维智科技：2021时空AI赋能数字孪生城市白皮书（28页）.pdf

《维智科技：2021时空AI赋能数字孪生城市白皮书（28页）.pdf》由会员分享，可在线阅读，更多相关《维智科技：2021时空AI赋能数字孪生城市白皮书（28页）.pdf（28页珍藏版）》请在三个皮匠报告上搜索。

1、城市感知与认知之所以重要，不仅是因为对城市的全方位、多角度的感知是人本化、优质城市空间营造不可或缺的一步，而且对优秀城市空间的认知与高品质城市场所的营造是一枚硬币的一体两面，在城市感知与认知技术上的进步可直接助力于更高水准的城市建设。传统的城市感知研究主要依赖问卷调查和访谈的方式来获取主观认知数据，一方面个体认知标准不一，另一方面难以实现大范围的数据获取，在分析的时空精度、信度和效度上均存在较大局限。近年来，传感器数据、社交网络数据、移动互联网数据等所衍生出得海量且快速更新的人本尺度城市数据，在深度卷积神经网络、对抗神经网络和图卷积神经网络等人工智能技术的支持下，为研究精细时空尺度下的人类感知

2、行为提供了有效途径，其主要使用场景包括但不限于：场所意象、社会感知和城市图谱等（如下图）。城市规划与城市设计领域的从业者可基于此构建城市认知系统，有的放矢得塑造优质城市空间，实现精细化、人本化的城市设计决策。场所意向是场所认同的基础，其包含人们对空间各项属性的感知，如地点类型、空间特征、人类活动、社会经济属性、生态环保属性等，这些非结构化的属性往往用来描述场所意象的独特性；而城市空间是非独立的，场所之间的联系构成网络，为人们的感知提供了预定义环境，故理解场所在复杂的空间网络中是如何形成的，是提高居民生活质量和营造人本城市空间的关键。 随着近年来时空地理数据与图卷积神经网络（GCNNs）的兴起，

3、预测城市空间的关联性及其场所意向成为可能。如朱递等人通过引入GCNNs技术将基于兴趣点数据的场所位置形式化为节点，以基于街景图象数据的视觉特征和基于微博签到数据的功能特征作为节点属性，以场所的连接方式为边，构建GCNN模型并进行训练，并以此来预测场所意向。通过这种方法，场所之间的联系被充分纳入计算并以图示的形式呈现，一方面提高了场所意象的预测准确性，另一方面也提高了模型预测过程中的可解释性（图下图）。 这一方向上的技术进步，有助于设计者挖掘基于主观感知的空间内在联系，确定场所主观边界，构建城市认知模型。在高品质人居环境营造日益受到关注的当下，由于社交媒体数据的具有主观性、时空性，其语义信息的分

4、析有助于政策制定者了解社情民意并制定相关公共政策，为人本导向的城市设计实践提供有力支持。社会感知，是以人作为最小粒度的感知单元，借助于多源且海量的时空大数据，通过数据融合、机器学习等技术，研究大样本、高精度的个体时空行为，提取海量群体的时空行为模式，进而反演人文及社会现象背后的地理空间规律。目前社会感知研究依赖于以下三类行为特征数据：对城市空间的主观情感认知（基于社交媒体文本数据、可穿戴生理传感器数据等）、在城市空间中的活动行为轨迹（基于LBS位置服务数据、出租车轨迹数据、社交媒体签到数据等）、个体之间的社交关系（基于社交媒体数据、通话数据等）。具体而言，不同类型的时空大数据可以解释一个区域或城市的活动及人口分布情况，其时间表及可以解释人口分布的动态变化特征。已有研究运用GPS轨迹数据和深度学习算法，推测人类活动目的和停留点特征，将人类移动行为图示化并在其权重和链接中嵌入大量的时空信息（如下图）。研究者可基于此研究城市不同区域对应的周期性活动曲线，进一步研究其用地特征和所承载功能，从而为移动信息时代下的居民日常活动研究提供了科学的技术支撑，也为居民日常活动与时空行为研究提供了新的研究范式。