城市知识图谱
关键词：
“城市知识图谱”项目由剑桥高级研究和教育中心（CARES） 与新加坡-苏黎世联邦理工学院中心（Singapore-ETH Centre） 共同参与。该项目旨在开发一个名为“城市知识图谱”的创新数字平台，利用城市中快速增长和多样的数据流为静态规划提供决策支撑，实现城市规划和设计上的敏捷响应。在新加坡的规划实践中，规划师们通过城市总体规划来形塑明日之城，描绘未来一代如何在城市中生活。总体规划的编制被视为一个创造性的过程，在这个过程中规划师们谨慎地将自己掌握的专业知识映射至规划对象，推敲如何通过合理的资源配置平衡城市内生的利益冲突。然而，总体规划只是一种蓝图式的静态规划，是一幅横亘在未来与现在之间的凝固图景。这样的特性使其无法很好地适应城市动态发展的需要。为了延展总规的边界，打破总规现有的凝固态，研究人员结合语义网络技术和人工智能技术，提出了“城市知识图谱”。该项目提出以下三个目标。1、掌握城市动态随着居住在城市地区的人口逐年上升，无论是居住、商业、游憩，还是交通、能源、生态，个体之间诉求的冲突与矛盾将会愈发激烈。了解并管理城市运行动态，有助于城市管理者与规划者协调城市内部相互冲突的需求。2、完善城市数据和规划知识体系城市每天都在代谢着大量的数据，这些数据来源多样且类型各异，亟需一套智能管理数据的方法，将零散的数据连接到不断发展的统一数据资产中，最终构成并完善城市规划知识体系，供用户、应用程序和人工智能访问。3、整合城市规划成果城市规划往往围绕不同的知识领域展开，如土地使用、建筑形式、交通、地下基础设施和生态等。每个领域在实践中都形成了自己的数据采集文化，如使用统一的数据格式标准与命名规范等。城市知识图谱旨在将不同知识领域的数据进行深度整合，在数据之间建立可扩展的关系，以提高数据的可读性和交互性。城市知识图谱作为一个动态的信息系统，可在数据集和软件工具之间建立联系，让数据自身成为可被理解的本体，让软件能根据规划意图去检索和读取所需要的数据。系统运行流程大致可分为五个步骤。（1） 指定规划对象，确定规划范围。（2） 使用数据分析、数据可视化、人机交互、过程建模与虚拟现实等方式对规划对象进行探索性分析。（3） 将探索性分析所提炼生成的规划意图分配至系统中的人工智能代理。（4） 人工智能代理将抽取与实现该规划意图相关的数据，并将它们连接为数据输入矩阵，以便软件进行读取。（5） 使用CityEngine、CityEnergy Analyst 和Sketch MATsim软件对数据矩阵进行处理、分析与建模，并将输出结果借由步骤2的可视化表达方式返回至步骤1中的规划场地上，最终生成一个包含多种总规变量组合的规划绩效评估结果，以供规划师进行多规划场景下的模拟比对。总体而言，城市知识图谱通过自动化收集和处理数据，将数据降维成知识元，进而建构起有关城市的知识体系。同时，对不同城市规划知识领域的数据与软件进行串并联，构建起城市规划语境下的语义网络，使其具备探索、分析和回答规划问题的能力。此外，城市知识图谱还支持高级场景规划功能，允许规划师研究和比较不同规划建议下生成的“孪生世界”，进而对规划方案进行优选。J-Park Simulator （JPS） 是以新加坡裕廊岛为测试场地，基于城市知识图谱平台进行的试点研究。JPS将跨领域建模、数据存储与基于本体的专家系统相结合，为公共部门、行业机构和基础设施供应商提供不同规划场景，不同前提假设下的规划评估报告。JPS的本体库中吸纳了工业区全域从化学过程到电网配置，从建筑管理到分子反应的知识元，以支撑生态工业园区的设计、分析、决策和运营优化。现如今，大数据与人工智能技术的发展为构拟城市的复杂性带来了可能，城市规划也迎来了智能化建设的热潮，大平台建设成为了智慧城市建设下新风口的赛道。然而，我国现阶段的规划智能化仍缺少一种组织逻辑，即一个可以更好地验证和批判性吸收规划知识的框架。平台的功能实现主要分为两个方向：智能行政审批（通过业务模型驱动构建微服务）与数字孪生底板（地理空间与建筑模型可视化）。现有平台更多是基于上述两个方向的智能模块的拼装组合，平台本身并不具备智能，即将规范标准、结构化数据与软件工具有机结合的能力，使着三者成为知识本身。城市知识图谱项目通过引入语义网，挖掘并构建数据间的可扩展关系，实现不同类型数据之间相互可读，对我国智慧城市平台建设具有一定借鉴意义。本文来自：城市规划学刊，作者黄沣爵，新加坡国立大学硕士研究生参考链接：
【学术动态】城市知识图谱创新数字平台
注：以上内容由国匠城&规划云编辑整理，转载请注明出处与本页链接。
