2015年9月19日-21日，以“新常态：传承与变革”为主题的“2015中国城市规划年会”在贵阳市召开。会议中，由贵阳市城乡规划局、北京清华同衡规划设计研究院有限公司、贵阳市城乡规划设计研究院联合承办的“大数据与规划评估“自由论坛吸引了大量参会代表。
现将学会国外城市规划委员会委员、同济大学教授王德的精彩报告简要地与各位读者分享。
王德 学会国外城市规划学术委员会委员，同济大学教授
基于手机大数据的城市人口空间动态评价
传统数据与手机大数据
相比于传统数据，手机信令数据的优势在于对时间和空间的识别，因而基于手机大数据的城市人口评价则重点关注人口的空间分布与空间活动。另外，利用手机大数据对人口现状进行评估，涉及到不同分析内容下对目标人口的选择问题，以及如何用不同时段的人口来区分不同人口属性、用地属性的问题，这也是利用传统数据时未曾考虑的问题。
数据概述
利用2014年某两周14天的上海市移动2G数据，共识别得到2300万用户。其中，每天可识别的用户数约1600-1800万人，约占该年上海常住人口的70%。
人口空间分布分析
人口空间分布方面，主要评价包括居住/就业/滞化人口分布、人口昼夜分布、异常点分布及活跃度分布，并借此分析城市空间效率、职住关系、昼夜平衡、运营状态及空间活性。
（1）评价可信度
通过对比由六普数据识别得到的上海市居住人口总体分布情况，利用相关度分析及残差分析可以看出，手机信令数据对人口空间分布的描述具有较高可信度。
（2）职住地识别人口昼夜比
依据手机信令数据分别得到昼、夜中心城区人口活动强度及人口的昼夜比例，据此对人口的居住地及就业地进行识别和分布分析。值得一提的是，人口的昼夜比在国外是城市规划、人口分析中的重要指标，利用手机信令数据可以精确得计算这一指标。
（3）用地与人口的叠加
将昼、夜上海市人口分别与工业用地、居住用地进行叠加，可以得到各类型用地的利用率。另外，在上海宝山区的实际项目中，将村镇建设用地与人口进行叠加，人口密度较大的村镇建设用地可被识别为城中村。
（4）职住关系
通过对手机使用者居住地、就业地的识别可以看出，二者的空间分布形式不同，因而依据各空间小区内就业密度及居住密度，将上海中心城区划分为低密度混合区、居住区、就业区及高密度混合区，每一大类可进一步进行细分。在空间分布上，上海市中心城区多为高密度混合区，远郊区则多为低密度混合区，而近郊区则多为以单一功能为主的居住区或就业区。
（5）手机活跃度
通过统计两周内单一用户的记录条数可得到不同活跃度人群的空间分布。手机低活跃度（电话短信在17次及以内）的高比例区域多在郊区，若认为此类人群多为老年人，则可识别出老年人的居住空间分布特征。手机高活跃度（电话短信在275次及以上）常住人口则多在大学园区。而两周内只出现1天记录的人群被认为是流动人口，此类人群夜间多活跃于交通枢纽处，而在白天，通过对其活动轨迹的追踪，除交通枢纽外，此类人群还多活跃于商业中心。
人口空间活动分析
空间活动方面，主要评价包括通勤、商业休闲、居住就业变迁及生活圈划分，并借此分析城市的利便性、对外依存度、空间变化及空间单元。
（1）通勤出行
根据对通勤人口居住地、就业地的识别可得到通勤需求的空间分布情况。总体来说，上海中心城区的通勤需求较高，沿轨道线高值分布明显。就平均通勤距离而言，中心城区平均通勤距离相对较小而城区外围存在平均通勤距离较大的环形区域。另外，浦西平均通勤距离低，浦东平均通勤距离较高。
（2）消费休闲出行
对于时间滞代长的低频出行，可以被认为是消费休闲出行。相比于通勤出行，消费休闲出行对中心城区的依赖度较低，可见郊区商业中心仍吸引了较多郊区人口。根据消费出行活动的空间特征，区外消费依赖度被用于分析各空间小区消费休闲行业的发展潜力，对外依赖度越强则说明本区消费发展潜力越小。
（3）人口迁居
通过对比2011年及2014年同一手机用户的居住地，上海约100万人口在此期间进行了迁居。依据内环内、内环外、近郊区、远郊区这四个带对各区域人口进行统计，内城区人口相比于2011年有所减少，内外环之间居住人口增加，近郊人口基本持平，而远郊人口减少。值得指出，2014年近郊居住人口总量虽与2011年基本持平，但其迁入量及迁出量很大，因而属于“大进大出”的区域。另外，通过分析四年间各空间小区人口的变化量可以看出，上海市沿外环存在一条“居住人口减少带”。由于这期间许多重大建设项目在此地实施，因而该地区部分人口迁出，迁出地主要为临近近郊区。而对于居住人口净减少的黄浦区，则迁出目的地分布较广。
（4）生活空间
关于生活空间分析，通过跟踪1000人随机7天的活动轨迹，以街道为单位，记录对象最频繁的活动范围，结果显示，记录对象的活动范围与街道的行政范围高度吻合，即大多数人倾向于在所在街道范围内进行活动。
（根据速记整理，未经专家审阅）
