时空大数据的特征概述时空大数据是同时具有时间信息标签、地理位置标签的一种数据，是时间信息与空间信息的组合。伴随近年来，我国信息技术的飞速发展，尤其是移动互联网技术、智能手机、移动终端设备的全面普及，以手机信令数据、互联网定位数据为代表的时空大数据，能够较好地反映绝大多数人群的时空行为轨迹，为探求城乡空间内人群的时空行为特征提供坚实的基础，从而为国土空间规划在各环节的工作推进提供广泛而有力的支持。近5年来，将时空大数据技术作为一种支撑技术，用以解决规划中面临的议题成为主流。本文从时空大数据技术的六个应用场景与四个实施阶段入手，阐述当前时空大数据技术在国土空间规划中的实践应用现状。时空大数据技术在国土空间规划中的六大应用场景当前、时空大数据技术已在国土空间规划中的人口规模与分布、职住空间关系、公共中心体系、设施服务范围、城市空间关联、城市活动与街区活力等领域中得到广泛应用。依托时空大数据技术能够突破传统方法的局限，相对更高效率、更低成本地回应上述规划议题的应用需求。1、针对人口规模与分布的应用场景，时空大数据能够侦测以往不可获得的人口信息依托手机信令或者互联网定位数据，能够实现对城市各类人口规模与人口空间分布的识别与统计。时空大数据技术除了识别城市常住人口外，还能有效识别城市实际服务人口、短期驻留人口，实现对各类人口规模的估算与各类人口分布的探索，突破传统调查方法在人口调查统计上的局限，极大地扩展了对城市人口规模变化态势的认识能力。相比传统调查方法，依托时空大数据技术的人口统计还能自由界定统计边界与计算时段，相对更低成本、更高效率地实现对城市人口规模，城市内各单元人口分布的估算，有效地辅助开展针对城市各类人口的计算，发现城市人口分布的快速变化地区。同时，通过大数据统计人口与传统调查人口的比较与验证，可以在每十年一次的全国人口普查间隔期内，更准确地掌握各城市的常住人口变化态势。2、针对职住空间关系的应用场景，时空大数据能够揭示不同空间尺度下的职住关系采用时空大数据技术手段还可以揭示城市与区域空间中的职住关系，这种技术手段既适用于城市内部的职住空间分析，也可以用以揭示区域内的跨城通勤关系。通过测度研究时段内移动设备用户日间、夜间的驻留行为，判断设备用户的就业地与居住地，从而构建通勤流动OD联系，直观地反映通勤流动规模与流向。时空大数据技术的优势体现为数据采集空间范围广、样本量大、数据处理相对简捷，便于实现对跨城通勤行为产生的职住空间关系测度。通过改变统计空间单元，时空大数据可以满足不同空间层次的分析需求。此外，对数据进行定期采集、分析，可以实现对同种活动的长期有效监测，揭示都市圈内职住关系演化动态。3、针对公共中心体系的应用场景，时空大数据能够揭示公共中心等级与服务范围通过时空大数据技术识别移动设备用户在居住、就业行为以外的空间活动行为特征，即其到访停留地，可以适用于对公共中心体系的分析。当前，使用时空大数据，能够明确识别到访公共中心人群的居住地、游憩地等日常生活停留地，统计各公共中心的访客人群来源与规模，从而为城市公共中心规划提供支持。在针对上海公共中心体系的分析案例中，结合两个年份数据，通过比较各公共中心到访人数的变化，进一步探讨了上海公共中心体系的演变特征。时空大数据广泛覆盖了到访公共中心的访客人群，从全体访客的视角出发对公共中心服务规模、服务群体来源、服务职能等方面进行解读，弥补了传统方法调查分析的局限性。同时，利用多年份时空大数据的积累，通过不同年份公共中心服务特征的变化，挖掘公共中心的演变特征，继而为公共中心体系规划提供决策支撑。4、针对设施服务范围的应用场景，时空大数据技术能够揭示设施的主要服务范围承接前述对城市公共中心体系的分析思路，对设施服务范围的研究本质上是将分析对象聚焦于尺度相对更小的对象之上，探讨设施的主要服务范围。依托时空大数据技术识别设施使用者的来源地、目的地，立足于空间视角揭示设施的主要服务范围，并进一步比较同类设施之间的服务特征差异。在结合设施性质、区位、规模等级等因素的基础上，能够揭示设施与城市居民的日常生活联系，从而判断设施的实际服务效能、服务水平特征。时空大数据技术能够广泛适用于对各类设施的分析，包括且不限于机场、高铁站、公园与地铁站等设施对象，其信息采集规模大、范围广、数据的实时性高。通过周期性的设施服务范围变化分析，还能揭示研究设施的动态服务特征，从而有效支撑设施服务评估、设施服务需求预测、设施规划设计等需求。5、针对城市空间关联的应用场景，时空大数据技术能够反映城市间的流动联系特征从区域层面看，时空大数据所反映的城际人员要素流动能够揭示区域内的城际流动联系特征，从而更直观地表征城市间的人员联系乃至功能联系。依托时空大数据所识别的用户跨城流动出发地、目的地，能够测度城市间的流入、流出规模，揭示城市间的人员流动特征。此外、通过识别一定区域范围内的城际人员流动规模、流向，还能够有效测算城市群空间体系。通过识别一个城市大规模人员流动的空间高值集聚范围，测度城际流动联系视角下的都市圈范围。时空大数据技术能够在更广大范围内获取尽可能多的人员流动轨迹，极大降低了数据获取的成本，显著提高了研究对象的规模，能高效地获取不同特征时间段的城际间人员流动数据，为更准确地认识城市区域的空间联系特征提供保障。6、针对城市活动与街区活力的应用场景，时空大数据技术能够刻画城市活力从市区、街区层面看，依托时空大数据可用于探讨城市居民活动强度与空间的关系，能够有效识别各个特征时段下城市与街道空间等不同尺度下的人员活动及其动态特征，从而刻画城市与街道空间活力。传统观点认为城市建成环境对城市与街道活力具有重要影响，借由时空大数据可以揭示以街道尺度、建筑密度、消极边界等建成环境因素对城市活力的影响关系。同时、时空大数据技术可用于规划设计理论的检验与探索。以上海南京西路为例，发现城市街道的空间活力受到街道长度、人行道宽度、商业界面连续性等建成环境因素的显著影响，探讨了城市空间街区活力与建成环境之间的内生关系。时空大数据技术在国土空间规划各阶段的应用在国土空间规划全周期流程中，时空大数据技术能够在多个规划阶段发展有效作用。目前、能够有效嵌入基础调查、现状分析、实时监测、建模预测四个规划阶段，时空大数据技术有效解决了国土空间规划传统方法难以解决的议题。在四个阶段中，时空大数据技术应用技术发展不尽相同。1、基础调查：估算城市实际服务人口、人口变化规模与人口分布特征时空大数据技术在规划业内的早期引进以基础调查工作为开端。事实上、时空大数据技术的应用并不是以代替传统调查方法对目标，而是寻找到早先基于常规方法难以调查的内容进行突破，从而挖掘时空大数据技术的优势。这种新技术的突破尤其体现在对城市人口规模与空间分布的调查上。通过时空大数据测度城市人口规模与空间分布，一方面能够弥补常规调查无法测度的实际服务人口、短期驻留人口，有助于更合理高效地引导资源配置与服务设施布局。实际服务人口、短期驻留人口是为了回应规划需求而催生的人口调查需求，当前两类人口指标均已被纳入到自然资源部的规划评估监测指标体系内。一般而言、城市的实际服务人口为短期驻留人口与常住人口的总和。采用时空大数据技术能够有效地识别城市的短期驻留人口及其空间分布特征。以连续两年对武汉市的人口调查为例，武汉市域内短期驻留人口与常住人口的比值约为3.5%-6%区间，均值为4.91%，即武汉市域内实际服务人口约为常住人口的1.05倍。2、现状分析：揭示设施的实际服务范围及其对周边环境与设施的影响依托时空大数据技术进行现状分析与评估是较成熟且已获得广泛认可的应用实践手段。时空大数据技术以补充传统方法的不足之处为目标，探索常规现状分析方法难以实现的途径，获得更为完善的分析结果。以针对上海郊野公园服务现状特征的分析为例，使用手机信令数据揭示上海郊野公园到访游客的时空行为特征。从公园与城市关系，公园与周边村镇关系，公园内部功能流线三个方面对已经开园的上海郊野公园进行评价，并为上海郊野公园规划设计提出建议。时空大数据技术的主要突破点在于，通过游客活动时空特征测算了游客居住地，得到了公园实际服务范围。其次，通过游客在郊野公园内部不同位置停留比例，得出游客在公园内部的游览动线情况。再次、通过测算郊野公园游客当日到访公园周边地区活动，评估郊野公园与外围村镇地区的发展联动状况。由此回答了上海郊野公园的游客从哪里来，在园内如何进行游览，离开后还去了哪里三个值得明确的问题。3、实施监测：动态跟踪城市建设用地的人员活动强度并识别低活动强度建设用地时空大数据具有高频更新的突出特征，使其具有了用于规划实施监测的可能性。考虑到全国各地在广泛探索时空大数据技术融入国土空间规划“一张图”实施监督系统的背景下，挖掘时空大数据技术服务于规划实施监测具有重大意义。从实践看，时空大数据技术已能够有效应用于对建设用地的使用效能监测，识别低活动强度建设用地。依托时空大数据，能基于人的活动，评估现有建设用地内的人员实际活动效率，实现对人与地的综合监测。基于遥感影像的传统建设用地监测是仅基于“地”、“物”感知角度的监测手段。而基于时空大数据实现的建设用地监测，则是从人的活动视角出发，继而与遥感影像识别的现有建设用地进行对比，实现了“人”与“地”感知角度的合一。该方法尤其适用于对特大城市、大城市的规划实践监测，能高效快速、大范围全面监测市域内建设用地上的人员活动强度，识别相对低活动强度建设用地。该监测手段能够快速、大范围地监测全市建设用地上的人员活动强度，快速识别低活动强度建设用地。因此，适合融入全国、省级的国土空间规划实施监测平台，例如纳入 “省级一张图实施监督系统”。4、建模预测：时空大数据与城市模型相结合实现对城市发展的预测规划职责是应对未来，时空大数据是否能用于对未来发展趋势的预判，这也是近些年探索技术前沿。通过城市模拟构建模型是最常用的规划预测技术。时空大数据技术与城市模型方法结合，能够服务于建模预测的需求。将时空大数据与建模方法结合起来，用时空大数据校正模型，用模型预测未来。“大数据+城市模拟”是一种较为可行预测城市未来发展的预测手段。时空大数据技术的引入能够实现对建模模型的验证，由此获得大数据观测数据验证的模型，使其能更可靠地用于模拟预测。以针对“南昌--九江”区域的四座城市中心城区势力范围预测为例，采用手机信令数据进行城市势力范围的观测，结合huff模型校正其参数选取，在假定现有的区域交通体系不变的前提下，模拟该区域内四座城市中心城区势力范围的变化趋势，实现对未来发展态势的预测。在案例中，依靠时空大数据技术所观测的城市与周边地区的流动数据，不仅是直观反映城市腹地关系的数据基础，也是完善城市模拟预测的重要一环，有效支撑了城市模拟中的模型验证。目前、“时空大数据+城市模型”的预测途径是时空大数据用于规划预测的技术前沿，但依然停留在学术研究中，尚未走入规划实践领域。总结当前，时空大数据技术在城市人口规模、职住空间关系、公共中心体系、设施服务水平、区域城市关联、城市活动活力共六个领域内均能发挥有效的作用。同时，时空大数据技术能够有效地嵌入国土空间规划全周期管理流程，在基础调查、现状分析、建模预测、监测评估，四个阶段内的有效应用实践能够实现传统技术方法难以解决的议题。总体而言，在基础调查、现状分析两个阶段，时空大数据技术已显示出巨大的应用价值与广泛的应用潜力。从实际服务人口调查、短期驻留人口调查入手，依托对个体行为轨迹的不断探索，能够获取人群活动的更多信息。在此基础上，将人的时空行为与城市空间相结合，能够有效地解读城市空间的现状特征。时空大数据技术在监测评估阶段也已开始了实践应用，将人的时空行为与土地等信息相结合，能够跟踪检测城市建设用地上的人员活动强度，辩识低活动强度建设用地。对于建模预测阶段，时空大数据技术的应用尚有很长的路要走，尚处于探索中。时空大数据与城市建模相结合的方法，应是时空大数据用于建模预测阶段的一条可行的技术途径。才考资料：，来自城市规划新技术应用学术委员会 

注：以上内容由国匠城&规划云编辑整理，转载请注明出处与本页链接。

时空三极环境大数据平台是面向国际的极地数据共享平台，采用数云的数据中心产品搭建，该平台发布1600多个数据集，面向海内外的用户提供数据下载服务。此平台特点是集成了数云大数据处理引擎，基于Apache Spark实现了中国长时间序列雪深数据的变化趋势分析，可快速根据区域或年份对雪深变化情况进行分析，并在线取得结果。