问题提出

 

　　近十年城镇化的迅猛进程, 使得我国城市在规划、建设和管理中积累的问题和矛盾日益凸显。由于不同城市在经济增长方式、社会结构和城区肌理上的差异, 我们往往难以直接从经典理论和国内外经验出发, 找到一套行之有效且适用性强的“包治百病”治理方案。随着物联网、云计算技术的应用和数字化办公与数字经济的推广, 城市公共数据呈现爆炸式增长, 基于大数据的城市治理得到了越来越多的关注。其中, 以微软亚洲研究院郑宇博士为代表的工程应用研究人员, 倾向于从“城市计算”角度, 利用各类传感器所获取的动态大数据, 对城市大气环境污染、道路交通拥堵等现实问题进行探究;电子政务领域专家则更多从城市运行所涉及信息流通过程出发, 对大数据应用的协同关系和体系架构进行探讨;而针对当前各地的智慧城市、智慧政府建设, 也有学者尝试从技术演进和数据与政府关系的角度就城市大数据的应用趋势和面临的潜在问题展开讨论。在国家“十三五”规划中, 大数据发展与应用被提升为国家战略, 强调通过大数据助力社会治理创新的改革方向。然而, 如何对公共大数据加以有效利用以提高城市治理水平, 许多问题仍有待探讨和破解。

 

　　大数据的4V (Volume, Velocity, Variety, Value) 特性决定了其知识获取的难度远远超出个人对信息的认知能力, 加上其固有的真实性 (Veracity) 问题和在线应用 (Online) 的现实需求, 使得大数据情境下的城市治理过程面临诸多挑战。为了从海量数据中探索模式、发现关系、找出规律, 统计建模和可视化成为数据知识挖掘的常用方法。美国的迪比克市通过对居民水、电、油、气等资源的日常消耗数据进行有效建模, 实现了市辖区能源使用的系统优化, 降低能耗的同时改善服务品质, 成为智慧城市建设的典型代表;纽约市为了预防火灾, 对城市房屋的建筑年代、周边环境、居住人群等2400多项数据进行统计比较, 明确火险发生的重点区域, 有效提升公共安全防护水平;法国里昂市与IBM合作, 在对实时交通数据进行可视化分析的基础上, 实现交通信号灯的灵活调整, 以减少城市交通拥堵、保持道路畅通。在我国, 也有越来越多的城市开始通过手机信令数据和公交“一卡通”数据对城市人流情况进行可视化探索, 尝试将其结果应用于城市土地利用和基础设施布局的规划设计。相比于统计建模方法的精确描述与量化计算, 可视化更侧重于信息的深度融合与整体感知。特别是在没有先验假设和因果推论的情况下, 可视化往往能为复杂问题的探索性分析提供灵活的解决方案与实现途径。自美国国土安全局2004年成立国家可视化分析中心以来, 数据可视化日渐成为热门的多学科交叉课题, 得到各领域普遍关注。《自然》和《科学》杂志2013—2015年多次刊文, 讨论可视化的综合性技术、方法和思维方式对于大数据分析和理解的支撑作用。在公共管理领域, 模拟剧场、虚拟现实、动态仿真等一系列数据可视化手段也都正在被逐渐应用于公共事务处理和社会服务的研究实践。

 

　　作为城市规划、发展和运营管理的集合, 城市治理是一项过程繁杂、影响多元、评价标准多样的系统工程。从对物质环境的管理到对经济、社会问题的协调应对, 城市治理的概念内涵、实现方式和体系框架也在不断发展。我国早期的城市治理强调对企业和公共事业的管理, 其活动开展更多依靠“管制模式”;进而, 从城市规划和发展角度的“城市经营”理念渐次得到认可。随着“服务型政府”理念深入人心, 城市治理日益注重公共利益和多元主体的互动和协作关系, 由此衍生出包括“善治”、“多中心治理”、“整体性治理”、“PPP模式”在内多样化的城市治理思潮。先进的理念和经验虽然能给城市公共事务治理提供理论指导, 却无法有效解决诸如交通拥堵、环境污染、结构性就业困难、社会阶层分化等当前诸多城市面临的“城市病”。由于不能清晰地了解城市问题的真实状况、形成原因和作用机制, 在实际工作中难以给出科学、合理且有针对性的解决方案。

 

　　城市因人而生, 因人而兴, 是一个众多因素相互影响的复杂巨系统, 其治理过程需要考虑的内容和需要理清的关系纷繁复杂。大数据的出现使人们能够获得的参考资料比以往任何时候都更及时、全面和精细;而可视化技术应用则为城市治理过程中的数据探索、数据挖掘和分析提供了直观、高效的途径和手段。然则, 不同于信息表述明确、应用流程规范的统计汇总数据, 大数据的内涵丰富、价值探索和利用过程复杂。构建有效的可视化治理应用体系, 对于充分挖掘大数据的内在价值, 提升管理决策质量, 助力城市治理能力现代化, 具有重要的现实意义。

 

　　城市数据可视化应用综述

 

　　可视化不仅仅是一种计算结果的展现方式, 更是数据分析和知识理解的有效手段。从传统图表到复杂的示意图, 数据可视化的实现途径丰富且多样。随着信息量的增长和问题复杂度的提升, 相关技术与方法正在被越来越多地运用到城市问题的研究和规划、管理工作中。

 

　　为了更好地理解现实环境和人类经济、社会行为间的作用关系, 数据可视化一直是城市现象描述和探索的最常用方法。麻省理工学院的“垃圾跟踪”项目, 通过对垃圾处理各环节的位置信息进行可视化标注, 借助GIS (Geographic Information System) 平台将城市废弃物清除的整个流程清晰地予以展现;伦敦大学学院开发的共享单车系统, 将全球超过300个城市公共自行车租赁使用情况通过专题图的方式加以可视化表现, 使公众能够利用该系统直观地获取不同国家、不同城市公共自行车租赁点的分布以及不同时段的需求、供给信息;著名的“live Singapore”项目  , 借助空间数据可视化手段, 对新加坡的出租车运营、热岛效应、人口流动等城市环境和日常生活行为模式进行有效分析和理解;而由国际非盈利组织Mysociety推动的Mapumental项目 , 则整合各方面的社会调查数据, 利用网络平台对英国境内任意地点的公共出行范围进行可视化描述, 用户能通过自由设定邮编和时长的方式了解自身的空间移动能力。即便是气味这种难以度量和说明的感官属性, 依然可以通过可视化的方式进行细致展现, 以反映城市内部复杂的环境特征。

 

　　可视化定性与定量分析兼具的特点, 也使其在城市治理过程中获得极为广泛的应用空间。单纯的经验探讨或量化计算往往难以满足社会、经济、文化等相关问题的理解需要。而借助可视化手段, 人们不仅能清晰地展现各要素的交互影响过程, 对城市生活状态进行多维度评价;还能很好地刻画城市现象的时空不确定性, 预测未来可能发生的变化。在具体的量化计算模型基础上, 可视化方法从决策层面为城市规划的建设投资和政策制定提供了直观参考。从各类专题图到虚拟现实应用, 从二维到三维, 从静态到动态, 世界各国的城市规划、设计和建设实践对数据可视化的需求越来越强烈。由加州伯克利分校城市与区域规划系教授Paul Waddell团队研发的开源软件系统Urban Sim是量化建模与可视化分析在城市规划领域应用的代表。除此之外, ESRI、Autodesk、Synthicity等众多优秀商业软件公司也开始关注城市治理的可视化需求, 推出包括City Engine、Urban Canvas、GeoCanvas在内的可视化应用系统, 进一步提升城市规划、管理过程的信息整合力度与表达效果。

 

　　然而, 可视化并非封闭的信息处理过程, 交流互动在其中扮演着同样重要的角色。一方面, 不同视角下的城市物理空间和人文现象会表现出不同的结构特征, 根据应用需求对现实环境进行认知和理解离不开交互式的可视化分析操作。另一方面, 借助生动、友好的信息表现形式, 数据可视化能降低知识获取与交流沟通的门槛, 为公众有效参与城市治理提供便捷渠道。人机交互流程与框架的合理设计是可视化平台在城市规划、管理实践中成功应用的关键, 不同的可视化方式会给用户带来不同的认知效果, 并最终影响公共决策的质量。为了满足多样、精细、复杂的应用需求, 国内外著名的城市治理项目近年都开始关注数据的可视化交互操作。例如, 基于Open Street Map、Mapbox、Mapillary等开放地理信息资源, 许多网络应用平台尝试通过交互式的数据可视化手段鼓励公众了解城市、参与城市治理, 其典型代表包括:德国柏林摩根邮报推出的interaktiv交互式城市探索项目 、西班牙的300.000kms可视化城市分析服务项目, 以及针对南亚地区城市规划与可持续发展的Open cities开放治理项目 。

 

　　如今, 随着大数据时代来临, 城市规划、管理对于数据可视化的依赖进一步增强, 一系列全新的思路、方法和研究范式被提出。而随着城市数据获取能力的提升, 可视化应用也逐渐从宏观阐释过渡到微观探索、从离线分析变为实时在线管理。通过大数据可视化, 不仅能对城市中每个人的行为模式进行定性描述, 还能根据社会、经济现象所反映的语义信息, 实现更加全面的城市理解与社会感知。为了满足城市机关单位和事业部门动态运营的工作需要, 基于电子大屏的可视化监测系统已成为城市信息指挥中心的标配。特别是在智慧城市建设背景下, 可视化技术与方法正被大量应用于城市的动态监控与管理中。其中, 交通治理可以说是目前城市大数据可视化最常见应用领域:对出租车的行驶轨迹进行可视化分析, 能在很大程度上了解城市的经济活动模式;对公共交通系统各方面的运行属性进行综合展现, 有助于理解城市居民的出行状态;而通过交通流量、流速的动态监测, 可以实时掌握道路的通行情况, 保证交通体系的可靠、安全运行。

 

　　与此同时, 伴随着数据可视化在城市治理应用实践的延伸, 许多问题也逐渐暴露出来。首先, 可视化方式的选择与使用仍具有极大的随意性, 针对数据融合效率、信息展现效果、知识阐释能力、工具和对话机制影响的探讨仍旧不足, 这使得辅助决策质量难以得到保障;其次, 国内外研究多停留在数据分析和理解层面, 始终没有提出一套完整的大数据可视化治理体系, 缺乏对公共事务治理实践的理论指导与配套支撑。

 

　　大数据可视化的辅助决策模型

 

　　数据分析和理解的深度决定了城市治理的科学化、精细化和智能化程度。为满足社会、经济活动的可视化治理需求, 图像展示背后的数据组织、表达和交互过程都需要进行合理设计。只有按照科学的原则和方法开展可视化应用, 才能有效提升大数据的价值利用水平, 更好服务于管理者的决策过程。

 

　　数据可视化在本质上涉及多个层面, 从数据、信息、知识到决策的转化, 其分析、处理各阶段都有相应的目标和框架。针对大数据固有的4V特性, 可视化辅助决策必须充分考虑数据的信息描述、知识挖掘和人机交互问题, 并将其融入到城市管理的核心流程。以信息科学领域经典的知识发现 (KDD, Knowledge Discovery in Database) 模型为原型, 考虑数据可视化技术本质, 从图像展示、图像理解和图像运用三方面对管理决策的动态过程进行完善, 可以初步构建大数据可视化辅助决策模型:在信息压缩的基础上, 实现高效表达;通过语义增强手段, 发现数据背后的知识;凭借动态交流互动, 推动智慧决策 。

 

　　信息压缩与高效表达

 

　　目前, 受到技术应用水平和人类认知能力的制约, 数据可视化所展现和传达的内容还十分有限。各项数据在可视化过程中都会被描述为特定的图像实体, 而图像实体的形状、大小、颜色和位置构成了可视化信息表达的基本维度。以散点图为代表的位置可视化手段, 能在二维或三维坐标空间对数据集的分布模式、排列关系与聚集特征进行有效展现;以热力图为代表的颜色可视化技术, 能借助色彩的深浅、明暗和色系变化, 在数据的定量与定性描述之间取得完美平衡;凭借图像实体的几何尺寸变化, 各项数据间的量化差异能得到精确展现;而不同种类图像标识的形状特征区别, 则直观反映了数据集内部的分类属性。为了获得高质量的信息表达结果, 需要综合考虑数据本身的特质和应用的关注焦点, 有针对性地选择合适的可视化方式。

 

　　大数据不仅包括通过各种技术手段直接获取的动态数据, 也涉及一系列相关的外部资料和历史记录。正是由于它本身蕴涵着海量信息, 在有限维度下从不同角度的分析和探讨, 往往可以传递出不同的含义, 进而影响用户对事物的认知与理解。因此, 数据可视化首先需要对信息进行压缩和提取, 针对特定应用, 明确所要展现和突出的要素, 去除或弱化各类不相关的干扰。在实践中, 一方面涉及同类数据的抽取与综合, 通过降低复杂度、提升信息质量, 获得特定区域和范围内合适尺度的内容描述;另一方面涉及不同数据的整合与梳理, 凭借对内容描述维度的减少, 得到更为简洁、直观的表达。当需要研究的问题和所参考的特征比较明确时, 对属性数据进行统计、筛选和有效组织是实现大数据分析、应用最常见的信息压缩手段;而当要描述的内容较多或各要素之间的相互关系较为繁杂时, 往往需要采用主成分分析、特征提取、数据变换等技术, 从信息论的角度进行数据融合, 利用有限的可视展现空间获得尽可能优化的表达效果。

 

　　语义增强与知识发现

 

　　大数据不仅要看得见, 更关键的是要看得懂。任何数据的大小、差异和变化在特定背景下都有着相应含义。在信息表达的基础上, 对事物的发生、发展规律和相关因素的作用机制与影响过程进行深入理解, 离不开语义层面的分析与阐释。简单的可视化描述, 其语义表达能力往往非常欠缺, 难以满足现代化管理、公共决策的知识获取需求。尤其是对于内容丰富但价值密度较低的大数据而言, 其可视化应用一般都需要对其关联语义进行增强展现, 通过创建一个明确、完备的表述环境, 使管理者能够更好地分辨和识别数据背后蕴涵的知识。在此过程中, 实体关系模型、案例库和知识信息源等业务参考成为语义增强展现的基础。

 

　　大数据可视化辅助决策模型

 

　　根据不同的应用需要, 数据可视化语义增强的手段多种多样。在众多技术和方法中, 叠置展现是最简单、常见的实现途径, 即:在统一的坐标系统下, 通过背景图像的多层次叠加, 实现相关内容的参照和比对。不同要素、不同视角、不同时段内容的叠置展现, 既可以增加原始数据的信息表达维度, 也能强化可视化过程的语义描述能力。例如, 地图背景叠加带来的位置参考作用、多种表达方式叠加带来的系统化认知效果, 以及历史数据叠加带来的变化趋势理解。而为了更加清晰地说明大数据内部的复杂关系, 则可以通过坐标系统的灵活构建和图像实体间的连接组合, 获得高维度的语义网络图;也可以采用有针对性的数据聚合与结构扩展, 得到多细节层次的语义描述;或者根据信息在时、空间维度的分布差异, 对数据集的语义要点进行侧重展现。

 

　　人机交互与智慧决策

 

　　与流程化应用不同, 大数据的可视化决策过程通常有赖于充分的人机交流与互动。通过信息压缩、语义增强等技术手段的合理应用, 虽然可以实现从数据到信息、知识的转化, 但却难以确保可视化结果的有效利用, 更不能决定管理者的决策过程。个人的认知偏好、环境的潜在约束和问题的复杂度都会在一定程度上限制数据可视化的信息传达与知识提供能力, 进而影响辅助决策的最终效果。在数据可视化过程中, 只有引入一系列动态交互操作, 尽可能地增加分析、应用各环节的参与度, 将技术运用与人们的认识、判断和处置行为结合起来, 才能真正提升决策的科学性与合理性。

 

　　可视化交互既是辅助决策的必要操作, 也是一种特殊的数据挖掘手段。数据的内涵与外延越丰富、应用场景越复杂, 其决策过程对于动态交互的需求越强烈。一方面, 在数据有效展现的基础上, 通过属性参数选择、分析样本调整、表达方式改变、描述尺度变化、适度的信息过滤和关联拓展, 人们能够从可视化的动态交互过程中获得更多、更准确、更加满足需要的信息和知识。特别是当数据的特征维度较多时, 采用交互式手段进行可视化价值探索, 或根据实际需求对相关信息进行灵活整理与组织, 对于提高分析、决策洞察力有着积极影响。另一方面, 面对各要素间的复杂作用关系和多目标决策的模糊应用需求, 则需要凭借其影响过程的动态推演、交互式探讨和规划结果的可视化比较与沟通, 在众多策略中找到最优的解决方案。尤其是对于公共治理中的诸多现实问题, 可视化交互可以为事物的多角度认知和公众意见的交流提供技术支持, 在科学化和民主化应用充分耦合的基础上, 实现智慧决策。

 

　　城市可视化治理应用体系探讨

 

　　相比于传统的信息收集与反馈机制, 在数字化时代, 城市的物理空间变化和人类的社会、经济行为都能得到实时、精细、全面的记录, 并存储于各类大数据之中。随着线上和线下关联与互动的加强, 现实世界与虚拟世界的界限变得越来越模糊。通过数据的可视化展现、分析与应用, 人们在计算机上可以更加清晰地了解城市, 并开展各类城市管理活动。然而, 随着公共管理实践朝着系统化、专业化、数字化的方向发展, 封闭式的资料整理流程、经验导向的问题探索方式和过于僵化的事务处理框架, 显然已不能满足新时期城市治理的需要。参照大数据可视化辅助决策模型, 实现城市可视化治理需要多层面的应用支撑与功能保障 。

 

　　城市信息资源整合

 

　　城市大数据的异构特性源于其数据收集渠道的多样化。基于自身的应用流程, 相关单位和企业能够从特定角度获取城市动态运行的部分数据资料。但由于单个数据集的样本有限 (Limited) 、内容有偏 (Bias) , 其反映的信息往往并不完全等同于现实世界的真实状态, 而是呈现出多视角、碎片化的特点。近年来, 为了促进部门间的业务协作, 提升公共事务处置效率, 各级政府的管理改革举措大多是将信息资源的互联、互通作为发展建设的重点。为了最大程度消除信息孤岛, 实现业务数据的统一编码与管理, 政务云平台在全国范围得到了广泛关注。但在大力推动信息共享的同时, 面对城市大数据的多源获取现状, 信息资源的深度整合则成为城市可视化治理必须正视的首要问题。

 

　　有别于单纯的网络平台建设, 信息资源整合的关键在于数据内容的无缝联接。为了明确公共大数据间的复杂联系, 在技术层面, 首先需要构建统一的信息资源目录, 通过对各部门、各单位的相关数据进行组织、分类与定义、说明, 在逻辑上实现信息服务的一体化;与此同时, 面对机构间长期以来的数据隔离, 尤其是政府与企业在数据采集、利用上的封闭性, 还需要自顶向下建立有效的信息互联、互信机制, 通过对权益、隐私的法律、法规保护和各方服务责任的协议界定, 从过程上推动信息的有效汇集。过去, Oracle、SQL Server等数据库系统通过数据字典对多样的数据表格进行统一管理, 以提升数据的维护和利用效率。如今, 随着大数据的普及, 数据字典也被逐渐拓展到多源、异构数据的融合、分析和处理中:英、美等发达国家为确保公共大数据开放、利用的有效性, 借助数据字典对不同类型的数据资源进行标准化描述 ;中国贵阳的大数据共享交换平台为充分整合一系列来源各异、结构千差万别的数据集, 也采用数据字典的方式对信息服务的内容进行系统化梳理和动态维护。而在政、企合作方面, 百度、阿里、腾讯等信息技术公司近年来都纷纷参与到我国的智慧城市建设过程中, 通过代建、代管或合作运营模式, 以数据融合为基础、功能服务为导向, 协助地方政府整合多方信息资源, 提升大数据环境下的城市治理能力。

 

　　业务语义模型完善

 

　　经验对照和指标判读长期以来被看作是城市问题理解和处置的基础。然而, 城市的运行规律绝不仅限于特定条件下总结的个别模式, 而是更深刻地反映于那些最根本的语义知识中。由于对城市表面状态的关注远远超出对其背后驱动力量和演化机制的认识, 城市管理部门在公共治理过程中经常要面临一系列意外事件和应急、突发情况。特别是在经济、社会快速转型的时期, 全新的矛盾和问题往往超出了历史的经验范畴。随着城市数据获取能力的提升和可视化分析手段的应用, 人们看到的内容不应只是简单的“数字”, 而应是详尽的“知识”。面对计算机屏幕上直观的城市现象、动态的城市过程、变化的城市模式, 语义模型将成为城市可视化治理不可或缺的核心要素。

 

　　基于丰富的信息参考, 城市治理过程在变得更加灵活的同时, 各部门的信息加工和事务处理却遇到了“瓶颈”, 即越来越难以通过传统的工作流程加以实现。特别是在可视化应用体系下, 从实时展现到即时理解, 信息的选择与获取、逻辑关系的图式表达, 都有赖于完善的语义模型支持。作为对现实世界的抽象概括, 语义模型不仅要在概念上确定影响事物发展、变化的诸多相关因素, 还要对其间的关联关系和作用机制做出细致阐释。由于不同的城市管理部门有自身的业务领域, 语义模型构建更多需要针对具体的应用需求, 从城市治理实践出发定义数据分析和知识发现的有效规则。借助语义网络 (Semantic Network) , 人们可以对现实问题进行深层次表述, 实现关联信息的智能化获取;利用系统动力学 (System Dynamics) 框架, 人们能对事物间的相互影响进行科学认知, 明确复杂场景下各要素的作用过程;而通过细致的图形语言 (Graphic Language) 规划和设计, 则能进一步为语义知识的可视化展现和理解提供标准解决方案。

 

　　交互式功能系统建设

 

　　城市管理和服务职能的实施是一个开放性、系统性的功能实现过程。在发展变化的经济、社会环境下, 基于现有的管理体制和政策、法规约束, 城市往往处于一种半稳定的运行状态。为了满足生产、生活的各项社会化服务需求, 保证公共资源的合理、高效利用, 城市治理日益强调以问题为导向的实时监测与动态干预。然而, 无论是从一系列城市表象中理清综合问题的治理源头, 还是在众多解决思路和备选方案里探求最优的应对策略, 或者在多方主体的参与下完成复杂的管理、决策任务, 城市治理过程往往涉及大量的信息互动行为和知识交流活动。从应用的角度, 借助信息化、数字化和智能化技术, 针对具体的事务处理环节, 在相关部门内部及部门与公众之间构建交互式的功能操作平台和系统是助推城市可视化治理的关键。

 

　　交互操作不仅为城市治理面临的众多非结构化和半结构化问题提供解决思路, 也是虚拟空间和现实世界相互作用的主要方式。在可视化治理过程中, 决策者没有固定的流程可以遵循, 需要根据所掌握的信息, 在充分了解城市状况、明晰决策影响的基础上做出及时、合理的决定。因此, 在对城市大数据做可视化分析和理解时, 相关应用必须具备灵活的知识探索能力;对城市运行过程进行可视化展现, 其决策支持系统要求有可靠的信息反馈和控制功能;同时, 为了实现有效的城市服务, 在方案制定和执行过程中也需要引入多层次的可视化沟通、协作机制。从业务需求到用户体验, 各项功能模块的交互内容、交互流程和交互方式都会在一定程度上影响城市治理效果。随着虚拟现实、模拟仿真、人工智能和现代通信技术的发展, 人与机器之间的交互、人与人之间的交互变得更为容易和友好。以数据为基础、交互为手段, 搭建功能完备的可视化应用系统, 探究城市事物本质、统筹各方资源, 有利于城市的科学治理。

 

　　城市交通可视化治理案例

 

　　现阶段, 各地城市管理部门能够收集到的数据越来越多, 也逐渐开始将数据可视化手段投入日常城市治理工作。但由于其信息利用能力不同、内容表现方式多样、功能应用水平差异, 实际作用效果存在较大出入。通过与我国某个国际知名的上市公司S合作, 选择其在北京城市交通治理中开发的多个真实案例, 对上述可视化治理的应用实践进行简要剖析。

 

　　案例1:北京市核心区万达广场交通通勤可视化治理。位于北京市某区的万达广场是城市核心区一个大型休闲娱乐中心。据不完全统计, 该广场日均人流量超50万人, 是中心城区最重要的交通汇集点之一。广场四周道路均为双向两车道, 在人流高峰时交通拥堵严重, 并会扩散、影响到周边区域的交通通勤, 问题不容乐观。过去, 对该区域的交通治理, 只能根据各路段的实时状况被动地进行车流疏导, 哪里拥堵就控制哪里, 缺乏直接的数据支撑和对路网的全局认识, 最多只是凭借历史经验机械地调整周边几个路口的红绿灯时长, 但往往收效甚微。为改善该重点区域的交通状况, 项目基于出租车的载客上、下车OD (Origin and Destination) 位置数据, 采用可视化的手段动态分析万达广场周围500米区域的车辆流向。交管人员通过了解区域内的交通流变化, 有针对性地改变所有相关路段交通信号灯的整体通行模式, 根据实际状况施行科学的交通管制措施, 以平衡整个道路系统的通勤压力。

 

　　案例2:北京首都国际机场出租车运营可视化治理。北京市首都国际机场是我国三大门户复合枢纽之一, 年旅客吞吐量超过9000万人次, 居亚洲第一、全球第二。在机场的整个公共交通客运体系中, 出租车接驳扮演着极其重要的角色。然而, 首都机场的出租车管理一直以来饱受诟病:一头是旅客打不上车, 另一头是车辆接不到活儿。高峰时期, 旅客往往要等30~60分钟才能坐上出租;而在低谷时期, 出租车在机场排队接客, 经常也要等上几个小时才能顺利驶出, 供需关系极不平衡。如何科学、有效地协调出租车运力成为首都机场交通治理面临的难题。为了避免国内、外旅客的大规模滞留, 保证机场出租车的高效运营, 该项目整合了机场周边10公里范围内道路网的车流量数据, 利用热力图实时反映机场外围的交通密度, 并结合曲线图表等可视化手段对机场内出租车进入、驶出数量变化实时监测。在数据可视化分析的基础上, 交管人员能够对机场载客运营的出租车合理调度, 提升道路交通系统的运行效率、降低旅客等待时间。

 

　　案例3:北京市辖区货运车辆可视化治理。作为全国的政治、文化、国际交往和科技创新中心, 北京市人口超过2000万, 大量的生活物资和产品需要通过货运物流从其他省、市输入。由于货运车辆的道路通行和停放会对市区内的整个交通系统运行产生影响, 并在一定程度上关系到城市的经济、社会发展和道路周边环境, 北京市交通运输管理部门需要清楚准确地掌握各辖区的货运车辆进、出情况。过去, 对于货运车辆的治理只能凭借决策者的主观经验, 各单位执法、管理人员的调配和安排往往难以有效匹配其辖区的实际工作强度, 多部门联合执法和新政策的制定也缺乏直接依据。为了实现市区货运交通的精细化管理, 项目通过整合区县间、跨市、跨省车辆运输的卫星定位数据, 从不同视角对一个月内每天的货运流动状况进行可视化描述。与前两个项目不同, 该项目的分析和应用更多是针对历史数据。管理者根据月度货运车辆迁徙变化, 提出有针对性的交通规划、维护方案和货运政策, 从而科学、有效地协调交管、安监、工商等相关部门共同完成货物运输管理工作。

 

　　上述3个交通可视化治理案例在不同程度上考虑到了信息资源的利用、语义知识的探索和管理决策的实现 (如表1) 。其中, 万达广场交通通勤治理应用, 以出租车空间汇集趋势为核心表达内容, 采用方向提示符引导的方式增强语义知识描述能力, 通过动态可视化分析为管理决策提供依据;首都机场出租车运营治理案例应用, 主要围绕出租车载客运营能力信息, 借助出租车辆进入、驶出和留存机场数目以及周边道路交通拥堵情况的多要素呈现, 对机场出租车综合运力变化进行实时监测与管理;而市辖区货运车辆流动治理案例, 则更关注于货运车辆的地域分布结构信息, 在多视图展现基础上, 科学探索各市区道路货运物流规律, 实现对城市货运交通的规划管理。

 

　　诚然, 现阶段的项目实践从整体而言尚处于城市可视化治理起步阶段, 应用体系建设仍存在诸多不足 (如表2) 。以万达广场交通通勤治理为例, 在可视化过程中采用了特定的交通流向模型对出租车在特定区域的空间汇集情况进行语义展示, 但受制于部门间的数据共享壁垒, 信息资源渠道比较单一, 没有对城市治理任务相关的不同数据源加以充分整合, 仅基于出租车空间汇集趋势对该区域的整个道路交通状况进行研判, 可视化描述的完整性和准确性还难以保证。再以市辖区的货运车辆流动治理为例, 其应用充分整合了不同行政辖区的货运车辆位置信息, 却由于各单位对自身的业务相关因素及其作用规律认识不足, 可视化知识探索缺乏专业模型的支持, 多视角展现的内容虽然丰富, 但语义描述能力还较弱, 无法直接支撑日常的管理决策工作。此外, 三个案例的可视化分析、处理流程都过于追求自动化, 人机互动的功能操作有限, 用户决策空间受到一定制约, 暂时难以在现有管理决策系统中实现虚实结合的规划预案与灵活的动态预测。

 

　　结语

 

　　随着城市内外部环境、功能系统和影响因素复杂度的日益提高, 以理论知识为支撑、历史经验为导向的传统城市治理方式已难以满足动态、多变和个性化的经济、社会管理需求。从医疗、社保到商业活动, 从交通出行到物流、通讯, 从线下到线上, 不同领域的强细节、多维度大数据给城市问题研究和解决带来了前所未有的机遇。然而, 对大数据的分析、处理和应用不同于过去常见的统计汇总数据。体量大、异构、快速、价值密度低等特征, 使得其内容理解和知识挖掘都面临诸多挑战。可视化作为灵活、有效的信息表达与沟通手段, 不仅是大数据分析探索的有效途径, 也为现代城市治理提供了全新的思路、方法和应用框架。在这个快速发展和转型的时期, 面对生产、生活中日新月异的现象和规律, 基于大数据的可视化治理能够实现更加精确、直观的城市状态认知、过程理解和问题发现, 进而完善城市运行系统。

 

　　迄今, 虽然数据可视化在城市规划、管理中的运用越来越多, 但相关实践却亟需科学的理论指导。简单的图形、图像表示, 无法满足大数据价值挖掘和实践应用的需要, 城市治理中诸多复杂的管理和决策任务也得不到有效支撑。围绕大数据的基本特性, 本文创新性地提出大数据可视化辅助决策模型, 明确了可视化技术框架下从数据到信息、知识和决策的转化过程和实现途径, 并进一步从信息表达、知识发现和决策制定的需求出发, 探讨了城市可视化治理应用体系。

 

　　(1) 大数据意味着海量信息, 但可视化的表现维度有限。对信息进行压缩, 从中抽取最具价值的内容, 通过合适的图像渲染方式加以表达, 是大数据可视化应用的基础。在具体实践中, 为保证现实世界的真实展现, 跨部门信息资源整合已成为城市可视化治理要正视的首要问题。

 

　　(2) 数据自身不会产生知识, 只有将其置于特定语境下, 才会反映出具体的含义。大数据的低价值密度特性, 使其知识展现过程变得更为困难。语义增强手段的引入, 能有效提升可视化的知识描述水平。对于各部门的日常管理和服务而言, 亟待通过业务语义模型的完善, 多层面、全方位地支撑可视化应用。

 

　　(3) 城市管理决策的实现过程不是简单的数据计算与结果呈现。从信息、知识到决策, 人机交互起着关键的桥梁作用。以大数据可视化为载体, 增加用户与计算机之间的互动以及多元主体间的思想沟通, 是保证决策有效合理的关键, 而交互式功能系统建设则为可视化治理的应用实践提供了技术和平台保障。

 

　　在大数据时代, 城市治理工作正朝着数据密集型和计算密集型的方向发展, 人与计算机之间的联系日益密切。不仅在交通领域, 伴随着信息技术的突飞猛进, 大数据在城市安全、环境污染、流动人口治理中的运用也日益广泛。为适应新形势下公共治理的变化, 许多单位增设了独立的信息中心或数据中心, 以更好地收集、管理自身数据, 提升应用决策水平。各大城市在积极推动跨部门数据协作的同时, 也通过设立首席信息官对城市大数据进行全面规划与统筹, 探索“城市运营脑”等现代城市治理模式的应用。

 

　　可视化治理的本质在于建立以数据为基础的人机合作关系, 通过数据内容和数据计算结果的展现, 使得管理者看到、看懂和看透城市的过去、现在与未来, 帮助他们在实际工作中做出相对正确的决策。但大数据并不意味着全数据, 城市治理手段的进步也不能代表城市问题的根本解决。在可视化治理的理念、框架指引下, 数据的准确性和时效性、系统分析算法的合理性、管理单位的组织架构都会在一定程度上影响辅助决策的质量。不过, 随着智慧城市的建设和发展, 城市可视化治理能力未来将得到进一步提升;在移动互联网、云计算、人工智能等ICT (Information Communication Technology) 技术的推动下, 人机之间的合作治理关系也必然发生一些新的变化。