【首期发布】2021设计科技线上论坛 / REMAC TY PROPTECH





下拉,了解[首期论坛]详情


自然资源部“两集中”供地新政出台,一石激起千层浪。提升了地方政府年度供地计划和组织难度,对地产开发商的短期筹融资布局影响较大。对于集中供地带来规划实施及地区发展预测,应如何精准高效地实现科学分析与决策呢?


2021年度设计科技线上论坛第一期,将围绕『城市系统模型与人工智能技术应用』主题,特邀睿住天元副总经理张晓聪先生主持,与剑桥大学马丁建筑与城市研究中心研究员(Research Associate)杨天人博士展开深入探讨。



Q&A


杨:“两集中”的政策出台对开发商在拿地策略上的理性选择以及地方政府在供地计划上的科学编制都提出了更高的要求。如何更好的理解房地产市场供需关系间的空间均衡、更精准的预测城市未来的发展态势将成为“两集中”政策背景下的重要议题。

对于开发商而言,可以通过分析多源城市数据,构建系统化的情景决策模型,综合评估各区域的发展潜力与竞争优势,从而制定并优化拿地组合策略。此外,土地供应的集中化也将导致开盘时间的趋同化,这需要开发商对区域内的短期市场价格波动进行更精细化的预判,对区域内及区域间的竞品项目影响进行综合评估。



杨:对于地方政府而言,更应强调中长期的计划制定,将用地供给与重点地区、重大项目的需求进行匹配。地方政府也可以通过多源城市数据,设定空间经济模型,综合探索不同地区土地供给总量、供给时序差异所会造成的市场中长期影响。

 

张:提到的多源城市数据,作为大数据视角下一种城市研究,那么大数据的介入,为土地市场动态分析与供地计划决策带来了什么思考和机遇?

杨:我认为新兴的“大数据”与传统的“统计数据”之间有着良好的互补关系,共同推动开发商与地方政府对土地市场供需平衡以及价格波动的短期追踪与长期评估。

完全由数据驱动的分析也会存在一定的局限性,如开发商对“大数据“的运用往往停留于对历史趋势的研判,政府不同部门间的”大数据“也往往缺乏有效的连接。通过模型的构建串联起,对现象产生原因的辨析以及对数据间关联的探索,所以从理论出发的数据分析才能最大化“大数据”的潜在价值。

 

张:的确,人们可以通过这些数据来衡量评估一个地区的发展模式,分析其产业环境,检讨和体味城市的建设以上提到的城市模型与相关理论将如何有效反映出土地市场的动态变化?

杨:城市模型可以将城市抽象为由多个子系统所耦合构成的复杂系统,并对子系统内与子系统间的动态关联通过数学函数进行表达。其中具有代表性的为空间均衡模型,其将城市抽象描绘成一个封闭经济体,关注城市发展过程中消费者(居民)与生产者(企业)之间的互动关系。

如下图所示,消费者通过劳动获得工资收入,并将收入投入商品市场和房地产市场。同时,来自消费者的市场需求为生产者带来产品收入,以此覆盖其对劳动力和房地产的支出,从而形成资金流动的闭环。在空间层面上,消费者和生产者基于效用最大化原则,依据市场变化与政策变动作出选址决策。例如:来自房地产市场的供给变化(如新增居住用地与住宅)会造成房地产价格的变动,从而使消费者与生产者作出新的区位选择,直至整个封闭经济体中形成新的均衡状态(供需平衡)。


图 空间均衡模型结构


杨:空间均衡模型可以同时反映城市系统中的非线性与因果性。在模型闭合(model closure)阶段,研究者与实践者可以依据实际分析需求设定相应的内生与外生变量,从而理解外生变量(如规划政策)的改变对内生变量(如房地产价格)的因果作用。

在土地市场的决策应用方面,城市模型可以怎样与大数据结合?两者的结合又将带来哪些具体的应用场景?

杨:大数据的兴起弥补了城市模型对于数据需求的缺口,而城市模型为解释大数据(现象)提供了成熟的理论基础。在应用场景上,城市模型可以通过“反事实模拟”与“情景预测”,为城市发展的解释与预测提供可量化、可解释的指标性结论与和科学依据。

在反事实模拟中,城市模型可以通过重构决策历史情景,寻找影响决策实施效果的核心要素,并量化评估不同城市系统要素在地区发展中造成的影响。以土地市场价格为例,城市模型可以探索哪些地方要素(如住宅供给、产业发展、交通提升)对历史价格波动起到更大的决定性作用,从而反思现行决策方式中存在的潜在冲突与缺陷,为决策方式调整与优化提供重要依据。

而在情景预测中,城市模型可以对决策方案的综合性结果(如经济、社会、环境影响)进行推演。例如在新城新区建设中,不同的重大项目选址、不同的建设时序会对未来土地市场价格走势造成什么影响?土地市场的波动又将造成哪些社会与环境问题(如人口与产业变化)?基于城市模型的情景预测可以对不同组合策略的优劣进行权衡比较。


图 城市模型应用(情景预测)流程示意


了解到您与团队正在探索人工智能技术在规划决策中的应用,是否可以分享一些最新成果?

杨:是的,我与金鹰教授与方舟博士针对人工智能技术在当前基于案例应用中的局限(即缺乏可解释性的“黑箱”特点),正在探索基于案例(example-based)与基于过程(procedural-based)这两类相结合的对抗生成网络。对规划与设计行业知识设定(基于过程)的引入可以增强传统对抗生成网络的可控性,也为城市模型与人工智能技术提供了潜在的结合点。


图 空间生成(对抗生成网络)流程示意

杨:基于人工智能的空间形态生成可以挖掘并延续城市空间的地方特色,同时通过进一步衔接城市模型的指标性结果,为规划与设计提供指引,从而快速生成不同规划情景下所对应的城市设计方案。因此,由模型输出的方案可以同时满足基地条件(如地形)、周边形态(如路网连接)以及规划指标(如人口、住房密度)与设计导则(如街区类型)的指引,为设计师、决策者和公众提供更多互动与比对选择,从而辅助城市设计方案的优化与制定。

对于开发商与地方政府而言,城市模型与人工智能技术的结合可以为不同空间尺度下的发展决策提供系统化的分析方案。例如:区域尺度上情景预测模拟的结果可以指导地区尺度上设计方案的制定,而地区尺度上的指标方案调整可以反馈至区域尺度,从而通过迭代更新跨尺度的模型结果,支撑全局最优与局部最优权衡下的方案决策。

 

注:更多内容可见参考文献:杨天人, 金鹰, 方舟. 多源数据背景下的城市规划与设计决策——城市系统模型与人工智能技术应用[J]. 国际城市规划, 2021, 36(02): 1-6.



本期线上论坛围绕『城市系统模型与人工智能技术应用』主题,探讨了“两集中”政策对开发商与地方政府的影响,并围绕大数据分析与模型应用趋势进行了深入对话。

 

4月30日将推出设计科技线上论坛第二期,邀请了奇志科技联合创始人李秉骏先生,围绕地产开发痛点与案例,串联场地大数据信息精准化、市场基底数据化、总图精细化等要点,探讨设计科技手法解决组合拍地优化与科学决策需求。




< >

热点新闻