茅明睿在鸿儒论道进行讲座。图片来自鸿儒论道

有数才能有数

经过数十年的快速城镇化历程，中国的城市沉淀下来巨额的存量城市资产。

近期，很多房地产开发商纷纷改名字了，万科变成城乡建设生活服务商，龙湖变成了美好城市运营商。为什么房地产商都转型了？因为，中国人口红利消失后，城市化的速度降下来了，市场从增量市场变成了存量市场，也就需要我们从增量思维转变成存量思维。

存量时代的空间运营思维。本文图片除特殊标注外均来自作者

过去我们研究的是“建”的问题，现在研究的是“营”的问题；过去关注的是“管”的问题，现在则关注是“谋”的问题。谋什么呢？实际上谋的是这巨额存量资产的保值问题。我们要从过去的面向生产空间的规划时代，变成面向运营空间的运营时代。很多产业都在变轨，而在变轨的过程中，需要新技能、新理念、新方法、新理论和新实践。

所以我提出来的第一点就是：“有数才能有数。”

数据不都在政府手中

现在有一股风潮，就是以某些IT企业和大数据企业为代表的政府洗脑派。他们说中国的公共治理问题，本质上是一个数据治理问题。他们认为政府手上有最多的数据，中国的城市治理不够好，是因为政府数据没有管好，为什么管不好？因为数据太大了，政府处理不了，所以要上新的架构，要用云计算来做。于是城市治理问题庸俗化成了一个IT架构问题、服务器问题，所以你买我的服务器、软件、用我的架构、上云，城市治理问题就解决了。围绕这个，还有各种新概念，“智慧城市、大数据、人工智能、区块链……”，很多场景其实只是用各种新的技术概念，去包装传统的信息化和电子政务，而绕开真正的治理问题。

为什么政府会为这些概念买单？因为，从古至今，权力所有者都是技术崇拜者，甲骨文就是为占卜而生，然后风水、紫薇斗数、六爻八卦……都是在帮权力者去解决内心的焦虑和不安。而在当下，那些层出不穷的技术概念正好满足了这种需求。

我想说的是，那些看似酷炫的新概念很多都是似是而非的谎言。作为一个城市治理者，我知道当前ICT技术的边界在哪儿，以及面向真正的治理问题还应该有哪些知识、技术和力量去参与。

其实，最大的城市数据资产不在政府手中。中国良好的网络基础设施、发达的互联网产业和庞大的移动互联网用户造就了一个新的数据环境，国民不仅生活在实体空间，还生活在移动互联网中，并留下海量的行为数据，这些数据刻画了城市的运行状态。

新的数据环境

相对而言，到目前为止政府手上的大都是一些静态数据，比如说哪里有什么设施，这些是静态或者低频的数据资产。在政府的数据库当中，一栋楼就是一个点或者一个立方体，一条记录，可能会有一些建筑量的属性。但是这个房子今天下午在干什么？来了多少人？这些数据都不在政府手上，而在互联网或者运营商的信息中。也就是说，互联网上的数据知道城市在如何运行，但政府并不知道。因此，我们处在一个新的数据环境当中，这些新的数据构建了当前主要的城市数据资源。

数据能干什么

那么，数据能干什么？我们最开始做的，也是做的最有趣的，是用数据来研究人。

刷卡记录可以帮助我们研究人的生活。我们发现，在不同的地铁站，人的出行和回家时间不一样。这告诉我们，住在不同地点周围的居民的可自由支配时间的长短，在一定程度上可以反映人的生活品质。

我们把地铁的刷卡记录做了聚类，去识别地铁出行中有哪几种人。数据显示，北京只有23.2%的上班族能够规律性下班，而百分之七十多的人是普遍性加班。在上海，54.9%的人是能够规律性下班，只有百分之四十多的人经常加班。所以，北京的上班族比上海的上班族加班更多，而生活质量可能相对差一点。

北京和上海上班族的地铁出行的数据分析图

那么，那些规律性下班的人都在哪儿上班呢？数据发现一个规律，北京和上海两个城市中，日子过得最好的上班族大都在地铁二号线沿线上班。

我们进一步研究每一个站，红色点代表住在这个站点周围的人可自由支配时长比较长，蓝色的则比较差。可以明显看出，上海的红点比北京多。因为，除了北京上班族加班多的因素，城市空间结构也是另一个重要原因。北京是典型的单中心圈层结构，向心性通勤非常强，住得越远就意味着更多的通勤时间。而上海则不一样，发育出了多中心结构，比如奉贤和宝山的居民每天坐地铁去市中心上班的比例就没有那么高。

北京和上海地铁站点周边居民可自由支配时长的数据分析图

此外，数据还可以用来研究城市的情感。宜昌的BRT在2016年获得了世界可持续交通奖。从一个专业人士的角度来看，它的设计非常好。但是BRT开通后，它在微博上的情感曲线就一路下滑，甚至几度变成了负面情感。

最大的原因就在于，宜昌市民以为修建BRT后，城市交通会像拥有了地铁一样得到改善，但很多市民发现，开通之后并没有显著改善出行（因为BRT更大的价值在于通过路权分配，优化出行结构，保证了大多数人未来出行不会恶化），私家车出行者更是觉得BRT影响了他们。

宜昌BRT开通后，微博情感曲线数据分析图

有趣的是，游客的情感曲线还是很积极的，而且一路往上走。为什么？因为本地的市民大多只使用过这一个BRT，他们评判的标准是看是否达到自己的预期。而游客来自其它城市，可能使用过更糟糕的BRT，就会认为宜昌的BRT比预期的好。

这个案例告诉我们，用文本挖掘或公众舆情分析去评估一个公共项目，其实需要不同的维度去评估，不一定只看本地用户的体验。而且好和不好，也需要不同时间的纵向对比，以及不同地区的横向对比。依靠这些综合的数据，才能帮助我们更客观、更快速地评估公共投资项目。

用数据感知社区

我们常见的公众参与，就是把社区的大爷大妈都叫过来填问卷、写纸条。不过，我们同时也做线上的语料采集，把这个地方的微博、游记、贴吧的意见也整理一下。我们并不是让居民参加线上投票，因为他不是为我们的项目进行公众参与，而是他本来就在互联网上发表自己的意见。

公众参与中的网络语料意见搜集

我们得到了这样一个判断：微博和游记所反应的关于公共领域的问题和居民所反应的问题是一样的，比例也是相似的。所以，公众参与不一定要把居民拉到你身边来，你能听到他的声音就行。在哪儿去听呢？他在不同的地方发表过的意见，需要你去收集起来。但是要注意，线上意见有一定的局限性。比如，住房问题是一个私域问题，养老问题是针对特别人群的，因为老年人不会在互联网上发表意见。

我们把这个研究城市的方法叫做社会感知。感知即参与。假设我们能感知到你的行为和意见，把这些变成制定公共政策的依据，那么你就参与到公共决策中来了。所以说，我们是用数据科学进行城市治理，用大数据是为了公民参与，而推动公众参与是为了让权力进行自上而下的流动。

在过去的一年中，我们城市象限团队将绝大多数精力投入到社区尺度的研究中。我们还在城市的一些街区中布置了一些传感器来实现城市的感知，比如感知公共空间的人流量、人的动线、实时的天气、空气质量、噪音等，等等。但是，不能为了数据而采集数据，最终还是为了解决问题。我们要用数据去了解城市，了解社区，发现城市的问题，并提出解决对策。所以，我们做了一个社区尺度的城市体检方法。

如果要营造一个人性化的社区，就要了解人性化的需求。我们建立了人性化需求与社区问题和社区测度指标的对应关系和计算方法，这些测度指标有的基于大数据可以完成，但是相比大数据，经过人工调查等方式收集的“厚数据”更重要。所谓“厚数据”调研方法既包括地图标记、影像记录、现场计数、跟踪记录、步行测试等偏定量化的方法，也包括问卷调查、深度访问、座谈会和工作坊等偏定性化的方法。

厚数据的调研方法

我们用各种调查工具开展社区的量化，比如调查超市和菜市场的进出人流，跟踪社区居民不同时间的出行目的地，记录路边的违章停车和废弃车辆，记录公园里晨练、广场舞和遛狗的人群，甚至用计数器去数街上的狗屎数量和分布密度。

同样的卫生条件下，一个区域内狗屎越多的道路，其可步行性就越好（因为遛狗的人喜欢走）。因此，这是一个正向指标。当然，作为社区的卫生指标，这又是一个负向指标。所以，同样的狗屎因子会计算成两个评价指标。

只要能量化的，都可以数下来，这些厚数据可以做一套数据库，把字段、类型、公开性、采集状态等都记录下来。表面上看是做一个社区工作，但是用的是科学的、定量的方法，这样你把社区看完了，就会找到它的问题，提出一些对策。基于不同的社区数据，就可以构建一个案例库。而这套案例库可以帮助我们在未来做社区工作的时候，更系统、更快速地找到对策。

当然，社区的一些问题是大数据看不到的。比如，北京鸭子桥社区项目中，数据告诉我们，这个地方容积率有1.18，建筑密度只有0.18，也就是说这是一个低密度的开阔社区。但是你去那儿走一走，会得到相反的判断：行人不方便，街道很拥挤，公共空间都被塞得满满的。

北京鸭子桥社区的酒店停车问题分析

这个酒店门口有一个人行道，每天大概有12-18辆车停在上面。我们很容易认为这里缺停车设施，但事实并非如此。其实，这个酒店有一个停车场，一直保持23-42个空余车位，停车场甚至一度把停车位出租给共享汽车。这说明该区域停车的合规成本远大于违规成本，公共空间被侵占，却没有人执法。所以我们可以进行静态交通的需求测算，按照居住和白天就业的车位需求，来解决停车的问题。

智能社区体系

全北京有两千多个社区，能每个都这样分析吗？不能。因此，我们做了一套智能化的工具体系，主要解决四个问题。

第一：如何感知城市，尤其在微观尺度？第二：如何认知城市？第三：如何针对特定问题进行提升？第四：怎么出台一些线下的解决方案？

首先，我们开发了 “猫眼象限”，即一个社区的拍照小工具。用微信小程序拍一张照片，拍完之后，猫眼会用十几毫秒帮你把照片里的汽车、行人数、绿化等等计算出来。这个工具可以极大地节约调研成本，并且将没有结构化的数据变成结构化的数据，目前全国有5000多社区规划师、交通规划师在使用“猫眼象限”进行社区调研。

其次，我们开发了一个一套基于传感器的算法程序叫“蝠音”，它可以感知公共设施的流量、计算访客的停留及预测未来的客流，帮助我们了解城市的活力和公共设施的使用效率。

然后，我们还有一个叫“鼹鼠”的工具，可以支持公共设施的智能配置。它可以计算在政府和市场提供的28类公共设施中，每个小区、社区、街道的公共服务可达性得分，判断它们是否达到“十五分钟生活圈”的规划标准，然后用可视化的交互系统来优化公共服务，比如增加小区的出入口、修建城市支路会如何改善公共服务可达性，以及如何对缺失的公共设施进行选址，并得出一个详细的评估和提升报告。

社区认知地图

此外，我们会结合社区规划去进行社区智能化的规划，通过对城市的认知，去了解城市在什么节点有什么活动，并针对性地设置相应的传感器。这套规划方案并不是无差别地每多少米布设一个传感器，不是无差别地把高清卡口相机和摄像头放到社区中去监控人脸。任何感知都会有隐私风险，所以我们一定要控制感知度，从基于社区生活认知、明确的服务目标来和最低的隐私成本代价来感知一个社区，从而提出一套智慧社区的规划。最终，通过技术赋能、设计赋能、文化赋能提升社区的品质，为社区空间注入内容，提升社区的认同感和凝聚力。

让市民成为城市的传感器

数据需要变成一个公共资产，就需要推动政府开放数据。

中国有一个很好的数据开放网站：中国裁判文书网，去年我们把其中一部分文书进行了提取和结构化处理，变成一个数据库，然后把它空间化。通过它我们制作了北京的2016年犯罪地图，比如说在什么地点，有些什么犯罪，并基于它去评估各个社区的安全性。接下来我们可以通过一些其他数据去建立模型，了解城市的安全性跟建成环境、人口特征、街道活力、产业结构、商业业态等之间的关系。

其实，有更多的数据都可以变成城市指标，比如居民的投诉电话、城市管理网格员的报告等。将这些数据开放出来，就构建了汇集社会智慧、招募社会力量参与治理的数据基础，是多元共治的基础设施。

无论数据开放、大数据还是公众参与，其实我们在推动三个方面：第一，过去我们的手段是通过政府部门自上而下调查和决策，这叫“个体智慧”。第二，我们推动公众参与和数据开放，让市民参与进来，把市民作为传感器，这叫“群体智慧”。第三，我们让城市布设一些智能的感知设备，用算法让它变成智能感知和认知，这叫“人工智能”。

数据开发、公众参与的终极目标

最近我的团队在负责一个项目——“回天有数”。“回”是“回龙观”，“天”是“天通苑”，这是北京两个巨型高密度住区。我们希望基于上述理念将其做成中国最大的城市数据科学加社会多元共治的实验田。我们会用多源大数据、“厚数据”调查和智能传感器去感知这个区域的运行，认知它的问题，计算动态指数，开放数据接口，并发布社会治理白皮书、城市修补更新报告等。它一方面叫“回天有数”，构建数据平台；另一方面叫“回天有术”，开展社会参与。现在已经有很多社会力量参与到这个项目当中。未来，这里可能会成为中国的城市数据密集度最高、参与开放程度最高的区域。

最后，我想总结一下，要想经营好一个城市，有四个方面缺一不可：科学的方法、专业的知识、广泛的参与、为公的情怀。未来的社会必然会智能化，但是数据不应该仅被用来管控人，而是被用来服务市民，建设更加人性化的城市。

（作者系北京城市象限科技有限公司创始人、CEO，北京市城市规划设计研究院云平台创新中心秘书长。本文选自7月7日作者在上海金融与法律研究院第127期鸿儒论道的“城市治理中的数据科学和公众参与”演讲，由陈佳琳整理，经作者审订。）