大數據與土地管理大數據的特點

相關關系比因果關系更重要老王開了個包子鋪，有時做少了不夠賣，有時做多了沒賣完，兩頭都是損失。老王琢磨著買包子的都是街坊，他們買包子是有規律的，例如老張只在周六買，因為閨女周末會來看他，而且閨女就愛吃包子。于是老王每賣一次就記次賬，誰在哪天買了幾籠包子，并試圖找出每個街坊的買包子規律。數據雖然越記越多，但老王啥規律也沒找出來，即使是老張也都沒準，好幾個周六都沒來買，因為他閨女有事沒來。有個人給老王支招，你甭記顧客，就記每天賣了多少籠就行，這個法子明顯簡單有效，很容易就看出了周末比平時會多賣兩籠的規律。這個例子雖然簡單，卻道出了大數據的一個重要特點【相關關系比因果關系更重要】，周末與買包子人多就是相關關系，但為什么多呢？是因為老張閨女這樣的周六來吃包子的人多？還是周末大家都不愿意做飯？對這些可能性不必探究，因為即使探究往往也搞不清楚，只要獲得了周末買包子的人多，能正確地指導老王在周末時多包上兩籠，這就行了。要相關不要因果，這是大數據思維的重要變革，以前數據處理的目標更多是追求對因果性的尋找，或是對猜測的因果性的驗證，人們總是習慣性地找出個原因，然后心里才能踏實，而這個原因是否是真實的，卻往往是無法核實的，而虛假原因對面向未來的決策來說是有害無益的。承認很多事情是沒有原因的，這是人類思維方式的一個重大進步。要全體不要抽樣傳統的調查方式都是抽樣的，抽取有限的樣本進行統計，從而得出整體的趨勢來，之所以選擇抽樣而不是統計全部數據，只有一個原因，那就是全部數據的數量太多了，根本沒法操作。抽樣的核心原則就是隨機性，不隨機就不能反映整體趨勢性。例如搞一個保暖內衣的調查，找了一群精壯的武警戰士試穿，戰士們穿上了普遍反映不冷，但這并不能說明內衣的保暖效果有多好。抽樣隨機性的道理誰都知道，但要做到隨機性其實是很難的。例如電視收視率調查，要從不同階層隨機找被調查人，但高學歷高收入的大忙人們普遍拒絕被調查，他們根本就不會為幾條毛巾贈品而耽誤時間，愿意接受調查的多是整天閑得無聊的低收入者，電視收視率的調查結果就可想而知?；ヂ摼W為大數據的采集帶來的新手段，云計算為處理大數據帶來了新方法。還以電視收視率調查為例，互聯網電視普及后，每一部電視正在收看什么節目的信息會毫無遺漏地發送到調查中心。這就是大數據的第二個特點【要全體不要抽樣】，對全部數據進行統計分析，其結果當然會更加準確。要效率不要精確俗話說的好，蘿卜快了不洗泥，既然我們要的是全體數據，自然會夾雜進來一些錯誤的數據，這是難以避免的。我們傳統的數據分析的思路是“寧缺勿爛”，因為傳統小數據分析的數據量本身并不大，任何一個錯誤數據都有可能對結果產生相對較大的負面影響，對錯誤數據必須花大精力去清除，這是小數據時代必須堅持的原則。大數據時代的原則就變了，變成了【要效率不要精確】，并不是說精確不好，而是因為在大數據時代是做不到的，如果繼續把排除錯誤數據作為重要工作，那大數據分析就進行不下去了。更重要的是，大數據分析的目標在于預測，而不在于追溯以前發生過的事件的真相。結論：與以往的抽樣統計不同，大數據使用的是全部數據，更著重的是效率而不是數據的精確性，關注的是相關性而不是因果性，這些特點造就了大數據對事物發展的極強的預測能力，它可以給我們帶來更安全更便捷的新生活，同時也給個人隱私帶來了巨大的威脅，對掌握公民隱私信息的公權力的嚴格控制，應該成為全社會的共識。大數據的引入隨著大數據時代的到來，“人-地-時”關系融為一體的大數據也逐步走進并融入城市規劃的領域，這將慢慢打破傳統城市規劃以政府和專家的價值判斷為核心以及定量研究不足的桎梏，為公眾參與規劃提供了新方法和新視野，將“德先生和賽先生”請入了城市規劃界做客。規劃和土地管理的終極目的是為人服務。傳統的規劃和土地管理以“小”數據為基礎，它只能告訴規劃者和管理者人住在哪里，而無法告訴人在時空位置、行為特征的相關性。規劃者和管理者都希望獲取人具體屬性與時空位置，然而在傳統的技術條件下，這項工作有太多實踐層面的難度。從大數據的視角來看，獲取這些信息并不需要入戶調查，如果居民攜帶手機，手機基站會記錄人的位置信息；居民搭乘出租車或公共交通，也會有完整的時空路徑信息；甚至是步行，在多數時間內也會被攝像監控器捕捉到，由此看來，有太多的大數據尚未被分析和挖掘，而其中太多的信息又是在規劃與管理的過程中非常需要的。所以，大數據能夠相對準確告訴規劃和管理者人的時空行為特征，依據這些判斷，我們的規劃與管理才能更加人本主義。大數據在規劃和土地管理中的應用大數據有利于提高規劃決策水平規劃和土地管理的目的是為城市居民服務，了解居民的時空行為有助于切實提高規劃和土地管理水平。以交通擁堵為例，交通擁堵可以分為岔路口交通擁堵和線路交通擁堵，岔路口交通擁堵是由運動型瞬間共存的時空路徑類型造成的，產生交通擁堵的程度相對較重，但是影響時間一般較短，比較容易通過立交橋的修建和合理的交通疏導來解決。線路交通擁堵是由運動型持續共存的時空路徑造成的，產生交通擁堵的程度相對較輕，但是持續的時間較長，影響也較大，是城市內部交通擁堵產生的主要原因。通過大數據對居民出行的時空路徑研究，進而通過土地空間布局優化，預控降低居民出行過程中運動型持續共存的概率，有助于交通擁堵問題的解決，提高城市規劃決策的科學性。在未來的研究中，分析不同單元土地上居民活動的聯系強度可以判斷地塊之間的交通流量，通過居民活動需求分析可以演繹基礎設施和公共服務設施的土地需求，從而為城市規劃和土地管理服務。大數據有利于提高城市空間擴張預測的精度城市規劃中，城市建設用地空間擴展是一項重要的內容，是布局的基礎。對城市建設用地空間擴張進行預測，需要對城市空間擴張的影響因素進行細致分析并加以預判。在傳統的城市建設用地空間擴張模擬中，高程、坡度、與中心城區之間的距離、與中心鎮之間的距離和交通優勢度都是重要的影響因素。然而除此之外，還應考慮到地鐵站點、大型超市、學校、醫院和圖書館等設施對城市空間擴張的影響。通過大數據可以方便地提取這些設施的位置信息，從而作為一個重要的影響因素融入到城市建設用地空間擴張的模擬過程中。下圖是通過百度地圖獲取泉州灣地區某公共服務設施的位置信息，然后將其作為多智能體模擬的影響因素。在未來城市空間擴張預測的過程中，可以把相關大數據熱點納入到城市空間擴張影響因素體系中，從而提高城市空間擴張預測的精度。大數據有利于精確預測區域

空心村分布隨著城市化的推進和不斷深化，農村人口加速向城市（小城鎮）轉移，這一空前盛況催生出大量的空心村。在城鄉一體化背景下，空心村問題是未來城鄉規劃的重點話題，也給未來的城鄉規劃提出了諸多挑戰。這其中，空心村的識別是其中一項非常重要的基礎性工作。通過傳統的土地利用信息難以有效地識別空心村的分布。通過實地調查可以識別空心村，但是較為費時、費力。通過手機通話等大數據的輔助，可以提高識別空心村的準確性。如圖是江西省某行政范圍內單位面積內的手機通話數據，在傳統土地利用數據和人口普查數據的輔助下，可以方便的獲取空心村的分布狀況。此外，通過對不同時間尺度手機數據進行分析，還可以對空心村空心化的程度和周期性進行分析，為鄉村居民點規劃以及基本農田保護服務。大數據有利于提高存量土地的利用效率當前我國已經處在城市化快速發展的中后期，尤其是東部沿海地區，提高存量土地的利用效率是未來新型城鎮化背景下城市土地利用的必然選擇。但是如何尋找并發現低效土地資源很難，尤其是受困于傳統數據的獲取、分析方式的限制，人們不能夠在空間上實施精確“制導”，準確發現低效土地“在哪里”。隨著大數據時代的到來，這一問題將會變得越加容易，通過多渠道、多層次的大數據獲取分析，我們可以提高土地利用效率評價的準確性。下圖是通過廣州市出租車GPS數據分析得出的城市活躍度的狀況，可以作為存量建設用地評價的重要指標。在更小時間尺度數據的支持下，不僅可以分析城市土地利用效率的總體水平，還可以分析不同時段城市土地的利用效率，為存量土地的挖潛提供空間指引。大數據有利于優化規劃設施布局城市規劃中存在的日常生活設施配置不合理問題飽受詬病。對于城市日常生活設施布局合理性進行評價，不僅可以優化規劃設施布局，提高城市居民步行出行便利度，而且是節能減排、改善城市人居環境的重要一環。

傳統方法由于受到數據獲取的限制，只能通過現場調查等方法來獲取日常生活設施的空間分布。利用百度地圖API和微博簽到數據可以快捷獲取所需數據，服務于城市日常生活設施布局合理性進行評價。如圖是利用百度地圖API數據得到的深圳市福田區步行性評價結果，其與微博簽到密度呈顯著正相關關系。在未來基礎設施和公共服務設施的空間規劃中，不僅可以通過對前期大數據的分析提高規劃的科學性，而且可以通過實時信息的發布引導居民對設施的使用行為，避免設施在特定時間內的閑置或過渡利用。大數據有利于為大氣污染防治提供政策參考近年來，灰霾事件頻發，大氣污染成為了社會各界討論的熱點問題。傳統途徑難以在城市尺度研究大氣污染在城市尺度的空間分異，探究各因素對大氣污染分布的貢獻更是望塵莫及。大數據可以便利地搜集交通流量，餐飲排放等污染源的空間分布信息，通過建立統計回歸模型分析各因素對城市大氣污染物濃度空間分布的影響。下圖是通過土地利用回歸模型模擬的北京市PM2.5濃度空間分布。模型結果顯示，交通排放對于PM2.5濃度分布的貢獻很大，而通過大數據抓取的飯店分布（表征餐飲排放）對于其影響則不顯著。通過大數據可以研究環境污染的因果聯系，其研究結論是可以作為環境污染防治的決策參考，進而通過城市規劃和土地管理解決環境污染問題。總結與展望大數據時代，規劃和土