◎作者 | 李栋
◎来源 | 一席（yixiclub） 已获授权
从社区生活圈到城市体检。
大家下午好！我叫李栋，今天非常荣幸能来一席和大家分享我的研究。这是我第一次上一席，希望大家能够记住我，也希望我的研究和分享能给大家带来一些新的知识和乐趣。
先简单地介绍一下我自己。读完博士以后，我在规划院工作了大约十年，但是最近三年我不怎么做规划了，而是开始做另一件事情，就是数据分析。这两件事情听起来可能没有多大关系，但是后面的演讲中你们会发现，城市和数据有非常多紧密的联系。
我今天想给大家介绍的题目是“从社区生活圈到城市体检”。其实作为一个在规划院工作了10年的博士来说，社区生活圈是一个很老的话题，学界一直都在研究和讨论它。但是最近在不同的渠道，例如电视、报纸等大众媒体上，我开始更为频繁地听见这个词。所以我也很好奇这件事情，就在网上搜索了一下。
▲ 关于“社区生活圈”的网络检索
橘红色曲线的来源是在座的很多人写论文时常会搜索的网站，可以发现它的增长是非常平缓的。蓝色曲线则是大众媒体上提及的社区生活圈，可以发现在2015年到2016年有一个飞跃式的暴增。那个时间点到底发生了什么事情呢？
原来是因为上海市政府以官方身份发布了《上海市15分钟社区生活圈规划导则》，这是生活圈第一次从学术研究走进寻常百姓的视野，而且非常有意思的是他们还做了一个公众版。左边是专业版，是给我们这种专业人士看的；右边是公众版，是给老百姓看的。
公众版的风格就是这样的，特别适合下载下来打印给家里的老人和小孩去阅读，让大家了解关于生活圈的一些有意思的概念。
为了致敬这开天辟地式的政府文件，我今天的很多概念也将从里面演化而来。社区有很多基本概念，比如居住、就业、创业、体育等等，我们这里主要说的是居住社区。而15分钟社区生活圈是希望大家在居住社区周边步行15分钟的范围里，能够配备尽量多的生活服务设施，形成一种比较好的生活氛围。
比如说我看了一下咱们今天主办方的网站，任选了一个小区，在小区的页面的下方，你就会看见它已经帮你罗列了像医疗、教育、体育、交通等等这些社区周边的服务设施，这在我们租房买房的时候可能都需要去考虑。我大概量了一下，它可能就是按照两公里的半径画了个圈。这是它这个网站对社区生活圈的一种表达方式。
这是我在路边随手拍的一张照片，也是社区街道办发布的生活圈的范围。
它的特点就是：罗列了非常多的类别，可能有十几类。但是它有一个比较大的问题：所有的设施只划在社区边界以内，它没有划任何社区外部，甚至是对面临街的设施。所以这样的画法肯定是有问题的，这样的例子还有很多。
这是北京的另外一个小区，它的设施类型和数量可能都要少一些。但它很有意思，自己划了两个圈。但是很遗憾，这两个圈也没有超出它这个社区本身的边界范围。
看了这么多网络包括路边的广告，我反而更迷惑了，社区生活圈到底是一个什么东西？面对这种问题，作为一个玩数据的规划师，我们一般都是自己动手，去看看能不能更加精准地用数据测量一下社区生活圈。而这个问题又可以分解成三个子问题：如何界定一个社区生活圈的范围？应该考虑哪些设施？以及怎么样进行评价，也就是到底某个生活圈是好还是不好？于是我就开始动手做数据了。
我在北京和上海任意划了两个地块，大概7乘8公里这么一个范围，这是我利用数据进行城市实验的范围。
它大概有些基本的信息，包括面积是56平方公里，社区数量北京有300多处，上海有400多处，各类设施大概是5、6万个。其中覆盖的区域人口其实是一个比较不容易得到的信息，因为在中国，没有任何机构或个人发布这种细粒度的网格化人口数据。我们也是通过前期的一些研究和模型，给城市划上两百米网格，测算了每个网格里的人口数量。大家可以看见红色人数比较多，一般是比较靠近城区的部分，绿色是靠近郊区的部分。这就是两个研究区的基本情况。
我们实测了从社区出发到达任意一个网格点的时间和距离，这样就能算出从社区出门大概15分钟能覆盖的范围，平均是1.77个平方公里。当然这个社区的生活圈范围是有大有小的。我在下面画了两条密密麻麻的曲线，最大的社区生活圈可能会覆盖达到2.9接近3个平方公里，最小的才有零点几个平方公里。
所以并不是说你花同样的时间就能走到同样的范围，这个我们后面通过分析也可以看出，它跟道路条件是有很大关系的。我们同样还可以再细分，5分钟能走0.18个平方公里，大概就是18公顷。大家可以记住这个数字，其实你周围生活最方便的范围也就是大概18个公顷，然后不断地增加，最后到1.77个平方公里。这是我们用数字对社区生活圈范围做的一个大概的界定。
其次我还想考虑这个圈子里面大概都有些什么，它不能只有住宅，还要有很多设施，交通、服务、休闲、商业等等，这些都是我们日常生活中会非常关心的类别。
这里我大概测算了一下，对一个北京的社区来说，15分钟圈子里面平均有大概8000多个设施，各种各样的类型来提供相应的服务，比上海多一点，上海有6000多个。但这只是一个平均数，容易给人带来误判，因为我们后面会看见，其实上海大部分社区的条件也是比较好的。
下面这两张图展示了所选社区的范围。
大家可以看到，我在每个城市里各选了三个社区作为出发点，覆盖范围有大有小，大的范围会非常大；小的出门后只能到达一小块范围。其中主要的原因就是道路条件，你可能住在高架路附近，或者是缺乏人行道的地方，导致很多地方其实是走不过去的。所以在真实的情况当中生活圈的范围是很多样的。
说到设施，下图这个社区可能是在我的这次实验里条件最好的一个。你看它周边密密麻麻布满各种小圆点，就是我们的各类设施。郊区的社区周边可能设施就比较少一些，条件比较差。从中可以看出，其实大数据给我们提供了一个很好的方式，让我们第一次能把北京和上海这两个相隔千里之外的城市放到同一个水平线上进行详细的对比。
利用同样的方式，我们计算了实验区里的几百个社区。我把得分前十位的社区罗列了一下。
▲ 生活圈好坏对比
这个得分是怎么算出来的呢？我同时考虑了人口、社区的数量，以及出门的时间作为权重。意思就是说人均的设施越多、设施离居民越近，那么得分就越高。相当于做了一个标准化的计算。从结果我们可以看到，最好的几个社区基本都是在上海，就是红色的这些圆点，北京数量相对比较少。
另外大家看名字就可以发现，排名靠前的社区里各种各样的类型都有，从上海的里弄到北京的别墅，甚至还包括了像北京南皋村塑料三厂宿舍这样的地方。所以不管你买的房子是贵还是便宜，周边设施的条件可能真的会差异非常大，值得大家在日常生活中多加关注。
刚才这些都是我对社区生活圈的一个很简单的评价方式。但是这件事情其实并没有结束，我还想做一些更大的事情——如果我们进一步扩大实验范围，把城市里每一个社区都聚集在一起，然后用同样的方式对它们进行测算，那我们是不是就可以评价整个城市的生活质量、生活环境的好坏了呢？我们可以来试一试。
这里我想介绍一种叫“城市体检”的工作。我们为什么要给城市体检呢？很明显，因为我们的城市病了。
▲ 城市病肆虐：我们应该建设一个怎样的城市？
我罗列了一些图片，包括交通的拥堵、环境的污染，人们修建了一些道路，修建了一些房屋，结果没有人去住，空城、鬼城等这样的情况在中国的城市里也经常发生。我们把这些现象都称为城市病。所以在这些情况下，现实会逼迫我们去反复思考：我们到底应该建设怎样的一座城市？在城市中我们到底应该追求一种什么样品质的生活？所以我们想给城市做体检，看看哪些方面有问题、哪些方面还不错。
在这里我再强调一下我们的一些原则：一个城市的好坏，其实是有主观和客观两个因素存在的。从主观上来说，在座的各位，包括我，我们每一个人都是这个城市的居民，是这个城市的“用户”，我们需要“以人为本”地去体验城市的设施和功能，体验城市里所有的商业和居住的环境。在城市规划这个学科中，对于我们在城市里的主要行为已经有长期的研究了。传统的理论一般认为城市有三大功能：居住、就业，还有我们所谓的第三空间——休闲。因此我们的城市体检也会围绕这三个方面去开展。
我们用和刚才测量上海和北京的几个小区完全一样的方法，对全中国所有的城市进行了测算。
▲ 全国宜居城市排名
结果出来以后我还是挺惊讶的，为什么呢？因为我看到一些口碑比较好的宜居城市真的被选出来了，表明了方法的一致性。比如说珠海，在联合国等各种排名里宜居性都是比较靠前的，它并不是一线城市，但宜居确实是当地的一张名片。我们从个体小区的测算方式反推到全市，居然能把珠海找出来，所以我觉得这种城市体检的方式还是比较合理的。我们还可以看到，宜居城市排前三的有：珠海、三亚、张家界，接下来还有厦门、北京、杭州、成都等等。我们觉得这个方法还是有一定的可行性。
当然，我们不能只看城市的整体，我还得进入到城市的内部去观察。
▲ 左图：北京宜居网络评价
右图：上海宜居网络评价
这张图让我比较纠结，为什么？大家刚才看见北京的排名其实挺高的，上海的排名还没有北京高，但这是把城市作为一个整体来打分，如果我们进入到城市的内部空间的话，我们会发现它们之间的差异还是很大。
这张图上绿色方块代表宜居性比较好的网格，红色代表有问题的网格。我们发现上海虽然总分不如北京高，但是所有宜居性好的绿色网格都集中在城区，所以大家在上海的市中心，南京西路、黄浦江边走一走逛一逛会非常地舒适。北京的话你会发现，它绿色的点都在郊区，然后整个城市中心的颜色偏红，唯一相对好一点的可能就是东二环、东三环一带。
所以有时候数据真的会骗人，城市总分很高，但真走进去一看，可能跟老百姓的日常体验完全相反。这就是为什么我们做数据分析，既要做宏观的数据打分，也要做微观的结构分析。
除了这种综合性的整体城市体检之外，我们团队还开展了很多相关的单项城市体检，比如对城市的医疗资源进行检验。
▲ 单项城市体检：医疗资源
怎样做呢？在经过匿名化处理之后，我们去汇总统计到访医院移动设备的情况，能够从整体上了解人们是从城市里的哪些区域来到这家医院的。红色的区域中心就是医院，其外部范围就是出发的位置，我们发现不同的区域覆盖周边的状况是很不一样的，有些像市级的或者比较有名的医院覆盖的范围明显大很多。
此外我们 也测算了京外用户的占比，做了一个曲线，纵轴是就诊人数，横轴是京外用户的占比。我们可以看出，在朝阳区，像肿瘤医院、民航总医院等专科医院的外地患者访问量是非常高的。
通过这种分析，我们能进一步非常准确地了解到北京的医疗资源是如何地集中，还有北京周边的外地患者，尤其是廊坊、天津等京津冀地区的患者人数占比是非常大。区域的医疗资源应该怎么样调配——类似这样的数据分析都能给城市规划和政策提供很好的支撑和依据。
我们也对这个城市的公园进行了体检。这张图是北京朝阳区，红色的色块就是各个公园的位置和范围。
▲ 大数据评估朝阳区各类公园设施服务效能：访客热度
大家看到，例如奥林匹克森林公园、朝阳公园等等，它的颜色越红就表示去玩的人越多，绿色和黄色区域就是到访人数相对少一些的区域。
▲ 大数据评估朝阳区各类公园设施服务效能：服务半径
这张图和我们刚才做社区体检是一样的原理。我们测算从公园出发，走路5分钟、10分钟、20分钟、30分钟能够到达的范围，就是我们所谓的公园的服务半径。当我们把这两张图叠加在一起，就能够对城市里的公园设施进行评价——它服务的人数多不多，覆盖的范围大不大。例如我在这里圈出了两个圈，很明显这里是缺乏公园设施的。
我们再进入到一个公园的内部。这是奥林匹克森林公园游人的热力图。我们会看见5公里、3公里的跑道上人非常多。
▲ 奥林匹克森林公园游人热力图
奥森这个公园十年以前的景观方案是我的同事们设计的。十年以后，我们也特别希望运用大数据，去帮助这个公园进一步提升和改善。我们首先发现，塑胶跑道的吸引力非常高，刚修公园的时候也是没有这个跑道的。而现在，根据数据分析，我们会建议不断改善这个公园跑步的环境和跑步的设施。
除了跑道以外，公园里还有很多的道路、林间小径、水边，还有林地。我们可以分析游人在这些区域里停留的时间长短、到访量的高低等。到访量比较高的地方，我们会建议做一些景观上的小品、休息用的长椅，或者雕塑等等。而像游人比较少的路，我们很有可能建议把它恢复成一个原生态的草地或者树林。这些都是利用大数据分析可以对公园进行精准改进的地方。
除了公园外，再说一个大家比较感兴趣也比较熟悉的话题，就是商业。这张图看起来还挺复杂的，其实是朝阳区各种商业综合体的一个腹地范围。
▲ 商业综合体“腹地”范围
什么叫腹地？腹地这个词可能有点太专业，说白了就是商场对其顾客的覆盖范围，主要的顾客都是从什么地方去商场的。我们可以看到，浅绿色的范围是三里屯太古里，它的客流覆盖了整个东城、西城、海淀，甚至一直延伸到五环、六环以外，覆盖非常广。深绿色的部分是长楹天街，覆盖了朝阳区东部相当大的范围。中间黄色的部分是朝阳大悦城，年轻人都比较喜欢去。而我们今天所在的国贸是淡紫色的这个范围，色块是比较分散的，而且基本上没过长安街，全都在长安街以南。因此像我这种住在北边的村民，一年可能也来不了几次国贸，所以特别感谢一席邀请我来国贸，还挺激动的。
这个分析在商业上很有价值，但我们不只关心高端的商业综合体，我们也关心老百姓的日常生活。这是全区蔬菜零售网点的分布。
▲ 左图：蔬菜零售网点分布
右图：蔬菜零售网点可达性叠加人口分布
不同颜色的点代表不同类型的蔬菜零售网点，比如社区菜市场、生鲜超市、蔬菜直通车等等，总共有好几千处。
我们给相关政府部门做的分析是什么呢？就是上面这张图，我们把两个图层叠加在一起，跟刚才社区体检采用的方式一样。上面黄色的图层是从每个蔬菜零售网点出发，走5分钟或者10分钟能够覆盖的一个范围；下面蓝色的图层就是居住人口的实际分布。把两张图叠加在一起，所有露出蓝色的地方就是缺乏蔬菜网点、需要去加强建设的重点区域。所以依靠这样的数据分析，在规划里我们会提出非常有针对性的建议，去回答很具体的问题，例如：我们到底应该在什么地方布置多大的零售网点？或者，布置一个什么类型的零售网点？
这是街巷管理的例子。这张照片是背街小巷里沿街摆放的一些摊位，摊位上售卖蔬菜或水果，还有乱停车等等一些状况。这些可能都是城管部门需要去处理的一些现实问题。但作为规划师和数据分析师，我们其实会问：为什么这个问题会在这个地点反复发生？该如何去解决？这才是值得我们去研究的。
这几张图我给大家简单解释一下。左边这张图是我们分析城管部门过去几年的工作记录，就是在什么地点处理了一件什么样的案件，然后对它们进行统计分析和可视化。
我们会发现一些地方反复持续地发生同样的问题。平心而论，对于一个老百姓而言，因为居住的地方缺乏蔬菜售卖的地点，才有了这个需求，自然而然就会有商贩来提供这类服务。这是一个非常正常的市场供需规律。
所以我们就做了一些专业化的数据模型分析，去看这些案件背后到底有什么因素在影响。我们甚至还使用了街景照片等专业化的数据和模型，去提炼背后的影响因素，分析究竟是哪种原因导致了这些问题，是道路太窄，还是围墙太高等等。
我们最后算出来这张图，它是两个图层的叠加。
红色的图表明了一种空间的需求，就是那个地方的设施在客观上没能实时满足百姓的需求。除非人不住在那里，否则这个需求一定是客观存在的。而其他的小图标、网点图层是我们规划建议增加或者改善的设施，包括社区综合的小超市、小综合体，包括机械式或者立体式的停车场，还包括固定的摊位等等。
你会发现这些城市体检其实都有一个统一的逻辑，就是我们会利用大数据去精确地找到问题的所在，然后再有针对性地提出规划建设的具体措施，去帮助城市的规划和管理者从根上解决各种各样的城市问题。
最后讲一个让人有点揪心的话题——职住平衡。这个词可能太学术太专业，我稍微解释一下，其实反过来说就是：如果你每天上班和下班在路上花费很长时间，那就叫“职住不平衡”。当然大家可以想象，职住最平衡的状况就是，你就住在你们单位隔壁那栋楼里，每天下楼再上楼就是上班了。我有好几个同事就是这样，我感觉他们特别幸福，因为我每天在路上堵车的时候，他们还在被窝里睡大觉。
但有很多客观条件导致你不能住在单位附近，比如说你如果在国贸CBD上班，附近根本就没有住宅区给你住，要么太贵了，要么数量太少，所以你就不得不住在一个比较远的地方，每天搭地铁四五十分钟，或者乘公交痛苦地来上班又痛苦地回去。这是所有人都感同身受的一个问题。
我们在这里做了一些简单的分析，也给大家分享一下。
左边这张图是通过各种数据识别出来的北京最主要的几个就业聚居区，北京可能百分之六七十的工作岗位都集中在几个区域里，包括大家耳熟能详的中关村、望京、CBD金融街等等，对这些区域我们会去测算它们职住平衡的状态。
根据结果可以把它们分成三个类型，第一种类型就是黄色的，比如相对外围的苹果园、常营、通州、北苑等等——就业功能相对来说比较弱，但它自身还挺平衡的，我们就叫它就业弱但职住平衡型。
第二种类型就是绿色的，比如望京和丰台，这两个斜对角的哥俩其实比较有意思，它的就业很强，内部的功能也比较独立和完善，是就业强职住平衡型。我们测算了一下它们内部的通勤比，超过了40%。就是说望京里面上班的人有40%就住在望京，非常幸福。
剩下的几个就是就业很强，但是职住很不平衡的区域，包括特别有名的上地、中关村、金融街、亮马桥CBD，还有亦庄。你一听名字就知道在这些地方工作，每天上下班是一件很痛苦的事情。
右边这张图是我们分别描绘了一下这些地区上班的人是从哪里出发的。这次我们特地把年龄作为一个重要要素进行了专门的分析。我想在座的可能大部分都是25到34岁的就业群体，非常不幸地告诉大家，你们这个群体是“职住不平衡”问题最大的承担者和受害者。
通过把通勤人群的年龄分档之后，我们发现25到34岁的就业群体在北京的通勤距离是11.87公里，是平均值的120%。组团外就业比，也就是你住得离单位比较远的比例是71.48%，这个比例也是平均值的115%。简单地说句人话吧，就是你住得又远，然后你的通勤距离还长。
▲ 左图：就业组团25-34岁职住距离
右图：就业组团35-44岁职住距离
这两张图其实就是两个不同年龄层，一个25到34岁，一个是35到44岁，你会看见后者上班比较靠近中心城区，但是就住的距离、住的位置来说，年轻人相对来说会更靠外一些。当然好消息是十年以后当你有钱之后，你的职住平衡水平也会有很大的几率得到改善。
到这里我想总结一下，我刚才讲了两个故事，一个是小区，一个是城市。从每一个大家平时居住的社区到中国所有的城市，我们对它们进行了一个综合性的检测和打分，然后在城市里我们以北京为例子，又给它做了许多单项的体检。这就好像你去医院做血常规，有可能给你化验5项，有可能给你化验15项，我们将来估计会有150项各种各样的大数据检测措施，对我们的城市进行全面综合的体检。
在我这里想提几个关键词，就是我们现在的工作做得还不够，但是未来会加强的，这三个关键词一个叫时间，一个叫身体，一个叫精神。
时间是什么概念呢？大家可以想象，你在不同的地方活动，这是有一个很强的时间因素的，我们并不是静止在城市里一个固定的地方。
▲ 按24小时曲线特征划分城区各类型
这还是朝阳区，我们按照24小时的曲线把每个街道的人口活动况画了个图。比如蓝色的区域最典型的建外街道，绿色的线条是工作日的人口曲线，黄色和红色分别是节假日和周末的人口曲线。你会很明显地发现，工作日来建外街道的人远远高于节假日和周末，所以大家不上班的时候也没人会跑到这来。
但是如果到了朝阳的郊区，这个叫金盏的地方，你会发现不论是工作日、周末还是节假日，人都是同样频次地在活动。为什么呢？因为那边有很多年龄大一点的人，退休以后居住在那里。从这两条曲线你会很明显地看出，城市里每一个地方的活力和动态都是完全不一样的，包括这个特征更加明显的机场。
机场，橙色的线代表节假日，绿色和黄色代表平时。很明显一到节假日，机场的客流量就远远超过平时的客流量。类似这个例子，我们将来会在时间维度对城市做体检，做更加全面的变化分析。
其次还是回到健康这个话题。城市要健康，每个人也会追求健康，我们也希望城市的健康和居民的健康能够紧密地联系在一起。
这两张很酷炫的图是什么意思呢？就是大家跑步时留下来的轨迹。现在非常多的跑步爱好者会在社交网站分享他们的跑步记录。在这张图里，我们把北京市所有跑步的人的轨迹可视化地表示出来。可以看出，奥森、玉渊潭、朝阳公园、故宫沿河等等，都是大家特别喜欢跑步的地点。一到周末的时候，这些地点会吸引更多的人去跑步锻炼。
对于城市规划和城市设计的人来说，掌握了这种信息能够做什么呢？我们会去修建或改造更好的道路、更好的慢行条件。就像奥森公园最开始没有塑胶跑道，我们加上塑胶跑道之后，大家跑起来就更欢了。我们在城市里其实也可以做类似的事情。
第三个我想说的是情绪或者精神，这听起来有点虚无缥渺，但我们也试图去捕捉它。刚才我说了这么多数据体验，一直都在说客观的外部环境，比如设施的多少，道路的好坏，还有各种各样的条件，这些跟每个人的感受甚至可能没有特别直接的关系。其实不同的人住在同一座城市、同一个地点，你的心情和感受也很可能是不一样的。
▲ 北京城市情绪动态地图
这张动画就是我们之前做的数据分析，里面每个点就是一条社交媒体所表达的情绪值。红色的是高兴，蓝色的是比较丧、比较悲观的，根据不同的时间和地点整理起来，我们把它称之为一个城市的情绪动态地图。
我们特别希望把居民每时每刻表达和反映出来的情绪，你是开心还是不开心，跟你所处的位置、时间进行关联。毕竟我们最终规划建设和改造了那么多城市环境，不就是希望大家能更开心地生活在这里吗？所以情绪这个信息一定是将来城市体检会特别关注的一个点。
我们也做了一些尝试，按照社交媒体所表达出的情绪，我们给北京市做了一张心情地图。
▲ 按社交媒体文字情绪值的高低划分城区各类型
红色和黄色是相对开心的地方，绿色是不太开心的地方。大家可以找一下自己的家在什么位置。像玉渊潭、后海、朝阳公园就是城里面一大片绿里的几个黄色的地方。当然好消息是，如果你去到外围郊区，让你开心的地方还是很多的。所以大家周末可以出去散散心，从数据上都能看见在郊区大家变得开心了起来。
最后我想说，我们一直在为了城市做数据，但是做数据分析并不是最终的目的，我们希望推动实现一个更加美好的城市生活。我们的核心工作可以用两个圈来表达。
左边这个圈是我们的数据挖掘和分析，在数据里我们要去采集数据，要去分析，要去做各种模型，去看这个数据背后到底反映了什么问题、是什么原因，我们能做什么去改变它。得到这些结论之后，我们更需要行动起来，我们可以去编制规划，我们也可以给政府和城市管理者做政策的设计和建议。
我们也呼吁每一个人参与进来，帮助改造我们的城市。所以在城市规划或城市管理当中，我们会去观察，会去做决策，会去调整改进。但问题的关键还是在于行动，每个人都行动起来，我相信我们的城市就会越来越好。
今天介绍的很多研究都源于我所在的团队，我想在这里特别感谢他们的工作。
谢谢大家！
联系客服
