无论是近年来引起热议的“上海2040”规划，还是雄安新区的诞生，城市的规模与城市功能需求的衡量，都不约而同指向了人口这一要素。一般认为，只有拥有准确的人口数据，才能进行科学的城市规划。当城市规划逐渐走向定量化，如何准确定义城市规划研究对象所需的人口？又如何获得这一人口数据？

　　在4月15日举行的2017上海城市规划大数据研讨会上，来自上海云砥信息科技的邹亚华、复旦大学人口与发展政策研究中心的张伊娜、同济大学建筑与城市规划学院的钮心毅等学者从不同角度还原了人口真相，并展示了手机信令数据在城市规划实践中的应用。

　　“规划人口”是什么

　　在城市化的快速进程中，我国人口增长快，变化幅度很难预测。深圳市2000年至2010年十年间通过人口普查，得到的常住人口数据由701万增长至1036万，而到了2015年，在学术论文可见的数据中，“实有人口”已达到1856万，然而深圳市2015年的常住人口抽样调查仅有1138万。20世纪末，人口的快速增长是城市规划工作者的压力之源，深圳人口每两年就要突破原先的规划，而到今日，人口数据是否准确也成为了棘手难题。

　　当精确度相对较高的人口普查因其工作量庞大无法每年实施，城市规划者只能通过各种途径获取人口数据，这就导致了统计口径不一所带来的“人口乱象”。随着我国人口研究工作的不断发展，纷繁的人口数据不断涌现，其中哪一个是城市规划所需要研究的对象呢？

　　当前仅是和城市挂钩的，就有常住人口、户籍人口、流动人口、城镇人口、非农人口、暂住人口等人口划分，但这些人口数据与实际需要城市服务的“规划人口”数量仍有一定距离。

　　以“常住人口”为例，这一概念指的是经常居住在某一地区的人口，是在普查区内经常居住的人数（常指半年以上），包括常住该地而临时外出的人口，不包括临时寄住的人口。邹亚华称，“假如某一段时期你因为工作常在外出差，你仍然是常住人口，但不会消耗城市用水用电的量，不享受城市服务，这一部分人在上海是存在的，因此规划的时候可能就要减去这一部分，或者在原来的数据上打一个折扣——假设年常住人口是A，规划更关注的是日均常住人口A1，A1=90%A。”

　　人口统计是城市规划工作的重要基础。由于统计手段限制，以往人们仅关注常住人口与流动人口，到今天，城市规划工作者已经在各个角度开始关注日常人口、居住人口、常住人口、工作人口、浮动人口（即一天中城市人口最高值与最小值的差）等，更强调人口的不同属性和动态变化，逐渐靠近规划所需人口的真相。

　　规划关注的人口概念变迁（图片来源：邹亚华）

　　如何获取人口大数据

　　那么，要如何获取人口数据呢？

　　张伊娜比较了当前几种人口大数据获取方式，其中覆盖率高、抽样科学的人口普查数据无疑是非常权威的，但因其十年进行一次大人口普查和五年1%人口抽样调查的周期过长，数据更新跟不上规划的需要。

　　上海市公安局拥有的“实有人口数据库”，覆盖了各个区的全样本居住人口，对户籍人口的统计准确，但实有人口数据库中的“外来人口”统计，并非“外来常住人口”的概念，例如已经从宝山迁到杨浦的外来居民，在没有到公安局办理行政手续的情况下，人口信息可能还在宝山区——这是因为我国实行人口网格化管理制度，只有当外来人口前来办理行政事务后才会信息入库或更新，否则信息还留在原来所属的街道里。此外，这些数据无法观测实时人口的变动趋势，如昼夜人口分布特征、通勤特征等。

　　TalkingData也常被提起，作为一个商业性质更突出的第三方移动数据服务平台，“覆盖独立智能设备，服务移动应用”的功能定位使得它更适宜描绘某些特定人群的出行特征，运用于商业产品的市场分析。

　　因此，手机信令数据，作为大数据时代一种具有客观性、连续性、覆盖度高、较易获取等优点的数据形式，可以提供丰富的个体时空信息，为人口的真实数量分析动态变化提供了可能性，因而逐渐成为城市规划者关注的重点。

　　“目前的手机每隔一两小时向附近的基站交换位置信息，在描绘整体变化上已经能看出大致的趋势”，张伊娜称。当然手机信令数据还有目前仍无法完全克服的缺点，它目前的精度还不够，无法标签户籍人口，选取的样本需要进行校核来确保信息的准确度，在信息来源的合法性上也有许多探讨空间。

　　手机信令数据可以做什么

　　手机信令数据可以做什么？三位演讲者展示了不同角度的城市规划实践应用。

　　邹亚华关注城市规划研究对象中的“服务人口”，他把这一对象与手机数据中的“日常人口”进行对照。手机信令数据可以动态展示人口实时变动，也可以计算出每个人在城市中逗留的时间长短。那么，把路人甲在该城市中逗留的10个小时与路人乙在该城市中逗留的14个小时，进行相加，就得到一个“日常人口”数量（在该城市中呆满24个小时），将城市“日常人口”数量累加，即为全市的日常人口，也就是城市规划关心的真正对象——城市服务人口总量，进而研究需要为这些服务对象配备多少的“水”“电”“路”“气”“商”等市政基础设施和公共服务设施。因此，邹亚华把这种研究过程称之为“还原人口真相”。

　　深圳大数据得到的动态人口与全天最大人口存在比值波动关系，规划所面向的服务人口也需要有动态变化。（图片来源：邹亚华）

　　张伊娜则认为人的出行与消费行为是两大分析重点，她将手机信令数据运用在商圈生态研究上，通过分析各个区的人群消费行为得到上海市“商业实力”消费梯队，标识出了多个重点的市级商圈。

　　同济大学建筑与城市规划学院的钮心毅将手机信令数据运用在城市总体规划实施评价分析中。首先是“市域城镇体系规划”，他认为“手机基站定位的空间精度不高，有几百米甚至几公里的误差，用在详规上不行，但在市域层面就显现出优势”。

　　传统规划方法只能通过地理联系、现场考察等方式衡量各城镇之间的空间关系，但手机信令数据却能真实反映城镇间人员流动的关系，测算出两地间的实际联系。还能通过吸引流量的大小，得出该规划区域的实际中心，标出中心的等级规模，定量评价市域城镇体系的发展轴线。

　　以H市手机信令数据为例测算人员流动：分别以两两互为常住地、出行目的地计算出城镇间联系度，可用于定量评价市域发展轴线，图中红、橙色联系量大，绿、蓝色小。（图片来源：钮心毅）

　　手机信令数据得到的人员流动吸引量与现有的城镇体系等级相对照，可发现蓝圈的两个区域规划规模等级与实际吸引量相反。（图片来源：钮心毅）

　　此外，城市内部各个片区之间的职住联系如何测算，也是传统城市规划领域的一大难题。现在，通过早晚间的用户手机定位，可以得到某一片区就业地与居住地的密度，进而测算出城市的就业岗位分布、居住地分布、通勤距离特征等，得到“职住比”（每个街道识别出来的就业人数/居住人数）、“通勤半径”（每个街道就业者的通勤半径、居住者的通勤半径）两个关键指标，来判断城市各个分区职住平衡的状况。

　　H市各街道职住比，偏红色职住比高，偏绿色职住比低。（图片来源：钮心毅）

　　H市各街道就业者通勤距离示意图，偏红色距离长，偏绿色距离短。（图片来源：钮心毅）

　　城市组团功能规划的理想状态是该区域职住比平衡，工作者与居住者通勤距离皆短。失衡状况如职住比小、通勤距离长，即意味着某地晚间居住人口多，提供的就业岗位少，居民往往需要通勤较长时间到另一片区就职，这是城市规划中应极力避免的情形。

　　综合职住比与通勤距离两个指标，图中给出了其中的两种失衡状况，左图标识出了职住比小（居民多）且居民通行距离长的区域，右图标识出了职住比大（就业人口多）且就业者通行距离长的区域，这些都是未来城市规划重点关注的对象。（图片来源：钮心毅）

　　手机信令数据还可通过居民游憩出行测算公共中心的服务范围、大型公园绿地的实际使用状况，通过乘客进出站后的轨迹，测算站点服务范围、站点使用热度等，并为交通线路的延伸提供预测数据支撑，在城市大型基础设施与公共服务改进上有较好的运用前景。

　　在未来，趋向精细化的城市管理要求更为准确的规划分析，因此，按照人们出行本身的流动变化特征来做数据分析，按照规划本身的含义确定“服务对象”，并找到对应的人口统计口径，将成为城市规划的关键。

　　钮心毅总结称，“数据仅仅是工具，专业的城市规划者在数据分析应该起到主导作用。没必要在规划中单列一个大数据专项，而是融入到多个实际应用场景中，大数据应关注传统数据无法测算的议题，也要与传统数据相互验证、配合。”

　　（本文内容得到了演讲者邹亚华和钮心毅的审定）