城市的智慧启蒙——从知识社群到知识网络

本文关键词推荐标签

收缩城市中国上海自然资源城市推荐城镇化智慧城市通知大数据社区规划工业城市治理年会产业发展空间服务新型城镇化文章社区规划融合设计行业生态城市规划如何热点单元目标产业规划设计新技术数据活力智慧理论平台管理模式报告展示总规公众号研究数字化治理以人为本系统互联网研究院专题开放中国城市规划运营物联网收缩

导读：今天为大家分享2019第十三届中国智慧城市大会中，由“中国城市科学研究会城市大数据专业委员会”组织协办的“数据认知与智慧规划”分论坛上的报告《城市的智慧启蒙——从知识社群到知识网络》（朱玮，国匠城）。

本次汇报的标题为“城市的智慧启蒙，从知识社群到知识网络”，分享了我们对“智慧城市”与“城市智慧”的一些思考以及我们做的一些工作，与思考的内容相比，我们的工作仅仅是刚刚起步，如果说目标是100，我们只能推进不到百分之一，这是一个需要更多人一起协作推动的工作。分享内容分为四个部分：

一、思考：从智慧城市到城市智慧

智慧城市的概念由来已久，IBM将其定义为对需求的“智能响应”，其后人们将其认知为各种“设施”的智慧有机结合，我国将其定义为“运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式”。在《智慧地推进我国新型城镇化》将其定义为“智慧城市=数字城市+物联网+云计算”。而目前来看，我们比较普遍的认知中，智慧城市就是指使用各种先进的技术方式和手段，尤其是信息技术手段来改善城市发展状况，而在更加广义的层面，更多聚焦于城市复杂巨系统的智慧优化。

总的来说，智慧城市的实践，从关注设施本身走向关注城市运营和治理，从停留在概念本身，走向一个个的智慧城市平台建设。

在智慧城市的推进中，我们在思考一个问题，智慧城市中的“智慧”一词，是一种与人类智慧的“类比”，还是一种评价标准？

如果是一种评价标准，那么他更倾向于一种“效率的提升”，即城市更加便捷，因此更加“智慧”；而如果是一种类比，那么我们希望的是城市这个巨系统能够思考问题，辅助决策。

上面这张图是智慧城市相关研究领域，我们看这个图无法看出规律，但是机器可以，机器判断，上面的这些关键词没有重复出现，同时机器还可以通过以往的数据积累，对他背后的逻辑进行识别，表现出一种很清晰的图示关系：

图中左侧是九个与智慧城市相关的关键词，以及与他们相关的下一层级结构的词汇。右侧图是单独拿出了关键词“数字孪生”，里面涉及到了“数字模型、建模方法、数据驱动、工业互联网、数据融合、智能空间”等。这样的一个结构，我们人类就能识别了，我们对知识的接收和理解，和机器对知识的理解相比，存在关联性，但是又完全不同。

接下来我们尝试把“智慧城市”一词进行拆解，看看什么是智慧，什么是城市？

智慧

“智慧”一词具有多种的定义，首先是系统化的：由智力系统、知识系统、方法与技能系统、非智力系统、观念与思想系统、审美与评价系统等多个子系统构成的能力，同时他又是一种生理和心理的能力集合（百度百科），但总体来说，他是通过对知识、经验的理解，由输入端到输出端的一种过程。

左上角的图是人类大脑，他由神经元和突触构成，具备了信息输入、加工、输出的能力。左下角的图是典型的深度学习网络，通过多层的神经网络结构，能够使训练出的结果逼近准确的答案。随着人工智能技术的发展，人们对于“智慧”一词的认知也在不断深入中。

城市

接下来我们看看什么是城市，城市由人组建而成，经济学家从假设出发，提出“经济人”理论，构建了经济学的基础，加籍华裔规划学者梁鹤年先生借鉴“经济人”理论，提出了“城市人”理论。他认为：“城市人”是“一个理性选择聚居去追求空间接触机会的人”。“理性城市人”以最小气力追求最高自存/共存平衡，即追求空间机会的最优化。

满足“城市人”的价值观，就需要以人为本，平衡“自存”与“共存”的关系，承认“共存”的共识。能够在庞杂的系统中寻求平衡，是城市良性运转的基础。城市是一个多元价值观的集合，只有尊重多元价值观，才是真正的城市智慧。

我们现在常常提到的智能城市、智能规划，究竟如何才能具有智慧？

上图为吴志强院士在2018年中国城市规划信息化年会“智能规划，城市未来”报告中提出的“智慧城市原图”，他提出：智慧城市第一是感知。城市要知冷暖；第二是判断，智慧城市要知道判断好坏；第三要快速地自我反应；第四要自我学习；然后变成聪明的城市。

自然资源部总规划师庄少勤在《新时代的规划逻辑》中提出的：未来的规划是“可感知、能学习、善治理、自适应”的智慧规划或智慧型“生态规划”。

我们可以发现，对于一个智慧系统来说，必备的基础能力就是“学习能力”，而与普通人的学习一样，学习的来源，更多来自于“知识的传承”和“经验的积累”，就像机器学习一样，也是通过对其输入“数据”之后，通过监督、非监督训练而达成的。

回到前面的思考，如果智慧城市不是一种简单的评价标准，评比谁更智慧，而是与人做类比，那么他需要具有一定的学习能力，打通知识的循环，建立学习的模式。

我们思考的模式，是城市中的个体、群体，向智慧城市输入沉淀的知识体系，同时智慧城市进行学习，而后将学习后加工的新知，以及提供的服务，反馈给个体与群体。

所以类比于人的智慧，智慧城市应该：

1、关注城市运营中“城市人”的特征；

2、汇集个体、群体的知识与经验，形成对既有知识体系的学习能力；3、输出城市服务，并输出新的知识经验。

而这一切不是机器能够单独做到的，在新技术的背景下，智慧城市越来越走向人机协作。

二、思考：从城市智慧到城市启蒙

智慧城市在发展中，像是不断长大的孩子，除了体格的健壮发育，更加需要我们所有人去共同构建城市的智慧，这个构建的过程，我们可以称之为：城市启蒙。

在英语中，启蒙用enlighten表示，有一个释义比较简单：to give sb information so that they can understand sth better，即给他一些信息，让他理解的更好。

与上文中提到的个体、群体、智慧城市之间的知识交换相对应，城市启蒙包含了两层含义：

1、通过知识和经验的汇集，赋能于个体与组织，进而输入到城市，让其更加智慧。

2、通过城市本身的知识和服务的输出，反馈到个人与组织，推动“城市认知”与“城市共识”。

我们希望一方面能够汇集知识体系，形成智慧城市系统可识别的学习路径，另一方面能够普及智慧城市的服务与新的知识体系，让市民行使自己的权力。

目前对于知识的汇集，有一个不得不面对的问题，城市的复杂性，导致知识的庞杂，社会发展的碎片化，导致多元价值观的形成，而拟合多元价值观的方法，在这个时代出现了一种叫做KOL（关键意见领袖）的现象，由此发展到了社群组织，形成了“共识社群”现象。

在社区营造、社区规划领域尤为明显，而部分新媒体也具有共识社群特征。例如“共同缔造”的社群实践，城市象限机构所代表的社区规划体系建设，上海社区花园的实践，以及以澎湃新闻市政厅栏目为代表的关心城市公共事务的社群建设。

在这其中，“共识社群”承担着汇集知识，输入到“智慧城市”的工作，而这其中也需要“知识工具体系”的建设。其目标路径为：

1、构建知识工具，既能总结经验知识，又能与智慧城市对话；2、构建知识工具，为“共识社群”所使用；3、构建知识工具，将智慧城市产生的知识专递给大众。

三、路径：从知识碎片到知识图谱

我们关注知识的生产与梳理流程，在认知过程中，为了让知识系统化，我们经常绘制思维导图（思维导图，又叫心智图，是表达发射性思维的有效的图形思维工具。是一种革命性的思维工具，百度百科）。他将我们的思维整理成为树形，而这个树形可以变换为文档的目录层级，也可以变换为机器可识别的树状结构。这只是一个简单的例子。

比较复杂的例子是近些年大家讨论的“知识图谱”。如上图右下角所示。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考[1]。

常见的知识图谱示意图主要包含有三种类型的节点：实体、概念、属性。他的基本元素如上图右侧所示，两个节点、一个关联，就可以构成一个最基本的知识图谱单元，通过多个关联，就可以形成复杂的知识网络。

构建知识图谱流程包含信息抽取、知识表示、知识融合、知识推理四个阶段。从最原始的结构化、半结构化、非结构化数据出发，采用一系列自动或者半自动的技术手段，通过批式和流式进行构建。

最早引入知识图谱的是谷歌，用于搜索引擎右侧的知识推荐，而目前在社交网络、金融、人力资源等领域，都有相当多的应用。

知识图谱的应用领域比较多样。例如最常见的应用，就是知识搜索工作，也就是搜索引擎。另外还有对知识的问答、语义的理解，例如应用于智能问答、智能音箱等。目前的推荐系统、知识挖掘等工作，也是知识图谱的应用，未来在区块链发展下，也可以用来做知识的置信度检验。

以下是两个关于知识网络的例子，虽然不是严格上的知识图谱应用，但可以通过知识网络为大家进行一个认知展示。

第一个例子是对学者论文的分析，来自CNKI知网分析工具，以清华大学龙瀛教授的部分论文为例，工具为我们展示了知识领域的自动聚合分类。

其中最大的蓝色点为一本专著：《人居环境科学导论》，吴良镛。右上部分的文献，偏向建成环境评价与设计，右下部分的文献，偏向数据分析模型，左上角相对独立的一部分，偏向于“收缩城市”。通过科研论文的关注内容，可以建构相关知识体系，并可回溯到不同的时间与具体研究。

第二个例子是清华同衡规划设计研究院发布的产业图谱应用。“产业图谱”技术由清华同衡研发，在“产品空间”经典理论的基础上进行本土化修正和应用化拓展，是一项专门面向地方产业发展精准定位和转型的应用型技术。

产业图谱的构建过程学习了全国产业分布的普遍规律，使用产业大数据和算法量化产业间的联系，并将各行业之间的联系进行可视化表达。

知识图谱的应用，未来具有广阔的空间。当然，现在也面临一些知识图谱的发展问题，需要我们应对，同时针对这些问题，也有一些趋势。

首先，大众领域的知识图谱并不精确，使用的场景比较受限；其次，专业垂直领域的知识图谱需要大量的知识积累，以及专业人员的人工整理；第三，知识图谱技术具有一定的技术门槛；第四，知识更迭如果无法跟上，知识图谱很容易停滞，不及时更新的话无法真正指导实践。

而对于未来的趋势，我们能看到一些比较有希望的内容：

1、大众领域的知识图谱积累了技术，他需要的是广度，而专业领域的知识图谱需要的是深度和准确度。

2、垂直领域的需求出现，使得机构愿意投入到他的研发中。

3、开源工具与人工智能技术的不断发展，降低了他的技术门槛。

4、不同领域的知识社群正在形成，知识更新更加迅速，且全面数字化，社群让具有活力的知识众包成为可能。

四、实践：从知识社群到知识网络

在上述的一些思考和路径介绍完毕后，我们希望大家能够共同探讨城市智慧的赋能，同时我们在其中对于知识发现、知识体系化、知识众包等领域，做出了初步的尝试。

我们的服务群体是规划师群体，规模人群并不多，但在城市建设中的作用不可忽视。通过我们的知识社群的建设，形成了由新媒体、知识社群、知识工具共同构成的“知识网络”。

目前我们通过新媒体进行知识的发现，通过社群进行知识的再生成，通过知识搜索工具沉淀知识图谱，通过问答助手沉淀知识需求。

目前除了上述四个部分的日常运营之外，我们在知识网络建设层面的工作主要有：

1、行业热词、分类、热度监测，建立语义库

2、社群交流热点分析

3、微信公众号、网页文章知识库开放知识收集

4、各大搜索引擎关键词统计

5、社群专题知识库建设

6、领域专项知识库建设

7、知识图谱与智能识别技术推进

我们希望未来能够从1.0到3.0，在媒体、社群、工具这个闭环中，一步步的把细分领域走好，同时能够输出运营经验，期待大家在更多领域构建知识网络，赋能城市智慧。

以下是我们的知识媒体、知识社群、知识工具、知识助手的相关建设。

与城市相关的各个领域，都需要各自的共识社群，需要知识社群的构建和知识网络的生成。我们目前只专注规划领域的某一个部分，做出一些初步的尝试。希望能和大家有更多的交流，共同推进不同领域的知识网络构建。

我们的理想目标，是构建城市规划、城市建设、城市治理领域的知识社群与知识网络。通过知识网络与智慧城市对话，赋能城市智慧，共建理想城市。

以上仅是初步思考，并不完善，请大家多多批评指正。

演讲人：国匠城朱玮