餐饮业的用户、位置和服务
根据积累的数据,他们对比了星巴克和海底捞用户就餐的行为特征,包括从周一到周日餐厅的用户数量变化,每天各个时间段的用户数量变化,用户就餐的出行距离等,都可以总结出用户的就餐习惯。
根据服务需求的时空分布,可以分析哪些区域的需求未被满足,从而对服务业空间的选址进行位置优化。他们尝试评估海底捞、星巴克、全聚德的店面选址,并可以提出优化建议。
智慧城市相关分析
在城市人口流动方面,可以通过用户的位置数据,进行人群实时监控与预警,也可以分析城市内人口流动网络、城市间的流动网络等。
此外,百度还即将推出O2O的用户分析,基于位置数据、查询数据和数据挖掘,共同形成智慧的用户分析。这也许是将城市数据与商业选址结合起来的非常有商业价值的尝试了。
许老师开篇列举了以大量、杂乱、无章、未清洗、非结构化、多源、多维度为特点的“大数据”,认为具有精确时空维度、规划信息、政策导向的小片段或面板数据作为“真切”数据,获得难度更大,但对“精确规划”和 “大模型”也更重要,如大规模的计算(空间句法、区域客运流量分配)、HSR网络演化规律、城市空间与轨道交通联系、Urban computing、城市空间调整和用地布局评估等。
“真切”数据反映出,2015年初中国高铁里程已达1.65万km,连接了所有人口超过 50 万的城市,同时城市轨道交通里程已达3500 km,3亿人可以从高速铁路到城市轨道交通上进行转换,乘坐轨道交通可以换乘高速铁路到达全国的695个县市。
高铁在区域上将成为“最直达”的运输方式,以7小时阈值计算可达范围基本覆盖了全国的城市网络,将主导未来国家和区域的发展方向。
在基于大数据的城市研究领域,要迈向“精准数据”则需要在以下四个方面进行深化:
精准尺度:准确把握数据的时间与空间尺度,并精确定位数据尺度对于相关研究问题的适用性;
扩展厚度:获取与整合个体的多个变量,从“物质论”下有限、单一的精准数据(如年龄、性别等数据)向“人中心论”下无限、多元的精准数据(如文化、消费倾向、心情等数据)拓展;
寻求关联:寻求数据间的因果关系,运用多层数据,建立复杂模型,在不同数据间进行移植校验;
预测为本:由于规划的未来导向性,应当运用数据分析结果充分指导未来城市活动的预测。