大数据与土地管理

要全体不要抽样
• 传统的调查方式都是抽样的，抽取有限的样本进行统计，从而得出整体的趋 势来，之所以选择抽样而不是统计全部数据，只有一个原因，那就是全部数 据的数量太多了，根本没法操作。 抽样的核心原则就是随机性，不随机就不能反映整体趋势性。例如搞一个保 暖内衣的调查，找了一群精壮的武警战士试穿，战士们穿上了普遍反映不冷， 但这并不能说明内衣的保暖效果有多好。 抽样随机性的道理谁都知道，但要做到随机性其实是很难的。例如电视收视 率调查，要从不同阶层随机找被调查人，但高学历高收入的大忙人们普遍拒 绝被调查，他们根本就不会为几条毛巾赠品而耽误时间，愿意接受调查的多 是整天闲得无聊的低收入者，电视收视率的调查结果就可想而知。 互联网为大数据的采集带来的新手段，云计算为处理大数据带来了新方法。 还以电视收视率调查为例，互联网电视普及后，每一部电视正在收看什么节 目的信息会毫无遗漏地发送到调查中心。这就是大数据的第二个特点【要全 体不要抽样】，对全部数据进行统计分析，其结果当然会更加准确。
•
•
大数据的引入
• 随着大数据时代的到来，“人-地-时”关系融为一体的大数据也逐步走进并融入城市规 划的领域，这将慢慢打破传统城市规划以政府和专家的价值判断为核心以及定量研究 不足的桎梏，为公众参与规划提供了新方法和新视野，将“德先生和赛先生”请入了 城市规划界做客。
•
•
规划和土地管理的终极目的是为人服务。
•
所以，大数据能够相对准确告诉规划和管理者人的时空行为特征，依据这些 判断，我们的规划与管理才能更加人本主义。
大数据在规划和土地管理中的应用
大数据有利于提高规划决策水平
• 规划和土地管理的目的是为城市居民服务，了解居民的时空行为有助于切实提高规划
和土地管理水平。以交通拥堵为例，交通拥堵可以分为岔路口交通拥堵和线路交通拥 堵，岔路口交通拥堵是由运动型瞬间共存的时空路径类型造成的，产生交通拥堵的程 度相对较重，但是影响时间一般较短，比较容易通过立交桥的修建和合理的交通疏导 来解决。线路交通拥堵是由运动型持续共存的时空路径造成的，产生交通拥堵的程度 相对较轻，但是持续的时间较长，影响也较大，是城市内部交通拥堵产生的主要原因。 通过大数据对居民出行的时空路径研究，进而通过土地空间布局优化，预控降低居民
• 城市规划中，城市建设用地空间扩展 是一项重要的内容，是布局的基础。 对城市建设用地空间扩张进行预测， 需要对城市空间扩张的影响因素进行 细致分析并加以预判。在传统的城市 建设用地空间扩张模拟中，高程、坡 度、与中心城区之间的距离、与中心 镇之间的距离和交通优势度都是重要 的影响因素。然而除此之外，还应考 虑到地铁站点、大型超市、学校、医 院和图书馆等设施对城市空间扩张的 影响。通过大数据可以方便地提取这 些设施的位置信息，从而作为一个重 要的影响因素融入到城市建设用地空 间扩张的模拟过程中。下图是通过百 度地图获取泉州湾地区某公共服务设 施的位置信息，然后将其作为多智能 体模拟的影响因素。在未来城市空间 扩张预测的过程中，可以把相关大数 据热点纳入到城市空间扩张影响因素 体系中，从而提高城市空间扩张预测 的精度。
出行过程中运动型持续共存的概率，有助于交通拥堵问题的解决，提高城市规划决策
的科学性。在未来的研究中，分析不同单元土地上居民活动的联系强度可以判断地块 之间的交通流量，通过居民活动需求分析可以演绎基础设施和公共服务设施的土地需 求，从而为城市规划和土地管理服务。
大数据有利于提高城市空间扩张预测的精度
这个例子虽然简单，却道出了大数据的一个重要特点【相关关系比因果关系更重要】， 周末与买包子人多就是相关关系，但为什么多呢？是因为老张闺女这样的周六来吃包 子的人多？还是周末大家都不愿意做饭？对这些可能性不必探究，因为即使探究往往 也搞不清楚，只要获得了周末买包子的人多，能正确地指导老王在周末时多包上两笼， 这就行了。
•
•
•
要效率不要精确
• 俗话说的好，萝卜快了不洗泥，既然我们要的是全体数据，自然会夹杂进来 一些错误的数据，这是难以避免的。我们传统的数据分析的思路是“宁缺勿 烂”，因为传统小数据分析的数据量本身并不大，任何一个错误数据都有可 能对结果产生相对较大的负面影响，对错误数据必须花大精力去清除，这是 小数据时代必须坚持的原则。 大数据时代的原则就变了，变成了【要效率不要精确】，并不是说精确不好， 而是因为在大数据时代是做不到的，如果继续把排除错误数据作为重要工作， 那大数据分析就进行不下去了。更重要的是，大数据分析的目标在于预测， 而不在于追溯以前发生过的事件的真相。 结论：与以往的抽样统计不同，大数据使用的是全部数据，更着重的是效率 而不是数据的精确性，关注的是相关性而不是因果性，这些特点造就了大数 据对事物发展的极强的预测能力，它可以给我们带来更安全更便捷的新生活， 同时也给个人隐私带来了巨大的威胁，对掌握公民隐私信息的公权力的严格 控制，应该成为全社会的共识。
•
•
•
要相关不要因果，这是大数据思维的重要变革，以前数据处理的目标更多是追求对因 果性的寻找，或是对猜测的因果性的验证，人们总是习惯性地找出个原因，然后心里 才能踏实，而这个原因是否是真实的，却往往是无法核实的，而虚假原因对面向未来 的决策来说是有害无益的。承认很多事情是没有原因的，这是人类思维方式的一个重 大进步。
Байду номын сангаас大数据与土地管理
大数据的特点
相关关系比因果关系更重要
• 老王开了个包子铺，有时做少了不够卖，有时做多了没卖完，两头都是损失。老王琢 磨着买包子的都是街坊，他们买包子是有规律的，例如老张只在周六买，因为闺女周 末会来看他，而且闺女就爱吃包子。于是老王每卖一次就记次账，谁在哪天买了几笼 包子，并试图找出每个街坊的买包子规律。 数据虽然越记越多，但老王啥规律也没找出来，即使是老张也都没准，好几个周六都 没来买，因为他闺女有事没来。有个人给老王支招，你甭记顾客，就记每天卖了多少 笼就行，这个法子明显简单有效，很容易就看出了周末比平时会多卖两笼的规律。
传统的规划和土地管理以“小”数据为基础，它只能告诉规划者和管理者人 住在哪里，而无法告诉人在时空位置、行为特征的相关性。规划者和管理者 都希望获取人具体属性与时空位置，然而在传统的技术条件下，这项工作有 太多实践层面的难度。从大数据的视角来看，获取这些信息并不需要入户调 查，如果居民携带手机，手机基站会记录人的位置信息；居民搭乘出租车或 公共交通，也会有完整的时空路径信息；甚至是步行，在多数时间内也会被 摄像监控器捕捉到，由此看来，有太多的大数据尚未被分析和挖掘，而其中 太多的信息又是在规划与管理的过程中非常需要的。