这个时代的特征，是充斥了各种大量微小的元素：大家在互联网上留下来的数字脚印，社会网络带来的信息传播，还有社群、社区自治……过去几年里，这些方面发生了非常多的变化。
我们建立了一个平台，来获取大家的数字脚印，通过这些微小的数据，做城市研究；同时，把互联网上的自组织群体、规划师群体等方面智慧纳入进来，将社会自下而上的社区治理、规划实践的动力纳入进来。
这个平台通过各种技术，包括多元数据获取、大数据技术、数据可视化技术、定量研究技术……等等，结合线上的新媒体、移动app，以及线下的展览、竞赛和微实践，将它们组合起来，形成面向市民、面向政府、面向规划师的三类界面，然后提供服务。
这是我们去年下半年提出来的理念，去年11月，我们做了cityif.com。今天我讲讲这个平台干了些什么事儿。
1、扎针地图
很多人会非常熟悉这张图。这是我们去年9月做的一项由多个高校一起参与的北京市街道环境改善设计竞赛。国内有8家院校参与这个竞赛。我们对此做了一个公众参与平台：大家在网上可以看到这些方案，并能对它们进行点评。
不过，我想讲的不是这个，而是竞赛过程中，我们在大栅栏做的一个展览。这个展览有一面墙，是北京五环以内的地图。我们在旁边放了两种颜色的大头针，蓝色的大头针代表步行环境很好，红色的大头针代表步行环境不好，很多人来这儿扎针。
我们收集了1600多个针头。结果形成这么一个图：
这个成果在去年12月在规划展览馆进行了展示。大家都觉得很高兴，图扎得千疮百孔，也收集到了非常多的信息。
不过，其实这个事儿才刚开始。对我们来说，这是刚开始进入到云平台要干的事。我们做的第一步，是把扎针模型空间化，把它变成了空间数据。
第二步是，我们采用互联网街景地图，获取每一个点的街景，按照45度获取一次街景，得到了每一个点，一共1600多个点、15000张照片。我们利用互联网街景，进行精细评估。
然后我们就采用人肉，一个个去看。我们用九个维度的指标，对它进行评估。我们想知道：公众为什么会对一个点给出负面或正面的评价，哪一个评价要素占主导作用。
梳
理完之后，我们发现，扎针这个现象有23个点极端不一致，有时很明显的不好，被人说成好；或者很明显的好，被人说成不好。另外有三分之一的点有争议，这个
地方我们觉得较好，但大家给他恶评，或者这个地方可能偏坏，但是大家给了好评。总体上有三分之二的点和我们的判断是一致的。
接下来，我们按照九项指标进行了分解，能得到每一个地点的情况。设施好的区域是什么样？停车占道的区域在哪里？停车好的又是在哪里？又结合可达性、魅力空间、视线遮挡、步行尺度、路面铺装、绿化景观、无障碍性等，最后得到这么些东西：
这些东西，我觉得才是真正有价值的，能真正为规划设计做指导，指导规划设计的详细改进工作。
最后我们得到一张雷达图，我们把这张图发布出来。比如说，北京交通大学东门有一个点在这，这个图上是恶评点，其雷达图是这个样子的。
现在大家用手机关注cityif的公众号，就能直接在线查询这些内容。
我们做的下一个工作是，将这些进行动态评估。我们现在跟一些ngo合作，打算把扎针的工作持续下去。我们正在开发这个事情，下一次大家可以在手机上进行打分，然后我们可以进行滚动评价。
我们也会把一些没有人扎的路段开放出来，让人去认领。
这些工作有什么意义？这实现的是公众参与的空间转换，从实体空间转换到线上，让它可持续。我们把一个众包的、狂欢的活动，变成有价值的空间数据、规划数据。
我其实是在告诉大家，一个好的“数据增强设计”是怎么炼成的。通过这样的工作，实现的是公众的粗参与到公众的精参与。
2、积水地图
第二个例子，跟第一个例子在技术上是一样的。去年7月21日，我们在互联网上发布了北京的一个积水地图，大概有63个积水点。
北京市非常重视这项工作，市政府在过去两年当中，一直致力于改善北京的积水情况，他们通过雨洪模型大概模拟了400个可能的积水点。我们现在获取了400个积水点的数据。
这些积水点绝大多数已改造完毕。那么效果如何？我们现在在互联网上打算发布一个应用，就是让大家在下雨之后，去评估这400个积水点的改造情况，这个应用就叫做“等雨来”。
这个应用还没有上线。就跟风口上的猪一样，我们在做雨水下的规划师，等雨来。要等到这样一个时机，我们把应用推出去，才真正能让人关注到，起到公众参与的效果。
我们在做的事，就是使传统上事后评估的公众后参与，变成公众跟规划师的同参与。
3、城市的心情
第三个例子是城市的心情。在四月份的时候，我们的合作者喻文承博士在清华大学已讲过这个例子。这就是我们做的长辛店老镇复兴计划，这个专题站有一个数据平台，是对长辛店老镇区域几十个兴趣点的心情评价，确定它的积极或消极。
这
个应用是怎么做的？我们抓取了贴吧、微博和天涯社区上与长辛店有关的约8000条微博、3000条论坛记录，得到总共300余万字语料，然后我们把它分
词，进行关键词提取，得到了长辛店的整体印象和它的关键词，同时得到了每一个地点、每一个poi的具体关键词。比如，长辛店小学，它有哪些关键词，整体情
绪是积极的还是消极的。
这是我们将情感和语义分析应用于规划的尝试，很粗浅，但这是一个良好的开端。
语义分析：情感分析及空间化
接下来，我们会做整个顺义区的语义整理。我们实际上做的是对社交网络的语义数据，包括互联网上开放的语义数据，进行语义分析，将其中的情感、观点、舆情等提取出来，支撑我们的城市设计、城市研究。
我们实现的是公众参与的入口变化。
过去公众参与，是我组织项目，公众到我这儿来参与。但实际上，公众一直在互联网上发表对城市的观点，对城市设施的观点，对城市的评价。只是，规划师不知怎样把这些信息收集起来。
而我们干的就是这个：将散落在每一个人那儿的信息，抓到我这里来，由公众来参与变成公众自参与。我去年提出了一个观点，叫做“感知即参与”。
4、地铁灰色人群
第四个有意思的例子，是地铁里的灰色人群。我们知道，地铁里有很多人，是绝对不会配合公众参与的，比如说：乞讨者、卖艺者、发广告的人、送快递的人。他们不把地铁作为交通工具，而是当做公共场所。
对于这些人，我们如何才能让他们参与到规划、参与到城市的管理中？
我们通过2014年10天的ic卡刷卡记录，定义了异常出行的模式，找到了北京异常出行比率特别高的十几个地铁站，即同一站进同一站出、在地铁里待两个小时以上的站点。
站点识别
我们找到了这些异常站点。找到这些异常站点之后，我们去看异常站点的人的异常行为。
人群识别：行为特征
我们定义了一个阈值，属于这个阈值以上的人群，我们把它定义为异常的灰色人群。我们找到了北京481个灰色人群，我们发现，他们内部还有分化，行为模式是不一样的。
人群识别：行为特征
我
们接下来要做的工作，一个是进行他们生活圈的推测。比如他们的居住地在哪，他们与棚户区、城中村的关系，他们经常出没的城市区域在哪？二是地铁调价对灰色
人群的影响。他们是否被有效疏解了，他们是否搬家了，他们的行为模式有没有变化？这是我们的初步结果，我们发现，灰色人群在空间上的分布是这样的：
他们分布在地铁的首末站两段，周边都会有棚户区的点或是宅基地。我们初步的发现是，地铁调价之后，这些人群的活跃度降低了95%。
接下来，我们还要做几个工作。一个是对媒体报道过的苹果园地铁站西北的金顶山村做一个典型研究，我们的合作者今天在地铁里，上午跟踪一个乞丐并观察。
这个事情实际上是公众参与的形式变化，请大家再次理解我所说的“感知即参与”，这是一个由公众不参与变成公众被参与的过程。
典型研究：苹果园地铁站西北金顶山村
最后我想说的是，互联网改变了公众参与的空间、时间、形式、成本、入口、传播和力量。
通过一系列元素的改变，互联网下的公众参与，从粗参与到精参与，实现了公众参与的提质；从后参与到同参与，实现了公众参与的协同；从来参与到自参与，实现了公众参与的增容；从不参与到被参与，实现了公众参与的赋能。
（茅明睿系北京市城市规划设计研究院信息中心副主任，本文根据茅明睿在2015北京城市实验室bcl年会发言整理，内容未经作者审订。感谢“国匠城”沈烨东、沈雪的整理工作。）
录入编辑：王昀澎湃新闻报料
