大数据驱动下基于居民生活感知的参与式生活环境质量评价研究

The improvement of quality of living environment is the ultimate goal of urban development and economic growth. It responds to "people-oriented" of New-type Urbanization. This research take Shanghai as an example, and focuses on how to measure the living environment quality of different categories of residents and the important driving factors under the perception of existing residents’ life. Based on big data technology, in view of the characteristics of the residents in the mega-city, such as the complexity of the composition and the large differences in preferences, this study uses the mobile phone signaling data, questionnaire, reviews from dianping.com, POI data, census data, road network data and other new and traditional data sets. Through the methods of data cleaning, data fusion, data mining, integrated geographic information modeling and other methods, we build a map of the quality of living environment based on the residents’ preferences, and propose a planning promotion strategy through the scenario analysis. At the same time, participation and evaluation of residents, design organizations and government departments were assimilate into the process of model construction and iteration. The participant method is used to improve the method iteratively and optimize the model structure and model parameters in order to improve the accuracy and scientificity of the model. This study can be applied to deliver planning and management strategies according to the cities’ different plots and crowds. It is of great theoretical significance and practical value to enhance the timeliness, effectiveness and scientific nature of the planning decisions.

生活环境质量的提升是城市发展、经济增长的终极目标，也是新型城镇化中所强调的“以人为本”的体现。本研究以上海为例，关注如何在现有居民生活感知下更精确地测度不同类别居民的生活环境质量，及其重要驱动力因素。研究立足于大数据技术，针对特大城市中居民构成复杂、偏好差异大等特点，融合手机信令数据、大众点评数据、POI位置数据、人口普查数据、路网数据、调查问卷数据等新型及传统数据，通过数据清洗、数据融合、数据挖掘、综合地理信息建模等方法构建基于居民感知的生活环境质量地图，并通过情景分析提出规划提升策略。在模型的使用过程中融入居民、设计单位及政府部门的参与及评价，通过“参与式”的方法，对模型进行迭代升级，改进模型结构及模型参数，提高模型精度及科学性。该研究的达成，可针对城市的不同地块、人群精准投放城市规划管理策略，因人、地施策，增强规划决策的及时性、有效性及科学性，有重要的理论意义及实践价值。

研究关注如何在现有居民生活感知下更精确地测度不同类别居民的生活环境质量，及其重要驱动力因素。研究立足于大数据技术，融合手机信令数据、大众点评数据、POI位置数据、人口普查数据、路网数据、调查问卷数据等新型及传统数据，通过数据清洗、数据融合、数据挖掘、综合地理信息建模等方法构建生活环境质量地图并进行了各个维度的案例分析.项目首先建立了生活质量评价体系及基础模型，并基于此构建了基于位置数据的综合公共服务质量获取平台。该平台共有四个主要内容，即居住地-工作地通勤时间获取、居住地（工作地）服务POI数量与评分获取、居住地（工作地）-高铁站通勤时间与距离获取、居住点平均房价获取。.分人群层面。基于此平台，以上海市内环至外郊环的 “边缘中产阶层”为例，通过兴趣点（POIs）等数据测量公共服务设施的公共交通可达性；通过美团数据、调查问卷评价公共服务的可负担性、可接受性与幸福感；通过街景数据和深度学习实现对街道空间适宜性的评价。研究发现公共服务和设施的时空可获得性影响“边缘中产阶层”幸福感的关键问题。.分时段层面。课题研究了居民夜间生活环境质量及影响要素。研究发现居民夜间时段的活力总体上显著弱于白天；但相较于白天时段，夜间时段的出行更加集中化，全部街道的整体夜间活力均低于白天，但存在部分街道整体夜间活力较白天衰减比例较小。夜间的生活质量偏好显示出与白天明显不同的特征，此特征在代际方面的差异尤为明显。.分场域层面。课题以提升生活质量为目标，以上海及苏州为例，尝试跳出传统的Logit模型，提出了以特征迁移网络为基础的选址模型。结果显示，模型有更好的城市的扩展性，以及能好的弹性和鲁棒性及拟合度。..项目通过理论模型构建、数据融合及平台的构建，实现了生活环境质量获取的体系化手段，并通过各类案例来进一步验证和优化。模型可针对不同人群、不同时间、不同尺度下进行分析，进而为决策部门提供精准投放城市规划管理策略建议，有相应的理论意义及实用价值。