1 第四范式与大数据应用于城市研究的探索
随着信息与通信技术(ICT：Information and Communication Technology)的不断发展，城市互联网站和大量接入网络的智能终端设备(智能手机、RFID、无线传感器、视频设备等)每分每秒都在产生并传播海量的信息数据。2011年，国际数据公司(IDC)发布的《数字全球研究》指出，全球信息总量每过两年就会增长一倍。2011年全球创建和被复制的数据总量为1.8万亿GB，到2020年这一数值将增长到35万亿GB。此外，根据中国互联网络信息中心(CNNIC)发布的《第33次中国互联网络发展状况统计报告》统计，截至2013年12月，中国网民规模达6.18亿，互联网普及率持续攀升到45.8%。其中，手机网民已经取代固定网络成为增长的主力军，规模达到5亿。可以看出，网络开始成为城市经济和社会发展不可或缺的平台，并全面影响着居民活动、企业经营以及政府管理，从而使获取大量反映人类活动特征的数据成为可能，城市的“大数据时代”已经到来。
2007年，吉姆·格雷(Jim Gray)描绘了“第四范式”(The Fourth Paradigm)的愿景，将大数据科研从第三范式(计算机模拟)中分离出来单独作为一种科研范式，这是因为其研究方式不同于基于数学模型的传统研究，强调了数据密集型科学研究的快速发展[1]。维克托·迈尔-舍恩伯格(Viktor Mayer-Sch?nberger)也认为大数据时代的到来意味着思维方式的变革，基于全样本微观数据挖掘的要素间相关关系研究可以把握发展总体规律，将成为未来城市研究的新方向[2]。德利瑟(DeLyser D)指出，大数据在描述相关关系方面具有科学性和精准性，通过数据的整合共享与交叉复用来形成智力资源和知识服务能力[3]。2012年，美国政府发布了《大数据研究和发展计划》，提出“通过提高我们从大型复杂的数字数据集中提取知识和观点的能力，承诺帮助加快在科学与工程中的步伐，加强国家安全，并改变教学研究”的目标，这意味着美国已将大数据提高到了国家战略层面。可以看出，大数据时代的到来为受ICT影响而日益复杂的城市研究提供了强大的数据支撑，而以数据密集分析为核心的第四范式的提出必将指导城市研究理论与方法的创新。
当前，国内外学者已经运用大数据对城市进行了较多的研究与探讨，主要是在推特(Twitter)、脸书(Facebook)、新浪微博等社交网络数据(用户地理位置、活动信息、情感文本等)、移动手机通话数据、智能交通刷卡数据及城市监测设备数据的挖掘和分析基础上，通过研究城市间的网络活动来判断城市间内在联系和等级体系[4-7]，模拟城市居民出行模式和人口流动变化来引导更加合理的交通规划和土地利用调整[8-15]，结合居民情感和活动来划分城市中心区[16，17]，以及分析城市重大事件或活动来研究具有不同人群特征的社会空间结构[18，19]。总体来看，大数据在城市体系、城市交通等领域已经得到大量的关注，但是在城市功能区划、土地利用、城市基础设施方面的研究还相对薄弱，较难满足城市居民、企业及政府各方面的需求[20]。因此，还需要去寻找获取、处理与分析大数据的技术方法体系，探讨完整的基于大数据的城市研究框架，并将成果与现有的研究体系进行整合，甚至于替代一些传统思维和手段，从而实现城市研究的智慧化。
智慧城市是一个全新的城市形态，也是信息城市的高级形态，包括了制度、技术、经济和社会等四个层次的城市框架体系[21]。目前，中国的智慧城市发展还停留在概念炒作的初级阶段，现有试点城市主要围绕政务、产业、交通、社区、民生、市政等各个方面的信息基础设施进行建设或应用，强调云计算、物联网、大数据等新一代ICT支撑下的城市智能管理，忽视了以空间分析为核心的城市研究在智慧城市发展过程中的前提和基础作用。中国作为全球经济发展速度最快和人口最多的国家，已基本完成大规模信息基础设施建设，并有着全球第一互联网用户数和移动互联网用户数，创造数据的规模远远超过全球其他国家。ICT为城市带来了新的发展机遇的同时，大数据则使得ICT首先能够广泛应用到城市研究中，符合智慧城市发展的本质需求，必将会进一步推进智慧城市的规划、建设与管理全过程。
2.1 在信息与通信技术下，推动智慧城市建设成为实现新型城镇化的重要手段
中国的城镇化发展已经到了一个新的阶段，新型城镇化成为国家的战略选择。2014年，中共中央、国务院印发了《国家新型城镇化规划(2014—2020年)》，指出要走以人为本、四化同步、优化布局、生态文明、文化传承的中国特色新型城镇化道路。针对当前城镇化推进和实施中存在的问题，《规划》明确并强调了将智慧城市作为提高城市可持续发展能力的重要手段和途径，具体包括了信息网络、规划管理、基础设施、公共服务、产业发展、社会治理等六大方面的智慧化。这在当前普遍存在对智慧城市概念与内涵模糊的情况下，为今后的智慧城市建设提出了明确的发展方向，也对我们如何更加智慧地发展和建设城市提出了更高的要求。中国的信息化始于20世纪80年代，ICT在国民经济各领域及城市各部门中有着较为广泛的应用。目前，中国已经完成大规模的信息基础设施建设，新一代通信技术以及物联网、互联网、云计算等技术的集成和应用，以及“三网融合”的开展，正形成新的城市技术支撑系统。但是，智慧城市建设不仅仅是部门和领域信息化的深入，而是依托和借助信息化，促使城市社会、经济、环境、空间及管治全方面、多尺度的互联、互通与互动。因此，智慧城市的建设不仅有利于解决当前城市信息化建设面临的“孤岛”困境，也有利于城市资源的高效利用、公共服务能力的提高与居民的宜居宜业，进而促进新型城镇化和城市可持续发展目标的实现。
在中国城镇化向新型城镇化转型发展过程中，包括城市公共服务(布局和供给)、城市运行效率、城市社会空间割裂等在内的城市问题也是集中爆发期。随着ICT的快速发展和智慧城市建设的全面推进，城市内部各种传感器、摄像头的安装以及微博、微信等社交网站的普及，将会产生大量数据源，从而为我们提供新的观察城市、分析城市和研究城市的平台，更提升了我们解决城市在公共服务(各类城市空间的布局和政府各项供给服务)、经济运行效率(产业选择和发展模式、资源供给和分配)、群体社会空间(居民认同感、社会犯罪、城市文化)、生态环境(居民生活环境、自然灾害)等关键领域发生问题的能力。对企业、政府、研究机构来说，包括社交网络在内的互联网大数据蕴含的巨大价值已经开始显现。这些大数据的研究，在降低经济社会运行成本、提高政府决策效率和社会公共服务方面都有广阔的应用空间，从而更好地为智慧城市的建设提供条件。例如，在交通领域，对大数据源的分析有利于对公交服务、货物运输、物流配送方面做出更优决策。因此，借助于大数据，我们可以找到这些问题的症结所在，进而提出更加科学的解决方案。不过，大数据由于其非结构化的本质，加上覆盖范围的局限性，并不能智慧地解决所有城市问题，还需要将大数据与中数据、小数据结合起来运用。
大数据成为“热点”，其更大的意义在于促使学术界、政府和企业重新发现和认识数据的价值，从而为城市规划与决策提供新的思维、理念和方法。同时，智慧城市建设也并非全部推倒重来、另起炉灶，而是用新的技术在新的理念引领下更好、更加智慧地促进城市发展。传统城市规划一般遵循着“自上而下”的规划模式(即在政府设定城市总体发展目标基础上，规划师对不同尺度或层级区域进行空间控制和布局)，忽视了居民、企业等城市主体的行为和活动对城市发展的影响，容易造成规划方案的不合理，继而降低规划的实施效率。因此，我们需要充分考虑企业和城市居民的需求，促使采用“上下结合”的方式，跳出单一要素而从要素整合的高度去思考城市发展的问题，以及解决的思路与对策。这就要求我们主动去寻找政府、居民和企业所关注的问题，把这三方面的需求整合统一起来，将目标和问题导向结合起来，以重点项目为抓手，做好城市的规划与建设。而这一点，恰恰也是大数据带给我们的思维转变。可以说，与传统城市规划相比，“大数据”分析技术支撑下的城市研究与规划将促使我们在关注长期策略的同时，注重城市的近期建设，且重点将更多聚焦到以往未关注的“细微领域”。同时，城市规划工作更多地从传统的空间规划向动态的时空间规划转变，能够对规划实施效果进行长期的实时评估和快速优化。在此基础之上，大数据时代的智慧城市规划仍有较多的领域亟待创新。
以大数据为主构建城市智慧运行的数据中心体系，为城市的智慧发展、可持续发展提供科学依据，是当前中国智慧城市规划与建设的必然选择。这就要求智慧城市规划必须改变传统城市规划以政府既定城市发展目标为原则的编制模式，转而以服务城市发展主体为根本，以解决城市问题为导向，以城市综合研究为支撑的智慧化综合发展手段，主要从多规协同分析、空间规划体系构建、规划与建设重点确定、体制与机制创新等四个层面去充分挖掘大数据的学术及应用价值，继而通过构建智慧城市规划框架来有效推进智慧城市的建设与管理。
3.1 以大数据整合为突破的智慧化多规协同体系
目前，中国的城市发展是在多种规划指导和多部门领导下进行的，由于受行政管理体制的影响，现有规划已经出现诸多问题，例如数据保护、规划体系错乱、规划编制各自为政、规划内容交叉重叠、规划成果局限空泛、规划实施滞后低效等，严重制约了城市的健康发展。其中，国民经济与社会发展规划、城乡规划、土地利用规划之间的矛盾尤为突出。为了应对这一难题，许多地方政府也提出过“两规合一”、“三规合一”甚至“五规合一”的规划策略，但总体实施效果不佳[22]。2013年，中央城镇化工作会议明确提出中国城镇化建设要坚持“一张蓝图干到底”基本原则，即未来中国城市的发展需要在多规协同的基础上进行建设和管理，从而保证城市实现可持续发展的目标。因此，未来以“集约、智能、绿色、低碳”为主导发展理念的智慧城市建设，必须整合多种类型规划和政府部门数据，以保障城市宜居和高效发展。
针对智慧城市空间资源的复合型利用诉求，ICT支撑下的智慧城市规划应该可以进行有效的应对。一方面，智慧城市规划可以充分利用先进的技术手段去考虑不同规划之间的整合，构建政府各相关部门规划公共平台，从而形成协同规划、共谋发展的合理机制；另一方面，ICT也可以将“多规协同”规划成果进行整合，“智慧”地展示、实施规划方案。总体而言，构建智慧化的协同规划体系需要以“数据、业务(体系)、系统(机制)”三大协同为抓手，找出各类规划亟须解决的共同问题，并通过城乡总体发展规划将各类规划重点关注内容落实到城市空间。
具体来说，首先在现有的法律法规、行政体制和工作框架下，整合部门业务数据，厘清各类规划之间的联系和区别(国民经济与社会发展规划——定目标、环境保护规划——定范围、土地利用规划——定规模、城乡总体发展规划——定布局、信息化发展规划——定手段、投融资规划——定实施等)，找出规划亟须协调的主要领域或内容，建立新的部门业务协调体系。其次，从思想、关系、路径等方面进行协调机制研究，在明确数据和选取关键词基础上，利用社会网络分析等方法确定可协调的规划要素，探讨多规衔接方向并建立机制协调系统。再次，通过对各类规划的体系和机制方面的协调，提炼出城市在目标、环境、土地、技术及经济等方面的空间控制要点，从而建立定位清晰、上下衔接、层次分明、智慧高效的协同规划体系。
智慧城市空间规划是智慧城市规划的核心环节，智慧城市发展的每一个目标最终都是通过空间资源的分配和布局进行落实的。由于ICT的进步加速了知识、技术、人才、资金等的时空交换，流空间逐渐成为区域、城市以及居民活动的主要载体[23]，传统以场所空间为研究对象的城市空间规划体系已经不适应智慧城市空间发展的要求，需要重新构建新的空间规划体系。因此，应以大数据时代城市空间研究转型理念为指导，根据多规协同对城市空间发展的总体控制，充分利用城市大数据和统计分析、舆情分析、质性分析、空间分析、行为分析及系统分析等方法，智慧化调整和布局城市产业、交通、社区、公共服务等承载空间。具体可以从城市空间发展的战略、评价、预测以及布局等四个方面来构建智慧城市空间规划体系。
(1)空间战略的制定侧重对区域城市要素联系的网络分析和政府、企业、居民等主体对城市空间发展愿景的舆情分析，可以科学确定城市未来空间发展方向。例如，通过对新浪微博数据的挖掘找出苏南各城市间的联系和职能，并在此基础上分析出区域所需解决的共同问题，最终将研究成果转变为苏南各城市空间发展战略，也为江苏省打造“智慧苏南”奠定政策基础。
(2)空间发展评价重点关注基于主题网站或社交网络数据的空间评价指标体系构建和对城市现状各类空间发展质量的综合分析，找出现状空间发展的关键问题及成因，进而对城市居民生活宜居度进行评价。例如，通过对大众点评网的挖掘来研究城市商业空间的发展状况，找出影响居民就餐、购物的主要问题[24]。
(3)空间发展预测主要利用智能手机、主题网站、土地利用等数据分析城市历年人口和用地规模变化，并合理预测支撑未来智慧城市发展的合理容量。例如，根据手机信号模拟用户的现实活动轨迹，得到人口空间分布与活动联系特征信息[25]。
(4)空间布局方法抓住城市居民、企业及政府活动对城市场所空间的影响，深入挖掘网络数据，通过对活动类型和结构的综合分析来判别城市现状土地利用的实际功能和效率[13]，并结合传统社会调查与城市空间规划编制手段来优化和安排具体用地布局。
可以看出，智慧城市空间规划体系是建立在对城市发展过程中各类大数据(城市发展主体行为活动对城市空间的影响)进行综合分析基础之上的，是保障智慧城市空间科学合理发展的关键。另一方面，智慧的城市空间资源分配和布局也是智慧城市达到居民生活便捷、企业生产高效、政府公共服务水平提升等可持续目标的前提，可以引导城市进行智慧化建设和管理。
智慧城市规划与建设并不是在全国范围内套用同一种发展模式，而是需要利用大数据对城市的特色资源和优势进行充分挖掘，找出支撑城市未来高效发展的重点领域，从而有针对性地进行专项规划和建设引导。一般来说，城市主要在产业、交通、社区、基础设施等四个方面需要特色化和智慧化的设计。
(1)智慧产业规划需要充分利用周边城市产业发展数据和城市现有企业经营数据，深入分析区域产业发展趋势、转移方向及产业政策的影响，结合城市资源优势，综合确定产业发展类型、定位和目标，促进一批新兴产业和智慧服务业(智慧金融、电子商务、文化创意、信息通信等)的发展(如新加坡的信息通信产业已经成为其打造“智慧国”的重要内容)，并合理安排产业发展功能片区和各类智慧产业园区布局。同时，还需注重区域创新网络规划和综合管理平台建设，改变企业生产和营销模式，监控企业生产和管理整个环节来提高劳动生产效率，分析供应商和客户消费行为，有针对性地进行企业营销服务(例如，亚马逊对顾客网站浏览数据的分析来定制化地进行商品推荐，零售商通过对顾客购物轨迹的监控来安排商品的摆放位置等)，从而促进产业集群发展。
(2)智慧交通规划结合城市现有交通网络的空间安排，以“居民出行便捷、城市运行效率提高”为出发点，通过对交通监测数据、社交网络及智能手机记录的居民出行数据的综合分析，合理规划或改造城市交通干线走向，并重点设计城市居民智慧出行系统(如“七彩云南”智慧出行系统)、智慧公交服务系统(如镇江智能公交、昆山公交智能调度系统)、智慧物流引导系统(如宁波智慧物流体系)及停车诱导系统(如武汉智慧停车公共服务平台)等，从而解决城市交通拥堵、环境污染、交通安全等问题。
(3)智慧社区规划主要通过对城市居民社交网络活动、社区网站或监控数据的分析，充分了解居民日常生活圈和生活规律，综合确定各类智慧社区的主要服务功能，合理安排社区周边配套服务设施和社区内部智能系统或设施(智能社区管理系统、智能公共服务系统、智能家居系统等)。例如，维也纳的数字化历史街区建设，葡萄牙帕雷德斯市的智能建筑监测，阿姆斯特丹的气候街道项目等都是国外智慧社区规划某一方面的成功代表案例。同时，还需要注重对居民社会关系网络进行梳理和引导，结合社区空间品质的定性评价讨论智慧街区的综合建构策略。
(4)智慧基础设施规划运用城市传感器和各类监控数据，分析城市现状基础设施服务范围和服务质量，重点规划建设城市信息基础设施、智能管网及智慧防灾系统，并注重不同类型基础设施之间的整合与协同，结合城市重要或特色功能空间来合理安排设施布局，从而实现城市公共服务智慧化。例如，阿姆斯特丹是欧洲智慧城市建设先驱，主要通过数据和系统整合来构建11个不同的控制中心，从而高效管理城市电力、水、供气、公共交通、气候调节等基础设施；巴塞罗那的智能垃圾收集系统也颇具特色——通过在垃圾箱安装感应器，根据其发出的信号来安排、分配垃圾运输车的出行频率和路线。
智慧城市规划和建设是一项长期持久的工程，很难在短时间内使城市居民体验到真正“智慧化”的生活。政府可以结合城市发展方向和特色资源，近期规划一批重点建设项目(如智慧产业园区、智慧办公空间或智慧校园等)来向居民展示智慧城市发展内涵、途径及机制，并将其打造为全国智慧城市发展的最佳示范区，从而支撑未来智慧城市的整体建设与管理。
体制与机制创新是智慧城市规划有效实施的重要保障，是智慧城市建设与管理的关键环节，也是区别于传统城市管理、发挥智慧城市优势的主要部分。智慧的体制或机制设计需要在城市年度发展计划和重点建设项目确定的基础上，以大数据为支撑，通过对城市居民活动数据、企业经营数据、政府管理数据的综合挖掘和分析，提出有利于城市资源集约利用、资本有效运行、组织简单高效的体制或机制框架。
资源利用机制强调城市发展各项资源要素(人才、土地、原料等)的综合开发利用，这就要求通过不同监控或统计数据掌握资源的来源、类型、总量、存量、利用效率等基本情况，并进一步分析资源深入开发或替代的可能性，科学合理分配关键资源，从而创新性地建立一套以提高劳动生产力、增加生活宜居度为目标的城市制度管理体系。
投融资机制需要依托城市经济运行数据(城市宏观经济数据、企业生产经营数据、居民储蓄与消费数据等)的系统分析，了解和预测城市资金流具体类型、规模、风险及流向变化，选择政府、企业及社会资本在规划区智慧城市发展过程中发挥作用的最佳组合模式，并建立有效的融资运营管理平台。
运营管理体制需要以促进人才集聚、增强城市创新能力为目标，以部门利益和业务协调为重点，充分发挥多规协调机制在智慧城市管理中的核心作用，建立统一的数据共享平台来提高运行管理效率，并合理精简行政管理层级，积极促进社会力量参与城市管理，例如建立智慧城市管理委员会、智慧城市产业联盟等。此外，还要制定相应管理政策或制度来保障智慧城市建设。
总体来看，智慧城市规划建立在对城市问题和规律综合研究的基础之上，充分利用城市各类监测或记录大数据，通过对居民、企业及政府的行为与活动的时空汇总分析，发现整个城市活动—移动系统的时空间特征及存在问题，进而对城市空间结构进行优化和调整已经成为大数据时代城市研究的新范式，这也是构建智慧城市规划框架(图1)、实现规划预期目标的基本立足点。具体而言，在构建以城市各类传感器、视频监控、社交网络、智能手机、智能卡等数据为主体的大数据分析平台的基础上，通过对城市各类主体的舆情分析找出城市在公共服务、运行效率、社会空间、生态环境等方面存在的关键问题，明确合理的智慧城市定位和发展目标，并对已有多种规划从体系和机制方面进行协调来确定智慧城市空间发展总体要求，从而合理引导城市空间发展战略制定、空间质量评价、空间发展规模预测以及空间发展布局方案，最终提出智慧城市规划的重点领域(智慧产业、智慧交通、智慧社区、智慧基础设施等)、建设示范项目、年度实施计划，以及保障规划有效实施的体制与机制创新要点(资源利用机制、投融资机制、运营管理体制)。
4 结论与展望
ICT的快速发展使得包含城市空间和主体活动的海量信息数据获取成为可能，促进了数据密集型科学研究思维的兴起，并将革新传统城市研究的理论和方法。实质上，国内外许多学者已经关注到了大数据对城市体系、交通、居民出行、功能区划、社会空间等研究方面的重要作用，但是现有基于大数据应用的城市研究尚未形成完整的体系，并不能有效指导或支撑城市的规划和建设。另一方面，随着中国新型城镇化进程的不断推进，以“集约、智能、绿色、低碳”为主导理念的智慧城市建设逐渐被认为是实现城市可持续发展的重要手段，它可以通过对大数据的采集和分析来解决城市政府、经济和社会出现的种种问题，达到提升城市公共服务效率、降低企业生产成本、满足居民生活需求的目的。因此，智慧城市研究与规划离不开现有基于大数据应用的城市研究基础，同时也需要不断创新数据应用思维，坚持“以人为本”的规划理念，并从大数据平台构建、城市问题分析、目标确定、多规协同、空间规划、规划与建设重点、体制与机制创新等方面构建综合研究框架来指导未来的智慧城市建设与管理。
本文在对国内相关研究梳理的基础上，主要从理论层面探讨了大数据在智慧城市研究和规划中的应用，并构建了指导后期进一步深入研究的框架体系。但是，随着智慧城市发展战略在国家城镇化建设中运用的不断加深，智慧城市规划在国家现有城乡规划体系中的地位将成为政府和学者亟须解决的问题。同时，如何将理论创新落实到具体智慧城市规划的编制工作，运用何种技术手段实现“规划调研—方案编制—实施管理”的科学性也将成为智慧城市研究与规划的难点。此外，除了应用于规划领域，大数据在智慧城市建设和管理中如何发挥实质性的作用也需要进一步研究。
参考文献：
[1]Hey T, Tansley S, Tolle K M. The Fourth Paradigm: Data-intensive Scientific Discovery[R]. Microsoft Research. US, 2009.
[2]维克托·迈尔舍恩伯格，肯尼思，著.大数据时代：生活、工作与思维方式的大变革[M].盛杨艳，周涛，译.杭州：浙江人民出版社，2012.
[3]DeLyser D, Sui D. Crossing the Qualitative-Quantitative Chasm Ⅲ[J]. Progress in Human Geography, 2014, 38(2): 294-307.
[4]Krings G, Calabrese F, Ratti C, et al.. Urban Gravity: A Model for Inter-city Telecommunication Flows[J]. Journal of Statistical Mechanics: Theory and Experiment, 2009(7): 1-8.
[5]Naaman M, Zhang A X, Brody S, et al.. On the Study of Diurnal Urban Routines on Twitter[C]//Sixth International AAAI Conference on Weblogs and Social Media, 2012.
[6]甄峰，王波，陈映雪.基于网络社会空间的中国城市网络特征——以新浪微博为例[J].地理学报，2012，67(8)：1031-1043.
[7]Kang C, Zhang Y, Ma X, et al.. Inferring Properties and Revealing Geographical Impacts of Intercity Mobile Communication Network of China Using a Subnet Data Set[J]. International Journal of Geographical Information Science,(ahead-of-print), 2012: 1-18.
[8]Becker R A, Caceres R, Hanson K, et al. A Tale of One City: Using Cellular Network Data for Urban Planning[J]. IEEE Pervasive Computing, 2011, 10(4): 18-26.
[9]Mark B, Nick M. Microscopic Simulations of Complex Metropolitan Dynamics[R/OL]. 2011. http://eprints.ncrm.ac.uk/2051/1/complex_city_paper[1].pdf.
[10]Sagl G, Resch B, Hawelka B, et al.. From Social Sensor Data to Collective Human Behaviour Patterns: Analysing and Visualising Spatio-temporal Dynamics in Urban Environments[C]//Proceedings of the GI-Forum2012: Geovisualization, Society and Learning. 2012: 54-63.
[11]Chen H, Chiang R H L, Storey V C. Business Intelligence and Analytics: From Big Data to Big Impact[J]. MIS Quarterly, 2012, 36(4).
[12]Liu Y, Kang C, Gao S, et al.. Understanding Intra-urban Trip Patterns from Taxi Trajectory Data[J]. Journal of Geographical Systems, 2012, 14(4): 463-483.
[13]Liu Y, Wang F, Xiao Y, et al. Urban Land Uses and Traffic ‘Source-sink Areas"""""""": Evidence from GPS-enabled Taxi Data in Shanghai[J]. Landscape and Urban Planning, 2012, 106(1): 73-87.
[14]柴彦威，申悦，肖作鹏，等.时空间行为研究动态及其实践应用前景[J].地理科学进展，2012，31(6)：667-675.
[15]Kwan M P, Lee J. Geovisualization of Human Activity Patterns Using 3D GIS: A Time-Geographic Approach[M]//Goodchild Michael F, Janelle Donald G, eds. Spatially Integrated Social Science: Examples in Best Practice. Oxford: Oxford University Press, 2004: 48-66.
[16]Lüscher P, Weibel R. Exploiting Empirical Knowledge for Automatic Delineation of City Centres from Large-scale Topographic Databases[J]. Computers, Environment and Urban Systems, 2013, 37: 18-34.
[17]Hollenstein L, Purves R. Exploring Place Through User-generated Content: Using Flickr Tags to Describe City Cores[J]. Journal of Spatial Information Science, 2013(1): 21-48.
[18]Wakamiya S, Lee R, Sumiya K. Urban Area Characterization Based on Semantics of Crowd Activities in Twitter. GeoSpatial Semantics, Springer Berlin Heidelberg, 2011: 108-123.
[19]Ming-Hsiang T, et al.. Mapping Social Activities and Concepts with Social Media(Twitter)and Web Search Engines(Yahoo and Bing): A Case Study in 2012 U.S. Presidential Election[J]. AutoCarto International Symposium on Automated Cartography Proceedings, South Carolina, 2012: 1-13.
[20]秦萧，甄峰，等.大数据时代城市时空间行为研究方法[J].地理科学进展，2013，32(9)：1352-1361.
[21]甄峰，翟青，等.信息时代移动社会理论构建与城市地理研究[J].地理研究，2012，31(2)：197-206.
[22]魏广君，董伟，孙晖.“多规整合”研究进展与述评[J].城市规划学刊，2012(1)：76-82.
[23]Castells M. The Informational City: Information Technology, Economic Restructuring, and the Urban-Regional Process[M]. Oxford: Blackwell, 1989.
[24]秦萧，甄峰，朱寿佳，席广亮.基于网络口碑度的南京主城区餐饮业空间分布格局研究——以大众点评网为例[J].地理科学，2014，34(7)：810-816.
[25]冉斌，邱志军，裘炜毅，等.大数据环境下手机定位数据在城市规划中实践[C].中国城市规划年会(2013)，2013.
