本文转自：CityDS
第八届“城垣杯·规划决策支持模型设计大赛”已拉开帷幕，现已进入
报名阶段
（3月20日至5月5日），
点此了解大赛详情
。
为展示往届选手的风采，介绍选手获奖经验与心得，分享和传递学术观点，本期专访上届
特等奖
获奖团队，来自于
南京大学建筑与城市规划学院
，由
甄峰教授、沈
丽
珍副教授作为指导
老师，张蔚、王星、陈文婷、刘沫涵、蒙晓雨、武建良、杨心语、刘笑、林芷馨、强靖淇组成的参赛团队。
甄峰、沈丽珍和张蔚等作为团队代表接受采访，专访将分享团队在城市环境优化及韧性城市建设的独到观点！
获奖作品为《基于“人-活动-环境”互动视角的城市街道热风险评估与优化模型》，
点击回看作品详情。
甄峰，
博士，南京大学建筑与城市规划学院副院长、教授、博士生导师，国家注册城市规划师，南京大学智慧城市研究院副院长，南京大学智慧城市校友会会长，江苏省智慧城市规划与数字治理工程研究中心主任，江苏省智慧城市研究基地首席科学家，美国佐治亚理工学院及巴黎电信学院访问学者。兼任国家住房与城乡建设部智慧城市专家委员会委员，中国地理学会理事、城市地理专业委员会主任委员，中国自然资源学会常务理事、国土空间规划研究专业委员会主任委员。主持国家级、省部级项目20余项，发表学术论文400余篇。多年来一直紧扣“智能技术—人—城市空间”，在城市与区域关系、城市空间结构转型、城市居民活动空间、智慧城市理论与规划方法及空间治理方面取得系列成果，拓展了智慧社会下城市空间研究新领域、新方向，推动了数据驱动的城市智慧规划编制与研究范式转型。
沈丽珍，
博士，南京大学建筑与城市规划学院副教授、硕导，规划系副系主任，中国地理学会城市地理专业委员会委员，美国北卡罗来纳大学教堂山分校城市与区域规划系访问学者，江苏省智慧城市决策咨询基地副主任，南京大学城市规划设计研究院注册规划师。主持或参加国家自科基金、国家社科基金重点项目等10余项，发表论文四十余篇，主持及参与完成规划项目三十余项，先后获得自然资源部科技进步一等奖、省级优秀设计成果一等奖、省旅游学会优秀论文一等奖等多项奖励。
团队成员合影：第一排左起：刘笑、蒙晓雨、刘沫涵、林芷馨、杨心语
第二排左起：强靖淇、武建良、王星、张蔚、陈文婷
项目成员来自南京大学建筑与城市规划学院。团队依托江苏省智慧城市规划与数字治理工程研究中心，团队成员背景多元，研究兴趣涉及城市行为网络、居民行为偏好等，近期聚焦居民活动与建成环境时空协同的空间优化调控研究，在国内外核心期刊已发表多篇论文，具有丰富的理论和实践经验。
Q1：您指导的参赛团队在第七届“城垣杯”大赛的获奖作品《基于“人-活动-环境 ”互动视角的城市街道热风险评估与优化模型》旨在识别并优化城市潜在的热风险空间，营造“热舒适”的城市环境，这一领域目前被许多学者所关注，请问您认为这一研究领域所关注的核心问题是什么？未来应着力探索的研究方向有哪些？
甄峰：
近年来全球极端高温事件频发，城市高温对居民通勤、休闲等日常活动造成不可忽视的影响，如何精准识别并评估城市空间的热风险不仅是当下亟需解决的核心问题，也是深化气候适应型城市建设、推动城市可持续发展的关键举措。早期国内外相关研究主要围绕高温灾害的自身特质及其健康影响两个方面展开，近年来地理学、城乡规划等学科从人地关系出发，构建面向城市空间单元的高温风险评估框架。随着地理大数据新技术的发展，研究尺度逐渐精细化，研究技术日趋多样化，对城市微观格局热风险的时空差异有了更进一步的认识，并积累了丰富的研究和实践成果。未来在城市空间研究愈发重视人地系统时空耦合性的趋势下，应从流动性的视角出发，更加深入地挖掘城市空间的热风险特征和分布差异，建立适应于不同居民活动场景与环境特征的城市热风险综合评估框架，使用多源时空大数据在更加精细化的尺度上定量评估城市空间的热风险，实现“以人为本”的城市热风险评估与优化，凸显研究的现实意义和应用价值。
Q2：安全韧性城市已成为城市规划建设的重要议题，您的科研团队致力于从居民感知、活动视角形成对建成环境精准优化的决策支持，请问您团队选择这一选题的初衷是什么？您可以向我们介绍一下团队研究工作开展的背景吗？
沈丽珍：
团队选择这一选题的初衷是我们认识到安全韧性城市对居民的健康和生活质量至关重要。随着城市化进程的加速和自然灾害的频发，城市环境的安全和韧性成为了人们关注的焦点。因此，我们希望通过加强“人-地”系统研究，辅以大数据分析和科学研究方法，为城市规划和建设提供更加精准的指导，以增强城市环境的安全性和韧性，提高居民的生活品质，增进环境优化的精准性、有效性。
至于研究工作开展的背景，首先，世界气象组织（WMO）发布的《全球气候状况》报告关于夏季极端高温的预警引起了团队的注意，老师和同学们一致认为这是个值得深化的研究主题，并在一次次讨论中明确了后续的研究方向和步骤；其次，团队拥有丰富的跨学科研究经验，曾参与多个城市规划和建设项目，并与当地政府和社区合作开展调研和数据收集工作；再次，团队成员具有较高的专业素养和研究能力，能够运用先进的技术和方法对城市环境进行全面分析和评估，这也使得我们能够更好的测度居民的感知与活动情况。最后，也是最重要的一点，我们团队的同学们在研究中非常努力、刻苦，大家相互配合、相互补充，一步步完成并完善了这个研究。
Q3：您的团队在智慧城市、城市规划大数据应用领域深耕多年。您能否向我们介绍一下该团队？目前您团队主要聚焦在哪些研究领域？
甄峰：
“智城至慧”团队长期开展智慧城市、大数据应用与城市规划领域研究，现有教授、博导2人，副教授3人，助理教授1人，博士后1人。近年来，团队完成和承担的国家自然科学基金、国际合作项目、国家科技支撑项目以及住建部等科研项目19项，举办重要学术会议5次，发表中英文文章400余篇，出版著作10余部，多次获得国家和省部级奖项。
目前我们团队的主要研究领域包含5个方面：①ICT影响下城市空间研究：团队深入研究了ICT与城市空间结构的关系、ICT对于居民行为活动的影响及其空间效应等课题，并探索将研究结果应用于城市与区域规划实践当中。②大数据应用与城市空间研究：“大数据”是信息时代背景下科学研究的新范式。研究团队重在探究大数据在城市规划中的应用、大数据视角下的城市规划方法、基于大数据的城市空间结构、大数据与小数据融合的方法与技术等。③智慧城市规划理论与方法：团队围绕智慧城市及其规划方法，提出了“人—技术—空间”一体的智慧规划理论框架，探索了数据驱动的规划编制和评估方法及其关键技术。④流动空间研究：信息技术的进步加速了知识、技术、人才、资金等的时空交换，改变着区域和城市的空间格局。研究团队在“流动空间”研究领域致力于探究流动空间理论、流动空间形态与特征、流动模式、发展机制及其对于城市规划的影响与应用。⑤文化与消费空间研究：研究团队在“文化与消费空间”研究领域探索消费空间理论，进而对消费空间的文化、消费空间性质和生产及洋快餐空间扩散的文化来进行解读。
Q4：您团队的作品《基于“人-活动-环境 ”互动视角的城市街道热风险评估与优化模型》基于“适应性&脆弱性“理论对街道热风险和关键因子进行分析，可否详尽介绍一下您在作品中采用的方法，这种方法有何优势，适用性如何？
张蔚：
在模型设计过程中，我们基于热风险评估的空间精度需求和数据特征，按照“识别-评估-优化”的思路，针对不同阶段分别构建对应的模型算法。
①对于街道高温识别，模型从主客观感知出发，采用经典的大气校正法计算地表温度，使用语言大模型对社交媒体数据进行热感知情绪测度，结合主客观感知评定高温等级。
②对于热暴露模拟，按照人群划分为两个计算方向，基于手机信令识别老人小孩等热敏感人群的出行范围，对于中青年人群，则分别测度高频低强度的通勤行为及低频高强度的休闲行为的活动强度，以识别可能的风险。对于热脆弱特征提取以及热适应评价，则主要基于建成环境数据，通过街景语义分析、可达性计算等方式，分别从街道形态、街道功能、散热要素及散热能力四个方面展开分析。
③对于热风险的综合评估，在前述模型识别的基础上，进一步采用无监督聚类分析得到街道热风险分类结果，并输出不同聚类标签下街道空间的指标特征。
④对于热风险空间的优化，在可解释机器学习框架下，使用随机森林和SHAP模型进行关键因子识别，得出各类风险街道的全局及局部特征分析结果。
总体而言，我们围绕热风险评估的理论维度和实际应用需求，进行了有针对性的模型算法设计，使得模型能够综合考虑建成环境和居民活动的风险特征。此外，数据采集流程相对标准化，模型性能可支撑多源大数据的批量运算，这也为模型在其他城市进行快速复用和对比分析提供了可能性。
Q5：您提出的这一模型的未来应用方向都有哪些，这一研究成果如何更好地支持城市可持续发展建设？
王星：
首先在应用方向上，一方面，在政府端，模型能够助力城市大规模的街道热风险监测应用，包括识别街道空间热风险等级及其形成原因等，进而为城市更新改造等场景提供针对性指引。另一方面，在居民端，模型能根据已有道路情况，为居民提供出行纳凉路径选择与规划、纳凉设施布点指引等夏季户外活动引导策略，保障居民出行的安全性与舒适度。
其次，在城市可持续发展方面，同样是两个维度的，城市可持续发展不仅关乎城市经济社会和建成环境的可持续，也关乎城市中居民健康生活的可持续，本研究的成果一定程度上有助于化解城市热风险问题、提高城市韧性，而且“以人为本”，关注居民实际出行情况，为热环境下的出行保驾护航、提高安全性。
Q6：您团队在研究中遇到了哪些挑战？是怎么解决的？
刘沫涵：
在识别街道高温风险时，我们需要围绕热暴露、热脆弱和热适应三个特征进行评估，并进行聚类评价，这一过程涉及大量的多源异构数据，采集和集成处理难度较高。于是我们将数据按照评估维度分类归纳，依照采集难度划定优先级，并预先围绕评价街道单元的线性空间特征，确定了数据预处理和集成的标准化操作流程，通过团队成员的紧密配合和分工，最终顺利的按照既定的计划完成采集工作，为我们后续的数据分析和建模奠定良好的基础。
在进行街道的热风险分类与风险因子识别时，传统的线性计量分析模型无法满足预期要求。团队成员在大模型应用的辅助下，抽样部分数据，在多种机器学习模型中进行快速迭代模拟，在短时间内选出拟合度最高、性能最优的模型，同时引进了可解释机器学习框架，使得模型的分析结果有较好的解释性和应用价值。
Q7：今年的第八届大赛已经拉开帷幕，能否向今年的参赛选手传授一些经验？有什么话想对今年的参赛选手说？
陈文婷：
在选题准备阶段，既要关注热点，也从国家和人民的需求出发。应当对大赛发布的议题进行准确解读，根据团队的优势方向选择具有挖掘潜力的关键问题，提炼潜在的创新点，并对意向主题进行扎实的研究基础梳理、框架构思和时间安排。
