協頻城市：時空數據增強設計中的頻度協同*

沈 堯 SHEN Yao

0 引言

隨著城市感知基礎設施的建設和相關技術的發展，各種跨模態、時空精細化的數據不斷涌現，城市正變得越來越智能化[1]。對于時空數據增強的規劃設計而言，時間頻度智能已成為城市智能的一個重要維度[2-3]。基于高頻瞬變數據的“高頻”城市不僅是我們理解城市動態現實的新視角，也正在成為未來規劃設計的重要對象[4]。它與更注重長期目標的傳統規劃理論及規劃設計形成對比和互補，成為快速響應的城市干預路徑[5]。關于高頻城市的認識仍處于初期階段，其與對應的低頻城市的關系及規劃設計應用的一般路徑仍缺乏研究。

未來城市是“低頻城市”向“高頻城市”復合的“協頻城市”，需結合高頻響應和低頻支持，凝練城市時空規律，提高時空數據增強的規劃設計的時空精確性和有效性。本文從數據環境中的頻度入手，討論高頻、低頻城市規劃設計的范式轉變，提出頻度協同對于數據增強設計[6]的必要性；探索頻度與空間單元、粒度、尺度、距離定義等要素的內在聯系，強調針對不同城市議題采用涌現的效用空間與特征頻度的重要意義，總結基于頻度協同的時空數據增強設計的一般框架。本文認為頻度協同是一種發現城市智能和探索新規劃理論的重要手段，其在城市研究和實踐中 “頻度智能”的運用對于規劃智能化具有積極意義。

1 新數據環境下的協頻城市

1.1 傳統規劃設計的“低頻城市”

低頻城市指的是受限于感知基礎設施條件、獲取難度、計算條件和城市科學基礎，將真實高頻城市活動歸納為較長周期性的總體空間特征，應用于規劃設計應對的遠景藍圖的實現。傳統的城市規劃與設計便是一種面向“低頻城市”的干預方法，通常關注的是物質空間營造，一般服務于較為長期的建設和發展目標。城市物質空間在短時間內自身變化較少，本身亦屬于低頻城市要素。相關的城市規劃理論和方法也偏重對現象的歸納，重視對普世的、定性的城市規律的總結，方便案例間知識遷移及規劃共識的快速形成。更重要的是，城市數據環境的設定決定了人們感知城市和設計介入的基本方法。

雖然傳統的規劃設計亦講求實際踏勘、社會調研等截面數據，但一般而言還是主要依賴于空間統計數據等低頻數據。低頻數據主要指的是截面化的、更新頻率低且較難獲取的，通常依賴于普查、測繪、對地觀測等手段所形成的城市間歇感知數據（如人口普查、交通出行調查、經濟普查數據等）。對低頻數據的依賴是傳統城市數據環境的重要特征之一。在傳統城市數據環境下，各類空間數據更新較慢、信息維度較少，模態相對單一，數據交互一般按照層結構組織，相互之間的互動邏輯是相對簡化的“空間重疊”邏輯（見圖1）。這在一定程度上也影響了對應的規劃設計方法（見表1）。傳統數據環境下的規劃設計一般將規劃設計藍圖抽象為可分解、可疊合的多層城市系統（如交通、綠地、水系、開放空間等）。這樣的樹形結構通常易于理解，方便經驗遷移，符合人們潛意識中對于可理解系統的歸納習慣，但也容易忽略不同系統之間存在的復雜聯系，使得規劃設計對于動態的社會生活干預失效[7]。因此，如果假設數據環境和規劃設計環境的暗合存在，那么傳統規劃設計的方法實際上非常接近于一種簡化的空間信息模型，通過監控、編輯和可視化不同層次的空間要素系統，以達到相對遠期規劃目標。當規劃設計中的頻度變化細微時，空間尺度、粒度等便成為不同類型規劃設計的特征，甚至成為特定規劃的成果要求。

圖1 頻度轉換視角下新舊數據環境差異圖示Fig.1 Comparison between the old and new data environment with respect to frequency

1.2 新數據環境下的“高頻城市”

高頻城市得益于移動互聯網、物聯網等城市感知基礎設施網絡的快速完善，城市數據獲取難度和成本降低，計算條件和技術跨越式發展，城市活動被真實地記錄、即時傳送和處理，以支持規劃設計的快速分析、決策和響應。高頻城市數據是動態的、跨時空截面的、時新時異的、通常依賴于志愿者型的社會感知手段所形成的城市持續感知數據，其是新數據環境的重要特點[8]。新數據環境下的規劃設計被認為能夠應對“高頻城市”的空間干預問題。這樣的規劃設計依賴數據科學與人工智能等技術，通常關注的是對于空間的動態績效的保障和提升，短期目標的快速響應。在此背景下，空間中存在的高頻聯系作為空間的動態功能性體現，成為高頻城市的重要要素。不斷涌現的新城市理論和方法，雖暫未形成新的知識體系，但已展現出新特點，如注重時空精細化的城市現象的識別，強調通過定量手段挖掘城市規律，以城市模型或工作流程輔助知識遷移，能夠依據政策、主體、對象等差異形成不同成果，注重方法科學性和技術理性輔助下的規劃共識的涌現。

在新的數據環境中，不同時空數據大量存在時空維度上的結構性映射和相互關聯，存在跨模態融合難度和語義解析的可能偏差，因此規劃要素不限于線性的建成環境要素，也包含它們之間的復雜時空耦合關系。城市規劃與設計干預則被細化到不同的時間窗口，應對可能出現的短期問題。因此，高頻城市是智慧城市的重要特征，其內涵是對城市要素之間的時空關系的精準把握，被干預的方式從藍圖式規劃邁向智能規劃，注重規劃與設計對不同頻度下城市問題的響應能力。高頻城市展現出前所未有的復雜性，需要依賴新的城市科學和智能規劃模型進行應對[9]。這些城市模型依賴于感知與計算技術，以時空要素的處理、運算和模擬為規劃設計的路徑來響應較為明確的城市績效提升目標，其中除了空間尺度外，還應注意時間頻度及其他模型中所涉及的參數設定對結果的潛在影響。頻度將是區別新數據環境下各種規劃設計類型的重要維度。

1.3 頻度協同的未來城市

高頻城市和低頻城市的互補性高于替代性，我們仍需要面對不同頻度下的規劃設計的干預問題。因此，協頻城市是頻度協同的未來城市認知和干預框架，它基于高頻城市和低頻城市的復合態，依賴于即時和周期的主被動感知技術構建覆蓋多時間頻度，真實的城市活動被記錄在不同的時空窗口間妥善映射，同時支持長期建設發展和短期治理目標，將長期目標作為動態響應的累積目標，將動態響應作為長期目標的時空細化的一種規劃協同路徑。

我們如何規劃城市，實際上與我們如何構建支持規劃決策的城市信息模型密切相關[10-11]。協頻城市的特點將從對于低頻城市和高頻城市所支持的信息模型入手，理解和重塑空間、技術與人的復雜關系[12]。當下的城市信息模型在頻度上產生了兩種“極端”：一是以地點為視角的地點信息模型；二是以個體為視角的個體信息模型，分別代表低頻和高頻信息模型的差異（見圖2）。地點信息模型通常以地點為視角，以空間統計為觀測方法，容易對應規劃編制的需求空間范圍，如事權邊界包括行政邊界、產權邊界等，或設計要素如街道、地塊、建筑等。它的優勢是數據基礎較為簡單，較易獲取，容易復制和解釋，不通過復雜建模也可以構建整體趨勢的聯系，能夠直觀地聯系數據與規劃設計。而個體信息模型則相反，它以個體為視角，解釋了各類主體（人、企業、動植物、自動化運行的車量等）時空行為的復雜性和真實性，但通常與規劃編制的空間范圍不一致，數據較難獲取，必須依賴模型解釋，空間關系呈現出局部異質性，較難解釋，需要通過地點模型聯系數據與規劃設計。

圖2 協頻城市作為高頻城市和低頻城市的復合態Fig.2 Data-augmented-design information model as a well-balance of high and low frequency cities

頻度是區分信息模型的重要維度。由于頻度差異，地點信息模型與個體信息模型在行為真實度、數據易獲度、計算難度、可解釋度和潛在偏誤方面呈現出截然不同但相互補充的關系。若能選擇好合適的頻度，便可能集合兩種信息模型的優勢，避免劣勢。因此，筆者認為在某些時間頻度范圍內，存在一種支持協頻城市的（時空）數據增強設計信息模型（Data-Augmented-Design Information Model，DADIM）。它基于地點為表示單元，響應需求，保證較高的可解釋性，但以地點內、地點間的時空行為作為分析對象來兼顧行為動態的真實性，以平衡可解釋度和行為真實性；它強調探索自下而上的治理頻度區間，以降低數據的獲取和計算難度，但盡可能保證模型的精巧性和輕量化；它能夠通過跨頻度數據進行相互校核，減少時空偏誤，增強模型穩健性；并能夠融合空間視角下整體行為空間特點與個人視角下的局部特征，以推進對新的規劃設計洞見發現。因此，找尋合適的頻度區間是構建這一（時空）數據增強設計信息模型的基礎，在此基礎上高頻城市和低頻城市的規劃設計響應能夠獲得同步，形成二者相互支持、持續增強的未來城市圖景。

2 頻度作為（時空）數據增強設計的基本要素

在協頻城市背景下，時空數據增強設計信息模型為時空數據增強設計的相關決策提供了數據底板。然而，為了形成時空數據增強設計決策模型，仍需從頻度角度出發，回應若干基本問題：（1）頻度如何影響數據增強設計的模型環境設定？（2）頻度是如何在不同數據間涌現的？（3）頻度是如何在規劃過程中被使用的？以上3點分別對應時空數據增強設計中的模型環境設定、頻度選擇和頻度需求匹配問題。

2.1 頻度與單元、粒度、尺度、距離的復合性

城市頻度不是一個孤立的維度，它和城市諸多其他屬性相輔相成，影響我們認識、計算和設計城市的方式和方法（見圖3）[13]。通常而言，城市頻度會呈現出與單元粒度和空間尺度的同向性，即一般而言，隨著頻度降低，通常我們更關注整體的、較為靜態的趨勢，用于觀測的尺度也通常變得較大，粒度也變得較粗。比如當我們測度區域的功能結構時，區域內群體性的行為特征顯然比個體行為更能表達結構屬性，而避免過度的噪音。

圖3 頻度視角下空間單元、尺度、粒度與距離定義的轉換Fig.3 Definition of spatial unit, scale, resolution, and distance in the condition of frequency

除頻度、粒度和尺度的同向性以外，適配它們變化的空間單元定義也在發生變化。當頻度很高時，個人的感知系統所對應的空間單元是主要的關系單元，如感知的凸空間，或是視線與視域；隨著頻度降低，城市可觀察的物理空間逐漸成為分析單元，如引力點、公共空間、建筑和地塊；而頻度更低時，空間分析單元開始傾向于空間網格，或者多邊形管理邊界，而忽略一些建成環境的空間細節。因此，頻度視角的另一個關鍵內涵是研究對象定義的變化。我們甚至可以將之類比到各種規劃設計類型，比如城市設計實際上比土地利用規劃要更加高頻，因為更加關注人們的行為與細節空間設計的關聯；控制性詳細規劃則相對城市設計更加低頻，其通常以地塊為操作單元，更加關注公共空間、建筑在其中的管控和落實；城市總體規劃、區域規劃等更加強調低頻的、穩定的發展空間格局塑造。

城市頻度變化還與距離的定義有關，這將更加直接影響我們如何計算不同的城市單元所組成的系統聯系。一般而言，距離存在多種定義方式，但本質上一種克服空間緊鄰的消耗，可以被大致分為能量消耗和認知消耗，分別對應的幾何測度為米制距離和認知距離。高頻城市中連接分析單元（如視域、視線、領域等）的是認知拓撲距離，因為空間尺度較小，能量消耗在可承受范圍以內；低頻城市中分析單元的相互關系通常是米制地理距離，因為空間尺度大，能量消耗成為最重要的互動成本，與此同時，米制距離還可以與時長、花費等要素等價。而其他頻度下的城市則很可能呈現出兩種距離效應的疊加，需要考慮聯系的兩種成本。

需要指出的是，有時候頻度、單元、粒度、尺度及距離的復合關系可能在一定范圍內出現復雜的組合關系，進而表現為不同的空間語義特征。如人們的出行、電量消耗、房屋交易等信息，都可能在感知（空間）、視線、引力點、公共空間、建筑甚至是地塊等尺度被觀測或記錄。但很顯然，總體而言，這些數據在不同環境參數條件下所呈現出的語義則可能發生很大變化。以出行行為為例，在高頻度、細粒度、小尺度，以感知、視線為分析單元，注重幾何空間視角的模型環境下，出行行為可能表現出尋路行為特征；而在中頻度、中粒度、中尺度，以建筑或地塊為單元，注重認知距離和米制距離作用的模型環境下，出行行為則可能被細化成為起訖點的空間布局特征。

城市頻度在傳統規劃中是一個相對固定的維度，然而在智慧城市的背景下，城市頻度分異加劇，面向不同類型的數據增強設計任務的適用頻度確定變成一項重要挑戰。頻度、單元、粒度、尺度、距離的復合設定是時空數據增強設計決策模型的觀測、分析和設計的環境參量。

2.2 時空數據的時間特征頻度與空間效用布局

城市高頻時空數據理論上可以被投影到多個時空尺度，進而呈現出不同的特征和效用。對于給定的時空數據集，它會在某一個時間頻度區間，與某一個空間布局（由單元、粒度、尺度共同決定），呈現出較為穩定和均衡的特點，服務于現象的復現[14]。本文將具備有穩定特點（穩定的時間變異度）的時間形態稱作“特征形態”，將與時間特征形態對應的、具備空間穩定特點（穩定的空間變異度）的空間布局稱作“效用布局”（見圖4）。低于特征形態的頻度，時間變異度增加則“噪音”形態越發明顯；高于該頻度，時間變異度減少則“背景”形態越發明顯。與之類似，效用布局依賴于一個較為穩定的空間變異度區間，避免“噪音”布局和“背景”布局。錯用極端時空變異度，將會影響數據增強設計中依賴的定量邏輯的可遷移性、可復現性和穩健性，進而為規劃設計績效的可持續提升帶來困難。時空變異度可以從不同的指標上進行定量測度，如時空熵[15]、變化度[16]、時空掃描統計[17]等。因此，在時空數據增強設計中需注意使用時空數據中涌現的典型形態，而非變異度較高的形態，保證數據特征的代表性，進而構建可復現的時空規律，避免人為構造相關或者因果關系，從而降低規劃策略失準風險，保證數據增強設計的科學性。因此，尊重時空數據自身在時間頻度和空間尺度上的涌現規律，是保證數據增強設計成果的有效性的前提之一。

圖4 城市時間特征形態與空間效用布局的涌現Fig.4 Emergence of essential patterns in space-time variability

2.3 城市議題的需求頻度與尺度

數據增強設計的一個重要目標是服務于社會經濟績效的精準提升[18]。這一精準性的落實不僅體現在時空數據分析與計算中的時間特征形態和空間效用布局，也體現在時空設定與擬涉及城市社會經濟問題的自身時間頻度和空間尺度的組合上。只有將曾是議題所依賴的時空要求與時空數據的穩定特征對應起來，才能建立起準確的時空歸因（spatiotemporal attribution），從而利用這種時空因果關系去進一步規劃與設計。本文初步解析12種城市議題在Web of Science搜索引擎中最高引15篇文章中的使用數據頻度調查，展示重要文獻中這些城市問題在時間頻度（分、時、天、年）和空間尺度（微觀、中觀、宏觀）雙軸象限中的大致分布（見圖5）。其中不難發現，城市議題在頻度維度上呈現出一定的頻度分布的一般規律，即大量的規劃決策是高頻的，而少量的規劃決策是低頻的。這也從側面映證了前文討論的時間頻度與空間尺度的復合性，即我們通常較少在低頻目標中涉及非常細微的個體差異，而在高頻目標中則可兼容各個空間尺度。從頻度視角看，人們的時空行為（尋路、步行流、交通流、犯罪等）發生以分鐘和小時為頻度；城市業態變化、流行病傳播形態、城市韌性過程，則以天為頻度；居民遷居和空間網絡的變遷頻率則為年，城市系統、土地利用變化、氣候變化則通常在10年以上。需要說明的是，這里的頻度依賴是基于研究和規劃干預需求的，而非事實上某一現象的絕對事實頻度，即通常城市研究和規劃干預的城市議題有其可觀測、可研究、可干預的某種頻度和尺度需求。這些需求來自觀測現象的顯著程度或者事權干預的便利性，形成了對應規劃設計決策需求的空間尺度依賴，如步行形態通常需要街區尺度干預，而城市交通流則不得不聚焦整個城市系統。因此，作為數據增強設計的目標，解決各類城市問題需要注意它們自身所需的頻度和尺度，并將其與時空數據涌現的特征頻度和效用布局進行適配，提高數據增強設計的響應能力。

圖5 不用類型城市問題規劃設計需求的時間頻度與空間尺度分布Fig.5 Urban issues scattering against frequency and scale

3 頻度協同的（時空）數據增強設計

3.1 （時空）數據增強設計的框架

依托前文所述的基礎，本文提出時空數據增強設計的決策框架，其中可以分為兩部分：一是空間數據的升頻，其主要任務是將傳統低頻數據與時空高頻數據進行融合，根據頻度、單元、尺度和粒度的涌現關系，確定特定空間效用布局和時間特征形態所表征的影響因子，使傳統數據獲得時空精細化，空間數據得以多維高頻化；二是空間數據的降頻，其主要任務是將涌現出的影響因子與所涉及的城市議題表現觀測數據進行時空關聯，根據涌現的規律在時空維度上的異質性，確定特定規律所依賴的時空范圍，進行空間精確落位，使得時空數據充分降維，形成以空間為單元的、具有形態解釋意義的、具備時空響應能力的規劃設計策略(見圖6)。兩個步驟的具體環節詳述如下。

圖6 頻度協同的時空數據增強設計模型Fig.6 Frequency synergy in data-augmented-design processes

（1） 空間數據升頻：異步數據同步化

依據規劃設計目標（其中包含所需的干預要素、空間單元、響應頻度、尺度和粒度等），首先開展城市初診，判斷針對特定城市議題集的低頻、高頻數據，根據時空變異度研究各項數據的時空頻度、空間尺度和研究粒度的依賴關系。通過空間匯總、跨尺度映射、時空降維等方法，將低頻、高頻數據進行同步化，識別合適的空間單元和頻度，平衡可解釋性和行為真實性，控制時空可變單元問題和數據不確定性問題，從多頻異步的原始數據中，提取涌現的、共頻同步的影響因子指標。這些指標將在具有典型特征意義的頻度和尺度下，尊重數據的時空涌現機理，結合可解釋性和行為真實性，盡可能多地保留原始數據的多維信息，使傳統低頻數據充分獲得時空高頻數據的增強，進而高頻化和多維化。

（2）空間數據降頻：同步數據空間化

將涌現的時空影響因子指標，通過城市模型與目標觀測數據指標相關聯，運用空間分析、數據挖掘、機器學習等手段[19]，獲得二者的穩定關系，并將得到的顯著規律進行時空模式挖掘，識別規律的主要類型和時空邊界，將時空規律在有效的頻度、尺度和粒度下進行落位，得到具有明確形態意義和時空響應能力的干預分區邊界，并與規劃設計目標所需要的頻度、尺度設定相結合，得到因地制宜和因時制宜的規劃設計策略。這些策略必須要有明確的空間示意，以及定量圖示表明特定低頻空間干預能夠獲得的高頻效應，使規劃設計充分獲得時空智能的增強，以較為低頻的干預支持高頻空間規律的形成，進而促進高頻效應的落實。

上述兩個步驟結合形成截面化的一種時空數據增強設計的路徑。可以將這一框架持續應用于某一規劃設計，形成以規劃設計成果比對為導向的規劃設計預警機制，加強規劃設計本身應對時空機理變化的糾偏和自適應優化能力。

3.2 協頻城市： 面向未來的頻度智能

在上述時空數據增強的框架下，城市數據與模型的頻度轉換實際提供了一種智能模式。這種頻度智能具備以下5個特征：（1）順應涌現的干預：時空數據增強的規劃設計應注意對于涌現的、典型時空現象的挖掘和利用，才能在規劃設計干預時驅動相關涌現的動力學機制，增強規劃設計的科學性；（2）時空規律落位：時空數據具備較高的復雜性，時空數據增強的設計方法應在成果階段充分降低復雜性，以規律的空間落位為最終成果，方便指導以低頻要素為干預對象的規劃設計工作；（3）同頻的協同設計：時空數據增強的設計注重同一頻度下不同目標的相互關系，保證同頻視角下的規劃設計具有相互增強作用；（4）異頻的協同關聯：時空數據增強的設計可以支持面向同一城市議題，不同頻度視角下的策略的相互支撐，形成復頻增強的規劃設計成果；（5）跨頻的知識體系：時空數據增強的設計應注重傳統規劃理論的時空精細化，為多頻視角下的復雜城鄉規劃知識體系提供有益補充，并與相關方向前沿結合[20]，形成跨學科的知識體系。

4 結語

智慧城市正在使城市不斷高頻化，而如何使用好頻度智能是規劃設計未來城市的一項新挑戰[21-22]。本文從頻度這一新視角重新審視數據增強設計的可能擴展路徑，提出頻度是新數據環境的重要特征，是高頻城市的重要特點，是區別于傳統數據的重要維度，也是未來規劃設計類型的重要區別維度。頻度與單元定義、空間尺度、粒度、距離指標等密切相關，它們一起構成時空數據增強設計的特征，也要根據設計目標選擇合適的分析單元和特征頻度。時空數據自身具有涌現的特點，存在時間特征頻度和空間效用布局，而城市議題自身也具有天然的時間頻度和空間尺度依賴，將二者妥善匹配是時空數據增強設計模型的重要任務。基于此，本文進而以時空數據增強設計模型試圖平衡空間可解釋性和時空行為真實性，以空間規律挖掘和時空邊界識別為手段，獲得規劃設計策略的空間配置指引和具體時空策略生成，以頻度協同作為提升規劃設計高頻響應能力的主要手段，建立跨頻度的城鄉規劃知識遷移將高頻度的可復現的新發現與低頻理論歸納建立參照體系，形成具有時空針對性的、新的規劃理論知識體系。頻度智能將是智慧城市智能的一個重要部分，幫助我們提升城市規劃設計的多頻度的綜合績效，持續構建動態的、具有時空針對性的規劃知識，凝練新的規劃理論和目標價值。