文/HCC课题组
五
城市与公共服务应用：从城市统计到城市实时感知——运营商网源数据如何让城市看见正在发生的生活
引言：城市拥有很多数据，却仍然缺少“此刻正在发生什么”
过去二十年，城市数字化已经积累了前所未有的数据。人口普查告诉我们一座城市有多少人，政务系统掌握人口和企业信息，交通部门拥有道路和公共交通数据，气象、环保和各种物联网传感器持续记录城市环境，地图平台则越来越精确地描述道路、建筑、商业设施以及人的出行。从数据数量看，今天的城市已经是人类历史上“被记录得最充分”的城市。
但拥有大量城市数据，并不意味着真正知道城市此刻正在发生什么。一个CBD规划服务多少人，与今天上午十点真正有多少人在那里，是两个问题；一个景区所在区县有多少常住人口，与黄金周下午两点实际需要服务多少人，也是两个问题；一场演唱会有五万名观众，与散场后四十分钟内这些人将怎样进入地铁、道路和周边商业空间，更是完全不同的问题。
传统城市数据主要描述“城市是什么”，而现代城市治理越来越需要回答的是：城市现在正在发生什么，接下来又可能发生什么。 这正是运营商网源数据进入城市与公共服务领域最值得重新认识的价值。
一、从常住人口到“实时服务人口”
城市治理长期按照常住人口、户籍人口和行政区划配置学校、医院、道路以及各种公共服务设施。这种方法仍然是城市长期规划的基础，但现代城市越来越表现出一个明显特征：人的流动速度远远快于公共资源调整的速度。
一个CBD夜间可能只有少量居民，工作日上午却聚集几十万人；旅游城市平日人口稳定，节假日可能突然增加几十万游客；大型体育场平时人流有限，一场活动结束后却可能在半小时内向周边道路和地铁释放数万人。每天从郊区进入城区工作的通勤者、从邻近城市进入商务区的人、外卖骑手、快递员、学生、购物者、游客，以及因为极端天气暂时滞留的人，都不是传统意义上的当地常住人口，却都是城市在那个时刻真正需要服务的人。
因此，未来城市公共服务需要在“常住人口”之外增加一个新的基础变量：实时服务人口（Real-time Service Population）。它回答的不是“这里住了多少人”，而是“此时此刻，这里实际上有多少人需要城市提供服务”。
如果再把这个变量放到时间轴上，就会发现一座城市实际上每天都在不断变化。早晨住宅区向办公区输出人口，中午办公人口进入餐饮和商业空间，下午学校周边形成特殊人流，傍晚人口重新向居住区扩散，夜间娱乐和生活区域又形成另一套分布；到了周末、节假日或者大型活动期间，整套规律再次改变。
所以城市真正需要的已经不只是一张人口地图，而是一张持续变化的城市人口动态图谱。传统人口统计更像一张照片，网源数据则有可能让我们逐渐看到一部持续播放的城市电影。
二、高德看见了“空间智能”，运营商还可以看见什么？
讨论城市实时感知，不能忽视高德地图等平台近年来形成的能力。高德已经从传统的地图和导航不断向空间智能延伸，人口热力、客流洞察、商圈分析、轨迹分析、道路拥堵乃至红绿灯预测，都证明了一件重要的事情：人的时空行为本身，就是理解城市的重要数据。
但地图平台与运营商网源数据的观测基础并不相同。地图平台最大的优势是地图、道路、POI、导航和位置服务，特别擅长理解人在空间中的路线选择、交通状态以及人与地点之间的关系。运营商则处于更加基础的网络连接之中。一个人可能使用高德，也可能使用百度地图；可能打开导航，也可能根本不导航；可能开车，也可能乘公交、骑共享单车、步行或者只是在公园活动。对城市而言，这些都是正在真实使用城市空间的人。
因此，运营商网源数据真正值得发展的，并不是再造一个地图平台，而是一种更广泛的全方式城市人口感知。机动车流、公共交通客流、骑行流、步行流、快递与外卖配送流、旅游人口、通勤人口和临时聚集人口，都可能以不同方式在网络中留下可以经过合规、聚合和模型化处理的数字痕迹。
从这个意义上说，高德等地图平台更擅长回答“人在空间中怎样移动”，而运营商更有潜力补充“整个城市中的人群正在怎样活动”。两者不是简单替代关系，而是构成未来城市多源感知体系的不同部分。
三、从“人在哪里”到理解城市行为流
知道实时人口在哪里，只是第一步。真正有治理价值的问题是：为什么今天这里的人突然增加？他们从哪里来？下一步可能去哪里？这种变化属于正常规律还是异常事件？
同样是一万人进入某一区域，其意义可能完全不同。早晨八点进入CBD，是正常通勤；晚上十点进入体育场周边，可能与大型活动有关；暴雨天气下大量人口持续滞留交通枢纽，则意味着公共服务压力正在快速增加。网源数据只有与天气、交通、公共交通、城市活动和环境传感等数据结合起来，才能从“人口变化”进一步走向“城市状态理解”。
长期积累以后，这些时空关系还可以形成稳定的城市行为流：哪些住宅区与哪些产业园存在长期通勤关系，哪些商业区域在周末吸引大量跨区人口，大型活动结束以后人群通常沿哪些路径扩散，天气变化会怎样改变步行、骑行、公共交通和驾车行为。这些规律实际上描述了城市真正的运行结构。
它甚至可能反过来修正我们对城市空间的传统认识。规划上的产业园可能已经逐渐成为工作、居住、餐饮和娱乐混合的复合区域；一个传统住宅区可能因为轨道交通和商业发展成为新的区域活动中心；两个行政上分属不同区域的空间，也可能因为稳定的人流关系事实上形成一个生活共同体。
这与文旅和商业篇的底层逻辑完全一致：不是先定义空间，再观察人；而是通过人的真实活动，重新理解空间。
四、红绿灯：从固定周期到“动态路权分配”
交通信号灯是一个很小的城市设施，却非常适合说明实时感知究竟能够改变什么。今天很多交通信号虽然已经按照早晚高峰设置不同周期，但基本逻辑仍然是依据历史规律预先安排。于是我们经常遇到一种情况：一侧道路已经没有多少车辆，另一侧仍然排着长队；路口几乎没有行人，车辆仍然等待固定行人周期；或者相反，大量行人在路边等待，车辆方向却长时间保持通行。
高德等平台已经开始利用历史和实时交通信息预测信号灯状态，这代表了空间智能的重要进步。但如果继续向前一步，问题就不应该只是“能不能准确预测红灯还有多少秒”，而应该变成：交通灯本身为什么不能根据真实需求不断调整？
道路传感器可以判断车辆状态，地图数据可以观察交通流，而运营商网源数据则可能进一步补充行人、骑行者、公共交通乘客以及周边人群聚集状态。如果再叠加学校放学、大型活动散场、天气变化等外部因素，交通灯面对的就不再只是“车流”，而是道路空间中的全部实时需求。
这样，交通信号灯的本质也发生了变化：它不再只是一个按照预设周期工作的定时器，而成为一个动态路权分配器。道路通行时间作为一种稀缺公共资源，可以根据车辆、行人、骑行、公共交通和特殊事件的实际需求动态分配。
这其实揭示了网源数据进入城市治理最重要的价值：它不是简单增加一个数据源，而是让公共资源配置开始真正跟随人的需求变化。
五、从实时感知到预测，城市才能提前行动
城市治理过去具有明显的事后特征。道路已经拥堵以后看拥堵指数，地铁站已经出现大量人群以后增加疏导，景区超过承载能力以后开始限流，极端天气造成大量人员滞留以后再调度资源。
但当城市能够持续观察人口状态以后，很多变化在真正成为问题之前已经留下信号。一个区域人口在半小时内持续异常增长，大量人群开始向少数交通节点集中，原本正常移动的人群出现异常滞留，天气变化以后某种出行方式迅速减少——这些都可以成为城市运行状态改变的早期信号。
因此，真正值得发展的不是简单的“实时客流监控”，而是城市预测能力。运营商网源数据、地图与交通数据、城市传感数据、气象环境数据和城市事件数据结合以后，可以逐渐形成一条完整的能力链：
实时状态 → 变化识别 → 趋势预测 → 资源调度。
这时，数据才真正进入城市治理。
如果系统预计一场大型活动结束后某个地铁站将在40分钟后承受巨大压力，就可以提前增加接驳和疏导；如果预计暴雨将导致某些区域人口长时间滞留，可以提前部署交通和应急服务；如果某个旅游区域第二天可能出现远高于平日的人流，公交、出租车、环卫、停车、公共厕所、志愿服务乃至急救资源都可以提前准备。
城市公共服务由此可以逐渐完成一个重要转变：从“资源在哪里，人去寻找资源”，走向“人在哪里，资源向哪里移动”。
现代城市真正稀缺的往往并不是资源总量，而是在正确时间把正确资源放到正确地点的能力。
六、城市也应该拥有自己的“生命体征”
如果把实时人口、人流、聚集、停留、移动速度、异常变化以及环境状态综合起来，我们实际上可以建立一个新的概念：城市体征（Urban Vital Signs）。
一个人的身体有体温、心率、血压和血氧，一座城市同样可以形成反映运行状态的一组核心体征：实时服务人口、人口流入流出、区域聚集强度、移动速度、停留与异常滞留、不同出行方式结构、跨区域流动强度，以及天气和环境变化对人的影响。
这些指标并不是为了增加另一套城市KPI，而是帮助城市形成对“正常状态”的认知。一个健康监测系统只有长期知道一个人的正常心率，才更容易发现异常；城市也是如此。长期的网源数据和多源城市数据积累，可以逐渐让模型知道周一上午八点的正常状态是什么、周末晚上十点通常是什么状态、节假日又是什么状态。一旦偏离正常区间，就可以更早识别变化。
所以未来城市管理者真正需要看到的，可能不再只是几十张数据报表，而是一个更直接的问题：这座城市今天的状态怎么样？
七、数字孪生不能只有楼、路和桥，还必须有人
过去几年，“城市数字孪生”已经成为智慧城市的重要方向。大量系统能够精确重建道路、建筑、桥梁、地下管线、交通设施和城市设备，有些系统甚至已经在视觉上高度接近现实城市。
但这里存在一个明显的问题：我们孪生了城市里的楼、路、桥和设备，却经常没有真正孪生城市中最重要、也是变化最快的要素——人。
没有人的城市只是基础设施。人的生活与流动才让城市成为城市。
运营商网源数据可能补上数字孪生长期缺少的这一层。未来真正有意义的城市数字映射，应该由物理城市、实时人口、人群流动、行为模式、城市事件和环境变化共同构成。进一步结合AI以后，它甚至不应该只是“复制城市”，还应该能够推演城市：如果明天下暴雨会怎样？如果这里举行一场五万人演唱会会怎样？如果关闭一条道路会怎样？如果某一区域人口突然增加30%，应该提前增加哪些资源？
数字孪生由此从“看见一座城市”进一步走向“推演一座城市”。
这也正好回到本白皮书总论提出的“社会运行数字映射”。运营商真正独特的价值，并不是拥有城市的全部数据，而是有机会为整个城市数字世界补上持续、动态而跨场景的“人的一层”。
八、从感知城市到理解、预测和调度城市
把上述能力归纳起来，运营商网源数据在城市与公共服务中的价值可以形成四个递进层次：
感知城市 → 理解城市 → 预测城市 → 调度城市。
感知，是知道此刻有多少人、在哪里、怎样移动；理解，是知道这些变化为什么发生，以及它们与天气、交通、工作、商业、旅游和城市事件之间有什么关系；预测，是根据历史规律和当前状态判断未来几个小时可能发生什么；调度，则是在预测基础上动态配置交通、人员、设施和公共服务资源。
前三个层次属于城市认知，最后一个层次才真正进入城市治理。
因此，运营商网源数据的最终价值，不是帮助政府再建设一个“大数据平台”，也不是简单做一个更加漂亮的城市大屏，而是帮助城市形成一种持续感知社会运行、理解变化、预测需求并支持实时决策的能力。
地图理解空间，传感器感知环境，交通系统观察车辆，气象系统预测天气，而运营商网源数据有机会为这些系统补充最重要的一层——人正在怎样使用这座城市。
结语：让城市从“被统计”走向“被感知”
过去我们认识城市，主要依靠统计：多少人口、多少道路、多少车辆、多少企业、多少医院和学校。这些数据仍然是城市长期规划不可替代的基础。
但现代城市越来越像一个持续变化的生命系统。人的移动越来越频繁，生活越来越跨区域，天气、活动、交通和突发事件不断改变人口在空间中的分布。城市不仅需要知道“自己拥有什么”，还需要知道“自己此刻正在发生什么”。
这正是运营商网源数据可能带来的变化。
它并不替代地图、摄像头、道路传感器、气象和其他城市数据，而是与这些数据结合，为城市补上持续存在的“人的动态”。在此基础上，城市才可能逐渐完成从统计城市到感知城市，从感知城市到预测城市，再从预测城市到动态调度城市的转变。
如果说文旅行业的网源智能帮助我们理解“人如何旅行”，金融行业帮助我们理解“人正在怎样生活”，零售与商业空间帮助我们理解“人的生活如何在空间中形成需求与价值”，那么城市与公共服务最终需要回答的是一个更大的问题：
当千百万人的生活同时发生，一座城市能不能实时理解自己正在发生什么？
这可能正是运营商从“连接城市”走向“感知城市”的下一步。
注：文中插图含AI辅助生成部分
点击公众号 关注我们
