大数据在国土空间规划中的应用实践141
国土空间规划正在如火如荼进行，从自然资源部成立伊始，城乡规划、国土规划等各项规划重新结合成国土空间规划，国家从宏观层面进行调控，需要科学的进行智能决策。面对当前爆炸的数据时代，大数据来源于社会生活中的各个层面，随着互联网技术的极速发展，数据的采集存储处理分析应用越来越多，发展的潮头也如潮水般袭来，国家国土空间规划需求大数据解决各方面的规划编制、信息化、监控决策越来越迫切。
大数据发展已走过多个阶段，目前处于全面开火时期，不抓住大数据发展的机遇注定会被行业所淘汰。大数据在国土空间规划中具有得天独厚的优势，主要体现在以下几个方面： 1）数据来源于社会生活，精准实时反馈城市社会状态； 2）数据庞大丰富，辅助规划决策效率非常高； 3）模拟历史时空演变，科学预测城市发展变革； 4）全体量观察城市，智慧城市智能化识别城市问题； 5）多方面多角度多学科综合，未来可期。 在大数据用于国土空间规划实践中，我们做了一些探索，前期根据部里文件做双评价、双评估，辅助三线划定；中期在GIS平台上开发研究了规划编制软件FastTSP，将编制中要常用的东西做成通俗易用的工具；后期就是大数据辅助编制了，前面传统工具是基础支撑，后面从手机信令、互联网、GIS大数据3个方面述说一些实践。
手机信令是一种新型的大数据源，与其他类型的数据相比，其具有实时性、完整性、出行时空全覆盖性等其他数据源所不拥有的优势，在各类规划中具有独特的应用优势。但手机信令数据的获取掌握在移动、电信、联通等通讯方手中，具有明显的垄断效应，需要进行研究分析使用需要进行采购。 框架过程以手机信令为基础，通过数据搜集、处理、建模分析，最终实现产品交付，辅助规划决策。
手机信令是人口大数据的天然采集器，核心能力在于它的位置模型，目前手机信令主要集中在通讯运营方手中，移动联通电信三家分天下而治。基于人口大数据的功能应用主要有以下几个方面：
以获取到的一些公开案例数据为例进行一些实践：
人口热力分布情况
人口属性分布
通勤出行OD情况 互联网大数据主要以智慧城市和公众社会为主，来源具体可以细分为生活服务类、社交娱乐类、电子地图类和其他智慧政务等。
实际中使用最多的还是高德、百度、腾讯等，随着自然资源部的建立，这些互联网大佬也开始在GIS位置信息大数据中发力，纷纷成立大数据团队，抢占国土空间规划中的万亿大市场，而且拥有独特的优势。题外话：传统公司在数据和业务上竞争力越来越弱了，深深感到忧心，大环境下对于推广市场化是非常明智的，注册测绘师取消，注册城乡规划师变国土空间规划师，不是准入类，对于很多人的饭碗也是个降维打击。 互联网大数据框架路线：主要是数据采集爬取、入库分析、数据建模、挖掘分析，建模应用一体化。
基于互联网大数据，我们做过一些案例，比如爬取腾讯星云大数据、宜出行大数据、人口热力大数据、位置大数据接口对接；爬取高德百度POIAOI；爬取高德百度天地图金字塔瓦片；爬取全国路网；爬取开放高程地形，爬取百度高德迁徙数据；爬取全国火车站信息；爬取路径规划信息；爬取天眼查企业信息等。
基于POI设施分析
微博签到数据
企业信息 在辅助编制中，飞时达在FastTSP中内嵌了多个比对互联网爬取软件的爬取工具，主要包括全国行政区划加载爬取，天地图、高德等影像地图加载爬取（可下载到本地），全国多分类POI/AOI信息下载，全国路网信息爬取下载，全国30米DEM高程数据下载等，同时提供互联网数据纠偏工具，相关道路坐标转路网工具，中垂线生成工具，OD线预处理工具，OD数据爬取路线工具以及针对大数据建模设计工具等。同时另一方面基于爬取\采集\获取的大数据利用Tableau、帆布BI、SuperSet等大数据智能商业分析工具进行相关分析，ETL接入各类数据源，拓展FastTSP在大数据方面的应用，全面辅助规划编制。
在线地图加载显示
街道区县级行政区域在线爬取加载
路网按街道范围爬取
规则化建模网络分析 GIS时空大数据在用于国土空间规划方面越来越多，数据来源和类型更加丰富，各行业对时空数据的价值挖掘愈发深入，对于空间大数据平台软件应用能力的需求更加细化，对软件的功能性、稳定性、延展性提出了新的要求。GIS大数据最常见的图形影像类数据，主要包括遥感影像和矢量大数据，遥感影像涉及深度学习影像识别，ENVI深度学习与云遥感；矢量大数据则是提供分析算子、资源浏览、大数据空间建模分析。目前传统GIS厂商在易智瑞和超图方面都有现成的一些大数据解决方案，利用多年发展的框架来做大数据分析，是一种非常靠谱成熟的方式。 【提一些常见的技术框架路线】具体通过影像分析提取，识别分类算法，arcgis pro，ArcGIS GeoAnalytics Server,ArcGIS Image Server,超图IDesktop Spark，IDesktop Python，IDeskTop X,IServer等，这里借用易智瑞的案例来说明时空大数据的技术实践。
GIS矢量大数据流程 易智瑞最新GeoScene2.1提供了WEB GeoAnalytics Plus(GA+)，GA+产品提供了100多个分析算子，涵盖了时空数据读取、数据导出、数据清洗、时空数据检测、数据处理、数理统计、汇总数据、位置分析、空间分析、模式分析、机器学习等全部范畴，为时空矢量大数据分析提供了良好支持。
GA+建模分析流程 2）深度学习，遥感大数据应用 随着遥感技术、人工智能等发展，近些年基于遥感影像的变化检测技术不断演进，并在自然资源监察、城市发展、土地利用等众多领域被广泛应用。针对遥感大数据的运用还处于初探阶段，实践仅限于使用软件来进行深度学习变化监测，目前易智瑞GeoScene2.1提供了最新的多因子变化监测功能，超图也提供了多种基于Python的大数据核心模块。 (1)、遥感数据：某市县2018和2019遥感影像；（示例数据来源于公开案例） (2)、识别流程：影像标注对象，建立深度学习训练样本，导出样本进行深度学习，训练深度学习模型，最后使用深度学习进行识别分类，解决遥感数据深度识别采样。
深度学习变化监测 总结一下，文章从大数据在手机信令、互联网大数据、GIS大数据3个层面来介绍思路实现过程，也基本都是工作中的实践总结，很多方面也逻辑的不周到，到底是针对大数据在国土空间规划方面的一些实践探索。技术日新月异的发展，国家部里对国土空间规划提出了更高的要求，科学智能的为规划编制服务，大数据技术、物联网技术、数字孪生、数字地球，物联网、量子技术应用，计算科学，每个内容都有自己的体系，唯有不断学习不断认知才能更进一步。 （注明：有些案例图片来源于网络，侵权联删） |
