　　人類(lèi)幾千年的文明催生了城市的發(fā)展，計(jì)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(shí)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(kāi)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(shí)驗(yàn)室，百度地圖資深研發(fā)工程師闞長(zhǎng)城為大家介紹了如何開(kāi)發(fā)和利用時(shí)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(shí)錄。

　　大家好，我今天的分享主要是以下三個(gè)方面：

　　——地理時(shí)空大數(shù)據(jù)的介紹

　　——基于時(shí)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(shí)空大數(shù)據(jù)的商業(yè)選址案例

　　▍地理時(shí)空大數(shù)據(jù)

　　交通流量、氣象信息、地理信息、手機(jī)信號(hào)均是時(shí)空數(shù)據(jù)。時(shí)空數(shù)據(jù)具有時(shí)間和空間屬性，時(shí)間屬性主要是指時(shí)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(shí)世界中超過(guò)80%的數(shù)據(jù)都與地理位置有關(guān)，數(shù)據(jù)量非常大。時(shí)空數(shù)據(jù)來(lái)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(dòng)互聯(lián)網(wǎng)時(shí)代定位是基礎(chǔ)服務(wù)。外賣(mài)、打車(chē)、購(gòu)物，甚至視頻等APP都需要通過(guò)定位提供相應(yīng)服務(wù)。比如說(shuō)墨跡天氣會(huì)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(lèi)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(diǎn)是精度高，缺點(diǎn)是被高樓遮擋或處于室內(nèi)時(shí)，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(kāi)發(fā)綜合的網(wǎng)絡(luò)定位服務(wù)，通過(guò)SDK為開(kāi)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(mén)檻相對(duì)也較高。

　　主要從三個(gè)層面提供定位服務(wù)：

　　APP層面：通過(guò)SDK對(duì)外提供定位服務(wù)

　　設(shè)備層面：提供系統(tǒng)級(jí)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(gè)時(shí)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(diǎn)開(kāi)始有人聚集，12點(diǎn)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(hù)每天900億次的定位軌跡數(shù)據(jù)，可以挖掘其出行OD，針對(duì)長(zhǎng)距離的跨城出行，我們做了百度遷徙，對(duì)應(yīng)下圖左邊第一個(gè)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(gè)交通小區(qū)的出行OD。

人口常駐

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

　　用戶(hù)畫(huà)像

　　從人的自然屬性、社會(huì)屬性等不同方面360度刻畫(huà)產(chǎn)出超過(guò)萬(wàn)級(jí)的標(biāo)簽。

　　POI數(shù)據(jù)

　　POI能夠反映一個(gè)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(lèi)的POI，對(duì)比發(fā)現(xiàn)：二環(huán)的POI明顯高于五環(huán)，說(shuō)明POI的分布可以反映區(qū)域的競(jìng)爭(zhēng)業(yè)態(tài)，右邊四利用POI和人的活動(dòng)模式挖掘的功能區(qū)，POI很大程度上可以刻畫(huà)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(yùn)行狀態(tài)，比如在什么時(shí)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(guó)400多個(gè)城市，市內(nèi)和城際道路覆蓋超過(guò)99%。

　　▍時(shí)空大數(shù)據(jù)的應(yīng)用

　　城市地理理解

　　首先，基于地圖時(shí)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(dòng)數(shù)據(jù)識(shí)別城市群，評(píng)價(jià)城市重要性。

　　中觀層面：基于定位數(shù)據(jù)，對(duì)城市副中心發(fā)展績(jī)效進(jìn)行評(píng)估，同時(shí)基于全景圖對(duì)街道品質(zhì)進(jìn)行評(píng)價(jià)。

　　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(dòng)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(wèn)題，傳統(tǒng)手段時(shí)間較長(zhǎng)，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(dòng)數(shù)據(jù)進(jìn)行城市用地功能的識(shí)別，可以在短時(shí)間內(nèi)識(shí)別全國(guó)各個(gè)城市的用地功能。

　　地理空間中的POI可以反映一個(gè)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(dòng)模式也有差異，比如說(shuō)下圖，在工作日人們一般九點(diǎn)離家，下午五六點(diǎn)回家，POI和人的活動(dòng)模式存在潛在語(yǔ)義信息。

但在挖掘過(guò)程中也存在很大的挑戰(zhàn)：

　　模型方面，整體來(lái)說(shuō)樣本數(shù)據(jù)少、獲取困難，分類(lèi)問(wèn)題轉(zhuǎn)化為無(wú)監(jiān)督模型；

　　特征方面，存在差異。對(duì)于POI類(lèi)別不均衡的問(wèn)題，比如餐飲類(lèi)POI較多，而景區(qū)內(nèi)POI較少；同類(lèi)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(jì)上，首先，利用路網(wǎng)數(shù)據(jù)將城市切分成一個(gè)個(gè)地塊，然后以地塊為單位進(jìn)行特征提取，利用tf-idf計(jì)算不同類(lèi)POI重要性，如可以降低餐飲類(lèi)POI的重要性，然后提升景區(qū)類(lèi)POI的重要性。對(duì)于同類(lèi)POI重要性不一致的問(wèn)題，可以利用POI在地圖上搜索熱度解決。這樣每個(gè)區(qū)域就對(duì)應(yīng)一個(gè)各類(lèi)POI重要性的向量。

　　其次，活動(dòng)模式特征設(shè)計(jì)，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(shí)間，區(qū)域間的聯(lián)系及時(shí)間就構(gòu)成文檔中的單詞。

　　在模型設(shè)計(jì)上，第一，問(wèn)題轉(zhuǎn)化。

　　將區(qū)域類(lèi)比成文檔，區(qū)域承載的功能就類(lèi)比成了文檔的主題，活動(dòng)模式就類(lèi)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(yǔ)義標(biāo)注。

　　基于地塊的Poi vector和活動(dòng)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(lèi)，基于地塊各類(lèi)POI重要性排行進(jìn)行語(yǔ)義標(biāo)注，最后得到最終挖掘結(jié)果圖。

　　通過(guò)評(píng)估應(yīng)用發(fā)現(xiàn)，第一，實(shí)際調(diào)研，其準(zhǔn)確率為87%。

　　第二，專(zhuān)家知識(shí)。對(duì)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(zhuān)家確認(rèn)其準(zhǔn)確率較高，結(jié)果超過(guò)85%。

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

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

　　在評(píng)價(jià)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(shuō)明，土地利用混合度有規(guī)律可循，進(jìn)而可以對(duì)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(shì)，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(duì)冪指數(shù)兩邊取對(duì)數(shù)，得到線(xiàn)性回歸模型

　　對(duì)地塊的混合度和地塊離中心距離進(jìn)行線(xiàn)性回歸分析，發(fā)現(xiàn)城郊用地混合度波動(dòng)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(guò)segnet/unet全卷積神經(jīng)網(wǎng)絡(luò)，將圖片分割成路面、天空、樹(shù)木、建筑等十余個(gè)類(lèi)別，再通過(guò)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(duì)全景圖進(jìn)行語(yǔ)義分割，上圖是語(yǔ)義分割的結(jié)果，顯示出每類(lèi)要素的占比，然后利用熱點(diǎn)識(shí)別算法進(jìn)行整體的意向提取，利用非監(jiān)督的聚類(lèi)算法對(duì)街道特征分析。結(jié)果分析如下：

　　通過(guò)聚類(lèi)分析根據(jù)每條道路上各類(lèi)景觀要素的占比進(jìn)行聚類(lèi)，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(shù)成蔭型

　　城市群的發(fā)現(xiàn)首先需要對(duì)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(xiàn)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(guò)對(duì)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(dòng)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(dòng)強(qiáng)度相對(duì)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(shì)等均有關(guān)聯(lián)。

另外，關(guān)于城市群劃定原則有以下幾點(diǎn)：

　　城市間的聯(lián)系強(qiáng)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(shí)，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(dòng)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(dòng)中的關(guān)鍵節(jié)點(diǎn)；東部沿海地區(qū)上短期人口流動(dòng)呈現(xiàn)“帶狀均衡”模式；中西部地區(qū)的短期人口流動(dòng)呈現(xiàn)“節(jié)點(diǎn)帶動(dòng)”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(shí)間跨度下的個(gè)體和群體特征。針對(duì)人口瞬時(shí)流動(dòng)我們做了人流量預(yù)測(cè)，針對(duì)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(zhǎng)期位置信息我們做了常駐人口挖掘。

　　在人流量預(yù)測(cè)上，我們知道每隔幾年都會(huì)發(fā)生一些踩踏事故，如果能提前知道熱門(mén)區(qū)域的人流量，就可以避免踩踏等類(lèi)似事情的發(fā)生，同時(shí)人流量預(yù)測(cè)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(cè)人流量也存在著問(wèn)題和挑戰(zhàn)：特征表達(dá)方面，時(shí)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(shí)序模型很難對(duì)時(shí)空特性和異常建模。

　　在模型設(shè)計(jì)上，對(duì)于人流量的預(yù)測(cè)可以將其轉(zhuǎn)化為圖像領(lǐng)域的問(wèn)題來(lái)解決。

　　在解決時(shí)間特性、異常因素上時(shí)，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(jì)算每個(gè)網(wǎng)格的流入和流出人數(shù)，同時(shí)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(gè)時(shí)刻的數(shù)據(jù)對(duì)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(shí)間的臨近性，同時(shí)將對(duì)應(yīng)時(shí)間的人流量置于中間的網(wǎng)絡(luò)模型中模擬時(shí)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(gè)網(wǎng)絡(luò)架構(gòu)。

　　另外，在解決空間相關(guān)性時(shí)，使用CNN卷積操作，可以捕捉空間不同距離的相關(guān)性。通過(guò)多層卷積捕捉較遠(yuǎn)區(qū)域的相關(guān)性問(wèn)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(wèn)題。

　　如下圖所示，在損失分布上，損失在15%以?xún)?nèi)的網(wǎng)格超過(guò)了85%；在預(yù)測(cè)效果評(píng)估上，通過(guò)對(duì)規(guī)律性區(qū)域如回龍觀地鐵站人流量的進(jìn)行預(yù)測(cè)，同時(shí)對(duì)突發(fā)場(chǎng)景如今年林俊杰演唱會(huì)人流量預(yù)測(cè)，發(fā)現(xiàn)模型的預(yù)測(cè)精度極高。

　　關(guān)于常駐人口，傳統(tǒng)的全國(guó)人口普查，成本大，更新周期長(zhǎng)；基于基站定位數(shù)據(jù)計(jì)算，僅依賴(lài)時(shí)間屬性，數(shù)據(jù)存在badcase，比如互聯(lián)網(wǎng)公司存在加班和三班制人員倒班現(xiàn)象；居住區(qū)也會(huì)有退休人員等。

　　下面是常駐點(diǎn)挖掘流程：

　　首先，地圖標(biāo)注用戶(hù)六個(gè)月的定位數(shù)據(jù)；

　　其次，基于定位數(shù)據(jù)識(shí)別停留點(diǎn)，去掉路上其他地方噪點(diǎn)。

　　第三，利用DBSCAN空間聚類(lèi)算法得到簇；

　　第四，對(duì)簇進(jìn)行特征提取，利用機(jī)器學(xué)習(xí)分類(lèi)的算法挖掘，得到用戶(hù)居住地、工作地以及常去地等信息。

　　結(jié)果顯示，其分類(lèi)算法的準(zhǔn)確和召回均約為90%。

　　以下圖為例，青島人口數(shù)據(jù)校核結(jié)果顯示其人口誤差率小于5%，天津人口數(shù)據(jù)校核顯示，其相關(guān)系數(shù)約為0.85，通勤距離相差4%。

　　有了人口以及人的家和公司數(shù)據(jù)，再結(jié)合用戶(hù)畫(huà)像數(shù)據(jù)，我們就可以評(píng)估學(xué)校、醫(yī)院等公共設(shè)施的配置，公園綠地的使用效率，任意區(qū)域的職住平衡和出行通勤等。

　　通勤是交通規(guī)劃里的非常重要內(nèi)容，通勤OD和方式和早晚高峰的擁堵是息息相關(guān)的。下面是通勤挖掘的流程：

　　上圖左下角圖顯示，騎行和步行主要偏短距離的出行，公交和地鐵主要偏中長(zhǎng)距離的出行，說(shuō)明通勤距離對(duì)用戶(hù)通勤方式的選擇非常重要。

　　最后，通過(guò)不同的算法，從整體準(zhǔn)確召回率和各通勤方式精確召回率兩個(gè)方面評(píng)估，發(fā)現(xiàn)精確率均在85%左右。

　　下面看一下各種通勤方式和土地混合度、地鐵站點(diǎn)分布、路網(wǎng)密度之間的關(guān)系。

（圖片說(shuō)明：通勤方式和土地混合度的關(guān)系）

　　左圖指用地混合度的空間分布情況，顏色越紅表示用地混合度越高；右圖是機(jī)動(dòng)車(chē)通勤空間分布，越紅代表該空間中人采用機(jī)動(dòng)車(chē)通勤比例越高。從圖中可以看出，北京中心城區(qū)土地混合度高的地方機(jī)動(dòng)車(chē)出行就低，用地混合度較低地區(qū)機(jī)動(dòng)車(chē)出行率較高。