内用传统信息技术和软硬件工具对其进行获取、管理和处理的巨量数据集合，具有海量性、多样性、时效性及可变性等特征，需要可伸缩的计算体系结构以支持其存储、处理和分析。”是的，随着各种智能端终的出现，越来越多的个人和机构在实践与运作中产生的数据的被积累起来了，而互联网早就为这些数据连接起来奠定了基础。这使得智慧大脑得以形成。如果说，在传统社会中，管理者也在收集各种数据以求决策的科学性，不过，那个时代，收集数据是一件相当费时费力之事，而且由于收集与分析数据能力有限，使得传统社会的治理更具有天赋运作的意味。而今天，更为准确与海量的数据的获得要容易得多，对数据的分析也越来越有针对性与科学性，因为大数据以及相关的数据分析科学和技术的发展，为现代社会治理与决策提供了更好的基础。舍恩伯格在《大数据时代》中指出：谷歌可以成功地预测甲型H1N1流感爆发，与官方数据相比，谷歌成了为一个更有效、更及时的风向指示标。“从城市管理方面看，小到井盖、路灯，大到桥梁、隧道；从车的流与止、人的聚与散，到街市百态、舆情民意，所有这些，都以数据流的形态呈现在那里，城市管理“工作闭环”和“黑盒”都被数据照亮了，见或者不见，理或者不理，体现了现代社会管理者的智慧与观念。可以说，在大数据面前，懒政变得越来越难了。对于有作为的管理者而言，大数据是国家与城市治理创新的助手，是一种可以充分利用和开发的重要资源，用得好自然有利于公共决策和协同治理，有利于民生服务、发展规划和体制创新。2018年8月，北京字节跳动公司发布《城市光谱——2018 上半年网民阅读偏好研究报告》，这份研究报告对全国 366个城市的信息消费偏好进行量化分析后发现，不同地区的网民在指尖体现出的消费差异巨大，这其中超一线城市就表现为对科技和财经的关注度远高于其他地区。通过对比分析“城市光谱”展现出的城市人文气质，可以方便地洞察目标受众的兴趣偏好，并因地制宜、有的放矢地提出解决方案。这份研究报告不过是众多城市大数据分析中的一个案例。实则城市运行有无数种数据可以进行分析和总结，比如交通数据、旅游数据、日常生活消费数据、政务数据、医疗数据和休闲数据等等，每一种数据的分析，都有利城市管理者可以进行针对性的治理改革，如此，城市居民的生活质量自然可以大大提升。再如2018年10月30日，字节跳动发布了《为什么是成都——成都建设世界文化名城研究报告》。据悉，这是国内首份世界文化名城大数据研究报告。该报告从“经济基础”“文化资源”“历史渊源”“教育科研”“对外交流”和“交通通讯”6大维度，根据数据的展现形式结合城市的特点对照研究，提出将世界文化名城分为历史型、艺术型、交流型、现代型、综合型5大类型的“世界文化名城指数”体系。这是一种很有价值的探索方向，有国际比较视野、有大数据作为分析的基础，这使得我们对中国的城市品牌建设和城市特色定位有了一个新的抓手。当然，大数据本身并非智能的，它呈现在哪里，并不能自动为社会治理服务，它需要有智慧的大脑去发现和运用，对于善用者而言，它是新的活的能源，对于没有分析和处理能力者来说，它就是死的数据。毕竟，大数据的技术手段并不能包办解决一切问题。而且，数据本身是中立的，它可以造福人类，也可以成为作恶都的工具。舍恩伯格就警告过我们：“大数据会是我们合理决策过程中的有力武器；倘若运用不当，它可能会变成权贵用来镇压民众的工具，轻则伤害顾客和员工的利益，重则损害公民的人身安全。我们所冒的风险比想象中的还要大。”因此，让大数据积极发光的背后，是人文、是人性，是同情心，是全心全意为人民服务的精神与追求。（浙江大学传媒与国际文化学院教授 吴飞)

2020年5月，中国城市规划设计研究院联合百度地图慧眼等单位发布了《2020年全国主要城市通勤监测报告》(以下简称《报告》)，《报告》中采用职住分离度指标反映职住在空间的分布状态和邻近程度，并结合通勤人口的职住分布图、分圈层的职住分布图和街道单元职住特征空间分类图等对该指标背后的职住通勤状态进行详细展示。与既有研究相比，《报告》中选择的城市案例数量较多，有利于归纳总结职住分离度等相关指标的分布区间和影响因素，避免既有个案分析由于计算标准的不一致而导致指标结果不具有可比性。本文基于中国35座大城市的通勤数据，围绕职住分离度指标进行概念解析、相关性分析和城市分类对策研究。职住分离度相关性解析职住分离度是指不考虑就业差异与人的选择，在既有职住分布状态下通过交换就业地，理论上能够实现的最小通勤距离[1]。由于职住分离度采用集计模型的分区思想，所以如何分区对于计算结果影响较大。本文着重以百度慧眼提供的中心城区通勤人口居住地、就业地等数据为基础，以研究范围内1km方网格为计算单元，网格内和网格间的距离分别按当量圆半径和网格中心间直线距离计算，得到35座大城市的职住分离度指标(见下图)。中国35座城市职住分离度指标值分布统计结果显示，35座城市的职住分离度均值为3.57km，最小指标值超过2km，表明即使在理想状态下，既有的大量职住分布仍无法在2km尺度内实现均衡匹配。35座城市的职住分离度标准差达到1.03km，占均值的29%，其中位居首位(职住分离度最小)的厦门市不到北京市的1/3，一定程度上反映出中国大城市在职住空间匹配方面存在较大差异。因此，有必要从城市规模、实际通勤分布、职住集聚格局等方面识别相关因素。1）职住分离度与城市规模的相关性不显著，Ⅰ型大城市的职住分离度最小。依据《国务院关于调整城市规模划分标准的通知》(国发〔2014〕51号)中明确的城市划分标准，35座大城市中包含4座超大城市、10座特大城市、10座Ⅰ型大城市和11座Ⅱ型大城市，各类城市的职住分离度统计值如下表所示。超大城市中深圳市职住分离度最小，指标值与Ⅰ型大城市中的大连市、昆明市以及Ⅱ型大城市中的福州市、宁波市基本接近，整体排名位居前五，而北京市的职住分离度指标大幅提升了超大城市的均值。相比之下，特大城市和Ⅰ型大城市的职住分离度指标波动幅度较小，Ⅰ型大城市的均值和极值也显著小于其他规模类别。Ⅱ型大城市中石家庄市、西宁市和银川市的职住分离度值偏高，直接导致Ⅱ型大城市的指标均值接近特大城市均值。整体来看，职住分离度在统计上并未出现随城市规模的增长而逐渐增加的趋势，各规模类别内均存在指标值相似的城市案例，部分人口规模较小的城市在职住分离度上反而高于人口规模较大的城市。职住分离度分类统计值汇总2）实际通勤分布与职住空间布局存在显著错位，职住空间均衡有利于缩短通勤距离。以研究范围内1km方网格为计算单元获取的各城市实际平均通勤距离，与居民非集计平均通勤距离的相关系数达到0.85，表明采用该集计方式转化计算得到的平均通勤距离可同等反映居民通勤尺度的实际状态。将基于1km方格网计算得到的实际平均通勤距离和职住分离度指标进行比较，可发现同一计算标准下前者是后者的1.9~3.8倍，反映出实际通勤分布受土地开发政策、产业发展、居民收入、交通系统可达性等因素影响，与职住空间分布存在显著的错位。另一方面，职住分离度与实际通勤距离、2.5km以内通勤比例、15km以上通勤比例等指标间的相关系数分别达到0.79，-0.63和0.62，表明城市的职住空间分布越均衡，越容易引导产生短距离的通勤活动，进而有利于缩短整体平均通勤距离。3）职住集聚格局、职住中心契合度等因素在很大程度上决定了职住分离度。2000年左右，为实现城市规模在城镇化高速发展下的可持续扩张，大城市相继启动了城市空间发展战略研究，竞相选择多中心的空间结构作为未来城市的空间扩张模式[2]。如今多数中国大城市在一定范围内已形成多个就业中心，而该格局的空间分布、与大型居住区的分布契合度等直接影响职住分离度的大小。如下图所示，以5km递增半径统计分圈层通勤人口分布，发现职住分离度在3.0以下的城市大致分为以下两类：1)城市的居住热点和就业中心均集中在城区中心15km半径范围内，该尺度圈层集聚的通勤人口规模占中心城区通勤人口总量的80%以上，代表城市有厦门、福州(见下图a)、深圳、南宁等；2)城市各5km圈层的通勤人口规模均不超过总量的30%，其内部的多个就业中心在空间上分布相对离散，部分中心间距甚至超过15km，但围绕各中心均分布有居住热点区与之匹配，由此在更大的空间尺度范围形成职住均衡的多组团格局，其代表城市有大连(见下图a)、宁波等。职住分离度与15km圈层通勤人口分布的关系典型城市分圈层通勤人口空间分布相反，职住分离度较大的城市中，部分城市仅在分圈层的通勤人口结构上就体现出空间匹配度较低的职住分布格局。以北京市为例(见上图b)，其10km圈层内集聚的就业人口比居住人口高出近10个百分点，直接导致大量的通勤人口需要从10km以外的圈层进入10km以内圈层就业。与职住集聚格局相比，职住中心契合度对职住分离度指标的影响更加直接。以石家庄市为例，与上述第一类城市相似的是，其15km半径范围内集聚92%的通勤居住人口和87%的就业人口(见上图b)，然而其主要就业中心基本局限在中山路沿线4km的尺度范围，大量的通勤居住热点呈面状均匀分布在10km圈层内(见下图)，导致职住中心空间契合度较差。石家庄市通勤人口居住分布和就业分布基于职住分离度的分类空间解析在过剩通勤理论体系中，职住分离度隐含的前提假设是就业岗位与居住地间可以无差异地相互交换，实际通勤距离则是综合了就业岗位类型要求与通勤者自身社会经济特征的匹配情况、各种交通设施分布状况以及通勤者对就业信息的获取程度等各种因素选择的结果。过剩通勤系数融合了实际通勤距离和职住分离度指标，反映当前通勤状态是否接近于既有职住分布下的理想通勤状态，具体计算公式为[3]：Ec=(Tact-Tmin)/Tact×100%，式中：Ec为过剩通勤系数；Tact为实际通勤距离/km；Tmin为职住分离度/km。单从职住均衡角度出发，城市较理想的职住分布状态是过剩通勤系数和职住分离度都小，即该城市的通勤人口与就业岗位不仅在空间上配置均衡，实际的职住匹配关系也相对邻近。由于过剩通勤系数与职住分离度之间呈高度负相关关系(见下图)，绝大多数城市的这两项指标是此消彼长。过剩通勤系数与职住分离度的关系基于35座大城市的职住分离度和过剩通勤系数计算结果，分别采用30%和70%分位数为准，提取职住分离度小于30%分位数、过剩通勤系数大于70%分位数的9座城市作为“错位型”代表，提取职住分离度大于70%分位数、过剩通勤系数小于30%分位数的9座城市作为“固偏型”代表，分别对这两类城市进行重点分析，相关统计指标如下表所示。两类城市集计通勤指标汇总1 错位型城市典型错位型城市中，城区人口在300~500万人的Ⅰ型大城市占据2/3，超大规模城市仅深圳市一座，Ⅱ型大城市中的代表是福州市和宁波市。空间形态上，9座城市均呈现组团型或团块型分布，没有一座带型城市。这类城市的职住分离度指标为2.1~2.8km，均值仅为2.5km，职住空间分布相对紧凑均衡。在全部35座城市中，9座代表城市的职住分离度指标由小到大排在前10位、过剩通勤系数均排在后11位，反映出职住分离度较小的城市更易归属于错位型城市。实际上，9座城市的职住分离度均值仅为35座城市均值的70%，无论是以1km栅格还是实际路网计算，9座城市的实际通勤距离均值基本接近35座城市均值。既有研究针对职住布局相对平衡下的通勤分离现象进行了许多个案研究，而基于大数据的分析有利于精准聚焦更多的空间单元，为同类问题的捕捉和施策奠定基础。以街道或交通分区为单元，将一端在单元内的通勤按照区内居住区内就业、区内居住区外就业和区外居住区内就业等分别统计，从中提取符合以下两个条件的空间单元作为错位型城市的重点研究对象：1)区内居住区外就业的规模与区外居住区内就业的规模基本相当，区内通勤比例较低；2)单元的平均通勤发生距离或吸引距离较长，与相邻空间单元实现职住平衡的规模较小。如下图所示，将区内居住区外就业与区外居住区内就业比例均较大的“双重主导型”单元与各单元的平均通勤距离属性进行叠加，有助于识别符合上述条件的错位型空间单元。这类空间单元通常包括多种类别。其中一类是原来在计划经济体制下以职住接近和福利分配为理念建设起来的单位社区，社区内的人口构成随着单位住房的私有化改革逐渐复杂，企业单位也随着空间拓展、地价变化改变其原有区位，最终打破核心组团内原有的职住匹配关系[5]。另一类是城市外围按职住平衡规划设计的开发区或产业区[6-7]，尽管在规划之初本着职住平衡的理念为相关产业配套居住用地，但是产业引入类型与最初设想存在差异，居民对住房周边的环境、配套设施等要求也不尽相同，高快速交通基础设施的修建等因素使居民在更广阔的空间范围拥有更多的选择，最终致使这类片区并未实现规划之初的职住平衡状态。此外，旧城改造拆迁安置政策、房价市场化波动环境、以学区为代表的公共服务配套建设等因素都影响不同收入群体的住房选择，传统核心区域地租价格的攀升、交通拥堵增加等因素均加速了各类产业的区位选择变化，即使在用地混合布局的区域已经实现了职住空间临近，实际职住通勤关系也将与其背离。深圳市居住人口和就业人口通勤状态分布2 固偏型城市9座代表城市中，特大城市和Ⅱ型大城市分别有4座，北京市是唯一的超大城市。仅有的3座带型城市中，兰州市和西宁市均属于固偏型类别，一定程度上也反映出带型大城市更易在其发展主轴上采取职住分离式布局。与错位型城市相比，固偏型城市的职住分离度波动幅度较大，均值接近错位型城市的2倍。其中，北京市的职住分离度超过6.5km，显著高于其他代表城市；石家庄市、西宁市、银川市位于第二梯队，职住分离度指标均超过5.4km；西安市、郑州市、青岛市、成都市位于第三梯队，职住分离度指标为4.1~4.6km。从统计指标看，职住分离度较大的城市更易归属于固偏型城市，突出表现为9座代表城市的职住分离度指标从小到大排在后11位、过剩通勤系数均排在前11位。尽管过剩通勤系数较小，该类城市的职住空间分离度偏高却是导致其常住居民通勤成本较高的主要原因。因此，可重点关注满足以下条件之一的固偏型空间单元：1)区内居住区外就业规模较大的居住主导型片区，且单元的平均通勤发生距离较长；通常分布在中心组团外围，如图7所示的“居住流出型”与平均通勤距离叠加后的空间单元。2)区内就业区外居住的就业主导型片区，且单元的平均通勤吸引距离较长；通常集中在中心组团内部，如下图所示的“就业流入型”与平均通勤距离叠加后的空间单元。北京市居住人口和就业人口通勤状态分布上述空间单元的形成突出表现为单一类型功能区空间集聚，其背后驱动力不仅包括产业郊区化、先产后城的规划开发策略，还包括优良公建设施、公园绿地及轨道交通枢纽站周边住宅、商务办公等房地产集中连片开发策略等[8]。例如，与通勤距离相比，高收入者更倾向追求更好的住房品质及居住环境，城市中居住环境较为优良的地段会存在自我强化的效应，导致高端房地产项目扎堆分布[9]。住房供给的空间结构与需求的空间结构不匹配现象在某种程度上与部分政策导向有关。例如，当前的住房安置政策更多以建设量或覆盖面为唯一目标，很少考虑低收入群体住房的空间分布，很多政策性商品房、保障性住房社区在城郊集中建设，特定群体的职住空间分离由此产生。大城市内部多就业中心格局的变化也对职住分离度指标产生较大影响。多职能的发展需要、单中心的承载力有限等原因使得大城市由单中心向多中心结构演变，多个就业中心在形成过程中为平衡不断攀升的土地价格而增加建筑面积，就业岗位也随之不断集聚[10]。大城市轨道交通的发展在提高就业中心可达性的同时，也进一步加剧了这种极化效应。部分学者在总结洛杉矶、旧金山、芝加哥等国外大城市案例时发现，多就业中心格局下次中心的就业岗位数增长迅速，多个就业中心岗位之和所占比例处于上升趋势，中国大城市也存在类似现象[11-12]。以北京市为例，从2004年起六环高速公路以内的就业岗位不仅在总量上不断攀升，空间上也从传统CBD和金融街向外延伸，形成由CBD、金融街、公主坟-西站商圈、展览路商圈、中关村、上地、望京等多个就业中心，各增长极在总量规模和岗位密度上都出现了自我强化的发展趋势，职住比率不断增长。职住分离度优化对策从35座大城市的职住分布和通勤状态看，城市所包含的错位型和固偏型两类空间单元在空间上交错分布，形成复杂的职住分布格局。不同类型城市应明确差异化的职住分离度改善目标，因地制宜地提出系统优化对策。对于错位型城市而言，应当以缩短实际通勤距离为优先目标，通过实际通勤状态的改善促进职住空间分布更加均衡。相比之下，固偏型城市应当将职住空间布局的调整作为优先目标，在空间规划、产业选址等方面引导职住分布就近平衡。其余城市的职住分离状态基本介于两类城市之间，应兼顾两大目标对应的职住优化对策。1 就近安居就近安居策略主要关注目标空间单元的住房供应结构及服务对象，制定多主体供给、多渠道保障、租购并举的住房政策。针对错位型空间单元、就业主导的固偏型空间单元内新增建设用地，应鼓励其优先开发与空间单元内就业人群需求和购买力相符合的住宅项目，同时依据中低收入群体的就业空间分布提高单元内保障性住房、公共租赁住房、共有产权住房等类型的供应比例。在住宅项目的推进过程中，宜注重优质医疗、教育、文化等公共服务设施的均等化配置，通过打造“15min社区生活圈”提高居民的选择意愿和入住满意度。在运营管理阶段，不仅需要明确就近安置的分配原则，还应当出台鼓励和引导就业人口就近居住的优惠政策。例如，北京市出台《关于优化住房支持政策服务保障人才发展的意见(京建法〔2018〕13号)》中，明确本市、本区或园区需要的人才具备“本市无房，或在本市有住房但距离工作单位超过一定距离”等条件，可申请公共租赁住房。2 职住梯度布局国内外众多研究及规划实践成果均为职住梯度布局策略提供了理论和案例支撑。例如，文献[11]的交叉通勤流模型证明次中心出现在郊区居住地与CBD就业中心之间的辐射区域，能够通过降低通勤距离减少过剩交通量；文献[13]发现，并非所有的城市次中心都有利于职住空间平衡，以服务业集聚为主的次中心比以制造业集聚为主的次中心对职住空间的优化更加显著。规划实践方面，北京市望京地区发展成为第五大就业中心后，就业人群的居住地为望京所在的酒仙桥片区、北苑片区及向东北机场方向延伸的地区，与中心地区间的跨区通勤由2005年52.3%降至2013年28.4%[12]；北京市回龙观居住人口的就业地主要集中在中心地区的中关村、八达岭高速公路两侧的大上地地区，其作为“睡城”的布局有效缓解了中心城区的职住失衡[12]。总体上，职住功能相对单一的空间单元一方面可以在其内部织补缺失的功能业态，另一方面可沿主要公共交通廊道间隔布置就业中心和居住中心，在廊道上平衡职住关系，形成职住梯度邻近分布的格局。3 交通服务差别化相关性统计结果表明，长距离通勤是导致大城市职住分离度指标恶化的重要原因之一，本文提出的重点空间分析单元均与长距离通勤相关。以35座大城市通勤距离统计分布结果为例，通勤距离大于15km和25km的人口比例均值分别达到13.8%和6.3%，其中1/3的案例以超大城市和特大城市为主，其通勤距离大于15km的人口比例超过15%。无差别的交通服务、交通设施的“同城化”是导致长距离通勤、加剧城市扩张中职住分离的重要因素之一。城市管理者不能仅通过市郊铁路、城际铁路等设施的建设和运营不断满足长距离通勤需求，应当构建相对独立、城市功能完善的空间分区，区内与区间的交通设施、运营班线在服务标准、价格和组织上实现差别化，通过提高长距离跨区通勤成本引导城市职住活动在分区内进行，以交通供给侧改革促进职住空间选择更加邻近。写在最后职住分离度指标主要从城区整体的角度反映职住空间分布状态和匹配程度，指标值的改善对职住平衡的实现具有正向促进意义。然而，职住分离度指标仅仅提供了一个相对参考，任何城市在职住空间均衡布局和错位通勤改善方面均存在提升的空间。中国大城市内部各空间组织单元的情况异常复杂，城市管理者需要借助通勤大数据等技术手段提取重点单元，精准挖掘背后原因，进而综合土地开发政策、城市空间规划、交通设施管理等措施因地制宜地进行系统调控。同时，城市各空间单元的职住平衡是一个动态过程，可通过定期监测职住分离度指标实现对职住匹配相关政策的效果评估，研究政策对职住平衡发展过程的影响。参考文献(上滑查看全部)：[1] 刘贤腾，陈雪明，周江评. 就业-居住空间关系及通勤效率：过剩通勤的评估潜力[J]. 城市交通，2018，16(2)：10-18.Liu Xianteng, Chen Xueming, Zhou Jiangping. Study on Jobs-Housing Spatial Relationship and Commuting Efficiency: Evaluation Potential of Excess Commuting[J]. Urban Transport of China, 2018, 16(2): 10-18.[2] 孔令斌. 新空间规划背景下的城市交通规划[J]. 城市交通，2019，17(4)：8-10.Kong Lingbin. Urban Transportation Planning Under New Spatial Planning[J]. Urban Transport of China, 2019, 17(4): 8-10.[3] 杨超，汪超. 城市过剩通勤理论与职住平衡模型[J]. 同济大学学报( 自然科学版)，2013，41(11)：1712-1716.Yang Chao, Wang Chao. Excess Commuting and Jobs- Housing Balance Model[J]. Journal of Tongji University(Natural Science), 2013,41(11): 1712-1716.[4] 于鹏，姚伟奇，王继峰. 通勤出行与职住分布关系研究[C]//中国城市规划学会城市交通规划学术委员会. 新型城镇化与交通发展：2013 年中国城市交通规划年会暨第27次学术研讨会论文集. 北京：建筑工业出版社，2014：229-239.[5] 张艳，李春江，黄建毅，等. 基于多源数据融合的北京市职住空间特征研究[J]. 城市发展研究，2019，26(12)：37-45.Zhang Yan, Li Chunjiang, Huang Jianyi, et al. Spatial Characteristics of Jobs-Housing Relationship of Beijing City Based on Multi-Source Data Integration[J]. Urban Development Studies, 2019, 26(12): 37-45.[6] 宋小冬，杨钰颖，钮心毅. 上海典型产业园区职工居住地、通勤距离的变化及影响机制[J]. 城市发展研究，2019，26(12)：53-61.Song Xiaodong, Yang Yuying, Niu Xinyi. Study on Transformation and Influence Mechanizes of Residential Location, Commuting Distance of Typical Instry Parks in Shanghai[J]. Urban Development Studies, 2019, 26(12): 53-61.[7] 徐扬波. 居住就业视角下苏州工业园区职住空间研究[D]. 南京：东南大学，2016.Xu Yangbo. Research on Residential-Employment Space of the Suzhou Instrial Park Based on Residential-Employment Perspective[D]. Nanjing: Southeast University, 2016.[8] 陈静，王小攀，刘建，等. 2010—2017 年重庆两江新区职住空间时空演化特征分析[J]. 地理空间信息，2019，17(6)：80-84+88+9.Chen Jing, Wang Xiaopan, Liu Jian, et al. Spatio-Temporal Evolution Characteristics Analysis of Jobs- Housing Space in Chongqing Liangjiang New Area from 2010 to 2017[J].Geospatial Information, 2019, 17(6): 80-84+88+9.[9] 周滔，余倩. 居民个体属性对职住关系的影响：以重庆市为例[J]. 城市问题， 2018，270(1)：89-94.Zhou Tao, Yu Qian. The Influence of Urban Residents' Indivial Attribute on Job- Housing Relationship: A Case Study of Chongqing City[J]. Urban Problems, 2018, 270(1): 89-94.[10] 孔令斌. 城市职住平衡的影响因素及改善对策[J]. 城市交通，2013，11(6)：1-4.Kong Lingbin. Influential Factors and Improvement Measures for Job-Housing Balance[J]. Urban Transport of China, 2013, 11(6): 1-4.[11] 赵晖，杨开忠，魏海涛，等. 北京城市职住空间重构及其通勤模式演化研究[J]. 城市规划，2013，37(8)：33-39.Zhao Hui, Yang Kaizhong, Wei Haitao, et al. Job-Housing Space Restructuring and Evolution of Commuting Patterns in Beijing Metropolitan Area[J]. City Planning Review, 2013, 37(8): 33-39.[12] 杨明，王吉力，伍毅敏，等. 边缘城镇崛起下的特大城市职住梯度平衡研究：以北京为例[J]. 城市发展研究，2019，26(10)：12-20+2+49.Yang Ming, Wang Jili, Wu Yimin, et al. Study on the Gradient Balance of Jobs-Housing in Mega- City Under the Rise of Edge Cities: Take Beijing as an Example[J]. Urban Development Studies, 2019, 26(10): 12-20+2+49.[13] 周之疆. 多中心空间结构对城市发展的影响研究[D]. 天津：天津财经大学，2018.

中国江苏网讯 8月8日，江苏省城市规划设计研究院与中国电信股份有限公司江苏智观大数据中心在南京签署战略合作协议，并举行了“大数据与智慧城市研究创新实验室”揭牌仪式。双方将通过共建实验室、课题或项目合作、智库合作等方式开展长期深度合作，共同致力于大数据在城市规划、智慧城市建设等领域的全方位应用研究，促进城市规划技术创新，提高规划辅助决策水平，助力城市治理能力提升。江苏省城市规划研究会张鑑理事长、中国电信江苏智观大数据中心边延风董事长为实验室揭牌江苏省城市规划研究会理事长张鑑说，今年6月7日，《智慧城市顶层设计指南》国家标准发布，这也意味着我国智慧城市建设迈入了新的阶段，以大数据技术为支撑的新型智慧城市建设，将成为解决城市问题、提升城市治理能力、促进城市高质量发展的重要手段。大数据使规划师能够以全新的视角来认知城市、研究城市、规划城市。希望双方优势互补、务实合作，在大数据与智慧城市研究领域，不断探索、实践、总结，形成一批高质量的创新研究和应用成果，促进城市规划理论、技术、方法的创新，助力城市治理能力提升和城乡高质量发展。基于此，江苏省城市规划设计研究院成立了“大数据与智慧城市研究创新实验室”，将成为实现省规划院“城乡规划智库”和“高端‘江苏设计’服务商”战略目标的重要抓手之一。江苏省城市规划设计研究院梅耀林院长、中国电信江苏智观大数据中心丁晓燕总经理代表双方签订战略合作协议为进一步推进大数据应用研究向纵深领域拓展，更好地服务于城市规划与管理和城乡高质量发展，8月8日，江苏省城市规划设计研究院与中国电信股份有限公司江苏智观大数据中心在南京签署了战略合作协议。根据战略合作框架协议内容，双方将通过共建实验室、课题或项目合作、智库合作等方式开展长期深度合作，共同致力于大数据在城市规划、智慧城市建设、交通仿真决策、空间信息平台建设等方面的全方位应用研究，促进城市规划技术创新，提高规划辅助决策水平，助力城市治理能力提升，促进双方事业共同发展。江苏省城市规划设计研究院大数据应用研究团队架构大数据是智慧城市建设的压舱石，是实现精细化动态管理，改善居民生活品质的助推器。记者了解到，双方在大数据研究和应用方面都已深耕良久。省城市规划设计研究院院长梅耀林介绍，在规划信息化方面，该院承担建设的“江苏省数字城乡规划信息系统”，是全国首个省级城乡规划管理信息平台，也是住建部优秀示范工程。大数据应用研究方面，2014年成立大数据应用研究小组，经过持续努力，目前在大数据应用研究方面积累了大量新技术、新方法，初步建立起一套动态数据库和较全面的技术应用体系，掌握了一批专利、软著等自主知识产权，形成了相对完整的研发团队，研究成果在行业内产生了较好反响。江苏智观大数据中心董事长边延风说，2016年，中国电信江苏公司在全国率先成立智观大数据中心，利用丰富的数据源优势和领先的大数据技术，全力打造互联网信息服务平台，已形成智慧足迹、智慧广告、智慧洞察和智慧征信四大产品体系，覆盖交通、旅游、文化、体育、政务、公安等多个领域。其中互联网旅游监测平台、金陵网盾等多个项目，被评为“智慧江苏重点建设项目”。同时，与贵州、上海等大数据交易中心深入开展合作，在全国大数据行业形成一定影响力。交汇点记者 朱秀霞

随着移动互联网与大数据时代的到来，我们的生活开始与数据紧密捆绑。尤其是在城市区域，从日常消费到衣食住行，每一个行为背后都伴随着大量的数据交互。如何通过这些数据去分析一座城市的活力？如何在大数据中抽丝剥茧，寻找对城市治理有价值的数据？如何将多源的数据更好呈现给市民，让每个人通过数据感受到城市的变化？这些都是城市分析规划行业在努力探索的问题。由第一财经内部孵化、成立于2015年的「新一线城市研究所」，是一家致力于整合分析城市商业数据、地理数据、人口数据和互联网数据，用不同视角探究城市发展的数据研究机构。新一线城市研究所主要通过专业内容、定制咨询、数据平台，为广大读者、政企高校机构、品牌咨询用户提供数据产品及服务。图片来源：新一线城市研究所榜单背后的需求“新一线城市”如今已经成为广大读者耳熟能详的概念。这个概念最早由《第一财经周刊》在2013年提出，依据商业魅力为中国城市重新分级。每一年，新一线城市研究所会通过五大维度，近20家互联网公司提供的大数据，对337个地级以上的城市进行评估分析，形成一份排行榜单。随着榜单知名度的提高和许多专题内容的输出，越来越多政企机构开始对背后的数据维度和分析逻辑产生了兴趣，希望通过深层次的分析去提升城市各方面的运维管理。同时，各类研究机构以及房地产、消费等品牌方，因为缺少长时序多源数据和相关分析模型，也对城市大数据产生了强烈的需求。新一线城市研究所的主要合作客户包括华润、华侨城、万科、阿里云、中国城市规划设计研究院、世邦魏理仕、李宁等。图片来源：新一线城市研究所三条业务线：内容、咨询、平台为了应对不同客户的需求，新一线城市研究所目前主要有三条业务线：一、生产专业内容：内容业务是新一线城市研究所的基础和支撑业务。主要包括每年发布《城市商业魅力排行榜》和举办“新一线城市峰会”，以及在微信公众号、知乎等媒体渠道输出大量的城市数据分析研究成果和专题内容。二、定制咨询服务：咨询业务是新一线城市研究所最早尝试商业化的业务。咨询业务偏定制化解决方案，主要包括承接各级政府各个领域的研究课题，包括宏观经济、城市规划、商业发展等领域。针对不同城市的需求，通过数据的收集、分析和处理去提供咨询服务，以及政策制定的一些视角。三、知城数据平台：在2020年，新一线城市研究所推出的首个付费数据平台产品——知城数据平台。该SaaS平台以新一线城市研究所累积的城市榜单、知城指标体系、五大城市数据库、专业的指标算法为基础，为城市管理者、商务需求方、广大读者提供感兴趣的数据、分析与研究产品，并输出标准化的数据查询、数据分析、数据采购、数据可视化服务。图片来源：新一线城市研究所内容：背靠一财引流，扩大品牌影响专业内容的生产是新一线城市研究所的核心优势之一。无论是对咖啡馆、便利店、电影院的商业分析，还是对上海、郑州、重庆的城市观察，都通过高质量的可视化图表，将结论的推导过程展现在读者面前，也吸引了专业用户的大量关注。新一线城市研究所主编沈从乐告诉36氪，在内容生产中，《城市商业魅力排行榜》是比较核心的部分，也是每年大量读者的关注重点。《城市商业魅力排行榜》作为客观的榜单，有明确的评价维度和指标，不接受任何商业合作，也不承担新一线城市研究所的商业化目标。从《第一财经周刊》改版而来的《第一财经YiMagazine》杂志，目前在线上线下拥有较多发布渠道，约有20万左右的发行量。每年《城市商业魅力排行榜》会借助于《第一财经YiMagazine》杂志，以封面报道的形式进行全文刊载，让更多人看到榜单和相关报道，了解其中的研究方式。图片来源：新一线城市研究所咨询：基于数据分析，落地实施建议咨询业务是新一线城市研究所最稳定的业务，该业务最早始于和内容业务的协同联动。随着榜单的知名度提高，地方政府机构希望通过新一线城市研究所了解榜单背后呈现出的问题和相应解决方案。当前的咨询业务以项目制为主，根据用户定制化需求，匹配新一线城市研究所的相关能力以提供服务，例如提供政府课题的研究，城市运营的优化等。咨询业务体量从十几万到上百万不等，视课题需求决定。新一线城市研究所主编沈从乐以成都夜间经济评估案例为例，该咨询案例始于一份榜单中的夜间活跃度二级指标。成都市相关政府部门看到指数后产生了疑惑，虽然成都的夜生活非常出名，但夜间经济指标并不突出，他们希望了解背后的原因和解决方案。新一线城市研究所通过大量的数据分析，发现了夜间公共交通不太匹配的情况，并通过详细的大数据分析明确了哪些位置比较缺乏公共交通服务配套，是潜在的夜间经济的提升点。通过这样的大数据咨询方式，将一些可以落地的专业建议给到城市管理者，帮助提升城市运营管理。除此之外，新一线城市研究所目前在承接上海夜间经济专项规划，这是全国第一份专门针对夜间经济去做的城市级别规划，也是第一份基于大数据的方式去做夜间经济的专项规划。在这份专项规划中，新一线城市研究所根据大数据统计了上海夜间经济各个层面的表现情况，制定了一套大数据夜间经济的监测体系，为上海夜间经济发展提出更有建设性的意见，并且在做长期数监测启动工作。图片来源：新一线城市研究所平台：标准能力输出，累计用户过万知城数据平台于2020年9月正式上线。通过半年左右的发展，目前已累计过万专业用户，包括政府、高校、规划机构、咨询机构，品牌商等，主要针对有选址或战略规划需求的用户。新一线城市研究所产品总监，知城数据平台负责人毛怡玫告诉36氪，未来数年，知城数据平台将是新一线城市研究所的业务中心，尤其是在商业化领域。新一线城市研究所希望通过知城数据平台去触达更多的企业与机构客户，重点发展智慧城市的潜在客户，以及房地产、消费零售领域的一些商业客户。作为标准化数据平台，这块业务在市场上也具有很好的前景。知城数据平台当前有普通用户（免费）和会员用户（付费）的注册形式。经过用户访谈和调研，普通用户在试用期过后，整体的付费意愿较高。新一线城市研究所希望通过付费的形式，以覆盖数据开放和分析模型开发的成本。知城数据平台负责人毛怡玫表示，目前知城数据平台主要针对有专业使用场景的机构客户，正在考虑上线机构版，或是更批量输出企业级数据服务方案，实现更好地用户转化。针对独立的普通C端用户，新一线城市研究所也在做产品用户体验的升级，帮助用户更好通过可视化工具进行数据分析。图片来源：新一线城市研究所优势：融合多源数据，贴近业务逻辑新一线城市研究所团队当前共有15个人，除了基础的数据挖掘团队外，还包括咨询团队和知城数据平台团队。团队结构目前比较稳定，暂无快速扩张计划，在未来一到两年将以业务发展为核心，目前依然在投入期。在与第一财经的关联与业务协同上，新一线城市研究所主编沈从乐表示，第一财经给予了新一线城市研究所更好的媒体背书和曝光机会，也提供了更多传播渠道的流量支持，让新一线城市研究所能获得和调动更多的资源，包括可视化的能力，知城数据平台的技术支撑等等。同时，知城数据平台也完全对内开放，帮助第一财经的同事更好借助数据去分析和解读。作为一个大型财经类媒体，第一财经在城市规划、商业分析领域都与新一线城市研究所有许多业务关联点。沈从乐认为，新一线城市研究所的定位不是原始数据的售卖方。新一线城市研究所希望输出的是数据分析的结论和定制化的分析方法，而不仅仅是对于地理数据的简单加工。新一线城市研究所的核心能力是帮助用户把看上去杂乱的大数据进行处理，寻找对应业务场景逻辑当中的数据指标，来辅助所有商业和政府运营的决策。由于商业媒体的基因，新一线城市研究所非常贴近各行各业的业务需求，对业务逻辑的理解也更加深刻。并且通过过去五年的榜单制作和数据积累，也非常擅长多源数据的融合，通过多源的数据去验证决策信息的有效性。

本文转自【贵阳日报】；■题记5月25日，作为2016中国大数据产业峰会暨中国电子商务创新发展峰会的重要内容之一，“中国市长与大数据论坛贵阳峰会”与“智能城市大数据与基础设施建设论坛”如期举行。当前，信息技术与经济技术交会引发了大数据迅速增加，大数据在生产、消费、经济运行机制方面产生了重要影响。论坛与会的全国各地市长探讨和分享了有关大数据在城市发展中的应用成果及经验，大数据行业的知名专家、企业家们对智能城市大数据与基础建设进行讨论交流，促进了城市之间的资源互补与合作，推动了智能城市大数据与基础设施建设的研究和技术发展。在“中国市长与大数据论坛贵阳峰会”上，克拉玛依市副市长童中华、本溪市副市长曲刚等分别作了《克拉玛依发展与云计算产业的探索》、《数说“智慧山水本溪模式”的创变》等主题发言。“智能城市大数据与基础设施论坛”上，国家信息中心信息化研究部主任张新红、中国工程院院士刘韵洁等专家，分别作了《数据化城市的未来》、《未来网络与大数据发展》等主题发言。【中国市长与大数据论坛贵阳峰会】克拉玛依市副市长童中华：大数据和云计算相互促进不可分割克拉玛依市副市长童中华作《克拉玛依发展与云计算产业的探索》的主题发言。他说，大数据和云计算密不可分。大数据是云计算的对象，如果没有云计算，大数据就是意义不明的数据。而有了云计算我们就可以潜入大数据找出背后的规律和密码，从而进入我们未知的新天地。所以大数据和云计算相互促进，他们是信息时代不可分割的双雄。童中华说，在新疆云计算发展方面，克拉玛依市可谓是独树一帜。大家知道克拉玛依诞生了新中国第一个油田。产业结构的单一性为这个城市的未来发展带来了隐忧，为了实现可持续发展和快速发展，克拉玛依必须寻求多元化的发展，强占制高点。信息产业是当前成长性最好的产业，是21世界最大的经济引擎。对于身处祖国大西北的克拉玛依来说，发展信息产业无疑是快速发展的机遇。作为传统行业，石油行业注重上下游的关系，这种思维方式一度让他们的发展越来越窄，云计算和大数据带来的并联思维让克拉玛依逐步打破孤立状态。童中华说，大数据和云计算改变了生产方式。信息产品的丰富性和广泛性正使他们超越地域和行业的限制。克拉玛依的信息产业不仅服务石油产业，也服务于本市。大数据的生产和应用不仅将深刻改变我们的思维行为、商业模式、企业经营方式、企业运转方式，也给我们带来生活方式的改变。本溪市副市长曲刚：以“三创”原则建设智慧城市本溪市副市长曲刚作《数说“智慧山水 本溪模式”的创变》主题发言。他说，要创新平台、创新专项、创新标准，建设智慧城市。曲刚说，本溪市按照创新平台，创新专项，创新标准的原则建设智慧城市，经过两年多的建设取得了阶段性的成果。在本溪市的建设中，让社会资本参与，专业公司运营，共同打造了一支接地气的团队。同时，鼓励社会资源参与，为解决经费不足的问题，由神州数码共同出资成立了山水发展有限公司，承担信息惠民，创建工程的项目。通过合作协议，鼓励市商业银行，电信，联通，移动三大运营商投入资金到项目建设当中。在创新平台方面，本溪市按照条块结合的思想，强化平台应用服务为根本，先后启动了市民融合服务平台，云数据中心，社区党建和区域人口健康，信息平台建设项目。在创新标准方面，本溪市在智慧城市建设的过程中充分考虑了法律法规的重要性，也考虑了这一工程的规范性，因此决定制订市一级的标准，为后续的共享和管理打下了良好的基础，确立了规范，原则和标准。渭南市副市长王建平：要提供大数据落地运用渭南市副市长王建平作《快速发展大数据，打造经济新引擎》主题发言。他说，要不断夯实信息化基础，切实增强大数据发展动力；要大力推进智慧城市建设，积极探索大数据发展布局。同时，要提供大数据落地运用。王建平说，“十三五”期间，渭南市将进一步发挥大数据在经济发展与城市转型进程中的先导支撑作用，加快共享开放，信息工业化和农业现代化的发展。在创新社会管理，促进经济社会发展，信息惠民方面创新突破，利用政策优势为大数据中心奠定基础。同时，要依托信息化平台，推动服务型政府建设，按照统一标准，构建政府大数据中心，建立政府部门和事业单位公共机构数据清单，开放共享标准。全面整合医疗、教育、食药、旅游等信息资源，充分发挥信息资源的综合价值。与此同时，依托省级工业云中心，推进产业转移升级；完善农业类基础信息采集渠道，建立三农基础信息库。此外，创造政策和环境优势，促进数据性网络经济发展。济宁市委常委、高新区党工委书记白山：三线城市发展大数据产业大有作为济宁市委常委、高新区党工委书记白山作《云聚济宁智汇高新》的主题发言。他认为，在发展大数据产业上，三线城市也可以大有作为。白山说，济宁选择了发展信息技术产业，一是基于有传统与现代科技相结合的优势，济宁的资源非常富饶，城市现在依托高新区打造了信息产业基地。二是基于有中华文化与现代文明结合的优势。济宁确定了人才、产品、产业发展的路径。白山说，站在巨人的肩膀上有事半功倍的效果。合作伙伴决定了发展的层次。选择发展信息产业只是走对了路，要想成功要选对人做对事。白山说，信息产业是新时期的基础配套，是推动产业转型，丰富城市内涵，改善民生福祉的重要工具。所以理念是要和现有的产业结合，推动互联网、云计算、电子商务在传统领域的广泛应用。廊坊市政府党组成员张春生：廊坊市WIFI已经成为公共产品廊坊市政府党组成员张春生作《发展大数据产业的优势和实践》主题发言。他说，廊坊市无线WIFI已经成为公共产品。张春生重点讲了环保云。他说，针对津京冀地区雾霾比较严重的问题，2015年开始他们建立了各种的传感器，超级智能站，移动检测车，无人机等，中午时间可以提供高空3000米到地面的各种数据。在大数据的引导下，在改善民生上确实起到了作用。此外，廊坊市无线WIFI已经成为一个公共产品，WIFI就像水电燃气一样有很强的需求性，同时背后也需要重要的安全性。所以提供服务的时候政府必须要介入，同时要引入企业保证公共产品的效果。现在廊坊引入了企业的投资，政府不花一分钱，所有的数据都存放在政府的中心，所有产权都归政府。企业通过市场化运营盈利，现在廊坊已经完成了700个热点，预计年底完成5000个。【智能城市大数据与基础设施建设论坛】国家信息中心信息化研究部主任张新红：数据开放是建设数据化城市的突破口国家信息中心信息化研究部主任张新红作《数据化城市的未来》的主题发言。他说，所有能数据化的都将数据化，数据化城市是城市升维的标志，数据开放是建设数据化城市的突破口。张新红说，数据化当中，第一是将事物及其运动转化为可识别信息的过程；第二是利用基础数据全面认知并优化改造客观世界的过程。张新红说，大数据是数据化的集中体现。大数据不同小数据，大数据为什么现在发展得这么快，有一些推动力，包括摩尔定律的作用，互联网的发展，传感设备的作用，都会使大数据发疯式的增长。大数据的种类包括传统的统计数据，大数据为什么这么重要，就是可以做过去小数据做不了的事情。张新红将大数据做了简单的归纳，分为五个方面，第一识别，可以识别身份、位置、状态、真假。第二是重现，再现、追溯。第三是关联，通过相关关系，分析联想，聚类。第四是产生新数据、发现规律。第五是预测，对经济、天气、灾害、疾病、行为进行一些预测的分析。张新红说，大数据使过去不可计量、储存、分析和共享的很多东西都被数据化，表示人类在寻求量化世界的道路上前进一大步，人们认识世界的能力空前提高。张新红说，从工业化城市到信息化城市，从农业社会到工业社会再到信息社会就是不断升维的过程，信息革命缔造了信息社会，信息革命已经把人类带入了信息社会。城市升维是从工业化城市到信息化城市实现特征、功能、能力的质变式提升。信息化城市是信息社会的城市，数据化城市是包括设施、经济、社会、政务、生活在内的高度数据化的城市。张新红说，数据能力，是信息时代城市竞争力的核心要素，将来的城市竞争也将依靠数据化进行竞争。同时，数据开放将是数据化城市的突破口。他说，他特别赞同舍恩伯格的话，“政府不需要去补贴和建立所谓新兴产业，只需要开放政府的数据，就能培养一个新的增长点，新型的服务业。”中国工程院院士刘韵洁：全球未来网络发展方向是服务定制网络（SCN）中国工程院院士刘韵洁在数博会“智能城市大数据与基础设施建设”论坛上发表主题演讲。他认为，经过约40年的发展，互联网取得了巨大成功，但现有网络面临着严峻挑战，为实现“互联网 ”，必须采用新的互联网技术架构，全球未来网络发展方向是服务定制网络（SCN）。刘韵洁说，互联网发展到现在，进入对实体经济深度融合、解决实体经济当中问题的阶段。无论是中国的“互联网 ”，美国的“工业互联网”，还是德国的“工业4.0”，都是互联网对实体经济深度融合的成果。刘韵洁说，据麦肯锡预测，2013年到2025年间，互联网在中国GDP增长中的贡献可望达到7%到22%。众所周知，“工业4.0”首先要解决企业之间的互通问题，需要产业价值链以及信息网络实现资源的整合，达到各企业的无缝合作。而互联网与实体经济的融合需要解决各行各业的整合，挑战十分严峻。刘韵洁说，传统网络结构不灵活，不能适应不断变化的新业务需求，网络可持续发展形势日益严峻，服务质量难以得到保证，为实现“互联网 ”，必须采用新的互联网技术架构。刘韵洁说，世界范围内，许多国家在防范网络攻击方面进行了一系列的法律法规，却面临非常大的网络的挑战。现阶段信息网络在实时性、安全性和灵活性等方面满足不了应用需求，所以，产业进程中SDN（自防御网络）技术发展成为趋势，通过逻辑集中式控制，从传统傻瓜网络变成智能的网络，从没有大脑变成有大脑，为互联网带来了巨大的变革。对于全球未来网络的发展方向，刘韵洁希望是服务定制网络（SCN）的概念。未来网络应该是简单、开放、可扩展、安全可靠、融合的，运营商要能够高效、灵活地调度网络及信息资源。交通运输体系的差异化运输方式值得借鉴：用户可根据需求选择不同的交通运输方式，并支付不同的费用。面向未来，网络能够灵活地提供差异化的服务，质量保证势在必行。刘韵洁认为，全球“产业互联网”发展的大潮将有十分巨大的市场前景，全球运营商、设备商、研究机构各方面可以更多的联合创新，在网络核心技术方面突破。积极开展体制机制创新，创建新的激励机制，加强行业技术的人才培养。中国一定会抓住这个机会，从网络大国变成网络强国。同济大学副校长吴志强：大数据为城市规划“以流定形”创造条件同济大学副校长吴志强在数博会“智能城市大数据与基础设施建设”论坛上发表主题演讲。他认为，大数据为城市规划提供源源不断的数据源，从表层的形态挖掘其下的流动要素，从而制定和总结出城市发展模型和方法，最终实现智慧城市。吴志强说，作为城市规划方面的工作者，希望的是城市更智慧，生活更美好。然而，现在城市化空间面临巨大挑战，规模大、速度快、密度高。城市面临压力，环境恶化、交通拥堵。人们的生活质量在提高，但所有人都不满意。吴志强说，在这样的情况下，我们的规划应对是“以流定形”的方法。每一个规划从头到尾要决策的东西，都需要数字化决策，传统数据源特别少，而到了大数据时代数据量是源源不断的。同时，现在的数据不同于以往是静止的、孤立的，而是不停流动的、互相联系的。对于做城市规划的人来说，大数据时代的到来是让人振奋的。吴志强说，大数据使得地图上的数据鲜活起来，为城市规划者提供了透过地图上每一个标志，看到其背后所代表的流动数据的能力，和通过数据放大每一个人、每一条路轨迹的用途。城市规划中，要通过大数据大量地抓住人流、自然流和功能流。通过对人流路径、人流密度的模拟，可以清楚地看到每个地方发生的场景，然后根据数据的整合进行规划。例如，在地铁线按照人的手机在哪里流动、白天晚上的密度做大量的模拟，来选择站点的设置是最准确的，通过大数据的模拟对城市规划是非常好的精准的测算。吴志强说，现在的目标就是通过“以流定形”，把整个城市规划成无障碍的可以流动的空间，再过几年，智慧的城市规划必将让更多人享受便利。编辑：李平平统筹：徐倩编审：干江沄

新京报快讯（记者 周依）1月28日，北京城市大数据研究院在石景山区揭牌成立。记者从石景山区获悉，研究院将致力于用大数据驱动城市创新，着力解决“大城市病”及其他城市治理和发展难题，构建高精尖产业结构，带动以智慧城市建设为核心的产业发展。未来，该研究院将针对城市治理难点，提供如智能交通、工业互联网、应急管理、大气污染防治、扬尘及渣土车治理等方面的服务，并将利用视频检测、深度学习等前沿技术方法提高服务能力和综合治理水平。据介绍，北京城市大数据研究院将采用“1+3+N”建设模式，发挥大数据、人工智能、物联网、边缘计算等新兴技术的价值，整合北京乃至全国政、产、学、研、资相关单位的技术、资金、人才资源。其中，“1”是指一个一体化大数据开放创新平台，这个平台将接入北京石景山地区60余个委办局的数据资源，整合社会数据资源，方便民众、企业和科研机构使用。“3”是指以“创新产业联盟”、“创新引导基金”和“科创孵化平台”作为研究院三大支撑。“创新产业联盟”将整合北京地区各新兴技术产业的产业力量、规范产业标准，形成集研究开发、成果转化、行业服务、人才培养于一体的协同创新体系。联盟内部各单位可以有条件地免费使用研究院的海量数据资源、优先获得政策咨询和技术资源、领衔起草领域内国家和行业标准等。“创新引导基金”是研究院通过引导社会多元资本投入，用以支撑科技创新的基金，计划资金总规模10亿元。“科创孵化平台”是指研究院将为科技型中小企业提供研发、生产、经营的场地和办公方面的共享设施，提供政策、管理、法律、财务、融资、市场推广和培训等方面的服务，以降低企业的创业风险和创业成本，为社会培养成功的、服务于民的科技创新企业。“N”是指研究院将面向城市治理、公共服务、新兴产业等方面产生多项成果服务社会。新京报记者 周依 编辑 吕银玲校对 王心

中国青年报客户端北京11月30日电（中国青年报.中国青年网记者 原春琳）北京本地的高校应该如何主动适应北京发展功能定位，适应产业创新和跨界（学科）融合，全面提升服务北京的能力？北京联合大学试图凸显自己在北京高等教育中“北京味道”的独特定位。今天，北京联合大学召开“城市服务大数据研究与应用”学术论坛暨“城市服务大数据中心”成立仪式，高铁经济研究院也于当天揭牌。这所学校试图通过这两个新机构，为北京的城市服务提供技术支撑与智力支持。面对新形势、新任务、新要求，据介绍，北京联合大学认识到学校已经进入了新的转折期，要主动适应北京发展功能定位，把专业人才培养融入到国家战略、区域发展、产业变革之中，鼓励各专业主动适应产业创新和跨界（学科）融合，基于学校多学科特点开展专业群建设，培育专业特色发展方向。据介绍，城市服务大数据中心除了为北京联合大学的学科建设、人才培养、社会服务提供产学研深度融合、共建共享、大数据驱动的管理与决策创新平台外，还将努力为政府的管理决策提供服务。中心的运行模式为“1+5+N”，即1个中心、5个学科交叉平台和N个应用场景。当天揭牌的高铁经济研究院将围绕北京这座高铁网络的中心节点城市，研究高铁的经济效应、社会效应、技术效应等，优化北京的空间布局和经济结构，提升北京市行政管理效率和为中央政务服务的职能，为服务北京“四个中心”建设提供有力支撑。