尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
我們每天生活的城市，你真的了解嗎?上世紀50年代起，高速公路的興建，私家車的普及以及嬰兒潮推動了北美地區低密度郊區化城市發展模式快速擴張，並一直持續至今。進入80年代，「新城市主義」等理念興起，主張提高居住的密度，創造公共交通和步行主導的、緊湊的、混合的社區，這也成為大陸城市發展的主要模式。然而，關於城市發展模式的爭議也從未停止，無論是「郊區的蔓延」還是「高密度居住空間」都面臨一定程度的人口、交通、資源、環境等壓力，因而，合理的「居住密度」(residential density)一直是國內外研究的熱點。進入AI時代，基於百度地圖慧眼安全、完善的數據信息庫，我們終於有機會重新審視城市，探索更多城市發展模式。
最近，百度地圖慧眼與中山大學地理科學與規劃學院、廣東省空間規劃大數據產業技術創新聯盟聯合發布《基於百度慧眼數據的廣州市小區居住密度研究》，基於百度慧眼提供的廣州市內4983個小區與747個城中村的常住居民人口數據，以及小區邊界數據、POI數據、房價數據等對廣州市小區的居住密度及其影響因素進行研究，揭示了廣州居住空間的分布規律，並嘗試從居民特徵、房屋屬性、周邊設施三個方面探索居住密度高低的影響因素，結果發現廣州小區密度與小區的套密度、周邊的生活服務設施與交通服務設施密度成正相關，與居民通勤的時長和距離成負相關。
報告顯示，廣州小區與城中村的總體居住密度與人均居住面積都相差不大，但空間分布和數據分布情況都不相同。廣州小區的人口居住密度呈現「中心城區高，外圍地區低的形態」，也就是說，越靠近城市中心的小區其人口密度越高。但城中村的人口密度分布則不受位置的影響，具有隨機性，且單個城中村的居住密度主要分布在過高和過低兩種極端情況。據分析其原因主要在於小區建築的建設具有相關規範和前期規劃，避免了許多居住密度不合理的情況，而城中村的形成原因較為複雜，人為干預因素較少，因此極高居住密度的城中村和極低居住密度的城中村並存。
(居住小區與城中村信息對比)
對高低不同居住密度的小區進行分析發現，居住密度的差異主要是由建築樓層數、建築面積占比與人均居住面積的不同產生的。針對低居住密度小區，在土地緊缺，交通壓力較大的地區，需注意控制封閉式小區的規模，減少低層別墅的開發量，以避免土地利用效率低下的情況;針對高居住密度小區，需要重視居住密度空間擁擠的問題，做好消防安全措施。
(廣州小區居住密度聚類因子及聚類結果)
不難看出，小區居住密度的高低與其所在空間位置、周邊設施，以及建築特性有關。事實上，這些影響因素可以分為空間因素與非空間因素兩大類，空間因素包括小區周邊設施及交通便利度的影響，非空間因素包括小區居民的畫像、出行特徵及小區建築的屬性。總的來說，就是「人、樓、地」三個方面。
(小區居住密度影響因素)
根據百度慧眼提供的多項數據，具體來看居民特徵、建築屬性和周邊設施這三個方面。首先，小區的套密度越高，廣州小區居住密度越大，也就是說小區前期的規劃能在較大程度上決定小區的居住密度，住區周邊的交通壓力、設施壓力等都是可預測的。其次，對小區居住密度影響較大的另一個因素是周邊的生活服務設施與交通服務設施密度，如醫療、教育、休閒娛樂、停車場、地鐵站等，在人口集聚的高居住密度地區需要考量公共配套是否可負荷，而在居住密度較低，空置率較高的地區需考慮是否增加配套。最後，居民通勤的時長和距離越長，小區居住密度越低，因而若能在外環地區增加就業機會並提升公共服務水平，可在一定程度上緩解中心城區過高的人口壓力，從而支撐多中心的城市結構。
本次研究採用來自百度慧眼基於百度地圖開放平台的去隱私化定位數據，經過脫敏清洗處理，整合定位和POI等多源數據，提取上百個特徵，基於人工智能算法挖掘得出高覆蓋率的設備的居住信息。據了解，百度慧眼作為城市人口與地理大數據服務專家，能夠提供城市級人口分布、人群遷徙、職住分析、OD分析、基礎設施分布等數據服務。憑借在大數據和人工智能技術上的優勢，輸出城市規劃、零售選址、景區管理、人口調查、客流分析、地塊研究等10多個行業解決方案，截至2018年底，百度慧眼已與規劃、地產、零售、政府等行業客戶達成深度戰略合作。尤其是在城市規劃方面，基於對城市基礎數據、城市人口數據、人群行為數據、城市設施數據、交通數據、畫像標籤數據等的挖掘與分析，百度慧眼將為未來智能城市的建設帶來更多價值，推動全方位智能化時代加速到來。