今年最后一期！点击上图，查看报名12月课程
城市数据派创始人派姐（左）
和Michael Batty （右）
说好的顶级大咖干货呢？
（往下拉有干货）
别急，今天先给派姐几秒时间
她说有张合影要晒一晒
Michael Batty 是谁？
英国皇家科学院院士
国际顶级的研究机构
伦敦大学学院（UCL）
高级空间分析中心（CASA）主任
城市大数据，城市分析，城市模型，
城市计算，城市科学等前沿领域的
世界级顶级大咖
他是开创者实践者引领者
总之就是666
派姐跟我说
合影的时候她是十分激动的
因为他是派姐的
城市大数据启蒙导师
你的大数据启蒙导师是谁？
TA对你有着怎样的影响？
快到文末留言告诉我！
让你的大数据男神/女神上神评
这是派姐第一次和启蒙导师见面
因为他并没有真正教过派姐一天
3年前派姐还在规划院工作的时候
冒着“中午不睡，下午崩溃”的风险
通过Batty网站自学钻研大数据
Batty团队的先进研究成果
着实大大冲击着派姐
从此走上了大数据不归路
听了派姐介绍
城市数据派
www.udparty.com
在城市大数据领域的开创性工作后
Batty老爷子非常高兴和认可
授权翻译和他的干货
简直是耿直boy一枚啊
以下内容由城市数据派编译自Michael Batty 在
《2017中国城市规划信息化年会》上的主旨报告
该报告PDF提供下载
到后台回复“batty”获知下载方式
下面立即奉上干货
智慧城市，大数据和城市规划
我要介绍的是智慧城市、大数据以及城市规划，重点介绍我们在伦敦进行的系列项目。
我主要讲解的内容包括：
1 首先我会解释一下智慧城市、大数据以及城市分析到底是什么意思
2 然后会讨论实时流数据。大数据的一个特征是它与我们之前拥有的数据不同，因为我们在真实的建成环境中嵌入电脑以及各类传感器，这些设备提供了实时的流数据
3 我将继续阐述数据仪表盘和信息管理平台
4 讨论智能交通，即我们如何使用这些数据去做出更好的交通决策
5 总结几个关于利用社交媒体大数据的构想
6 最后是城市中的自动化：长远的未来
让我们从这张图开始。上图左上角是真实的建成环境，右下角是关于城市的我们自己的构想和理论。
过去，我们所做的是利用城市中的信息和数据得出关于城市的模型和理论，然后从城市到理论，从理论再到城市的过程中，我们导入了控制、管理与规划。所以这个箭头代表了一种从城市获取数据信息然后通过更好的城市策略作为反馈的方式。
现在，由于我们都暴露在了电脑与传感器嵌入的现实世界进程中，参与到了其中，从现实城市中的电脑和传感器当中产生了大数据。之所以称其为“大”是因为这数据在每时每刻持续性地产生着，而且这个过程永远不会结束，除非关掉传感器。大数据在这样的社会背景中产生，我们也可以重新回到之前提到的循环：城市创造数据，数据改善决策。
之所以这么做的原因是很明显的，因为我们想要以某种方式控制和管理城市，电脑和传感器被引进城市是为了真正控制和管理一些城市功能。尤其是在交通、能源、居民公共服务以及公众参与等一切与实时城市相关的话题。借助电脑和传感器，“24小时城市”的概念将应用于城市。图中这个从橘色文本框向黄色文本框的箭头是指我们掌控的信息，由此会产生新的数据，我将这类数据叫“数据尾气”。
“数据尾气”是十分重要的，因为这种由电脑和传感器传递给我们的数据与之前拥有的城市数据全然不同。我们过去拥有的数据是有自己搜集的，以英国的人口普查为例，该普查每十年对每个家庭进行问卷调查，询问包括他们的家庭情况、迁移情况等。这种人口普查数据是一个完整的调查。普查数据是高度结构化的、组织化的，而大数据的“数据尾气”是非结构化的。大数据只是原始数据，我们需要对这类数据提出一个自己的架构。
我认为所有关于机器学习、深度学习以及人工智能的讨论都是在试图理解和利用大数据。为了控制和管理城市系统而使用的电脑、传感器所产生的“尾气”就是大数据。
我们达到智慧城市的一种方式是通过一些技术，这些技术让我们产生并利用数据和其他同样有用的各类信息，总之信息（数据）是关键。
通过手机及各类固定装置，例如电话、智能卡、固定传感器以及网络等
这些更多的是补充而非替代了我们过去所搜集和利用的各类数据。此类数据仍然是、高度相关的。
这将时间这个要素引入了我们的思考，过去大多数对未来城市的规划都是不考虑时间影响的，例如花园城市、新城镇、总体规划等。
这些是不断增长的城市复杂性的一部分，包括了更多时间维度、更多机遇以及多样性。
继续来说说我们得到大数据的方式。以所有的移动设备和智能手机为例，它们所产生的信息就是我们说的数据我们正在生产这些数据。我们在所做的每件事中大概都是数据的发起者，手机与固定设备都在产生大数据。
无时无处不在的计算机
事实上城市的每个要素现在都被计算机影响着。而这只是七八十年前计算机在二战前及战时被发明利用后所发生情况的一个延伸。这是一个不断微型化的趋势，同时是电信、计算机以及传感器三者的趋于统一。
大家已经看到了诸多电子自动化的事物，例如交通、电子服务、垃圾、食物、建筑以及建筑能源等。从街道照明到媒体及报刊的传播都在这趋势之下。
关于掌控和集合数据的自动化方式有很多种，这些数据让我们可以感知实时的城市，有些时候这被称作“24小时城市”。
这些正更多地建立在传感器之上，其中最主要的当然是我们进入网络和网络化信息的渠道，但是与移动性相关的固定传感器和智能手机传感器也很重要，后者与媒体及其联合体相关。
这些正在通过各类信息管理平台或者数据仪表盘的形式被搜集，（数据）不断上升的数量让我们可以提出一个关于实时城市的持续的未来蓝图。 3D FLY THROUGHS也正在被用来展示这类数据。
下面是一些我们在CASA开展的项目。
大数据有很多类型，有通过智能手机产生的大数据，也有通过传感器产生的数据。与伦敦地铁一样，在这里我们在地铁上通过智能卡进出，并产生了一类数据。我们也用智能手机如Apple Pay进行支付，这也是一类大数据。除此之外还有很多类型的大数据，很多人开始尝试将数据组织进入 “数据仪表盘”内。
这就是我们的伦敦“数据仪表盘”，我们在英国的许多城市搭建了该设备，包括伦敦、曼彻斯特等。我们用这个“仪表盘”所做的就是从中选取可用的数据，它有一点像获取原始信息的入口。我们将数据组织成一定的规范形式，这种形式就是我们说的“仪表盘”。
上图是一张伦敦每日实时状况的特征图。例如大家可以在这张“仪表盘”上看到天气、地铁站运行状态等信息，在这个角落我们还有摄像头及其组成的网络，此外我们还有一系列的数据例如市场运行情况等。这一系列数据将给我们一个很好的城市概览，我们可以从任何角度知道城市正在发生什么，而且这些数据是被持续不断上传的。
这是另一种“仪表盘”，它对接的是摄像头网络的数据。是我们自己对摄像头网络的利用，它们指向了城市的不同地点。这是我们在几个小时内搭建的成果，集合城市中不同地点的摄像头网络，大家可以由此快速看到城市正在发生什么。
所有的在这些“仪表盘”和信息管理平台都是在线的并有网页界面。如果大家在智能手机上复制这个网址，可以看到伦敦正在发生的事情（小编亲测，此网址在缓冲几秒后，果然能看到伦敦！）。现在有大量的类似网站面向公共开放，因此也对公共参与产生了深远的影响。
这些是现实中的“数据仪表盘”，我将继续演示这种公共控制和管理中心的情况。
左上角的仪表盘位于里约热内卢，是由IBM组建的，这个就是利用城市中发生的大量数据所打造的控制和管理中心。我们谈论的就是24小时城市，它随时观测着危害、洪水、气候等信息。右上角的是来自日本。下面的两个仪表盘来自于伦敦。所以这些都是城市中正在发生的事情，利用这些实时的数据流并将其变得更易获取不仅仅是为了理解城市，实际上更是为了控制和管理城市。
这是一个爱尔兰都柏林的仪表盘，右边是属于美国波士顿。大家可以看到这些仪表盘正在开始加入一些实用功能，也引进了对实时数据的处理。以GIS功能为例，一些简单的工具和技术可将数据翻译并可视化。可以发现“数据仪表盘”已经参与了真正的决策支持系统，这让我们可以发现并分析城市实时发生的情况。
我们正在做的，也是很多人正在做的是将这类数据虚拟的城市3D模型。这是我们现有的伦敦3D模型，可以从这个特殊的角度看到一系列的指数，这些指数让我们可以挖掘3D模型背后的数据，也让我们可以看到城市运转的所有特征。这不是一个简单的3D可视化，它是建立在一个非常巨大的数据库之上，这让我们可以真正提取、分析数据，从而可以更好地理解城市。
智能交通：大数据带来的移动性
在交通领域，固定的交通系统里，例如MRT，取得了巨大的进步。而这一切很大程度上是由于我们从智能公交卡中得到了乘客出行的时间及地点等需求信息，同时还有与需求相关的各类车辆、火车（以及公交）的供给信息。
这些都在产生着大数据没有太多的属性数据但是极好的城市肖像，刻画出城市不同时间和地点正在发生的事情。
在伦敦，我们有一个关于Oyster智能公交卡的复杂系统，不同于大家的八达通卡（香港智能公交卡），我们的智能卡不可以被用作其他交易，因此展现了智慧城市的另一个维度。
接下来我们谈谈智能交通的工作公交卡数据，这些数据着眼于伦敦轨道交通系统的供需情况。
这是伦敦Oyster卡交通系统。
借助公交卡进出的数据信息，这里形成了一张伦敦所有轨道工具的概览图，除此之外我们还有强大的公交车系统和路面车辆交通。此外，还有伦敦中心40%人口的步行移动数据。总的来说我们有很多层面的交通网络。可以看到这个系统的复杂性。
这些是我们从交通数据提取的数据流。所以依靠这些从智能交通卡中获取的信息，我们可以开始了解整个交通系统是如何运行的。可以了解在这个交通体系里哪里有混乱，哪里太窄等诸多问题。还可以了解关于交通的一切，了解人们如何移动等。
如果可以的话，大家会发现城市在一整周的运行。数据流显示了人们利用公共交通出行的情况是在变化的。所以这可以让大家用动画的形式来观察交通网络，而千千万万个类似的网络组成了城市。仅是想想这一个系统就很复杂了，而城市中有成百上千个类似的系统正在以同样复杂的方式运行。所以真正的挑战在于理解这一复杂性，然后我们才能真正了解这一切，并将其应用在我们的规划中。
这是一张关于整个系统的概览图。
我们已经完成的工作之一就是去关注交通流，它看上去就像城市的动脉图。
这里大家可以看到早高峰和晚高峰。这张图的横坐标显示的是时间，纵坐标显示的是车流量。一个有趣的特征是这个系统的规律性十分明显，早高峰之后交通量下降然后又是晚高峰。大家还可以发现高峰时间段的不同。
还有另一张图是关于在早晚高峰期间车站的出入流量。以上这些是从智能公交卡的数据中得到的。
这里画出来4个不同的地铁站的情况，可以看到四个站的情况有何不同。他们之间差别很大，用+/_来标记出了出入人流量，所以可以看出早高峰和晚高峰。还可以看到由于特定活动造成的一些不寻常的高峰期。右上角标出了这些活动。所以我们可以很清楚地看出这个地铁站每天的早晚小高峰以及一周内发生的三个重要活动。
这个地铁站究竟在哪呢？是Highbury站点。Highbury站位于阿森纳足球俱乐部球场（酋长球场）附近，这两个交通高峰点代表了两场周六的比赛。这显示的是车站的进站人数和出站（进入酋长球场）人数。所以这是一个我们利用实时数据描绘地点的典型例子。
这个很有用，因为在没有这类大数据之前，我们真的不知道不同地点正在发生的实时情况及其细节。由此我们可以对伦敦地铁交通网大约700个站点中的每一个站点进行情况描述。
我们已经完成了一些不同系统中的地铁站的对比工作。我们着眼于伦敦、新加坡、北京三地。这里是一些数据，就乘客量而言，三地情况类似，伦敦地铁每天有350万乘客，新加坡200万而北京约有450万。我们也着眼于不同之处，所以也对不同的地铁站进行了比较。
此外还有一些数据，这些数据可以说明路网里发生了什么。这条黑线告诉大家这条路线在2012年7月19日关闭了4小时，并打乱了这个路网系统。地铁线路关闭4小时在伦敦是前所未有的情况，这会给约120到300万乘客带来不便。
除了牡蛎公交卡之外我们还有关于车辆的具体地点的数据库。公交卡进出站的数据告诉了我们出行需求，而供给由地铁车辆解决。所以另一类数据库就是这些车辆的位置信息。我们面临的一个巨大挑战是将乘客需求与真实的车辆供给联系在一起。这是因为如果一个地铁乘客打卡进站，他们可能需要花一定的时间才能上车。如果我们真的想了解这个游客行程的中断，我们就需要知道这个乘客从哪辆车下车。尝试将需求与工具真正联系起来是很困难的。由于安全原因，目前伦敦地铁中没有WiFi。伦敦的一些地铁站如果你之前没进去过的话是十分复杂的，所以要找到车很花时间。所以此类问题是我们研究面临的挑战之一。
我们已经对各类的交通数据做了很多工作，尤其是在自行车体系中。大家可以看到很多的公共自行车体系，有摩拜单车、OFO单车等。这些信息都是线上数据，大家使用它也是在网络上进行。我们也关注了从2010年开始的伦敦Borris公共自行车体系，这里有一些相关图表。总结起来，我们已经针对地铁交通数据完成的工作也可以继续运用在自行车数据中。
看这张图，红色是自行车储存点已满的地点而蓝色是空着的地方。我们有工作日车辆情况的动画，从中可以看出自行车的移动。就这些自行车分布而言，这里是伦敦中心城区。由此，我们可以将自行车数据与交通数据结合，从而得到一个更好的关于城市交通功能如何运行的概览图。
我们也关注其他的社交网络数据，例如来自推特的信息。在推特上，人们可以发出不超过140字的信息，我们关注这些信息的内容。积少成多，这里有一个非常巨大的地理信息数据库。这张分析图显示了伦敦中心城区的人们近三个月来发推特用的语言。放大之后可以看到不同的地区有不同的语言，伦敦的民族多样性由此可见。我们还尝试将海量的推特数据进行地理数据上的3D模型化，由此可以了解哪些地方的推特发送量更多。
城市的自动化：长远的未来
由于计算机现在十分普遍，很难有城市的哪个领域不被计算机所影响。
自动的车辆现在风靡一时，但我的观点是要达到真的自动化交通，如果可能的话，还有待很长的时日。
这将取决于普遍的人工智能化，而这一领域的进展是十分有争议的。
建筑的能源是另一领域，而这个自动化正在逐步一点点的进入城市。
更大的议题事实上触及到了与工作的自动化、移民问题、经济的本质以及老龄化等议题。
好了，以上信息可以帮助大家了解我们正在进行的研究，这些研究表明：
现在有很多不同类型的数据可以帮我们了解和思考城市。城市中的能源、建筑、车辆在未来5-10年内都会产生海量的数据，这些数据都可以被我们获得，从而可以更好地思考、理解、规划城市。
一个大问题是城市在未来50-100年会变成什么样子
我们未来都会在不同规模的城市中生活
移民很可能代替（自然的）增长成为主导
长寿与经济不平等会成为主要的问题
城市的形态可能在全球化的世界中变得不那么重要
今天我所讨论的是关于短期的城市新科学的冰山一角，而一门关于长期的维尔城市新科学也正在发展
建设更宏大的蓝图将短期的城市分析和大数据与长期的理论和模型相结合将是一个主要的探索方向
说明：以上内容由城市数据派根据演讲者现场演讲内容编译，未经演讲者本人审核，编译不当之处还请派友多多留言指出，我们一起进步。如需转载，请联系城市数据派。返回搜狐，查看更多
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
