下载客户端

市政厅|让市民参与城市规划和空间治理，北京怎么做

茅明睿

2015-06-29 17:55

来源：澎湃新闻

∙ 市政厅 >

这个时代的特征，是充斥了各种大量微小的元素：大家在互联网上留下来的数字脚印，社会网络带来的信息传播，还有社群、社区自治……过去几年里，这些方面发生了非常多的变化。

我们建立了一个平台，来获取大家的数字脚印，通过这些微小的数据，做城市研究；同时，把互联网上的自组织群体、规划师群体等方面智慧纳入进来，将社会自下而上的社区治理、规划实践的动力纳入进来。

这个平台通过各种技术，包括多元数据获取、大数据技术、数据可视化技术、定量研究技术……等等，结合线上的新媒体、移动APP，以及线下的展览、竞赛和微实践，将它们组合起来，形成面向市民、面向政府、面向规划师的三类界面，然后提供服务。

这是我们去年下半年提出来的理念，去年11月，我们做了cityif.com。今天我讲讲这个平台干了些什么事儿。

1、扎针地图

很多人会非常熟悉这张图。这是我们去年9月做的一项由多个高校一起参与的北京市街道环境改善设计竞赛。国内有8家院校参与这个竞赛。我们对此做了一个公众参与平台：大家在网上可以看到这些方案，并能对它们进行点评。

不过，我想讲的不是这个，而是竞赛过程中，我们在大栅栏做的一个展览。这个展览有一面墙，是北京五环以内的地图。我们在旁边放了两种颜色的大头针，蓝色的大头针代表步行环境很好，红色的大头针代表步行环境不好，很多人来这儿扎针。

我们收集了1600多个针头。结果形成这么一个图：

这个成果在去年12月在规划展览馆进行了展示。大家都觉得很高兴，图扎得千疮百孔，也收集到了非常多的信息。

不过，其实这个事儿才刚开始。对我们来说，这是刚开始进入到云平台要干的事。我们做的第一步，是把扎针模型空间化，把它变成了空间数据。

第二步是，我们采用互联网街景地图，获取每一个点的街景，按照45度获取一次街景，得到了每一个点，一共1600多个点、15000张照片。我们利用互联网街景，进行精细评估。

然后我们就采用人肉，一个个去看。我们用九个维度的指标，对它进行评估。我们想知道：公众为什么会对一个点给出负面或正面的评价，哪一个评价要素占主导作用。

梳理完之后，我们发现，扎针这个现象有23个点极端不一致，有时很明显的不好，被人说成好；或者很明显的好，被人说成不好。另外有三分之一的点有争议，这个地方我们觉得较好，但大家给他恶评，或者这个地方可能偏坏，但是大家给了好评。总体上有三分之二的点和我们的判断是一致的。

接下来，我们按照九项指标进行了分解，能得到每一个地点的情况。设施好的区域是什么样？停车占道的区域在哪里？停车好的又是在哪里？又结合可达性、魅力空间、视线遮挡、步行尺度、路面铺装、绿化景观、无障碍性等，最后得到这么些东西：

这些东西，我觉得才是真正有价值的，能真正为规划设计做指导，指导规划设计的详细改进工作。

最后我们得到一张雷达图，我们把这张图发布出来。比如说，北京交通大学东门有一个点在这，这个图上是恶评点，其雷达图是这个样子的。

现在大家用手机关注cityif的公众号，就能直接在线查询这些内容。

我们做的下一个工作是，将这些进行动态评估。我们现在跟一些NGO合作，打算把扎针的工作持续下去。我们正在开发这个事情，下一次大家可以在手机上进行打分，然后我们可以进行滚动评价。

我们也会把一些没有人扎的路段开放出来，让人去认领。

这些工作有什么意义？这实现的是公众参与的空间转换，从实体空间转换到线上，让它可持续。我们把一个众包的、狂欢的活动，变成有价值的空间数据、规划数据。

我其实是在告诉大家，一个好的“数据增强设计”是怎么炼成的。通过这样的工作，实现的是公众的粗参与到公众的精参与。

2、积水地图

第二个例子，跟第一个例子在技术上是一样的。去年7月21日，我们在互联网上发布了北京的一个积水地图，大概有63个积水点。

北京市非常重视这项工作，市政府在过去两年当中，一直致力于改善北京的积水情况，他们通过雨洪模型大概模拟了400个可能的积水点。我们现在获取了400个积水点的数据。

这些积水点绝大多数已改造完毕。那么效果如何？我们现在在互联网上打算发布一个应用，就是让大家在下雨之后，去评估这400个积水点的改造情况，这个应用就叫做“等雨来”。

这个应用还没有上线。就跟风口上的猪一样，我们在做雨水下的规划师，等雨来。要等到这样一个时机，我们把应用推出去，才真正能让人关注到，起到公众参与的效果。

我们在做的事，就是使传统上事后评估的公众后参与，变成公众跟规划师的同参与。

3、城市的心情

第三个例子是城市的心情。在四月份的时候，我们的合作者喻文承博士在清华大学已讲过这个例子。这就是我们做的长辛店老镇复兴计划，这个专题站有一个数据平台，是对长辛店老镇区域几十个兴趣点的心情评价，确定它的积极或消极。

这个应用是怎么做的？我们抓取了贴吧、微博和天涯社区上与长辛店有关的约8000条微博、3000条论坛记录，得到总共300余万字语料，然后我们把它分词，进行关键词提取，得到了长辛店的整体印象和它的关键词，同时得到了每一个地点、每一个poi的具体关键词。比如，长辛店小学，它有哪些关键词，整体情绪是积极的还是消极的。

这是我们将情感和语义分析应用于规划的尝试，很粗浅，但这是一个良好的开端。