智慧规划方法及其应用分析.pptx

智慧规划方法及其应用分析
徐建刚教授
南京大学建筑与城市规划学院
数字城市与规划技术研究中心
2013中国城市规划
信息化年会
一、大数据时代背景
二、城市规划方法进展
三、智慧规划方法体系框架
四、智慧规划基本方法—适应性分析
五、适应性规划建模—长汀案例
六、结语
报告提纲
一、大数据时代背景
大数据”定义
科学研究、互联网应用、电子商务、移动运营商、城市监控管理等诸多应用领域产生了多种多样的数量巨大的数据。大数据(Big Data)以10TB(1TB=1024GB)规模以上的数据量同过去的海量数据有所区别。因此,出现对传统的数据存储、数据处理及数据挖掘提出了新的挑战。
大数据时代的出现
1998年图灵奖获得者杰姆·格雷提出著名的“新摩尔定律”:每18个月全球新增信息量是计算机有史以来全部信息量的总和。现已成为现实,表明人类已经进入到大数据时代。
大数据基本特征(4个V) 1、Volume,数据体量巨大。从TB级别,跃升到PB级别。 2、 Variety ,数据类型繁多。如前文提到的网络日志、视频、图片、地理位置信息,等等。 3、 Value,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。 4、 Velocity,处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。
一、大数据时代背景
大数据”系统技术: 云平台、云存储、云计算。
一、大数据时代背景
大数据分析方法
大数据”方法论:分析大量信息数据的科学技术,以检测模型,收集意见并预测复杂问题的解决方法。大数据为科学发展提供了一条新的途径。
大数据基本分析方法:可视化分析+数据挖掘算法
大数据分析应用目标:预测未来
预测性分析:从大数据中挖掘出特点,通过科学的建立模型,之后便可以通过模型带入新的数据,从而预测未来(与城市规划目标一致)。
一、大数据时代背景
大数据方法实现的技术基础
统计分析:差异分析、相关分析、方差分析、卡方分析、距离分析、回归分析(逐步回归、回归预测与残差分析、岭回归、logistic回归分析)因子分析、聚类分析、主成分分析、聚类法、判别分析、对应分析、bootstrap技术等。 数据挖掘:分类、估计、预测、相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等) 模型预测:预测模型、机器学习、建模仿真。 结果呈现:云计算、标签云、关系图等。
一、大数据时代背景
二、城市规划方法进展
城市规划的基本工作模式
上世纪初英国规划大师盖迪斯提出“规划必须基于现状的调查研究,分析聚落的模式与地区经济背景。”他将自然地域作为规划的基本框架,发明一套规划工作方法:
调查—分析—规划
目前这也被视为城市规划的标准程序。
智慧规划之前的三个发展阶段(1990前,1990-2000,2000年以来)
手工制图
手工量算统计和分析
简单、粗略的统计表格
基于工程的计算机辅助制图
基于数字的统计分析
二维统计电子图表
基于地理空间的规划和制图
GIS空间分析
规划信息属性数据库
手工式城市规划
统计式城市规划
数字城市规划
制图手段
统计分析方法
规划数据结果
二、城市规划方法进展
数字城市规划分析方法的形成
二、城市规划方法进展