　　人類幾千年的文明催生了城市的發(fā)展，計算機(jī)與復(fù)雜科學(xué)帶給我們新的資源——大數(shù)據(jù)。羅馬非一日建成，人力和時間成本極大，但試想一下，如果有了大數(shù)據(jù)，羅馬的建成能夠縮短多少天呢？如今，城市里藏了大量數(shù)據(jù)，那么它們到底是什么？又該如何被開采與利用？大數(shù)據(jù)如何輔助商業(yè)選址？

　　11月29日的數(shù)據(jù)俠實驗室，百度地圖資深研發(fā)工程師闞長城為大家介紹了如何開發(fā)和利用時空地理大數(shù)據(jù)，并結(jié)合百度慧眼的商業(yè)案例，解釋了大數(shù)據(jù)在商業(yè)選址中的應(yīng)用。本文是其演講實錄。

　　大家好，我今天的分享主要是以下三個方面：

　　——地理時空大數(shù)據(jù)的介紹

　　——基于時空大數(shù)據(jù)和人工智能技術(shù)在城市規(guī)劃方面所做案例

　　——基于時空大數(shù)據(jù)的商業(yè)選址案例

　　▍地理時空大數(shù)據(jù)

　　交通流量、氣象信息、地理信息、手機(jī)信號均是時空數(shù)據(jù)。時空數(shù)據(jù)具有時間和空間屬性，時間屬性主要是指時間的變與不變；空間屬性一方面是指空間的位置，另一方面是指空間的層次和距離。

　　現(xiàn)實世界中超過80%的數(shù)據(jù)都與地理位置有關(guān)，數(shù)據(jù)量非常大。時空數(shù)據(jù)來自眾多數(shù)據(jù)源，且數(shù)據(jù)多樣、異構(gòu)。

　　定位數(shù)據(jù)

　　移動互聯(lián)網(wǎng)時代定位是基礎(chǔ)服務(wù)。外賣、打車、購物，甚至視頻等APP都需要通過定位提供相應(yīng)服務(wù)。比如說墨跡天氣會根據(jù)位置顯示天氣；視頻根據(jù)位置去推薦一些相關(guān)視頻。

　　定位類型多樣，包括衛(wèi)星、基站、Wifi以及地磁等?；谛l(wèi)星的定位，典型的是GPS定位，其優(yōu)點是精度高，缺點是被高樓遮擋或處于室內(nèi)時，定位精度較差。所以手機(jī)APP一般不直接使用GPS定位，而是使用綜合的網(wǎng)絡(luò)定位。

　　百度地圖基于這些定位能力，開發(fā)綜合的網(wǎng)絡(luò)定位服務(wù)，通過SDK為開發(fā)者提供定位服務(wù)。定位及高精度定位技術(shù)難度大，門檻相對也較高。

　　主要從三個層面提供定位服務(wù)：

　　APP層面：通過SDK對外提供定位服務(wù)

　　設(shè)備層面：提供系統(tǒng)級別定位

　　芯片層面

　　短期的定位可以反映人流的聚集和熱力。如左圖是北京某個時間的熱力圖，可以清晰區(qū)分人流量多少的區(qū)域，右圖是南京東站一天的熱力變化，可以看到從0點開始有人聚集，12點人最多，下午人又變少，定位數(shù)據(jù)可以非常直觀地反映人流量的變化。

　　出行OD

　　基于用戶每天900億次的定位軌跡數(shù)據(jù)，可以挖掘其出行OD，針對長距離的跨城出行，我們做了百度遷徙，對應(yīng)下圖左邊第一個圖，中間的圖是鄭州和周邊地區(qū)的出行OD，右邊圖是青島某個交通小區(qū)的出行OD。

人口常駐

　　基于用戶的長期位置和POI（興趣點，Point of Interest）等相關(guān)數(shù)據(jù)，挖掘全國超過13億的常駐人口數(shù)據(jù)。

　　用戶畫像

　　從人的自然屬性、社會屬性等不同方面360度刻畫產(chǎn)出超過萬級的標(biāo)簽。

　　POI數(shù)據(jù)

　　POI能夠反映一個區(qū)域的經(jīng)濟(jì)發(fā)展水平和活力等。比如，下圖中左邊是北京二環(huán)和五環(huán)區(qū)域內(nèi)餐飲類的POI，對比發(fā)現(xiàn)：二環(huán)的POI明顯高于五環(huán)，說明POI的分布可以反映區(qū)域的競爭業(yè)態(tài)，右邊四利用POI和人的活動模式挖掘的功能區(qū)，POI很大程度上可以刻畫空間承載的功能。

路況大數(shù)據(jù)

　　路況可以清晰地反映路網(wǎng)的運行狀態(tài)，比如在什么時間哪里最堵。路況數(shù)據(jù)的挖掘是基于公眾數(shù)據(jù)、行業(yè)數(shù)據(jù)、卡口流量視頻等利用AI技術(shù)挖掘得到。路況目前已經(jīng)覆蓋全國400多個城市，市內(nèi)和城際道路覆蓋超過99%。

　　▍時空大數(shù)據(jù)的應(yīng)用

　　城市地理理解

　　首先，基于地圖時空大數(shù)據(jù)，從不同的空間粒度進(jìn)行建模，產(chǎn)出不同空間層次上的地理特征?？臻g層次依次從宏觀到中觀再到微觀。

　　宏觀層面：基于百度遷徙和常駐人口流動數(shù)據(jù)識別城市群，評價城市重要性。

　　中觀層面：基于定位數(shù)據(jù)，對城市副中心發(fā)展績效進(jìn)行評估，同時基于全景圖對街道品質(zhì)進(jìn)行評價。

　　微觀層面：基于地塊粒度，進(jìn)行城市功能區(qū)的發(fā)現(xiàn)。

　　功能區(qū)的挖掘動機(jī)和挑戰(zhàn)

　　城市規(guī)劃周期一般在5到10年左右，規(guī)劃之前往往需要了解現(xiàn)狀、規(guī)劃后的效果、如何跟蹤等問題，傳統(tǒng)手段時間較長，效率不高?；?a href="/user/26045834" target="_blank" class="keylink">百度地圖POI、人口以及人的活動數(shù)據(jù)進(jìn)行城市用地功能的識別，可以在短時間內(nèi)識別全國各個城市的用地功能。

　　地理空間中的POI可以反映一個區(qū)域承載的功能，如反映某區(qū)域承載的是科研教育功能，不同的功能區(qū)人的活動模式也有差異，比如說下圖，在工作日人們一般九點離家，下午五六點回家，POI和人的活動模式存在潛在語義信息。

但在挖掘過程中也存在很大的挑戰(zhàn)：

　　模型方面，整體來說樣本數(shù)據(jù)少、獲取困難，分類問題轉(zhuǎn)化為無監(jiān)督模型；

　　特征方面，存在差異。對于POI類別不均衡的問題，比如餐飲類POI較多，而景區(qū)內(nèi)POI較少；同類POI重要性不同，比如上圖中黃燜雞和全聚德屬于同一區(qū)域，但是其重要性有很大不同。

　　在特征設(shè)計上，首先，利用路網(wǎng)數(shù)據(jù)將城市切分成一個個地塊，然后以地塊為單位進(jìn)行特征提取，利用tf-idf計算不同類POI重要性，如可以降低餐飲類POI的重要性，然后提升景區(qū)類POI的重要性。對于同類POI重要性不一致的問題，可以利用POI在地圖上搜索熱度解決。這樣每個區(qū)域就對應(yīng)一個各類POI重要性的向量。

　　其次，活動模式特征設(shè)計，將人的一次出行定義為出發(fā)目的地以及出發(fā)到達(dá)時間，區(qū)域間的聯(lián)系及時間就構(gòu)成文檔中的單詞。

　　在模型設(shè)計上，第一，問題轉(zhuǎn)化。

　　將區(qū)域類比成文檔，區(qū)域承載的功能就類比成了文檔的主題，活動模式就類比成了單詞，然后區(qū)域POI重要性轉(zhuǎn)化為文檔元信息。

　　第二，主題發(fā)現(xiàn)，地塊語義標(biāo)注。

　　基于地塊的Poi vector和活動模式，利用改進(jìn)的LDA算法進(jìn)行區(qū)域功能發(fā)現(xiàn)，然后進(jìn)行主題聚類，基于地塊各類POI重要性排行進(jìn)行語義標(biāo)注，最后得到最終挖掘結(jié)果圖。

　　通過評估應(yīng)用發(fā)現(xiàn)，第一，實際調(diào)研，其準(zhǔn)確率為87%。

　　第二，專家知識。對寧波市進(jìn)行功能區(qū)發(fā)現(xiàn)，并與寧波規(guī)劃院一些專家確認(rèn)其準(zhǔn)確率較高，結(jié)果超過85%。

　　第三，規(guī)劃現(xiàn)狀。對比規(guī)劃現(xiàn)狀，發(fā)現(xiàn)符合預(yù)期。

　　下圖右上角統(tǒng)計了每種類型的功能區(qū)各類POI的占比，發(fā)現(xiàn)居住、商業(yè)、商務(wù)用地對應(yīng)的POI類別前三名一致:均為公司、住宅和商業(yè)。說明居住、商業(yè)以及商務(wù)這三類POI相關(guān)性較強，土地混合利用的情況較為突出。

　　在評價土地混合度上，可以使用信息熵度量用地混合度。上圖左下角是地塊信息熵的分布，從圖上可以看出，北京市中心城區(qū)的用地混合度成偏態(tài)分布。

　　由此說明，土地利用混合度有規(guī)律可循，進(jìn)而可以對土地利用混合度進(jìn)行建模。

在用地混合度空間分布上表現(xiàn)為：

　　用地混合度向外逐漸呈衰減趨勢，大致呈同心圈層形態(tài)

　　用地混合度的空間分布呈現(xiàn)單中心結(jié)構(gòu)

　　距離城市中心越遠(yuǎn)，用地混合度越低

　　在用地混合度建模上表現(xiàn)為：

　　發(fā)現(xiàn)用地混合度和距離的關(guān)系，符合冪指數(shù)衰減模型

　　對冪指數(shù)兩邊取對數(shù)，得到線性回歸模型

　　對地塊的混合度和地塊離中心距離進(jìn)行線性回歸分析，發(fā)現(xiàn)城郊用地混合度波動較大，這是由于城郊存在副中心城市和衛(wèi)星城鎮(zhèn)，整體上呈組團(tuán)式布局，使用地混合度的空間布局不均勻?qū)е?/p>

　　如下圖所示，通過segnet/unet全卷積神經(jīng)網(wǎng)絡(luò)，將圖片分割成路面、天空、樹木、建筑等十余個類別，再通過地理模型和機(jī)器學(xué)習(xí)算法挖掘街景的特征及其空間分布規(guī)律。

　　首先使用算法對全景圖進(jìn)行語義分割，上圖是語義分割的結(jié)果，顯示出每類要素的占比，然后利用熱點識別算法進(jìn)行整體的意向提取，利用非監(jiān)督的聚類算法對街道特征分析。結(jié)果分析如下：

　　通過聚類分析根據(jù)每條道路上各類景觀要素的占比進(jìn)行聚類，將道路分為：

　　交通主導(dǎo)型

　　建筑密集型

　　景觀空曠型

　　要素均衡型

　　綠化優(yōu)良型

　　綠樹成蔭型

　　城市群的發(fā)現(xiàn)首先需要對人口遷徙數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)人口遷徙呈現(xiàn)不均衡現(xiàn)象，且胡煥庸線以西的人口遷徙規(guī)模和密度明顯低于以東地區(qū)。

　　其中通過對各省份的遷徙數(shù)據(jù)分析發(fā)現(xiàn)，各省份的人口吞吐量極不均衡；既有廣東、江蘇、河北等人口流動大省，也有福建、甘肅、寧夏等遷徙規(guī)模較小的省份；空間上鄰近的省份，短期人口的流動強度相對比較大；遷徙規(guī)模的大小既與該省份的人口基數(shù)相關(guān)，與該省份的空間區(qū)位、經(jīng)濟(jì)建設(shè)水平、區(qū)域發(fā)展態(tài)勢等均有關(guān)聯(lián)。

另外，關(guān)于城市群劃定原則有以下幾點：

　　城市間的聯(lián)系強度足夠大

　　城市群內(nèi)各城市須在空間上鄰近

　　城市群內(nèi)各城市不一定在空間上直接接壤

　　在進(jìn)行城市群挖掘時，能夠基于人口遷徙數(shù)據(jù)，利用k殼分解算法進(jìn)行挖掘。

　　基于人口遷徙和常駐人口流動數(shù)據(jù)，利用PageRank算法挖掘。結(jié)果顯示：北京、上海、廣州、深圳和成都是短期人口流動中的關(guān)鍵節(jié)點；東部沿海地區(qū)上短期人口流動呈現(xiàn)“帶狀均衡”模式；中西部地區(qū)的短期人口流動呈現(xiàn)“節(jié)點帶動”模式。

　　城市人口理解

　　城市人口理解，基于地圖出行位置大數(shù)據(jù)，挖掘人口在不同時間跨度下的個體和群體特征。針對人口瞬時流動我們做了人流量預(yù)測，針對人們的短期出行我們做了通勤和市內(nèi)OD挖掘、跨城遷徙挖掘，基于人的長期位置信息我們做了常駐人口挖掘。

　　在人流量預(yù)測上，我們知道每隔幾年都會發(fā)生一些踩踏事故，如果能提前知道熱門區(qū)域的人流量，就可以避免踩踏等類似事情的發(fā)生，同時人流量預(yù)測在公共安全和交通管理領(lǐng)域都是非常重要的。但是預(yù)測人流量也存在著問題和挑戰(zhàn)：特征表達(dá)方面，時間和空間特性、異常因素方面挑戰(zhàn)，比如天氣、節(jié)假日等原因；模型方面，傳統(tǒng)時序模型很難對時空特性和異常建模。

　　在模型設(shè)計上，對于人流量的預(yù)測可以將其轉(zhuǎn)化為圖像領(lǐng)域的問題來解決。

　　在解決時間特性、異常因素上時，基于2017年定位軌跡、地理屬性和異常因素特征進(jìn)行建模，將城市劃分成網(wǎng)格，將定位數(shù)據(jù)投影到網(wǎng)格，計算每個網(wǎng)格的流入和流出人數(shù)，同時考慮POI熱度，也就是將城市就轉(zhuǎn)化成了一張圖。網(wǎng)格就相當(dāng)于圖片中的像素，網(wǎng)格的流入和流出就相當(dāng)于圖片中的通道。人流量空間的相關(guān)性就相當(dāng)于圖片中像素之間的關(guān)系，多個時刻的數(shù)據(jù)對應(yīng)多張圖。如下圖所示：

　　在將最近幾張圖的數(shù)據(jù)，放在上圖中殘差網(wǎng)絡(luò)模型中，模擬時間的臨近性，同時將對應(yīng)時間的人流量置于中間的網(wǎng)絡(luò)模型中模擬時間的周期性，最后進(jìn)行網(wǎng)絡(luò)融合，再和外部因素進(jìn)行融合，就得到了整個網(wǎng)絡(luò)架構(gòu)。

　　另外，在解決空間相關(guān)性時，使用CNN卷積操作，可以捕捉空間不同距離的相關(guān)性。通過多層卷積捕捉較遠(yuǎn)區(qū)域的相關(guān)性問題，并引入深度殘差網(wǎng)絡(luò)，解決網(wǎng)絡(luò)較深訓(xùn)練困難的問題。

　　如下圖所示，在損失分布上，損失在15%以內(nèi)的網(wǎng)格超過了85%；在預(yù)測效果評估上，通過對規(guī)律性區(qū)域如回龍觀地鐵站人流量的進(jìn)行預(yù)測，同時對突發(fā)場景如今年林俊杰演唱會人流量預(yù)測，發(fā)現(xiàn)模型的預(yù)測精度極高。