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，介绍获奖
选手
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
东南大学建筑学院
，由史宜副教授作为指导老师
，吴玥玥、戴运来、王暄晴、
崔澳、
丛万钰、
陈旭阳
组成的参赛团队。史宜老师、吴玥玥同学作为团队代表接受采访，分享其在城市行为空间与社区生活圈优化领域的独到观点！
获奖作品为《
基于人群数字画像技术的老年人群多维需求识别模型
》，
点击回看作品详情
。
史宜
，东南大学建筑学院副教授，硕士生导师，主要研究方向为大数据在城市规划中的应用、城市规划设计及理论等。主持国家自然科学基金面上项目等多项科研项目，研发并授权国家发明专利10余项，获得日内瓦国际发明展金奖、华夏建设科学技术奖等科研奖项。
获奖团队合影（从左到右）：丛万钰、陈旭阳、吴玥玥、王暄晴、戴运来、崔澳
吴玥玥
：东南大学建筑学院2022级城市规划专业研究生，主要研究方向为城市智能感知。
戴运来
：东南大学建筑学院2022级城市规划专业研究生，主要研究方向为城市中心区人群移动性规划。
王暄晴
：东南大学建筑学院2022级城市规划专业研究生，主要研究方向为城市形态的智能理论方法。
崔澳
：东南大学建筑学院2022级城市规划专业研究生，主要研究方向为基于大数据的城市规划设计与理论。
丛万钰
：东南大学软件学院2022级人工智能应用专业研究生，主要研究方向为多源空间数据计算。
陈旭阳
：东南大学建筑学院2022级城市规划专业研究生，研究方向为人工智能城市设计与理论。
Q1：您指导的团队在去年“城垣杯”竞赛中获得了特等奖的优异成绩，请问，您认为“城垣杯”对您和您的团队有着怎样的意义？今年已经是“城垣杯”举办的第八年，您认为这类竞赛举办的意义是什么？
“城垣杯”对我们团队来说，不仅是一个展示自身实力的平台，更是一次学习的机会。去年我们团队的参赛作品《基于人群数字画像技术的老年人群多维需求识别模型》获得了“城垣杯”大赛特等奖，这给了我们极大的鼓励和肯定。这是我们团队在城乡规划行业顶级比赛中的一次风采展现，并激励我们广泛创新，融合大数据、人工智能等新兴技术，进一步探索城市运行和发展中的隐含规律，为未来智能城市献力。
“城垣杯”作为一个即将举办八年的竞赛，其意义重大。首先，我认为“城垣杯”大赛为高校学生、专业人士和科研人员提供了一个展示才华、交流学习的舞台，鼓励他们针对日渐演化并趋于复杂的城市系统，综合运用智慧方法解释其背后规律，并促进理论方法与实践应用的发展。其次，通过竞赛，可以发掘和培养一批优秀的创新人才，为规划行业的发展注入新的活力。最后，“城垣杯”也推动了人工智能技术在城市规划和城市治理工作中的创新和应用，为社会带来实际价值和显著效益。
Q2：您的科研团队多年来致力于大数据在城市规划中的应用、城市规划设计及理论创新等方面的研究，并具有丰富的城市规划实践经验，您能否向我们详细介绍您的科研团队及近期科研成果？您如何看待多源大数据应用于城市规划设计方面的理论价值、实践价值以及未来研究方向？
东南大学智能城市科研团队围绕城市大数据研究方法和智能设计技术，聚焦城市空间与空间行为的互动机理，构筑了从基础理论到关键技术再到工程实践的科研全链条。伴随着城市动态性、复杂性不断加剧，特别是进入数字时代以来，高密度的城市空间也从形态、功能、环境等物质空间维度，逐渐转变为一个由空间形态、人流、信息流、物流、交通流、经济流等所构成的多要素、多尺度、泛在维度的时空复杂有机体，城市规划设计方法面临着认知升级和技术方法迭代进阶的新挑战。如何发展和应用城市大数据及智能技术，并将其应用于高密度地区的城市设计与更新，以更好地协调复杂城市系统的运行，成为当下智能城市设计领域的重要议题。
Q3：第八届“城垣杯”大赛即将拉开帷幕，您对于今年的大赛有什么期许？有什么话想对今年的参赛选手说？
第八届“城垣杯”大赛即将盛大开幕，比赛得到了社会各界的广泛关注，已经成为了一个集结众多优秀人才的平台，每届比赛都能吸引来自不同领域、不同背景的优秀参赛者。我相信今年的大赛也不例外，将会涌现出更多的青年人才和创新思想。随着信息化技术的迅速发展，城市已经踏入了一个由大数据、智能化、移动互联网、云计算等技术驱动的新时代，这些技术的紧密结合不仅彻底改变了居民的生活方式，也预示着产业变革的新浪潮。期待本届“城垣杯”大赛的参赛选手拥抱时代浪潮，融合互联网、大数据、人工智能等新一代信息技术，解释和理解城市复杂巨系统的演化与建构规律、提升对城市动态有机体综合运算推演、谋划与创造城市形态的能力。
最后，我想对今年的参赛选手说，加油！希望你们能够享受比赛的过程，感受其中的乐趣，我相信第八届“城垣杯”大赛将会是一次难忘的经历，祝愿所有的参赛选手都能取得优异的成绩！
Q4：您团队的作品《基于人群数字画像技术的老年人群多维需求识别模型》针对当前普遍存在的适老化不足和供需失配的问题，提出了基于“老年人群多维需求识别与规划决策支持模型
”的应对策略。
请问，您认为该模型在未来的规划实践、智慧养老等方面具有怎样的应用价值和前景？
针对老年群体需求表达的被动性、其多维需求难以兼顾，以及内部需求的差异性等问题，我们提出了一种识别老年人群多维需求的模型，通过获取
高
时空分辨率的人群数据与空间数据，运用图神经网络对老年人群行为需求谱系进行精细聚类与筛选。该模型实现了城市尺度全覆盖、批量化、精细化的老年人群行为需求识别，为有针对性、精准化改善提升老年人群生活品质提供可靠依据。
该模型在识别精度、识别广度和规划应对三个方面具备优势。在识别精度方面，模型突破了传统老年人需求识别方法空间范围小和时间覆盖不足的局限，实现了短时间内大规模、全覆盖采样，最大程度提升了老年人需求识别所需数据采集的效率和精度。在识别广度方面，模型攻克了传统老年人需求识别单一的局限，通过图神经网络聚类技术和自编码器筛选技术，将老年人需求细化为生理需求、出行需求、设施需求和社交需求，实现了需求识别多样性和精准性的提升，有效避免了只关注老年人区别于其他群体的需求，而缺乏对老年群体内部差异化特征关注的情况，增强了老年人需求识别的科学性和人本性。在规划应对方面，针对识别出的待完善社区做出规划应对，避免了传统供给方法投入人力物力大、涉及人脑判断、既有养老服务体系难以满足高层次需求等问题，有效提高了规划应对策略的可行性。但同时，由于老年群体的特殊性，通过手机数据难以完全覆盖老年群体的全部需求，且城乡老人的需求存在显著差异，还需要结合广泛的实地调查校核模型。
Q5：您团队的作品选用了图神经网络进行画像聚类，请问该算法在本项目中相对于传统算法的优势在哪里？
本项目在老年人群数字画像聚类时，尝试了K-Means、随机森林等技术方法，发现其无法有效地捕捉老年人不同群体之间的复杂关系和相互影响。相比较而言，图神经网络能够利用图结构表示老年人不同群体之间的关联性和异质性，并通过自监督机制实现聚类导向的节点表示，而不只
是
重构网络结构或者分类任务。根据实验结果，图神经网络在数据集上相比于传统的聚类方法，能够取得更高的聚类准确性。这是因为图神经网络能够同时利用数据的属性和结构信息，而传统的聚类方法往往只考虑其中一种。经过多轮技术迭代，本项目最终选择了图神经网络进行画像聚类。
Q6：您团队的作品使用了手机信令、用地数据、POI等多源数据，在数据预处理和多源数据融合的过程中，是否遇到问题和挑战？这些问题和挑战带来了怎样的启示？
我们确实面临了多源数据融合的一系列挑战。手机信令、用地数据、POI等数据在时间范围、空间范围、时间分辨率和空间分辨率上存在不一致性，这些差异给数据预处理和融合带来了困难。首先，我们面对的是不同数据源时间覆盖范围不同的问题，例如手机信令数据可能只覆盖几周或几个月，而用地数据是年度更新的，这导致了在时间轴上对齐数据的困难。其次，数据的空间分辨率不一致，如POI数据以点形式存在，而用地数据多采用地块单元。这要求我们在空间上进行精确的匹配和转换。此外还存在不同数据源质量不一、缺失值或噪声等问题。
为了解决这些问题，我们采取了以下措施：（1）时间插值与空间转换，通过时间插值技术将不同时间分辨率的数据对齐到统一的时间框架内，同时利用GIS工具进行空间匹配和转换，以确保数据的时空一致性；（2）多源数据验证，通过发放问卷和实地调研，收集小规模但高精确度的数据，以验证和校准多源数据融合的结果；（3）技术融合与创新，运用行为链识别技术、图神经网络画像聚类技术和需求痛点老人筛选技术，构建了一套全流程的数字化支持模型。
我们认识到，在多源数据融合的过程中，需要综合考虑数据的时间和空间特性。此外，我们也意识到了数据质量和隐私保护的重要性，以及在城市规划和决策支持系统中，如何有效地利用技术手段来提高决策的科学性和精准性。最终，我们的工作不仅提高了对老年人群多维需求的认识，也为城市规划提供了一套新的数字化工具和方法论。
Q7：第八届“城垣杯”大赛即将拉开帷幕，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？
以我们的参赛经历为例，希望对今年的参赛选手有所启发。我们的项目之所以能获奖，除了技术部分较为扎实外，关键是捕捉到了现实痛点问题。我们认识到，在我国智慧养老事业和产业发展过程中，适老化不足和供需失配是当前亟需解决的瓶颈问题。因此，我们以人为本，关注个体、弱势群体的需求和短板，并以此为出发点展开研究。其次，我们的模型方法紧扣研究要点，基于瓶颈问题提出了明确的总体路径，即“建构一个能够精准识别老年人群多维需求并辅助规划决策的智能模型”，实际上这也是建立明确的研究框架和边界，聚焦研究内容和研究方法，避免作品太大、太空。除此之外，模型作品能否应用在规划实践中也是十分重要的。面对计算和分析得到的结果，如何回应研究之初提出的问题，如何将数据分析结论转化为规划应用策略，是项目难点，也是会让评委眼前一亮的地方。
