機器學習在城市規劃研究領域中的嘗試目前有哪些？

---

這個問題比較寬泛，機器學習的內容很多，夜深了，我就舉例說幾個目前接觸到的吧：

1 普通的機器學習主要是搞聚類問題：

比如把傳統統計數據、經濟普查數據做聚類研究區域性城市功能分區的。

也有見過採用POI甚至街景去研究城市用地分類的，這個我看到過一些我MIT的師姐做過的一篇文章。位和的一些產品也大多涉及這一層面的應用，包括分區、包括主要流向識別等等。

反正只要你有心，你可以把以前所有計量經濟學或者模型預測的內容都拿機器學習的帽子跑一遍，雖然可能是然並卵的效果，但從研究的角度來說，都是ok的。

2 語義分析類型的：

這塊下面又具體分為文字和圖像兩個大類：

文字的話主要都瘋狂的集中在微博上，因為這是目前僅有的中文信息比較開放易得的獲取源。這塊國內的工作大家隨便搜索就可以查到。目前的研究成果很多，但內容突破上不大，主要是跨界交流的問題沒有很好的解決，我們始終在用別人用剩下的介面在進行研究，不能針對性的進行定製化的分析，這對於文字這麼多變的研究對象而言是非常吃力的。

圖像研究的話最早應該就是追溯到我13年寫的C-IMAGE Project吧。：）大體上數據源分為主觀數據與客觀數據兩類。主觀的話就是基於城市的眾包照片，建立與城市意象之間的關聯來進行分析。[paper："C-IMAGE: city cognitive mapping through geo-tagged photos"], 客觀數據的話就是街景研究了，這一塊美國開始的比較早有很多GSV（Google Street View）的研究，我自己也做過一些風景風貌相似性的研究，後來因為辭職的關係沒有精力再去挖掘了。

當然街景我也玩出花來了，費勁腦汁把它往主觀研究方面去推（因為城市規劃以人為本嘛，純粹做客觀分析而忽略了人的話我覺得就不是城市規劃專業而是GIS專業了），可以看我們最近的一個叫StreeTalk的項目，我在知乎的文章里寫了較為詳細的介紹。

3 今後有待開墾的地方：

更準確的模型預測。

其實有人在做，但目前不成熟。既有客觀技術原因，也有主觀無力原因，比如規劃的老生常談人口模型。。。

---

我們主要做城市規劃中的一個小部分，城市商業網點的動力機制。用的是長時間跨度的運營商定位數據和POI數據。在我們過去研究的個體行為模型的基礎上在方向學習群體行為特徵。在針對商業網點的預測上具備了一定的可應用性。

---

推薦閱讀：