【投稿吗？有稿费的那种！】（点击看详情），是由城市数据派主办的征稿活动，我们希望能够提供更新鲜、更好玩、更有价值的内容，因此决定为派友们开放平台，提供交流和展示才能的机会。小派在此恭候派友们投稿分享！【本期看点】transdim是面向时空交通数据缺失修复的GitHub开源项目，缩写取自transportation data imputation (译为“交通数据修复”) 的部分首字母，由于项目本身在开放数据、开放问题、开放算法三方面的优秀表现，受到了开源社区的广泛好评。 本期投稿 作者：xc交通爱好者，数学爱好者问题背景在大数据技术与感知技术日益成熟的当下，尽管数据获取渠道趋于多元化、数据规模不断扩大，但由于感知器时空覆盖不完备、通讯故障、失灵与数据传输紊乱等导致的数据质量问题依然严重困扰着智能交通系统的建设与发展。以美国纽约城市交通管理部门发布的实时路网车速数据集为例，该数据集覆盖了纽约城区范围内近150条路段，其中，大多数路段为主干路与快速路。（如需获取美国纽约城市交通管理部门发布的2015-2019年的部分实时路网车速数据集，请关 注城市数据派微信号，在微信号中回复 “ 车速 ” 两个字，即可获得下载链接。）下图描述了该数据集由2015年4月至2019年3月的基本数据量与数据完备情况，该数据集在此期间的有效观测记录超过4000万条。通过分析发现，该数据集中存在较为严重的数据缺失现象，数据集的整体缺失率约为23%，但值得注意的是，部分月份的数据缺失率已经高达80%。由此可见，对缺失交通数据进行精准修复极具现实意义。transdim项目介绍transdim项目是面向时空交通数据修复的项目，项目名取自transportation data imputation的部分首字母，开源内容包括开放公测数据、开放标准问题、开放机器学习算法，项目网址为 https://github.com/xinychen/transdim。截至目前，transdim项目已在GitHub社区获得了200+次标星 (star) 和60+次fork。开放公测数据为方便广大读者测试各类交通数据修复算法，transdim项目目前将几组公开的交通数据集进行了整理，以下五组数据已经放在了的transdim项目里面，可自由下载使用，包括：广州城市路网车速数据集伯明翰停车数据集杭州地铁客流量数据集纽约出租车流量数据集西雅图高速公路车速数据集注：处理后的数据均已放在仓库的子文件datasets中，下载即可使用。开放标准问题为进一步降低交通数据修复算法的测试门槛，transdim项目定义了两种不同的数据缺失场景：简单的场景：随机缺失，如下图图(a)所示；复杂的场景：块状缺失，在下图图(b)中，某一检测器在一周内丢失了3天的观测数据。在这两种数据缺失场景基础上，transdim 项目给出了两类数据修复问题。第一类数据修复问题是对缺失交通数据直接做修复，如下图所示，transdim 项目采用了张量复原等技术进行实现，实现过程包括时空多维交通数据的张量化组织、张量复原与数据重构。第二类数据修复问题侧重于预测，主要考察不完备数据下的交通预测，即数据本身带有缺失值的情况下如何进行有效的交通预测，如下图所示，transdim项目采用了带有时间序列建模的矩阵分解模型进行实现。开放机器学习算法在transdim项目中，开发者放弃了常用的Matlab语言，而是采用了Python语言中的Numpy对众多机器学习算法进行编译，并结合了实际的交通数据进行测试，最终以Jupyter Notebook代码文档的形式开放出来。下图归纳了transdim实现的算法及其代码文档网址。算法效果不妨先看一下缺失数据修复效果，以贝叶斯张量分解 (BGCP) 为例，下图给出了广州城市路网车速数据集某条路段在两段时间内的数据修复结果 (上图为8月1日至8月14日，下图为9月12日至9月25日)，其中红色区域表示数据丢失，红色曲线表示贝叶斯张量分解算法的修复结果，蓝色曲线为真实车速数据。从图中可发现，即使某条路段丢失若干天的车速数据，贝叶斯张量分解算法依然能够精准修复出来。对于带有缺失数据的交通预测，开发者们给出了贝叶斯时序张量分解算法，如下图所示是纽约出租车流量数据的预测效果，开发者们选取了两组时段 (第一行的时段为6月27日8点至9点，第二行的时段为6月27日9点至10点)，使用热力图直观展现了OD流量矩阵，为方便对比，开发者们分别给出了真实数据的流量热力图、完备数据下的预测流量热力图、30%缺失数据下的预测流量热力图。另外，开发者们选取了3组OD对 (区域17至区域13，区域17至区域27，区域27至区域27)，将流量曲线进行绘制，蓝色为真实的流量曲线，红色为30%缺失数据下的预测流量曲线。注：这里只为展现结果，具体细节以transdim项目及相应代码为准。代码技术文档开发者实现了众多矩阵/张量复原算法，这里不妨以贝叶斯张量分解 (BGCP) 为例来简单看一下如何用Python实现一个交通数据修复算法。相应的Jupyter Notebook网址为：https://nbviewer.jupyter.org/github/xinychen/transdim/blob/master/experiments/Imputation-BGCP.ipynb准备阶段调用Numpy、Scipy及其部分常用函数。常用函数包括生成多元正态分布随机数、生成Wishart分布随机数、求解逆矩阵。定义张量计算函数编译在张量分解中常用到的运算规则，如Khatri-Rao积。开发者为了让读者对张量分解中常用的运算规则有较深的理解，特地在Notebook中给出了具体的定义及简单的算例，针对该算例，开发者也使用了编译好的函数kr_prod对其进行实现。定义贝叶斯张量分解模型介绍模型形式并采用Numpy进行编译。这里的贝叶斯张量分解模型是建立在正态分布 (高斯分布) 基础上，将张量分解结构作为正态分布的均值项，从而根据共轭先验分布设置准则，可对张量分解结构中的参数设置多元正态分布的先验；为了求解张量分解结构中的参数，需进一步对超参数设置共轭的Gaussian-Wishart分布。尽管模型看上去较为复杂，但开发者们编译的代码却极为简洁。数据修复实验读入数据集、设置缺失场景与缺失率，采用已定义的张量分解函数进行测试。开发者已将原始数据组织成张量 (tensor) 进行保存 (格式为.mat)，这里只需要借助Scipy读入即可。在测试模型之前，还需指定张量分解的秩 (rank)、最大迭代次数 (burnin_iter和gibbs_iter)。后记开发者们通过transdim项目为广大读者提供了一个接触数据、认识问题、测试算法的渠道，并且在一定程度上降低了交通数据修复算法的开发门槛。除此之外，开发者们也将transdim项目涉及到的科学绘图进行了规整，创建了名为awesome-latex-drawing的GitHub项目 (网址为https://github.com/xinychen/awesome-latex-drawing)，该项目主要介绍如何使用LaTeX绘制各类图形，包括贝叶斯网络、张量结构示意图、框架图，截至目前，已经获得了超过400次标星 (star)。transdim项目的logo

项目负责人：杨滔项目组成员：肖惠丹、林旭辉、罗维祯、邓成汝、林戈、李帅峥、谢楠项目完成单位：中规院·阿里巴巴未来城市实验室空间是我们思考的起点，当先贤们将目光从石块、柱廊转向星辰大海，人类的思绪也逐步从实体流转到虚空。虚实的切换是人类对有序和无序的辨析，对现实和抽象的感悟。起首代表着对未知的好奇，也是向科技的展望。这最本能的驱动力促使了人类的创新。首先，是形式的创新。从罗马人用砖块建造的穹顶到营造法式中的大小木作，人类对空间组合形式的探索和创新从未停止。然后，是认知的创新。从欧氏几何、开普勒三定律、电磁感应到如今的图像识别、神经网络、机器学习，认知创新不断带动着科技的发展、社会的进步。最后是内涵的创新。文化、娱乐、标签、星座、广告都是人类不断深化、扩展现象内涵的产物。其中，最为重要和复杂的是城市，这个人类行为活动和意识形态的集聚体，参与并见证了历史上一次次思潮涌动和社会的日新月异。城市是人类文明的客体，更是载体，在数字化新时代背景下的城市发展，将是我们这代人必须认真思考的问题。理解城市1、多维城市概念作为规划从业人员，我们对于城市的理解不仅有空间，还包括非常重要的时间维度。城市的更迭，建筑的更新、经济的发展都是我们所关注的。除了时间维度，作为复杂系统的经典案例，城市这个庞大系统中的不同专业同样是我们应该关注的内容，尤其是在以生态文明建设为目标的新时代，市政、交通、地质、生态等行业将会和规划专业进一步协同，从而形成城市和谐、可持续发展的新模式。2、数字孪生概念面对新时代的需求，我们在雄安新区的建设中提出了数字孪生的城市概念。通过坚持数字城市与现实城市同步规划、同步建设，适度超前布局智能基础设施，推动全域智能化应用服务实时可控，建立健全大数据资产管理体系，打造具有深度学习能力、全球预先的数字城市。这里的孪生城市，不仅仅是现实城市的拷贝或者镜像，而是希望通过对双城并建过程中收集到的数据进行沉淀、分析和学习，从而发展出世界领先的城市智能，并不断推进实体城市和虚拟城市向未来智慧城市转化。设计城市在数字化的大潮流下，城市的概念发生着变化，城市的发展需求也在不断更新，因此城市设计的方法也需迭代进化，并向高质量、精细化设计迈进。在这种大背景下，我们对如何使用数字化工具推动空间设计进行了认真的探索，目前形成一套基于数据支撑与算法驱动的城市空间设计方法论和工作流程。其核心思路是在大数据环境下结合机器学习和数理统计方法，构建城市动态模型，理性描述城市空间特性，并仿真模拟“人-地-交通”的动态关系，最终依托于数据支撑和算法驱动对城市设计业务进行辅助和增强。具体方法如下：1、多源大数据整合我们现在的这个时代能够获取更多的数据，这些数据来源不同，所描述的内容也不同。包括地理信息系统数据、POI数据、交通数据、城市微气候、遥感数据等，这些数据维度来看，可分为社会经济数据、城市空间数据和物理环境数据等；从数据属性来看，可分为时间数据和空间数据、动态数据和静态数据、点数据和面数据等。大数据的意义在于数据挖掘和问题分析，而这些应用的基础是将不同维度、类型、属性的数据进行科学有效的融合。深圳市出行链交通仿真模拟（林戈、李帅峥）深圳市人口分布数据（林戈、李帅峥）这些数据怎么融合，融合之后怎么应用，应用是否有价值一直是所有大数据分析团队所面临的问题。对于我们来讲，大数据分析是理解城市、发掘规律的重要手段，所以提取空间维度的特征是我们做这件事情的核心目的。2、城市空间结构特性归纳对于设计来说，良好的空间格局是优秀设计方案的基础。对一个城市进行空间结构的分析和归纳可以帮助我们解读“格局”，然后设计、调整“格局”。但城市是一个极其复杂的系统，存在着尺度大、信息杂、变化快的特点。使用传统的分析手段已然无法满足数字化时代的需求。高质量、精细化的标准同样已经映射到城市数据分析工作上。因此，我们基于多源大数据，利用机器学习和数理统计方法，以路网、建筑地块为城市空间计算单元，结合POI、手机信令、交通出行、房屋价值和建筑肌理等数据，对城市空间结构进行归纳和分类，并且以此形成了未来城市设计的指标库和基因库。深圳市空间结构特性分类图（肖惠丹）深圳市空间结构相关性分析（肖惠丹）城市空间结构特性的归纳可以帮助不同利益相关方了解城市，发现隐藏的规律，并且可以从不同的视角对城市进行详细的解读和分析。从某种意义上讲，它是城市数据分析师打造的现代数字罗盘。3、城市各专业动态模型库构建通过前两个步骤，我们已经在城市尺度对方案所在地进行了多维度的剖析。在此基础上，我们逐步构建各专业的动态模型。根据模型类型可分为：描述性模型、预测性模型和模拟性模型；根据模型内容可以分为：城市用地模型、人口分布模型、交通模拟模型、空间异质性模型、房产价值预测模型、空间句法模型、微气候模型等。这些模型的构建是为了从专业角度，科学地对场地进行体检并发现问题，从而明确方案目标和实施路径。同时，其中部分模拟模型可以用于后期方案的评估和优化。此处动态模型库中的模型涉及到不同专业，且不同模型的协同联动较为复杂，这也是我们目前主要的技术难点和发展方向。当模型库构建完成后，可通过与真实数据拟合和参数调校，在不同城市进行复用。深圳市房价预测模型（肖惠丹）深圳市空间异质性描述模型（谢楠）深圳市空间句法模拟模型（邓成汝）4、基于动态模型进行城市体检形成设计条件基于城市空间结构特性和动态模型库，进行城市体检、问题诊断和机遇探索。面向多层级、多系统、多目标，建立精准、科学的设计条件。从而细化量化城市设计方案目标，做到有的放矢、针灸式治疗城市病。以上四个过程，我们强调各个专业之间彼此进行协同，从而精细化、系统化了解城市并完成高质量的方案设计。同时，我们希望在人工智能的推动下让机器学习各专业的知识内容和成熟经验，进而推动多维度的城市体检和方案评估。这个过程中，我们不断探索不同的多维数据，包括对社会经济、城市空间和建筑物理等的信息探索；也包括时间和空间的数据探索。关于具体这些数据和动态模型的具体应用有如下几个方面：比如我们经常用到的通过出行数据去判断城市拥堵，或者根据城市经济的变化和产业布局信息去分析城市的产业和相对比较宏观的空间结构是如何变化的，同时也可以根据不同的功能混合度判断其对土地价值、房地产价值的影响和产生的相应价值，并且这些价值是如何推动城市空间的改变的。另外，我们尝试通过研究市民不同的出行方式、POI、人口画像等数据，形成不同功能区出行的需求以及服务的需求，从而判断城市功能区的具体分区，以及城市不同功能区中混合或者排斥的程度。进一步我们可以预判城市中不同因素对城市的聚合与分散的影响，探索城市空间异质性。每一个城市都不是一样的，每个社区也大有不同，一个区位的特征会直接影响我们对其经济价值的判断。最后，我们研发的报告生成模块，可以把整个过程中所得到的交通、产业、公共服务设施、街区格局、功能构成、地段优质程度、建筑空间形态等分析结果，输出为完整的分析报告。这个报告可以提供数据底板的升级版，辅助规划设计师和政府决策者对规划设计条件进行最基础的判定。多维度体检---分析报告生成---设计条件输出5、数据支撑的参数化方案设计同时我们也形成了参数联动方案设计的方式，通过参数化的技术提高设计师工作效率并增强设计方案的深度和广度，释放设计师的创造力，提升方案的科学性。目前，尤其在建筑行业每当提及参数化，大多数人的第一反应是“异形建筑”，“建筑表皮”等。但这些只是参数化技术的近十年来较为广泛的应用之一。参数化技术的核心是参数的记录和联动，所以对于城市设计这种地块多、建筑模型多、上位规划数据多的项目，参数化技术是非常适用的。使用参数化技术，我们可以实时存储方案的重要参数，并且可以随时调用相关数据或者快速进行方案调整。同时，建筑的空间参数可以非常方便和其他相关专业进行联动，比如根据每栋建筑的总面积，可以估算出建筑或者社区的能源消耗或者总需水量。所以，参数化技术将是以后在城市设计层面进行多专业协同尝试CIM技术的重要媒介。城市设计方案各建筑需水量计算（罗维祯、林旭辉）另外，我们根据城市设计项目的需求，自主研发出根据控规条件和相应功能配比，精准生成符合各项指标的建筑形态的工具。这里，我们可以控制地块内所选建筑的标准层面积，然后依据建筑密度、地块容积率、功能配比和建筑朝向等条件，计算出近似最优的地块内各类建筑的个数和层数，以及竖向上的功能分区等，并自动生成空间方案。这个方案可以快速为设计师提供一个满足“量”和“标准”的设计，然后设计师可以根据自己的判断和概念移动、修改、细化该方案。对于大尺度的城市设计，该工具同样可以批量生成符合控规标准的方案，从而节省设计师的时间。最后，当设计师或者决策者希望看到控规标准调整后的空间效果时，同样可以使用这个工具进行快速的方案生成和方案调整。城市设计方案精准化自动生成---含功能混合（罗维祯）6、多专业协同的增强型城市设计在生态文明建设的大背景下，可持续、节能、绿色、交通、水利、垃圾处理等相关专业逐步成为城市设计需要着重考虑的内容，通过规划设计专业与其他相关专业的协同，可以帮助各专业的设计师更全面、系统、宏观的了解本专业的方案对于一个城市的影响。尤其对于城市设计专业的工作者，可以更直观了解到当改变一个地块的开发强度或者用地功能后，对周边道路交通的影响，地块资源消耗的影响，局部微气候的影响等。作为复杂系统的城市，往往一个微小的改动所造成的影响是巨大和复杂的，因此在规划设计阶段多专业协同设计、模拟、评估、优化方案是非常必要的。这样可以大幅度降低在城市建设运维过程中的资源的浪费。我们实验室深入研究了不同专业系统的相关知识和模拟模型，并依托于参数化技术的优势，正在研发面向规划设计阶段的多专业协同工具。这部分工作同样也是CIM（City information model）技术在城市设计项目中的初步但落地的尝试。多专业协同框架及相关计算模型（罗维祯、林旭辉）7、算法驱动的方案多维度评估最后，当我们完成一个方案设计后，无论是自动生成还是设计师设计的方案，都是需要进行完整的评估的。评估结果会作为反馈辅助设计师进行方案调整和优化。通过参数化技术，我们可实时、无缝地将方案信息与城市动态模型库中的模拟模型进行联动，以此做到对城市设计方案进行高效专业的多维度评估，帮助设计师完成更高质量的设计方案。比如，通过内置的交通模拟模块，设计师可以非常方便的对自己方案的可达性进行评估；也可以通过能源模块，模拟方案中不同规格、类型、功能建筑（或地块）的能源消耗；还可以利用水力模拟模型来判断现有方案中的地块开发强度是否和供水管网服务能力匹配。这一部分的评估可以按专项来分进行独立评估，也可以按照上一章节中介绍的多专业协同进行综合评估。其宗旨都是通过科学的模拟，对方案进行多维度的仿真，再根据相应的分析结果对方案进行修改和优化。由于系统非常复杂，且城市中不同的影响因子极多，所以一般情况是无法保证得到最优方案的。但是，对于城市设计尺度的项目，百分之一的优化所带来的效益和价值都是巨大的。城市设计方案交通系统评估（罗维祯、林旭辉）城市设计方案能源系统评估（罗维祯、林旭辉）城市设计方案水资源系统评估（罗维祯、林旭辉）结语整体而言，我们最终的目的是通过新技术整合数据、分析问题、挖掘价值，勾勒城市中隐藏的维度和规律（make invisible visible），提高我们对于整个城市从宏观到微观不同尺度的感知能力，然后以此为基础结合相关专业协同完成高质量的城市空间设计方案，最终为国家高质量发展贡献一份切实的力量。

1月12日，由中国联通智慧足迹主办的“人口+”大数据服务社会治理能力现代化研讨会在京召开。全国政协经济委员会副主任刘世锦、国有重点大型企业监事会原主席刘顺达、清华大学中国经济社会数据研究中心主任许宪春、中国人口发展研究中心副主任张许颖等多位领导专家出席会议，分享了他们对于“人口+”大数据在服务社会治理、服务国家战略发展中的思考实践。报告发布研讨会上，智慧足迹CEO李振军发布了《中国人口空间格局与流动迁移》报告，报告包含全国常住人口分布、变化及流动，城市群群内、群外迁移，都市圈出行特征，人口结构及产业分析等。报告概要观点如下：观点一：人口洛伦兹曲线图表明，华东地区以不足全国10%的土地面积，承载了全国30%以上的人口，全国人口分布重心在河南信阳。观点二：人口迁移呈现“东进南下”趋势，南北差距逐步取代东西差距。观点三：中国人口迁移呈现两大磁力线，一条是长江经济带，一条是珠三角和海峡西岸连线。观点四：人口呈现城市群化、都市圈化，向省会城市集中趋势明显。观点五：人口流动遵循“人依功能居、人随产业走”的规律，“产城人”与“人城产”并存。观点六：城市群呈现“2468”规律，城市群核心城市辐射半径差异明显。观点七：从内外出行比、城市吸发比、联系强度看，都市圈同城化特征明显。李振军还表示，人口是经济社会发展的基础，也是空间优化、产业升级、区域协调的要素。人口大数据有三重价值，一是发现问题从而归因施策；二是分析趋势从而因势利导；三是预见问题从而未雨绸缪。专家研讨研讨会上，与会专家围绕人口大数据与城市群、都市圈、空间布局、产业政策、社会治理展开热烈讨论。此外，福建省莆田市统计局局长吴海端就智慧足迹人口大数据服务莆田市人口普查试点做了案例分享。该项目设计了“天网、地网、人网三网互动，统计、公安、卫健三普作证，网络、手机、探头找人三人见证”普查思路，人口大数据展示分析了莆田的人口统计、流动、联系强度等特征，试点结果准确可信。爱思智库启动仪式与会专家们共同见证爱思智库启动。爱思智库是联合政府、高校、研究机构、产业单位的学术型研究型组织。

梳理一整年的国务院常务会议，可以绘制出政府工作的重要脉络。我们从2019年发布的41篇常务会新闻通稿共计4万余字的文本里，发现了这些——根据新闻通稿，2019年李克强总理主持召开的41次国务院常务会议至少讨论了104项议题，平均每次会议至少讨论2.5个涉及国计民生的重要议题。在所有议题中，约有70%的议题涉及“激发市场活力”，40%的议题涉及“保障基本民生”，构成国务院常务会的两大关注！“六稳”构成贯穿2019年国务院常务会议的一条政策主线，涵盖了至少50个议题。全年41篇新闻通稿里28篇都有“稳”字，9月4日的常务会更明确提出要加大力度做好“六稳”工作。在常务会高频词中，“稳”字出现了104次排在第5位。那排在第1位的是什么词呢？“企业”是出现最多的词其中“小微企业”格外受关注“企业”是2019年国务院常务会第一高频词，共被提及245次。从2019年第一次国务院常务会决定将企业简易注销时间减少一半开始，对企业的关注便贯穿全年。简化企业开办手续、降低企业用电成本、清理拖欠企业账款……从开业到经营到注销，涵盖企业全生命周期。在“企业”被提及的245次里，“小微企业”占了49次，格外受关注。针对小微企业，国务院常务会一开年就定了每年减税2000亿元、连减3年的政策。如何降低小微企业综合融资成本，也在至少3次常务会上被讨论。李克强总理说，小微企业是经济发展和容纳就业的生力军，必须确保解决小微企业融资难融资贵有明显进展。围绕企业，国务院常务会讨论频度最高的议题集中在两方面——2019年全年累计新增减税降费超过2万亿元。10月16日的常务会上李克强总理专门听取了这项工作的汇报，开会前两天在陕西考察时，他还临时走进西安老旧小区小卖部和路边肉夹馍小店，向店主们问经营税费等情况。在世行发布的《2020年营商环境报告》中，中国的排名上升了15位，连续两年跻身全球营商环境改善最大的经济体前十。10月8日国务院常务会通过《优化营商环境条例（草案）》，决定将近年来“放管服”改革中行之有效的经验做法上升为法规。民生高频词里“就业”“医”“药”排前三“家政”出现次数变化最大前三位的“就业”“医”“药”，都反映了国务院关切的基本民生。“稳就业”是“六稳”之首。国务院常务会议多次强调“就业是最大的民生”，并在至少9次会上部署了相关政策，包括1000亿职业技能提升行动、高职扩招100万人、援企稳岗、支持灵活就业等。就医用药是近两年的民生热点。2月11日的国务院常务会上4位部长相继汇报抗癌药降价、罕见病用药等情况。高血压糖尿病患者门诊用药报销额度提高、药品集中采购试点范围扩大等政策也在国务院常务会上得以确定。民生高频词中，有些词与2018年相比有了变化。“家政”比2018年多提了31次。李克强总理在常务会上强调，促进家政服务扩容提质，事关千家万户福祉，是适应老龄化快速发展和全面二孩政策实施需求的重要举措。老旧小区改造和“一老一小”也是2019年受到更多关注的议题。加装电梯、配建停车设施、社区养老、托幼这些老百姓关心的事都多次上了常务会。“物价”比前一年多出现了13次，“生猪/猪肉”多出现了14次。国务院常务会明确提出，抓紧落实猪肉保供稳价措施，地方要立即取消超出法律法规的生猪禁养、限养规定。2019年还有很多2018年没出现过的词，比如“高职”“扩招”“职业病”等。国务院常务会还专门讨论了一次“体育消费”，这在前两年都没有过。此次会议部署了推动公共体育设施有效向社会开放等措施，李克强总理专门要求文件标题上增加“健身”两个字，把发展体育和人民群众需要结合起来。总理在常务会上曾强调：“要把政府工作与老百姓对基本民生的迫切盼望结合起来。民生基础夯实了，才能夯实发展基础。”2020，继续努力。

【投稿吗？有稿费的那种！】（点击看详情），是由城市数据派主办的征稿活动，我们希望能够提供更新鲜、更好玩、更有价值的内容，因此决定为派友们开放平台，提供交流和展示才能的机会。小派在此恭候派友们投稿分享！【本期看点】本文主要解决了GIS面数据导入CAD时无法变为填充的问题，实现按属性归类图层；涉及第三方ArcGIS符号库的获取、修改与应用；解决CAD文字注记导入GIS时字体、大小、位置偏移或丢失等问题，通过要素转点与空间连接将内容添加到与之对应的面属性表中。 本期投稿 作者：索志辉河南-规划-小索文章内容概述在村庄规划的实践中需要用到第三次全国国土调查数据、地形图，这两者是村庄规划工作底图的基础数据；永久基本农田、生态保护红线等相关成果的数据形式以shp为主，这为以CAD为工作平台的设计师带来了一定的挑战。工作平台和数据形式的不同，使得作图不太方便，本文旨在解决这一小问题。将shp的点、线转为dwg格式的数据，直接从ArcGIS中导出为CAD即可。Shp数据无法直接将面与属性直接导入CAD中，需要借助第三方工具如“FME”，获取方式自行百度，或者咨询城市数据派。并且，可以扩展到，shp→dwg，dwg→shp格式转换、符号匹配、原坐标坐标粘贴、文字注记转为面属性等问题。接下来，以两种思路展开叙述。shp→dwg以三调DLTB层为例，实现shp到dwg格式的实体填充，永久基本农田与生态保护红线等数据的转换同理。转换的主要工作平台为FME。在FME的工作空间中添加读模块，选择待转换的shp文件。以下所有图片可点击后放大查看添加“DWGStyler”转换器设置转换器属性，面-设置为solid填充。添加写模块，设置存储位置与名称。设置写模块，需要注意版本格式、坐标系统存储。设置写模块属性，图层名称-属性值-DLMC（会以地类名称的中文名称作为CAD的图层名称，如习惯三调地类编码数字的可选择DLBM作为图层名称）。如果没有连接线的话，用鼠标点着写模块的小箭头拖到转换器左侧的小箭头处即可。点击保存、运行的小图标，等转换日志中出现“END”字样，转换完成。打开转换好的dwg全部为红色，将图层颜色按照标准设置即可（下图仅为示意）。虽然同为2000坐标，三调数据通常比地形图多一个“带号”，即x轴比地形图的多两位数如（AAxxxxxx）。打开正交（F8），以任意点向左平移AA000000，即可将两者正确匹配。没安装FME也可在ArcGIS目录中的“我的工具箱”中添加ETL工具依据提示，最终保存后会弹出FME的界面，殊途同归，并且保存后会集成在我的工具箱中。但是这种方法目前面临着一个不影响工作的小问题：转过来的填充没有面积属性，用CAD或者插件的命令也无法计算。有没有高手能给解答一下这个问题呀？欢迎留言指导！dwg→shp符号库匹配以GIS为工作平台的设计师如果用的是苍穹，索取的三调数据库也是vtm格式的话，可以直接实现符号的匹配，不怎么需要看以下内容。但是因为ArcGIS10.2中严格按照三调规程制作符号库较为困难，简单说一下三调数据的符号库修改与匹配。想要获取符号库？请关注“城市数据派”公众号，在微信号里回复 “ 符号 ” 两个字即可获得下载地址！注：符号库来源于网络将三调数据导入ArcGIS。在样式管理器中添加三调符号库。编辑符号库。通过复制粘贴、重命名、双击符号进行修改等操作，将符号库中的“名称”与“DLMC”修改至一一对应。图层属性-符号系统-与样式中的符号匹配，选着DLMC（同前文，也可选DLBM）为值字段，点击浏览，选择已经下载并编辑好的符号库。实现可视化。文字注记与空间连接将cad中的文字注记转为ArcGIS的属性标注，首先需要将湘源控规等插件生成的智能对象炸开。直接拖进ArcGIS存在信息丢失。【错误示范，不建议学习】安装并在扩展模块中勾选Data Interoperability，选择快速导入工具，选择待导入dwg文件。如果做专题研究可以选择第一个图层名称进行导入，我个人通常习惯按照几何对象进行导入（按照点线面聚合，图层名称会在属性表中呈现）。导入数据，若文字注记不显示需要设置图层单位。设置为与CAD原坐标单位一致即可。实现文字注记的可视化。以为这就完啦？并没有，哈哈哈。我还想让这文字注记进去面的属性里。运用“要素转点”工具将文字注记转换为点。分析工具-空间连接，面为目标要素，文字注记为连接要素。搞定。注：本文中的示例数据均为测试数据，经过偏移扭曲和旋转，不存在泄密问题。

受交通运输部运输服务司、国家发展改革委经济运行调节局、国家铁路局运输监督管理司、中国民用航空局运输司委托，国家智能交通系统工程技术研究中心(以下简称“ITS中心”)作为第三方机构，会同交通运输部科学研究院、中国交通运输协会城市物流分会、百度、携程、阿里巴巴、蚂蚁金服、高德、中国联通、中交信、盛威时代、美团、北京字节跳动、巴士管家等企业及有关媒体，综合应用历年春运出行及春运服务体验调查数据、互联网平台旅客出行大数据，对春运期间旅客出行需求进行了分析研判。有关情况如下： 2020年春运客流形式 2020年春运从1月10日开始，2月18日结束，共40天。综合分析，2020年春运总体呈现如下特点：一是客运总量基本持平。预计2020年全国春运客运量约30亿人次，与去年基本持平。二是旅客出行结构显著变化。高铁、民航、水运、以及私家车出行量持续增加，比例持续提高;道路客运量，主要是长途客运量持续下降。三是旅客出行目的更加多样。务工流、探亲流、学生流等是春运客流主体。随着经济社会发展、生活水平提高和消费理念转变，反向春运、旅游过年逐渐成为合家团聚、庆祝节日的新方式、新选择。四是节前客流高峰明显。预计节前学生流与务工流、探亲流等多种客流高度叠加，运输保障压力较大，节后客流相对平缓。五是安全应急保障压力较大。春运持续时间长、运输强度大、客流集中度高，安全应急保障任务更加繁重。根据中国气象局预测，春运期间，全国大部地区气温接近常年同期到偏高，降水总体偏多，西北北部、内蒙古西部和东北部、东北北部等出现阶段性强降温、强降雪概率较大，京津冀、汾渭平原大气污染扩散条件总体较差，雾霾天气较多，春运应急运输面临较大压力。农村地区交通条件复杂、司乘人员安全意识薄弱，需进一步加大安全监管力度。六是路网车流量持续增长。受取消全国省界收费站、持续实施春节假期高速公路小型客车免费通行政策等因素叠加影响，预计群众自驾车出行比例将会进一步提高，路网运行保畅压力进一步加大。 客流分布预测 01、客流高峰特征明显，节前客流高峰较往年提前。2020年春节是近八年阳历最早的春节，多种客流相互叠加。预计节前返乡客流将呈现出来得早、时间长、峰值高等特点，主要集中在1月15日-1月23日(腊月二十一至二十九);节后返程客流呈双高峰态势，分别为1月26日-2月2日(正月初二至初九)和2月9日-2月13日(正月十六至二十)。预计春节假期客流量约占春运客流总量的20%，1月25日(正月初一)为波谷，1月30日(正月初六)为波峰。图1 2020年春运客运量时间分布预测02、省内出行占比过半，中短途出行需求旺盛。结合百度地图历年迁徙数据，从春运出行范围看，省内出行量预计占总量55%，高于跨省出行量。从出行距离看，预计2020年春运期间旅客平均出行距离约为343公里，其中300公里以内出行占比约为66%，300公里至500公里出行量占比约为13%，500公里至1000公里出行量占比约13%，旅客出行以中短途为主。图2 2020年春运旅客出行距离分布预测03、客流分布差异明显，热门迁入迁出省市相对集中。省份方面，预计春运期间客流量主要集中在中东部地区，客运量排名前十位的省份为：广东、江苏、浙江、河南、四川、安徽、湖南、河北、北京、上海。其中，旅客迁入量较大的省份主要包括广东、江苏、浙江、安徽、河南等;迁出量较大的省份主要包括广东、江苏、浙江、河南、河北等。 图3 春运热门迁入省份分布预测 图4 春运热门迁出省份分布预测城市方面，客流迁入迁出量较高的城市主要集中在外来人口较多、就业机会较多的京津冀、长三角、粤港澳大湾区、成渝等城市群核心区域。预计春运期间热门迁入迁出城市主要包括北京、广州、上海、深圳、成都等。 图5 春运热门迁入城市分布预测 图6 春运热门迁出城市分布预测04、反向春运热度持续增高，目的地城市特征显著。近几年，“反向春运”的热度持续提升，更多的年轻人将老家的父母和孩子接来自己工作的城市过年。根据百度地图迁徙数据，今年“反向春运”十大热门目的地为重庆、北京、广州、成都、上海、深圳、杭州、西安、长沙、郑州。图7 春节前“反向春运”十大热门目的地排名预测05、中心城市客流集中，空间移动呈潮汐性特点。结合历年春运数据和客流热力分析，预计2020年春运期间，热点迁徙城市既有广州、北京、深圳、成都、上海、东莞、重庆、苏州、郑州、西安等区域中心大城市，也有惠州、中山、周口、廊坊、阜阳、徐州、温州、金华、咸阳、泉州等经济活跃、用工或劳务输出量较大的中小城市。春运返乡与回程客流呈现潮汐性特点。省际出行方面，节前返乡客流主要以特大城市为中心向周边扩散，预计十大热门出行线路分别为：北京→廊坊、上海→苏州、北京→保定、北京→天津、成都→重庆、重庆→广安、上海→南通、北京→张家口、深圳→香港，天津→廊坊。节后回程客流主要由中小城市向中心城市聚集，预计十大热门出行线路分别为：廊坊→北京、苏州→上海、保定→北京、重庆→成都、天津→北京、广安→重庆、张家口→北京、达州→重庆、南通→上海、廊坊→天津。省内出行方面，节前返乡客流主要以省会城市为中心向周边扩散，预计热门出行线路前十位包括：广州→佛山、西安→咸阳、深圳→东莞、深圳→惠州、西安→渭南、武汉→孝感、成都→德阳、昆明→曲靖、成都→眉山、广州→东莞。节后回程客流主要由省内中小城市向省会中心城市汇聚，预计热门出行线路前十位包括：佛山→广州、咸阳→西安、东莞→深圳、渭南→西安、惠州→深圳、曲靖→昆明、孝感→武汉、德阳→成都、眉山→成都、毕节→贵阳。同时，结合历年春运数据和客流热力分析，对京津冀、长三角、粤港澳大湾区、成渝等重点地区春运热门出行线路进行研判，具体如表1所示：表1 2020年春运重点地区热门出行线路 图8 京津冀热门出行线路 图9 长三角热门出行线路 图10 粤港澳大湾区热门出行线路 图11 成渝热门出行线路 分方式客流预测 01、铁路方面——高铁出行需求旺盛。根据携程售票数据分析，预计今年春运期间十大热门铁路线路为：深圳-广州、重庆-成都、北京-天津、上海-杭州、成都-重庆、上海-苏州、上海-南京、珠海-广州、北京-上海、东莞-广州，以中短途路线为主。图12 2020年春运前期热门铁路线路预测——热点火车站客流集中度较高。根据携程售票数据分析，预测2020年春运期间全国发送旅客量较多的火车站集中在北京、上海、广州、深圳等中心城市。其中，广州南站、上海虹桥站、杭州东站、成都东站、北京西站等成为热门的铁路枢纽。图13 2020年春运期间热门火车站预测02、公路方面——客流以中短途为主。根据盛威时代历年售票数据分析，2020年春运期间十大热门道路客运线路为：吉林省长春市农安县-长春市、陕西省渭南市富平县-西安市、安徽省阜阳市临泉县-阜阳市、吉林省长春市宽城区-农安县、湖北省宜昌市宜都市-宜昌市、安徽省阜阳市-临泉县、陕西省咸阳市乾县-西安市、湖北省武汉市新洲区-汉口市、江西省上饶市弋阳县-广丰区、广西北海市-彬塘/石头埠。——热点客运站集散需求较大。根据盛威时代历年售票数据分析，预计2020年春运前期十大热门公路客运站为湖北省宜昌中心站、陕西省西安汽车站、吉林省凯旋路客运站、安徽省阜阳东站、湖北省随州客运中心站、安徽省九江汽车站、吉林省松原公路客运站、湖北省仙桃客运站、湖北省枣阳市汽车站、陕西省宝鸡汽车站。03、民航方面——中心城市之间客流需求旺盛。根据携程机票预售数据分析，预计今年春运前期十大热门航线为：上海→北京、北京→上海、上海→广州、深圳→上海、上海→深圳、广州→上海、北京→三亚、北京→广州、广州→北京、北京→深圳。 图-14 2020年春运前期热门民航线路预测——重点航空枢纽客流集中。根据携程机票预售数据分析，预计2020年春运期间全国热点机场集中在北京、上海、广州、深圳、成都等航空干线机场，客流量热力排名前十的机场如图15所示：图15 2020年春运期间热门机场预测 春节假期旅游出行预测 ——南方海岛、北方冰城依旧是国内旅游热点。结合携程售票数据分析，预计2020年春节长假出游人次将达4.5亿人次，南下避寒游和北上冰雪游将是国内游主流选择。预计2020年春节热门境内旅游目的地城市前十名为：三亚、广州、北京、厦门、丽江、哈尔滨、昆明、成都、上海、桂林。图16 2020年春节国内旅游热门目的地预测——张家口、九寨沟成为国内旅游新热点。随着京张高铁正式开通运营，北京+张家口连游将成为今年春节新的趋势。此外，今年春节期间九寨沟将迎来重新开园后的第一个新年，预计将成为2020年春节期间国内游又一热门目的地。——东南亚、日韩成为出境旅游热点。随着社会经济发展，人民群众生活水平提升，春节假期出境游需求旺盛。根据携程预售机票大数据分析，预计出境游人气旺盛的目的地国家主要为：日本、泰国、新加坡、韩国、马来西亚等。图17 2020年春节出境旅游热门目的地预测 旅客关注热点预测 结合历年春运调查问卷数据进行分析，2020年春运，安全、便捷、温馨、准时将成为公众出行关注的重点。其中，铁路出行关注点集中在售票服务、候乘环境、换乘服务等方面;公路客运出行关注点集中在候车环境、安全保障、乘坐体验等方面;航空出行关注点集中在安全保障、航班准点、换乘服务等方面;自驾出行关注点集中在服务区环境、收费站服务、道路状况、安全保障等方面。本文转载自：交通运输部

【招聘单位】深圳数派互动传媒科技有限公司（以下简称 “ 数派科技 ”）公司运营微信公众号“城市数据派”，获得国家信息中心评选的“全国十大最具影响力的大数据领域微信公众号”。城市数据派是全国首家面向城市研究与规划大数据的垂直领域平台。数派科技是专业的城市大数据服务商，目前提供服务覆盖数据教育培训、数据资源、数据知识、媒体宣传等领域。我们致力于打造多方共赢的城市数据创新生态圈；曾主办“全国十大城市数据师个人贡献奖”及“全国规划行业大数据应用十大企业”评选活动，获得社会各界好评。更多信息请登录城市数据派官网查看 www.udparty.com【全职新媒体助理】岗位职责：负责新媒体的相关工作，由于新媒体助理的工作比较复杂，主要包括文案策划与撰写、简单的数据分析、运营策划、方案执行、新媒体的其他日常作业等等。如果你是城乡规划、地理信息专业背景，已经具备了良好扎实的专业基础与技能，同时对新媒体有浓厚的兴趣或者有运营微信公众号的经验，没有新媒体经验的来了我们也都将手把手教你！其实咱们公司也没有真正的做媒体出身的人员，也没有学运营出身的同学，大多都是规划等专业跨界过来的。我们深知，优秀的规划专业素养是成为我们团队成员最重要的基础，新媒体运营的技能都是可以在工作中学习掌握的！规划师在工作中本来就是了不起的多面手！学啥都快！你说对不？岗位要求：1 热爱城市大数据，具备较强的自我学习能力以及自我驱动力！2 具备良好的微信公众号文案写作能力，知道什么方式最能吸引读者3 具备良好的设计美感，灵活运用PS等工具4 有担当、有激情，能接受挑战、承受压力和适当的加班5 熟练运用OFFICE、ARCGIS 等专业软件6 城乡规划、地理地信等相关专业毕业者7 有微信公众号撰写及运营经验者优先考虑 薪酬： 月薪 8000-20000元，具体面议【简历投递】工作地点为深圳市，有意者请加微信详聊，备注“职位+姓名”，并发送简历。

【投稿吗？有稿费的那种！】（点击看详情），是由城市数据派主办的征稿活动，我们希望能够提供更新鲜、更好玩、更有价值的内容，因此决定为派友们开放平台，提供交流和展示才能的机会。小派在此恭候派友们投稿分享！【本期看点】国土空间规划一张蓝图的编制如火如荼，各地区正基于三调成果，开展村庄数据入库工作。本文以图示语言说明入库流程与操作方法，并总结过程中的常见问题及解决措施。 本期投稿 作者：刺猬君规划小白一枚，走在个人成长之路上数据库录入逻辑与思路本文录入对象为南京某城区乡村现状数据，共11个街道150个社区，1605个自然村；数据量较大，因此先按照街道录入，保障录入数据的准确性、避免数据批量操作过程中出错导致重做工作；熟悉流程后确保操作无误后再批量录入。入库逻辑即将行政村边界、自然村图斑、自然村范围线（需自绘）导入GIS，并将EXCEL数据链接到GIS的空间数据上（数据示例如图 1-1）。以街道数据录入为例，实际录入逻辑可丰富如下四步（图 1-2）。图 1-1 入库数据示意图 1-2 数据入库逻辑每一步图示详解第一步，CAD数据整理与录入GIS1、CAD数据录入GIS图 1-3 CAD数据导入GISCAD数据按顺序导入GIS，并将街道名称连接至街道的范围线；社区名称连接至社区范围线；自然村名称链接至宅基地图斑。2、常见问题与解决方法图 1-4 数据导入常见问题街道或社区范围线于GIS中线转面时，线段并不闭合导致转面失败；可通过要素转面工具中调整容差设置解决该问题。村名称要素点必须完全位于宅基地图斑之内，才可准确链接至图斑。CAD文字导入GIS要素转点后，其形成的点可能位于文字的中上、中下、左上（图 1-4）。宅基地图斑较小时，文字所转点位于图斑之外，导致文字无法链接至图斑。可通过缩小文字，将其完全放至图斑中避免该问题。宅基地图斑必须保障内部非宅基地闭合线段与外部闭合线段于两个图层，方便将内部非宅基地线段擦除。3、为更直观明确上述问题与操作过程的对应关系，将上述图表示如下（图 1-5）；图 1-5数据录入与常见问题的对应关系第二步，GIS中对数据进行处理：将街道与社区信息连接至宅基地图斑图 1-6 宅基地图斑链接街道与社区的信息首先将街道信息链接至社区范围线，CAD数据中易出现社区范围线与街道范围线相交的问题（图 1-6）。通过选择空间链接中的“目标要素质点位于链接要素内”选项，避免连接错误。连接后需要与EXCEL核对，确保空间数据与EXCEL数据一一对应（图 1-6）；之后将社区范围线信息链接至宅基地图斑，连接后需要将宅基地图斑要素属性（自然村名称值）与EXCEL核对。该过程最容易发现无法一一对应的问题（详见图 1-7）。图 1-7 数据核对常见问题更直观明确其录入步骤与问题的对应关系，将上述图表示如下（图 1-8）；建议横屏观看图 1-8 数据录入过程与常见问题的对应关系第三步，自然村范围线生成一个自然村通常具有多个宅基地图斑，对自然村的所有图斑进行融合，按照图 1-9所示方法，可生成自然村范围线。批量处理可使用Model builder（图 1-10）。图 1-9 自然村范围线生成方法图 1-10 Model Builder构建批量处理模型批量处理生成范围线容易出现以下问题（图 1-11）：1，两个图斑较远，导致一个自然村生成两个范围线；2，图斑空间位置导致生成的自然村范围出现相交、重叠的情况。该问题会导致宅基地图斑信息如法正确连接至自然村范围，所以需手动调整出错的范围线。其后连接宅基地图斑信息至范围线，通过与EXCEL数据核对确保一一对应，最后连接EXCEL数据，完成录入。图 1-11 宅基地生成范围线容易出现的问题综上，首先确保完成CAD数据于GIS中的准确录入，其次重要的是确保GIS每个宅基地图斑具有正确的自然村名称（每步操作与EXCEL数据一一核对），在生成自然村范围线后，将EXCEL信息录入即完成数据入库。后记数据录入库基本逻辑并不复杂。CAD数据导入GIS，再将EXCEL数据连接至GIS空间数据。但数据量大时难以确保数据的正确度与精度，因此本文录入操作每一步都尽量与EXCEL进行核对，这也增加了入库的复杂性与其对耐心、时间的要求。非常感谢操作过程中同事及朋友的耐心解答与帮助。