在新一轮的国土空间规划中 “一年一体检、五年一评估”已形成常态化机制。如何有效监测城市运行？如何进行体征诊断与系统模拟？目前普遍存在的“城市病”归因于何？长期项目实践中，清华同衡技术创新中心针对城市规划发展进程的重要监测问题、评估问题等形成了一套有效的解决方案。融合城市管理政务数据和社会大数据，“四步问诊城市病”，为城市精细化治理提供决策支持，并通过智慧分析平台工具的建设，实现自动化分析评估。综合辅助，提升城市治理效能。

新时代的国土空间规划是“可感知、能学习、善治理、自适应”的智慧规划。因此，建立国土空间规划信息平台，为规划编制、实施、监测、监督、预警等提供全链条的智能化服务，已成为实现智慧规划的重要支撑。

清华同衡技术创新中心在国土空间规划信息化平台建设过程中，以“智能化决策支持与服务”为核心，在人口、产业、交通、生态环境、历史文化、城市安全等领域，在运行监测、实施评估、系统归因、政策模拟等方面，在都市圈/城市群、城市/城区、街道/社区等尺度，形成了九大技术特色。本篇重点介绍特色四和特色五。

特色四：城市运行监测、体征诊断与系统模拟

近几年来，在各地的实践中，依托数据服务与新科技手段时刻把握城市发展状态、发现问题并支撑决策，已经成为许多大城市城市治理的必然选择。在新一轮的国土空间规划中 “一年一体检、五年一评估”已形成常态化机制。在长期的项目实践中，技术创新中心形成了城市运行监测、体征诊断与系统模拟系列解决方案，实现对城市的规划发展进程的实时监测、定期评估、动态维护，并通过智慧分析平台工具的建设，实现自动化分析评估。综合辅助，提升城市治理效能。

主要优势特色包括：

1. 通过多源数据融合分析提升监测的准确度

传统统计数据与新兴的多源大数据在进行城市问题的分析过程中各有优势和劣势。技术创新中心通过融合统计数据与多源的大数据，能够更好地对城市运行、人口集散、空间绩效、环境变化、产城融合等包含多主体的复杂城市问题展开分析。充分利用统计数据指标贴近政府日常管理的优势以及多源数据易采集、高频次的特点，结合对城市问题理解的累积经验，形成处理流程，提升指标监测的准确度。

▲基于多源数据融合分析的社区人居环境质量评估

2. 建立通用性、长效性的指标体系助力数据的长期监测积累

城市监测可采用的数据丰富多样，通过采集仪器、APP后台等收集的数据在精度、频次及具体可应用分析的内容上都存在差异。技术创新中心以城市功能监测为目标导向进行数据指标设计，以通用性、长效性、动态性、易量化为原则，实现时空的高精度，准确定位趋势时点及地区。在空间单元尺度上对指标计算进行调整，形成随取可用、受数据源波动影响小、能够长期积累的监测指标数据库。

3. 长时段、高频次的城市监测提高管理反应速度

清华同衡技术创新中心基于长效的指标体系，能够实现更高频次的综合评估以及更长时间段的持续监测，更好地对规划设计之后的建设及管理两阶段进行补充。紧贴城市建设的发展脉搏，对规划设计可能带来的城市优化，或新出现的城市问题进行识别。与此同时城市诊断也能够在同一时点对城市的不同区域各要素如人口、产业、企业、环境、交通、设施等进行比较分析，通过特征识别的方式确定同质化的地区与差异化的地区，回应城市管理者进一步管理上的精细化需求。

▲基于长时期数据的城市产业监测对比

4. 采用算法进行政策模拟选择最优化路径

依托算法以及长期数据积累实现基于城市系统的城市模拟模型。结合规划先验知识，将城市的各类政策转化为指标。通过机器学习等方式，建立指标变动间的关联关系以及指标变动同研究对象特征变化间的关联关系。以系统各专项的城市模拟模型为依托，识别不同政策下各项指标可能发生的变化以及变化影响的范围，结合模型评价不同政策对街道、社区乃至城市可能造成的影响。

▲基于机器学习算法的政策措施情景模拟

5. 建设平台服务日常化管理需求

通过城市诊断及算法模拟技术，创新中心能够实现对城市综合指标的展示评估，将一些日常化的通用指标转化为平台自动化处理的产品。通过数据库的构建及数据前台、中台的建设，实现从监测源数据到可视化运营监测管理平台的转化，从而使得数据分析最终回归到政府部门的日常业务管理中，辅助日常业务需求，提升业务服务水平。

▲决策支撑平台业务领域

特色五：“城市病”归因分析、精细化治理与政策模拟评估

中国城市进入高质量发展的新时代，伴随着城市规模的不断扩张、城市管理复杂性的不断提升、城市自身建设和市民诉求的不断提高，城市管理的重要性不断扩展和增强。2015年中央城市工作会议中习近平总书记提出，要提高城市治理能力，着力解决城市病等突出问题。

清华同衡自2015年以来，积极开展城市精细化治理方面的研究咨询工作，工作重点从单一的工程技术解决方案，转变到复杂城市系统的现象观察与规律认知。治理大城市病，科学诊疗是关键。清华同衡技术创新中心融合城市管理政务数据和社会大数据，探索研发城市网格尺度的城市病征分析、病因诊断、解决方案、政策模拟、实施评估等技术方案，形成“四步问诊城市病”技术体系，为城市精细化治理提供决策支持。

首先通过多源化动态数据，以及多维度指标体系，实时监测城市运行状态；从在哪里、高发区、严重度等多角度进行城市病灶诊断，并对用地、产业、人口、住房、交通等进行专题评估分析；应用机器学习、深度学习等先进算法，开展量化的政策方案模拟和比选，最后对政策实施成效进行效果和效应的量化评估。通过“城市病”四步问诊方法的不断循环，实现城市品质的不断提升。

▲“四步问诊城市病”技术体系

第一步，基于时空模型的城市病征分析

利用时空模型，开展城市病时空特征及集聚度分析、问题高发区域识别；兼顾总量及变化趋势，开展双维的城市病严重度诊断。

▲双维的城市病严重度诊断

▲城市病高发区域识别

第二步，利用复杂系统模型的城市病归因分析

从密度、可达性、混合度、品质、价格等多种角度构建城市问题影响因素指标体系，利用手机信令、互联网房价、小区信息、城市POI、大众点评、地理测绘等九大类社会大数据计算影响因子指标，并利用系统复合模型开展城市病归因分析，探索城市问题的影响因素及影响机制，为对症下药、科学调理提供决策依据。

▲基于系统复合模型和社会大数据的城市病归因分析

第三步，量化模拟比选，实现提质政策方案试验

构建城市运行状态多维度评估指标体系，应用机器学习算法，建立不同场景下的城市提质政策量化模拟算法。通过综合场景的方案试验，如基础设施改善、新建便民服务设施等，量化分析试验方案带来的城市运行状态变化，从而实现情景分析式的决策支持和预测预警。

例如对北京市核心区各街道社区的菜市场等便民服务设施的密度、效度和可达性进行分析，并通过机器学习算法对各社区的便民服务设施进行分级评价。针对便民服务设施覆盖缺乏的小区，结合街景分析和街道台账开展便民设施适建区域的精准识别，对建设的成效进行量化对比。

▲便民服务设施选址方案的量化对比

第四步，城市发展政策实施评估

顺应近年来城乡规划与城市治理工作重点的转变，构建“监测-评估-模拟-优化”的流程闭环，对城市发展过程中的各类政策绩效开展量化评价。利用大数据所具有的高时间、高空间精度，基于双重差分法、合成控制法等空间计量方法，量化指标，建立评估参考系，一方面评估政策效果，即政策目标在多大程度上被实现；另一方面评估政策效应，即政策实施带来了怎样的冲击和影响。融合民情日志、12345市民举报电话等，对百姓满意度进行时空量化评估。

例如对北京市某区“市场搬迁”与“菜市场升级改造”等政策措施的实施成效进行量化分析。选取2017年实施搬迁和升级改造的众合服装批发市场、天意、万通小商品市场等7个市场和8个菜市场作为研究对象，对比2016年实施前和2018年实施后的人口迁移、市容环境改善情况，结果显示批发市场搬迁后，批发市场所在及周边分析单元（交通小区），职住同地的人口数量出现显著减少。而菜市场升级改造对其所在社区的市容环境有显著的改善效果。