| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

新闻资讯

论坛

温哥华地产

大温餐馆点评

温哥华汽车

温哥华教育

黄页/二手

旅游

大数据如何还原“规划人口”真相

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
  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。
您的点赞是对我们的鼓励     还没人说话啊,我想来说几句
上一页1234下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0358 秒 and 7 DB Queries in 0.0046 秒