“遥感大数据+AI算法”赋能空间监测分析与城市体检研究|清华同衡

作者 │ 张茜

如何进一步提高城市体检中空间指标的可评估性、精准性与客观性？2020年11月北京市规划和自然资源委员会数据管理中心数据创新发展科张茜科长在清华同衡第八届学术周上作了题为《遥感AI空间监测分析与城市体检研究》的主题报告，介绍了 “遥感大数据+AI算法”赋能空间监测与城市体检的创新性探索实践经验。本文根据演讲实录整理，已经专家审阅。

模型层面，结合遥感大数据和AI新技术，通过“定标准-做样本-学习及验证”流程，在基于遥感AI的空间变化自动化识别技术上取得突破性进展，显著提高大范围、高精度遥感影像解译的效率和准确度，并构建相应的标准体系、数据库、算法模型库和智能分析平台。

应用层面，遥感AI的使用实现了减量发展目标评估、重点管控空间监测、重点专项（疏解整治、大棚房等）的政策实施效果评估等。研究未来将会面向北京市总规实施与城市体检工作需求，在AI模型精度与正确率、建筑等精细尺度识别技术、自动化识别机制等方面进行探索提升，进一步提高城市体检中空间指标的可评估性、精准性与客观性。

非常感谢同衡邀请我来参加学术周的活动。首先，祝贺同衡20周年庆，其实昨天我的朋友圈就被很多同衡的人刷屏了，都是非常喜庆的节日庆祝，所以我也深深地感受到了大家这种喜悦的心情。

在开始介绍今天的议题之前，我先介绍一下我的工作单位。我来自北京市规划和自然资源委员会数据管理中心，这个中心主要是给北京市规自委提供数据和信息化的支撑服务。中心现在有一个专门的部门叫创新发展科，我就在这个科。创新发展科主要关注的是规自领域内新的技术和前沿发展，核心工作就是探索如何将新的技术跟规划、自然资源、国土空间结合起来以提高决策能力。

刚才林澎老师非常全面和系统地介绍了城市体检的相关情况（点击查看《从城市体检到城市更新——城市治理的新手段》完整报告）。他讲到现在政府拥有很多的空间数据资源，但是不能满足实时、动态的评估和城市体检的要求。我今天主要是从遥感、AI这个角度与城市体检工作结合起来，介绍如何将新的技术用在国土空间规划以及评估和城市体检工作中。

我今天的汇报有四部分内容。

一、研究背景

首先，从国家和北京市的政策要求出发，城市高质量发展和首都的信息化管理对空间资源的节约、高效、优质配置提出了很高的要求。

自然资源部在国土空间规划体系和监督实施意见里面明确提出了要用智能的技术来提升规划感知能力，提高国土空间的精治、共治、法治水平。北京市新版总规里也明确提出来，城市体检和评估是一年一体检、五年一评估。综合起来，这些上位政策都要求我们进行技术创新，提升精细化管控水平。

2018和2019年北京市都开展了城市体检评估工作，核心是规划实施评估。空间变化监测是城市体检的重要内容，比如2018年北京市城市体检任务书的九项任务里，有五到六项内容都涉及到空间，例如用地、建筑、两线三区、历史文化名城保护等等。在11月6日市政府召开会议研究2019年城市体检评估报告时提出，要进一步完善评估方法和提高城市体检的质量，今年具体的指标更新方向中还有十项的专项指标分析涉及空间监测。

在这样的政策要求驱动下，我们怎样做空间监测？怎么用新技术提高监测手段？传统靠人工监测，比如人工遥感提取、测绘等等。这些方法现在已经不能满足动态监测要求高、分析链条长的空间监测需求，所以我们要推动新技术的发展。

现在新基建、新城建很火，物联网、5G、遥感、AI都是我们熟悉的新名词。技术的发展和提升，尤其是AI技术和大数据技术，对促进国土空间规划监测起到了良好的作用，在构建国土空间闭环体系的全流程里，这些技术大有可为。

北京市规自委一直在推进国土空间的大数据体系建设，我们提出来“一库三图”。“一库”是指搭建北京市的空间数据库，内容包括规划一张图、审批一张图、建设一张图等三张图。我们的理念就是这三张图要实现全域规划、总量管控和闭环管理，它们互相起着促进和指导的作用，这是我们非常基础的一项工作。

在2018年，市规自委统筹了规划、国土部门的卫片资源。以前这个资源是两个月或者是一个季度的卫星影像，现在可以做到一月一次，精度可以到1米或者是0.8米的水平。同时，我们建立了从数据的采集、制作、提取到分发、应用全流程的闭环管理模式，这个工作也能为国土空间监测提供非常高水平的数据基础。

谈到城市体检的相关工作，我们有基础的体检，还有专项的体检，这些方面我们有很好的技术储备。在遥感AI的应用方面我们也有探索，从2018年开始我们和阿里巴巴达摩院合作，在北京市整治大棚房工作中应用这个技术，能够快速的识别北京市的大棚房，并快速地迭代，应用在后期大棚房的管理和治理当中。通过不断地迭代，发现AI技术确实能大大提高工作效率，而且现在的提取精度基本上可以达到85%到90%。所以AI技术在我们这个行业里的应用是相对比较成熟的。

基于以上的政策背景、技术背景、需求以及现状结合起来，我们和阿里、清华同衡去年开展了这样一个课题，就是今天我要讲的主题——基于遥感AI的空间监测和城市体检。

二、研究实践

第二部分主要介绍一下我们是如何做的。首先，我们的目标是为城市体检和评估提供基础支撑。北京市的城市体检有117项指标，还有专项评估的一些需求。我们对这117项指标做了一个分析，发现里面可以分成两部分，第一部分很多是围绕空间的，比如建设用地规模、开发强度、核心区的建设密度、耕地保有量、基本农田保护面积，基本都是说地和房。第二部分就是非空间的数据，比如职住平衡比、一刻钟社区服务圈、绿色出行等等。我们的理解是，空间相关指标完全可以利用遥感和AI的技术进行智能高频度的分析，在非空间这块，则可以用社会大数据的技术，融合政府大数据做分析。此外，还有一部分是传统的统计、调查手段获取的数据。

重点来看空间相关的指标智能监测分析。这个出发点和背景是，2018年北京市新总规要求建设用地要减量。但是建设用地的减量到底减在哪？干什么去了？减了多少？这个问题是很难用传统的手段回答的。比如一个季度城市变化是什么样？一个月变化是什么样？基于这样的问题和目标我们开展了研究。当前获取遥感数据的方式也非常多，已经构建了空天地一体化的监测，除了卫星遥感，还有航天数据、倾斜摄影数据、可移动测图的街景手段等。借助很多新的技术去挖潜这里的潜能，把数据的价值最大化体现出来。

开展基于遥感AI的建设空间智能提取有三个步骤。第一，要定一套机器识别的标准。第二，要做大量样本，因为机器要深度学习，不断的迭代，需要不停地积累技术的样本。第三就是它有一个学习和验证，迭代升级的过程。

这三个工作是怎么开展的？

第一就是定标准。这跟我们做土地变更调查和监测等传统的标准还是有点区别的，因为我们现在面对的是机器，机器没有外业，也没有测图，它就是要从图上识别。所以我们建立了建设用地、生态用地的状态定义这样一套体系，目标就是对我们城市用地的变化对比提出一个指标。从这个变化过程来说会有64类的变化过程，比如从建设用地到生态用地、施工拆除等等，我们基于这样一套标准去开展遥感AI的分析工作。核心目标就是回答刚才的问题——我们减量多少？我们增量多少？我们施工过程有哪些？

第二是做样本。这块有两个比较核心的内容，首先是从零开始就要给机器做样本，这个主要是基于标准做样本，基于遥感去提取，提完之后放到样本库里。其次就是机器提完之后会有很多误提、错提，这种还要返给机器再去迭代升级，优化算法。所以做样本会占很大的工作量。

第三就是学习验证，将算法基于AI技术不断的迭代。北京市基于阿里巴巴研发的模型算法，把北京市的一景影像全放进去，然后在很强大的GPU硬件设施上运行，基本上两到三天就可以完成，效率非常高，如果要让人工干同样的活可能需要很多天。所以AI在效率提升方面是非常明显的，这是不断迭代升级的过程。

三、分析应用及工作成效

第三部分是依照上述的三个步骤把空间变化图斑提取出来后，叠加各类专项数据进行分析。重点分析八大类数据。比如最新的分区规划，还有审批数据、拆违数据等。同时，我们将监测评估聚焦于三个方向，第一个是全市的变化情况。第二个是重点的管控范围，比如生态红线、基本农田、三区、绿隔地区，这些区域城市变化的范围是什么样？第三个是拆违等专项治理工作的监测。

第四个部分谈一下这项工作的成效，主要来看分析内容和分析方向，首先可以得出土地减量和增量的面积，就是城市中哪些地方是在做减量的，哪些地方还是有非常强的建设活动。其次是减量的趋势和预警，针对不同的空间圈层、不同的地类，比如说一核一主一副、两轴多点一区，各自的空间变化是什么情况。此外，针对整治乱占耕地专项行动，能够看出耕地区域上到底还有没有人类的活动和建设行为？它有没有被治理住？通过分析可以回答这样的问题。针对疏解整治促提升专项行动，北京市正在推进拆违工作，每年都会下很多的指标。拆了之后是否有复建行为？是否还在建设？是否达到了疏解整治的效果？通过基于AI不断迭代和更新的数据分析，也可以回答这样的问题。

我们通过这样的研究探索制定了一个自动化的评估体系，一边是机器AI的学习和分析，一边是人工提取工作，通过这两方面的对比，对人工智能的技术做评价和分析，我们发现人工智能的分析在全量提取——即发现目标方面——是远远高于人工提取的，但是它还要在兼容度上提升。我们在评价人工智能提取效果好不好时常用两个指标，一个是AI的召回率，一个是AI的准确率。这两个率有一个平衡点，召回率就是城市变化提取有没有遗漏的？准确率就是发现的目标是否都是准确的、有没有错提的？如果这两个率都提高了，说明我们AI的水平就提高了。

最后我们有一个深刻的体会就是AI时代到来了！虽然现在还有很多不完美之处，包括刚才说的两个率还比较低，但是它一定是一种趋势，政府将来的很多数据资源一定要用AI技术，我们看到的是它的发展前景，现在要花时间、精力去培育AI技术。第二是我们用AI技术很好地挖潜了数据的潜能。现在我们很多数据都是放在那里没有得到很好的应用，AI技术就可以释放数据的潜能。第三是AI技术在城市体检这块是可以做一些工作的。我们用AI的监测提高了城市体检中空间相关指标的可评估性、精准性、客观性。

当然还有一些待解决的问题。首先我们认为AI的识别要跟城市体检的指标进行完美的结合，更有针对性的分析一些问题，我们前期只是做了基础理论的探索。其次是AI本身的精准度还需要再迭代和升级提高。第三是各个城市都在建国土空间监测评估预警平台，智能分析的算法要和这个平台完美地结合起来，进一步提高平台的监测预警能力。第四是AI赋能城市体检的机制还有待于完善和建设。

下一步我们还有一些工作需要开展，比如我们要对整个的地类要素进行AI识别，还要对定向的重点区域进行识别。例如今年我们要做一个建筑的专项提取，现在对核心区提出“四个降下来”目标，建筑密度需要做监测。

当前，我们的遥感AI识别平台和训练平台是两块，还是人在识别，然后再训练机器，接下来我们希望能把它们打通，不需要再有专业算法的人把识别出来的图斑交给机器，而是机器有一个自学习的过程，不断的迭代，减少专业人员的介入。

最后用庄少勤副部长的一句话结束今天的汇报，“新时代的中国国土空间规划是可感知、能学习、善治理、自适应的智慧规划”，所以我们也希望能贡献一点力量，把新技术更好地应用在国土空间规划当中，推动它的发展，谢谢大家！