城市规划+人工智能：一个正在发生变革的行业

本人是某985院校城市规划本硕，从接触这个行业到现在已有6-7年时间，亲身感受到了城市规划这个行业的变化。从刚进校时的行业热潮，到本科毕业时的萧条，一度十分焦虑；直到现在，城市规划开始面临与人工智能相结合的变革。幸运的是，本人从小数学成绩很好，喜欢用量化分析的方法来研究城市，基于此，研究生期间开始学习python、数据挖掘、机器学习等知识。这里把学习过程总结在博客上，也是个很好的学习总结的方法，以备后用~

今天是博客的第一篇文章，说说城市规划这个行业目前发生的变化。

2017年参加了在东莞市举办的中国城市规划年会，各种学界大牛纷纷发表各自在其专业研究领域的成果。其中最让我印象深刻的是同济大学副校长吴志强教授介绍的城市树。这是一个典型的城市规划结合人工智能的应用。按照我个人的理解，城市树是利用图像识别技术来研究城市空间演化的树形结构，通过挖掘与采集自有城市卫星图片以来不同时期的城市卫片，用图像识别的技术来研究不同时期城市建成区以及不同功能区的演变过程，从而形成城市树，如下图（资料来源于文献【1】）。据我猜测，这里可能是用到了类似于卷积层神经网络等深度学习算法（如有过错还请大家指正）。

这其实只是城市规划+人工智能的一个缩影，城市研究的很多领域，其实都用到了人工智能，而算法是其中的核心。例如在文献【2】中，作者谈到可以利用人的移动性和地理数据发掘城市的功能区域，通过分析大规模车流轨迹数据在不同区域行驶的特征，来发现不合理的道路规划，从而对城市路网优化有所助益。另外，在城市设施选址布局问题上，不少专家学者也采用一些非监督学习、排序学习等机器学习算法来进行研究。

从机器学习算法的类别来看，目前应用到城市问题研究的算法主要包括聚类、分类、回归、关联等；上文在研究城市功能区划分、路网优化、设施选址布局等问题时就用到了不少聚类分析的算法；而在研究上海城市体征问题时，文献【3】则采用了随机森林模型，这是典型的分类问题的机器学习算法，用到了集成学习的思想；而回归分析主要用来进行预测、如房价地价预测，可以先根据训练数据集构建线性回归模型或CART树回归模型，再根据模型预测其他数据。

工欲善其事，必先利其器。说了这么多，千里之行还是要始于足下，为了赶上人工智能的大潮（感觉不管什么行业，都开始寻求与别的学科进行交叉……），脚踏实地的学习还是很重要的~目前本人“入坑”机器学习已经有3个多月的时间，学习资料主要是李航老师的《统计学习方法》和赵志勇编写的《Python机器学习算法》。以后会不定期更新一些博客，记录自己的学习过程，如有不足或错误之处，还请指正。

参考文献：

【1】http://www.sohu.com/a/194553005_650480

【2】郑宇，城市计算概述，武汉大学学报·信息科学版，2015年1月

【3】http://www.planners.com.cn/share_show.asp?share_id=828