智慧的城市该是什么样子？我做了个项目，摸到了冰山一角

今天想给你讲的故事，来自于四川省建筑设计研究院有限公司的王初翀，圈子里都习惯喊她@小耳朵猫酱，我就简称她猫酱吧。

尽管我把故事的技术细节做了一再的简化，还是会有一些你没听说过、也不理解的专业术语，在这儿需要强调的一点是，今天内容涉及到的所有专业术语和计算方法，你都不需要看懂，这丝毫不妨碍你去理解我受到的一些启发，比如：

➤ 我们总说数字化、数据思维，到底要把什么数字化？用数据做决策又会把我们带到哪里去？

➤「智慧城市」作为一个大概念有点被讲烂了，它和普通人到底能有什么关系？

➤ 我们这个时代的创新者，正在面对什么样的跨界难题？

事情要从他们代表院里参加的一场比赛开始。

比赛的名字叫「数字四川创新大赛」，分了四个赛区，其中「创新应用赛」这个赛道，聚焦在政府治理方向，选手需要利用开放数据资源解决四川省面对的难点和痛点，这和院里的整体发展路线比较匹配，于是他们就想在这个方向试试看。

大家先是在几个方向上开了头脑风暴。有人提议做文旅大数据方向，有人提议做碳中和方向，后来经过一番讨论，他们竟然把目光锁定在了天府健康通这个方向。对，就是那个针对新冠疫情防护的统一健康码。

其实一开始，大家也都觉得，这个方向很多内容都和他们没有直接的关系，而是属于医疗健康领域。

不过有一次，猫酱和团队里有个做城市规划的工程师讨论到一件事儿：

➤ 城市空间的规划，能不能在防疫这个维度有一个专项的评估呢？

➤ 在后疫情时代，怎样能让我们的城市更安全一些呢？

➤ 我们对于城市的规划和治理手段一直在提升，但本质上还停留在疫情以前的方式。那么多的排查手段，其实都还是在点对点的查人，我们是不是可以把视角从人转移到整个城市，去量化地定义一个空间的安全程度呢？

聊到这儿的时候，大家就确定选这个赛道了，因为它和这个时代、和每个人都息息相关，这条路会通向哪里，每个人都想一探究竟。

做出这个决定的时候，他们只认为这是比赛或研究的一个很不错的方向，却没有想到随着事情一步步发展下去，他们会找到一个了不起的意义，甚至改变了一些人未来对职业方向的选择。

大方向确定之后，他们先是去寻找可以实现的路径。

首先想到的就是，在一个城市空间里去考察防疫的情况，一定是和人的行为高度相关，而人的行为在不同的场所又是不一样的。在一个安静的公园，或是一条夜市的喧闹街道上，人们聚集、停留的行为都有明显的区别，而个体行为的差异到了城市统计学视角上，又会有很大不同。

这就带来了第一个课题：城市规划角度来描述人的行为，到底有什么方法论。

他们了解到城市规划领域有个前沿的方法论，能定量地描述空间，描述人在空间中的行为，这个方法论叫「空间句法」。他们的第一步，就是深入了解这个方法论，看它能不能用来实现自己的想法。

这个过程并不像说起来那么简单，一个方法不是拿来就能解决问题，要一边研究另外一个领域的全新知识，一边看这个东西能不能跨界带来什么参考。

当时参赛的团队还只有三个人，一个做传统城市规划的工程师，一个做 BIM 的产品经理，还有一个学通讯的实习生。三个人就硬碰硬地去研究这个「空间句法」，结果还真有了点眉目。

➤ 比如，可以把城市路网按照某种半径做切分，得到一个区域中有物理意义的路网模型，可以描述一个人用步行、开车等方式，平均多长时间能抵达什么位置。

通过这种连续的切分，就能得到一连串的线段模型，表达出不同出行方式带来的不同聚集程度。

➤ 再比如，某一条路和周围的路之间的关系，是很紧密的还是很松散的，或者从一个地方到另一个地方的难易程度和流通性，都可以在这个方法论中找到对应的参数来定量描述，参数与参数之间也会互相影响交叠。

在研究的过程中他们发现了一件有趣的事儿：这些描述会进一步生成一些二级指标，比如「全局莫兰指数」和「局部莫兰指数」。而这些本来很陌生的词汇，居然和统计学中的名词是一致的。

这当然不是巧合，因为空间句法这个方法论，本来就借助了很多统计学的概念来描述。

于是，他们又找到了 CNKI 上面各种关于流行病学的论文，看它们怎样研究人的行为轨迹与疾病传播之间的关系，怎么把流行病中的概率算出来的。在这些论文中，他们同样找到了名字相同的统计学参数名称。

到了这个时间点，他们意外地发现，城市规划和流行病研究这两个八竿子打不着的学科之间，本来就有着深层次的联动。

这时候就像一束光照进了黑暗的地洞，他们意识到两个重要的结论：

➤ 首先，做空间规划的人，几乎不会想到把相关的知识利用到工程建设以外的专业领域；

➤ 第二，做流行病统计的人，在用到和空间、交通相关参数的取值时，也没有参考城市规划这个学科，甚至很多数值和权重就是拍脑袋来的。

在这两个学科从统计学这一源头学科分道扬镳之后，人们还很少遇到过大规模城市规划与重大传染病同时出现的课题。

而这两个学科中的人，也早已经在社会中拿到不同的分工角色，彼此不会有一个对话的平台，大多数人都意识不到，在另一个平行的世界里，不同部门的人正在用同样的数学工具去描述类似的事。

团队在出发的那一天没想到自己会看到这样的风景，过去认知里这两个不搭界的方向，会有机会在他们的手里完成一次跨界融合。下一个时代，也许城市治理和防疫防控，不再是一个简单而线性的交叉地带，而可能产生一个新的研究领域，产生新的数据、新的方法、新的工具、新的成果。

说不定，自己会成为那个见证者呢。

从理论到实践，搞起来再说。

他们拿了成都高新南区这个区域的公开数据来测试，发现使用全局莫兰指数中的「整合度」来表示空间的聚集程度，是最科学的。

接下来就是做出来一个核心的算法，来完成对这个地区聚集程度指标的定义——而聚集程度又是和疫情控制相关度最高的城市空间指标。

让人欣喜的是，当他们拿着这套算法，去生成高新南区的聚集程度时，得出的可视化热力图和他们的直觉认知是非常一致的。

至此，第一个重要的事情被定义出来了，第二件事情，就是去思考版块与版块之间的关系。

比如两个版块，各自的聚集程度很高，两者互相又有很紧密的联系，那这两个版块的疫情传播风险就要再上一个台阶。这就又要用到统计学中的局部莫兰指数。

根据不同版块之间的关系，他们又把整个高新南区中不同的区域板块，划分出了强-强、强-弱、弱-强、弱-弱四个等级，对应着防疫工作中的高风险、中等风险、低风险和弱风险四个等级。

通过这样两个步骤的算法，他们不仅能定义出一个区域本身的聚集性强弱，还能算出这个区域对周边区域的传播力度。

聚集程度只是城市疫情治理的一个维度，接下来，他们还需要打通一道从「防」到「治」的脉。

简而言之就是：医院够不够？

这就要求算法里除了包含道路交通，还需要包含很多空间本身属性的参数。比如一个商场和一个办公楼，人们聚集到一起的原因是不同的，即便是同样的聚集程度，商场的穿行人群也会比办公室大得多。

这个过程中，他们找到了高德地图的公开数据库，得到不同地理坐标下的空间类型。这里面有一个关键的数据，就是新冠肺炎的定点医疗机构，这个数据不在传统的地图数据里，他们又在卫健委发布的公开数据库里面找到了想要的数据。

拿到了这些数据之后，他们就要思考，怎样去判断一个地理坐标点的影响力？于是又去翻文献、查资料，发现了一个叫 「POI 核密度」的概念。

这个概念就不仅仅在统计学中使用了，而是作为一个数学算法，在很多学科中被广泛应用。

利用这个工具，他们就能把一个坐标点对整个空间区域的影响力计算出来，形成的可视化结果就能去表达，一个小区、一个公交站点、一个餐厅、一个医疗站点，能把功能覆盖到多大的范围？

这个覆盖范围和传统意义上的「服务半径」就不是一回事了，和前面算法耦合到一起，它能综合反映出一栋建筑在不同的聚集程度、穿行程度下，在不同属性的道路联通下，能真实覆盖到什么区域。

举个例子来说，两家同样规模的医院，一个紧挨着大路，一个紧挨着商场，综合算下来，哪个能覆盖的救助面积更大？

最终，所有算法整合到一起，呈现出了一张让人有些担忧的图：高新南区的金融城板块和大源版块，这两个区域的聚集程度最高，同时被新冠肺炎相关的医疗机构的覆盖程度又很低，一涨一落，它们就成了风险很高的区域。

其实按照传统的城市规划方法，对于这两个高价值、高聚集的地区，传统的一般医疗服务能力是能够覆盖的，可在疫情的特殊情况下，就显得不那么足够了。

一旦这两个地方出现了疫情爆发，人们得不到就近医疗服务，只能四散去其他区域就诊，中间又会穿过其他高聚集的区域，这本身就构成了一个很大的风险源。

由此带来的结论是，对这样的区域，要么增加定点医疗机构，要么需要在现有基础上提高防疫防控机制。

考虑到高新区的城市发展已经相当成熟，显然第二种更能体现医疗卫生部门需要。

而同样的原理，对于尚未建设成熟的新区域，他们也计划，给这些地区的医疗资源布设一个可以量化的参考依据。如果我们计划一个地区未来会成为高聚集的区域，为什么不在一开始的时候就做好准备呢？

比如右下角的新川版块，路网已经修建起来了，很多建筑还没有实际建成，但是哪些地方是住宅用地，哪些地方是公共服务用地，已经做好了规划。

因为他们已经在成熟的地区用「POI 核密度」算法检验了医疗地点的布设，加上道路、用地的属性，就足够支撑在一片城区被建设起来之前，去预先计划的公共服务用地上，模拟定点医疗布设点，看怎样的布设能覆盖好整个区域。

截止到这里，对于一个静态城市区域，他们有了一个相对完整的方法论和算法进行分析，靠现有的城市空间和交通数据，对已经布设的医疗区域做一个数据复核，也有了数据可视化的呈现。

一个课题或者说一个参赛作品到这里，已经得到了很好的数据分析结果，为后疫情时代的城市治理提供一个很好的参考，但基本也就到此结束了。当时团队的规划工程师也说，在自己的专业领域里，这算是已经做到头了。

当时猫酱对这个成果还不满意，她隐隐觉得，这还不是一个产品，不是一个能帮助到人的工具。但那个时候，她还不知道里面缺了什么环节。

然而，故事没有结束，动态的东西来了——成都又发现病例了。

确诊病例就发现在他们团队办公地点附近，直线距离还不到3公里。不仅是他们，整条街上的人都很着急。

这又把一个问题抛在他们的面前：前面所有对静态区域的分析工作，还是在城市规划这个范畴里，让工作更科学、更合理，只是给规划部门的决策提供了一个工具，还没有真正服务于每个人的生活。

动态风险病例的加入，带来了两个直接的技术难题：

➤ 第一，它会打乱原有的静态分析模型，要从「防」全面转到「控」。

➤ 第二，要从城市规划这个领域，深入到传染病防治，就要重新一头扎进流行病学这个陌生的领域去研究，在聚集性算法之外，找到一个东西去描述一个动态热点对空间的影响。

就比赛本身而言，距离提交作品的时间已经很紧了，但他们还是下了一个决定：停下手中关于比赛的产品化工作，回过头来重新研究算法。

于是，他们又把传染病学关于热点影响的论文全都翻出来看，找到了一个叫「GOG 热点指数」的数学工具。

当他们研究这个工具的时候，有一种眼前一亮的感觉：它的参数和结构，和前面说到的聚集性算法、POI 核密度等，在统计学上是一脉相承的。这就意味着下一步的工作和城市规划工作可以融合到一起。

这种融合带来的结果，就是在已经定义好的量化准则上，再加入一个动态热点，综合考量它带来的风险在一定范围内是怎样递减的。

在实际的情况里，就是以这两个病例被发现的地理位置坐标为中心，会呈现一个蛛网状的区域，它已经充分考虑了周边交通、建筑聚集程度、人的自然流动，以及疾病传染概率等因素，这个区域的边界范围以内，就是相关部门第一时间应该排查的区域。

重要的是，在算法已经确定的情况下，这个范围的确定，不需要几天时间，而是可以在几毫秒之内呈现，这就能帮助政府部门第一时间采取反应行动。

当天晚上，团队里所有成员盯着那张运算结果的图，第一反应是感觉松了一口气：因为他们附近有一条穿行度很低的街道，所以风险没有覆盖到他们公司的地理位置。

第二反应，是体味着自己一手设计的成果带给自己的那种安全感，他们感到了由衷的自豪。

那这个成果带来了什么直接价值呢？当时成都真实的封控区域和影响范围，基本上是防疫经验支撑的，而算法给出的影响区域面积更小。

更小更精确的面积，就意味着更低的防疫成本，在有限的人力条件下，也就意味着第一时间的排查行动能更聚焦。

去年，复旦大学附属华山医院的张文宏医生在网上发表了言论，一句「要学会与病毒长期共存」被网民骂上了热搜，但我们放下对这名医生本人的探讨，只站在科学和经济常识这个角度来看，与疫情共存确实是我们需要面对的一个课题。

那些最黑暗、最悲壮的时刻会被我们铭记，但不限成本的高强度对抗不会成为一种长期存在的社会常态。

2020 年的时候，对于很多城市来说，任何一个确诊病例的出现，都会引起大面积的封闭防控行为，这在抗疫的初期确实带来了立竿见影的效果，但同时这样做在长期来看也是成本溢出的。

一座城市的不同地区，在不同的时间段，可能需要不同程度的防控措施，那如果要去做这件事，就要有一个科学的论证方法。发现一例病例，我们是严控半径 15 公里还是 10 公里？控 7天还是控 14天？要扫单码还是双码？这些都不能拍脑袋去定。

猫酱和我说，他们参加这个比赛，不是先找一个意义才做事的，最初只是把它定义成一个研究的方向。直到这一步，三个算法做完了，结合到一起呈现了这样的结果，她才找到了一点做产品经理的感觉。

尽管这时候离作品提交日期已经非常近了，她还是决定引入前端和 UI，把原本在后台用代码表达的算法，变成一个可交互的界面。

最后这个阶段，他们在思考的事情是，最终这些算法和表达要落地到什么地方，交付给什么人，才算是一个产品。

➤ 最直接的结论，就是提供给政府的医疗资源主管部门，去核查定点医疗单位的布设是否合理，给未来的布设提供参考；

➤ 第二个方向就是对于城市规划主管部门，做城市安全的专项审核；

➤ 第三就是给防疫一线的工作组，对临时出现的患者带来的影响范围做实时测算。

同时，作为比赛本身，因为选择的天府健康通这个赛道，他们也找到了一个应用的方向——让服务具体到每一个人。

随着抗疫战线不断拉长，人们对天平两端的「安全」和「方便」经常有此消彼长的需求。疫情来了，大家人人自危；疫情稳定了，又吐槽排队扫码很麻烦。

而这样一个产品如果集成到天府健康通里面，就可以随时提醒每一个人，当前你进入了风险比较高的区域，需要带好口罩、扫双码，而进入风险比较低的区域就可以更多地兼顾出行的方便。

随着比赛从初赛到决赛，他们又把这个针对于个人的服务思考得更深入了一些。类似目前整个高新区覆盖着地震预警功能——这能显著提高市民抗震安全——他们也可以利用算法的分析，给进入高风险区的人，或者所在区域突然出现危险源的人，发送即时的提醒。

再进一步，还可以反过来采集人们的行为数据。比如一个人经常出现在高风险地区，而且经常有逃避扫码的行为，那就可以把他定义为高风险人群；而那些总呆在低风险地区的人，城市出现了病例就呆在家里，那他的健康风险就比较低。不同风险评估的人，可以给保险公司一个更精准的用户画像。

猫酱说，考虑到用户隐私问题，这些数据不会通过天府健康通对外披露，而是经过数据脱敏之后，在后台提供一个算法，动态给每一个用户打分。

比赛的时间有限，有很多功能还没有做出来，不过一旦数据发生了联通，就能给未来带来很多想象空间——比如基于地理位置信息，可以给有发热症状的市民提供一个就近医疗的导航，既能让个人享受最大的便利，也能在整体上让他的穿行道路对整个城市的风险更低。

最终，他们的作品获得了这个赛区的三等奖。🏆

猫酱说，名次不算高，她也觉得前两名就比赛而言实至名归，让她开心的是，他们是评奖当天唯一获得全场掌声的团队。

比名次更重要的是，这一路思考的过程，让这个由工程师和程序员组成的团队，重新审视了自己工作的意义。

以前他们认为，疫情防控就是医疗部门的事情。但在数据和算法的加持下，它能够和城市规划领域的空间服务发生深刻的关联，顺着这个思路往前延伸，他们能看到数据和知识交融到一起，带来更多的可能性。

关于「创新」这两字，以前每个人都挂在嘴边，但只有当大家真的跨界去发现问题、解决问题之后，才对它有了新的认识。

当所有的方法论最终变成了一个可以交付的产品，猫酱再回过头来问参与其中的规划工程师、前端工程师、UI 设计师，对这个成果有什么感受，他们都意识到，自己做的不是一份传统的工作，不是某一座大厦里的一块砖。

尽管大家做的事情还是画图、写代码、整理数据，但他们都看到了其他学科原来有那么多值得学习的东西，看到原本无聊的日常工作有可能去改变自己和家人生活的环境，看到了那个「Bigger Than Yourself」的东西。

团队里有人甚至和猫酱说，这次比赛，可能会改变她未来的职业思考。

对于猫酱自己来说，经历了这一次的探索，她对「智慧城市」也有了新的看法——它不仅仅是一个对管理者而言更高效的城市，也应该是一个对所有市民而言更方便、更安全的城市。

她和我说，「智慧城市」这个词太大了，大到人们很少去想具体的应用。这个领域的探索才刚刚开始，她只是摸到了「智慧城市」未来样子的冰山一角。

她觉得，未来也许会有更多的人去发掘数据与城市的关系，也许会涌现出一大批人，去关注以前从来没有人关注的场景，会有一大批新的方法、理论、算法和产品，从很边缘的专业领域，走进普罗大众的视野。

这一切，都会让整个行业从一个个具体的应用去思考，什么样的城市才算是智慧的城市，一个美好的城市。

而当我们站在未来往回看，会看到如今的每一个创新者面对的窘境：算法不够丰富，人才不够聚集，数据不够公开……是等待土地丰饶再挥下锄头，还是把限制作为创新的边界条件，带着镣铐跳舞？亦或是利用自己独特的能力去整合这些资源，为别人的创新提供土壤呢？

这是摆在我们这个时代，每一个想做点事儿的人面前的一道题。

这个时代，好答案成千上万，它们都藏在某个地方，等待那些能提出好问题的人。

当我们看「智慧城市」这个词越来越索然无味的时候，也许可以换个角度看看它——是不是我们自己把饼画得太大，反倒是少有人去思考那些很具体的场景呢？

有一次在浙江听一位政府官员的汇报，有一席话让我印象很深刻，他说：

智慧城市，不应该是一间漆黑房子里的大屏幕，服务于几个围坐的城市管理者，而应该在每一位市民的手机里，给他们带来实打实的生活便利。

是的，数字化城市服务于民生，不是只服务决策层，给他们一个为老百姓办好事的工具，而是要直接服务于民生，把工具交给民众去使用。未来，每个人能拿起来就用的，一定不是 BIM、GIS、CIM，而会是一个像美团、百度地图一样的 APP 或小程序，把数据从人们的手里拿过来，再把便利和幸福交还给每个人。

如果你把今天我们所生活的城市看成一部智能手机，它不仅还没有装上 APP，甚至连操作系统还没有装好呢。

所幸的是，只在城市规划+疫情防护这么一个具体的跨界领域，就有太多本来已经成熟的他山之石能拿来用，我们的路还远远没走到头。

不幸的是，在浩如烟海的知识面前，我们太缺少向导了。

猫酱讲给我的那些词——莫兰指数、POI 核密度、GOG 热点指数，基本上我都从来没听过。我想，很多人在探索新的领域时都会有这种苦涩的感受，并没有人告诉我们下一步该学什么、做什么，甚至没有人告诉我们大方向是不是对的。

比赛之后，猫酱有一次和我聊天，她说在自己心里，关于在传统行业数字化这个领域，很希望有那么一张地图，自己还缺少什么技能，该朝什么方向去学习和补足，都在这张图里找到答案。

我当时的回答是：这张地图，可能是在这么一个新的融合行业里，需要我们这代人，画给下一代的。

我想，我希望成为打开视野的那批人的其中一员。

你呢？