使城市项目与规划“更智慧”的智能方法（The Intelligenter Method I for Making “Smarter”City Projects and Plans)
基于城市系统中合作发现的创新理念，西班牙学者Maria-Lluisa Marsal-Llacuna等人提出了首个用于设计真正智慧城市项目以及研究智慧城市规划的原型方法。根据该方法，一个城市建设或规划的智慧与否，并不在于技术语境下其建筑有多么宏伟精妙，亦非其总体布局有多么庞大复杂，而是看其被规划和建设的城市各相关子系统之间是否能够建立定性与定量的协同关系，以及在推动城市发展、提高城市应变能力的同时保障可持续性。研究者们目前正致力于分享与传授该方法，以使智慧城市的建设与规划更加智能。这套方法在使城市政策和法规制定工作更加智能上也同样有效，具体内容详见英国《城市》期刊“使城市政策和法规制定‘更智慧’的智能方法”一文。
建筑院校里使用的传统建筑设计和城市总体规划方法，在开展智慧项目和计划中已经不再有效。同理，工程院校中所惯常使用的工程项目以及基础设施规划方法也不再适用。一些建筑师和工程师认为，更加智慧的城市建设和规划，理应包含移动技术，使城市适应此类技术的机制以及对于通过各种终端设备收集到的数据进行处理等方面，而本方法的主要研究者，作为一名建筑师和城市规划师，并不同意这种通常的观点。
使智慧城市规划和建设项目更加智能的“协同子系统方法”分为四个步骤：①判明规划与建设项目的“哪里”和“什么”属性；②发现多子系统的协同合作；③定义静态和动态监测；④综合监测与控制。
与孤立、非协同的子系统相比，“更智慧”的城市项目与规划方法创造的多子系统，在使用自然与经济资源的效率方面提供了更好的结果。其他自然与经济上的可持续效益还包括：减小景观影响，文化保护，环境友好，提升分系统活力，促进创新企业创建以及跨界创业等。在社会可持续发展方面，多子系统协同方法，有助于使那些存在争议却非常需要的建设项目获得更好的社会接受和认可。尽管将“更智慧”方法应用于政策和法规制定时，其社会方面的效应更为突出，但是，鉴于其提高了市民在规划和建设过程中的参与度和权利，该方法对于规划和建设项目也同样具有增强智慧性的效果。
静态和动态监测是“更智慧”方法的重要组成部分。他们不仅确保多系统协作的正确运行和控制，还增强了其预测能力。对于系统行为的监测使不同的类型得以显现，模型建构使预见性和前瞻性获得改进。由于总体规划和建设项目的关键作用就是对城市未来进行预测，“更智慧”方法设计的城市规划和建设项目因而产生更大影响。总体规划是对城市长期展望的实践，建设项目是城市长远需求的实践。“更智慧”方法通过增加客观预测功能和城市智能化的多重收益，增强了两种实践的影响力。
来源：MARSAL-LLACUNA M L, SEGAL M E. The intelligenter method (I) for making "smarter" city projects and plans[J]. Cities, 2016. http://dx.doi.org/10.1016/j.cities.2016.02.006
（供稿：韩婧）
区域地理设计中的高级土地利用分析：LUCIS+模型的运用（Advanced Land-Use Analysis for Regional Geodesign: Using LUCIS Plus）
本书是ESRI出版社2007年出版的《智慧的土地利用分析：LUCIS模型（Smart Land-Use Analysis: The LUCIS Model）》的后续。两者都是在地理设计以及智慧的土地利用规划领域的重要作品。本书在前一本著作的基础上，进一步探讨了土地利用冲突识别策略（LUCIS：land-use conflict identification strategies)，展示了如何运用地理信息系统（GIS）分析土地利用的适宜性、利益相关者的偏好以及土地利益竞争的冲突。主要探讨的主题内容包括: 交通与土地利用的交互作用，城市用地混合使用的机会识别，土地利用灾害（飓风、风暴潮、洪水及风害），以及海平面上升对土地利用的影响。本书是城市规划师、GIS分析师进行智慧和有效的土地利用决策的重要指南。全书共分为三个部分14个章节。
第一部分包括前5章，第1章首先回顾了LUCIS模型的五个步骤、常用术语以及核心工具；第2章对冲突分析（conflict analysis）作为决策工具进行了概述；第3章介绍了全新的自定义的ArcGIS工具用于简化建模过程，是全书重要的核心内容之一，正是这些工具完成了LUCIS和LUCIS+策略的预期；第4和第5章中，LUCIS策略被应用于现有的住宅和就业政策。第一部分整体作为知识库，回顾了模型内容，为第二和第三部分中LUCIS模型的高阶方法和应用打下了良好的基础。
第二部分包括第6到8章，是关于土地利用分析和未来的选择，着重于LUCIS模型五个步骤的具体细节。这些章节阐述了在土地分配选择中提供了更大灵活性的新方法，合理分配是城市用地混合使用的未来，也是环境和农业保护的未来。该部分对分配过程的结果进行了总结，使用环境和发展指标评估了每一种未来的可能性。同时，这些章节也说明了LUCIS+作为LUCIS模型方法的升级，拥有了真正的灵活性和场景使用的易用性。
第三部分包括9到14章，主要解释了使用LUCIS+模型的高级分配技术。LUCIS模型的价值分为三层：第一层价值正如前两个部分阐述的那样，确立了土地使用的冲突性。该过程包括：①根据预定的目标和目的决定土地利用的适宜性；②确定土地使用偏好；③确定了土地使用的冲突性。第二层价值通过人口、就业、或二者共同展示了土地使用未来的选择。第三层价值是第三部分着重展示的内容，LUCIS+工具在三层价值中自动建立了空间模型。第9章介绍了城市用地混合使用的机会识别在风暴潮和海平面上升的情况下，如何引导更好的决策和政策制定。第10章利用ArcGIS在线工具发布和探讨互联网用户使用LUCIS栅格图层的机会。在数据资源有限、强调在选址过程中尊重文化和传统的情况下，第11章扩展LUCIS+模型在一种新型社区中的应用：美国土著部落。第12到14章扩展了自定义的LUCIS工具在保障性住房和交通可达性方面的应用。
来源：ZWICK P, PATTEN I, ARAFAT A. Advanced land-use analysis for regional geodesign: using LUCIS plus[M]. Redlands, Califonia: ESRI Press, 2015.
(供稿：姚放)
针对城镇化与工业化在国家发展阶段和城市经济类型关系的研究(Urbanization with and without industrialization)
来自英国美国的三位经济学教授在2016年第一期《经济增长》上发表了《有工业化，或没有工业化的城镇化模式》的研究文章。研究着重证明不同的城镇化推动力产生了不同的经济增长效率和不同的社会影响，为不同发展阶段和经济类型的国家政策制定提供了依据。
研究从历史的角度认识世界城镇化进程和趋势，证实了城镇化和经济发展不可分割的联系。然而，现在的许多发展中国家的城镇化，较之如欧洲北美等国在快速城镇化过程时经历的发展模式有着显著不同，这不同在于工业化与城镇化进程并没有同时快速增长。研究认为，取代了自主的工业化进程，大规模依赖资源出口成为这些发展中国家快速城镇化进程的根本推动力。研究通过对116个发展中国家1960-2010的样本分析，建立资源出口与城镇化进程的关系模型，得出自然资源出口与城镇化进程正相关规律；通过验证城镇化对经济增长普遍意义推动的同时，证明不同的城市经济结构（生产型城市和消费型城市）对经济增长水平和城镇化率有着显著影响；证明这种影响不仅存在于经济方面，也会扩散至更多如居住、安全、就业等社会问题方面；证明由不同推动力产生的城镇化增长会导致不同的经济增长效率。
研究的意义在于，用数据证实城镇化和工业化在当前发展阶段可以不同时、不并进的事实，指出资源出口成为推进绝大多数发展中国家城镇化进程的决定性因素，并会造成与工业化推进模式截然不同的巨大和长期的经济社会影响。作者Douglas Gollin来自牛津大学国际发展系，Remi Jedwab来自乔治华盛顿大学经济系，Dietrich Vollrath来自休斯敦大学经济系。
来源：GOLLIN D, JEDWAB R, VOLLRATH D. Urbanization with and without industrialization[J]. Journal of Economic Growth. 2016, 21(1): 35-70
(供稿：胥星静)
智慧城市中的智慧人流——城市尺度下基于智能手机的可参与式人流管理平台
本文研究和设计对象为智慧化的信息管理平台，该平台基于智能手机传感、定位、信息传递等功能，进行真实生活中的大规模人流进行调度部署。该平台是由通用的、可配置且多平台的APP，后端数据处理器，事件管理前端三者集成的系统。在快速、灵活处理城市特殊事件和改善城市空间等方面具有以下四大主要功能：①通过手机向使用者传输事件或空间的信息；②通过手机进行对APP使用者的数据收集和数据分析；③位置与情况的多路传递预警信息，并指导不同地区的人群疏散；4剖解事件原因并进行后期分析。该文章描述了来源于真实生活中的大规模调度部署的需求，至今，该平台在英国、荷兰和瑞士已经成功处理共14件大规模的城市事件，且用户超过10万人。
城市重大事件会引发大规模人群的聚集，理解和控制人群动态在预防人防运用方面具有重大的意义。2010年德国Love Parade音乐会踩踏事件、2015年上海外滩重大踩踏事件等惨剧都是由于人流管理、监控、预警等发面出现了问题。通过手机信令进行实时、全覆盖的“数字化”信息采集，进行探究原因、预测预警，这种方式不同于以往通过无线视频影像进行“补丁式”的“图像化”信息采集。影响人流能力指的是人流控制，即空间布局的动态变化和个人化的指令发布。
具有可参与性的APP可作为城市人流管理系统采集数据的传感器。当样本用户达到3000人左右，人流管理系统的预测置信度可达到95%。此外，所研究的空间尺度越小，就需要越大的最小样本量来预测人流的趋势。同时，该系统每24小时所上载和下载所产生的流量不足2MB。城市人流管理系统依据城市大事件与人流的需求进行设计。对于事件访问者而言，其需求为各类的POI点、地图、事件信息、图像、链接等；对于城市大事件组织者而言，其需要发布与更改事件相关信息，同时也需要和事件访问者进行交流与沟通；对于会务安全机构而言，其需要在实时进行监控、预警、防护，在发生紧急事件时进行引流、疏导、救援，在发生紧急事件后应进行学习、完善，是一个“感知-判断-反应-学习”的智慧过程。
城市人流管理系统的体系结构包含：通用APP、后端数据处理器，事件管理前端。通用APP中，中央运用管理器为通用APP的核心，管理APP的各大部件；传感器处理系统，检测相关的任务以及上传数据；数据统计收集器，收集人流各项数据并将其发送到系统的云后端；布局更新处理器，负责动态更新和配置APP的感观和内容。端数据处理器，包含手机APP管理系统以及数据收集分析系统，为该系统的中枢部分，分析问题、发出指令、解决问题。事件管理前端，易于操作，具有数据可视化，例如热力图的终端显示。
对于城市大事件的管理来说，重要是事件与人流管理系统的结合，如果事件的信息和作为传感器的每部智能手机都能实时连通城市人流管理系统平台，平台将对其进行感知-判断-反应-学习以避免灾害的发生。而更重要的在于因城市大事件发生对人流产生的预测，系统应能记录传感器正在使用的位置和时间特征，通过对于有关的兴趣点请求（即导航请求或有关该项目的详细信息请求），即时间和空间维度。系统后端可对“时间、空间”进行双维度评价，洞察人流的兴趣目的点，做出未来人流特性的预测。
综上所述，城市人流管理系统从一个简单的原型转变为成熟的具有市场运用价值的事件管理解决方案。但在未来还需要面对如何在网络连接失败的情况下进行多选择渠道的人流管理、如何在更大数量级样本容量的情况下进行预测与计算、如何不超过其他设施机构的临界值传递大量信息、如何协同多部门进行专业统一化管理。
来源：FRANKE T, LUKOWICZ P, BLANKE U. Smart crowds in smart cities: real life, city scale deployments of a smartphone based participatory crowd management platform [J]. Journal of Internet Services and Applications, 2015(6): 12-22.
(供稿：刘晓畅)