(TDU)新数据环境下的地产课件

1、新数据环境下的城市创新新的数据环境01新的数据环境开放的不大数据POIOSM房价IC卡手机信令互联网行为记录半开放的大数据微博游记百度热力图街景不开放的大数据新的数据环境新数据环境POI数据新数据环境百度热力图新数据环境IC卡数据北京地铁各站人流随时间变化市民行为画像02虚拟空间行为与实体空间行为实时性深层次全方位云虚拟空间行为实体空间行为新的数据来源虚拟空间行为网页浏览数据HTML移动设备APP数据实体空间行为一卡通刷卡数据智能终端定位数据日语语系人口分布韩语语系人口分布国籍标签通过手机系统语言，识别不同语系的人群的分布特征锚点标签：识别市民的锚点建立职住闲和老家标签职业标签：识别居民的职住

2、特征企业分布就业锚点+=职业标签公务员人口分布研发设计人员分布行为标签：基于空间行为模式的画像（Jie Chen等，2011）2007年10月 北京10个居住区600多户1100多个居民中科院地理所、北京大学不同区域人群的行为模式 A以政府公务员为主B中低收入者为主行为标签：基于空间行为模式的画像行为标签：基于空间行为模式的画像1 带孩子的老人2 家庭主妇3-6 不同出行距离的工作人群 行为标签：基于空间行为模式的画像上班族加班族夜班族飞人族候鸟族绿行族御宅族居家族夜店族行为标签：基于空间行为模式的画像一卡通刷卡数据身份识别出行标签通过异常进出站数据，找出灰色人群进出地铁的站点找出灰色人群出行

3、的时间和空间特征根据特定指标识别出灰色人群的IC卡ID跟踪灰色人群的IC卡数据可以验证对其识别的准确性可以辅助北京城市管理部门，对地铁内灰色人群进行有效管理北京地铁里的灰色人群IC卡数据：北京灰色人群识别IC卡数据：北京灰色人群识别2014年与2015年地铁灰色人群数量比较2015年92人2014年：481人8人相同IC卡数据：北京灰色人群识别早出者晚归者长通勤总坐车将北京市区公交IC卡数据可视化定义四种极端出行行为（早出者、晚归者、长通勤和老坐车）标准对四种极端出行者的分布和通勤规律进行可视化最终对其进行画像IC卡数据：低收入人群识别定义四种极端出行行为标准早出者：6:00之前乘坐公交晚归者

4、：22:00之后乘坐公交长通勤：通勤时间超过1.5h常坐车：每天乘车次数超过6次IC卡数据：低收入人群识别有力补充：线下调查问卷建立起市民虚拟空间标签与实体空间标签的关联虚拟空间实体空间CONNECTING新的空间认知03基于语义的空间认知设施评价点评微博贴吧小区评价位置微博小区论坛+公共服务情况提升改造新建基于语义的空间认知基于语义的空间认知社交媒体贴吧点评微博小区论坛空间评价基于价格的空间认知低地租低消费高地租低消费高地租高消费低地租高消费消费租金基于价格的空间认知红色是高 黄色是中 蓝色是低平均餐饮消费(元人次)商铺租金(元/(月*平米)平均餐饮消费(元人次)商铺租金(元/(月*平米)小

5、区画像小区画像房产特征人口特征职住特征品质特征情感特征+开放数据人群指标空间指标新数据环境下的地产应用04新数据环境下的地产应用提质营销投资运营新数据的应用行为与画像人流职住发展趋势土地功能活力品质人群结构新数据环境下的地产投资：见地土地功能投资：土地功能职住人流投资：人流职住活力品质投资：活力品质发展趋势投资：发展趋势时间心情语义定位服务日程电脑社交搜索记录新数据环境下的地产营销：察人营销：基于位置的线索找营销线索：某地产公司的旅游地产项目案例探针的使用营销：基于探针采集的客户画像标签类别变量名称数据来源基本变量性别通讯运营商数据等年龄通讯运营商数据等家庭结构银联刷卡消费轨迹等职业情况工作日

6、定位信息等生活圈居住地点非工作时间定位信息等工作地点工作日定位信息等交通方式选择手机定位及公交卡信息通勤时间手机定位信息等社交风格内向外向社交APP使用等宽社交圈窄社交圈社交APP使用等消费实力消费能力银联刷卡消费轨迹等奢侈消费情况银联刷卡消费轨迹等名下是否有车车辆登记信息消费偏好是否热衷尝试新事物银联刷卡消费轨迹等是否倾向于购买打折/免费的商品银联刷卡消费轨迹折扣类APP使用等价值取向是否喜欢引人注目社交APP使用等风险承受理财类APP使用等特定需求兴趣爱好内容订阅数据餐饮配套需求点评类APP使用数据文化娱乐需求娱乐场所消费信息等功能性需求社会性需求情感性需求户型功能需求（如对书房、衣帽间的

7、需求等）配套设施需求（如对停车位、快递代收的需求等）归属性需求（如对社区邻里氛围的需求等）审美需求（如某一外观、装修风格的需求等）服务需求（如对物业服务态度的需求等）营销：客户画像与需求分析营销：客群描摹与触达基本变量生活圈社交风格消费实力消费偏好价值取向特定需求价值主张标签类别需求追求性价比看重品牌看重氛围重视服务及隐私看重养生和家庭客群分类居住消费中低端商圈周边旅游国内旅游奢侈品消费国外旅游教育投资保健养生刚需型改善型升级型国企、政府机关金融行业高校、研究机构机关退休人员个体从业者自由职业者职业特征推广触达线下：工作地; 居住地;休闲地; 出行线;数据线上：消息推送；手机短信；互联网DMP

8、、运营商、银联车联网、社交网络数据入库数据获取传感器布设WIFI探针高清摄像头蓝牙接收器线上二维码红外计数器环境传感器数据匹配营销优化投策开发社区数据调查区位、客群、竞品品质、活力、感受数据分析流量监测人群画像价值评估模型模拟人迹地图动态观测心情地图分析报告推广效果线上线下入口触及范围新数据环境下的地产方法论探索监测运营效果物业运营业主需求品质提升城市更新大栅栏人本观测平台实现城市理想的实践新数据环境下的城市更新与社区运营老城的“生”与“死”同样的“身份”，不同的命运前门地区的历史文化保护区北京市总体规划（2004-2020）中划定了25个历史文化保护区，其中包括位于前门大街西侧的大栅栏和琉璃

9、厂以及东侧的草厂和鲜鱼口。大栅栏和鲜鱼口大栅栏和鲜鱼口大栅栏鲜鱼口土地房屋设施对空间大数据的审视行为市民活力草厂：不兴隆的西兴隆街2013年2016年大栅栏人本观测：前门东草厂：不兴隆的西兴隆街大栅栏人本观测：前门东没有鱼市，也没有生活的，鲜鱼口从推土机开进这里的那天起，这个社区就已经死亡了大栅栏人本观测：前门东苟且的生活唯一的业态大栅栏人本观测：前门东大栅栏大栅栏大栅栏地区：一个极具多样性的城市观察样本元 素特 征内 容交 互历史文化遗产保护历史性、文化性建筑风貌名人故居人与历史文化特色商业创意产业商业性、展示性时尚性（设计性）、艺术性琉璃厂东街大栅栏商业街杨梅竹斜街访客与商户商户之间访客之

10、间传统胡同生活生活性、传统性杨梅竹斜街大栅栏西街居民之间重要展览活动文艺性、传播性北京国际设计周访客与活动大栅栏地区特色如何对社区内人的活动进行观测和量化？基于量化的观测结果如何为大栅栏治理而服务？如何将这种方法推广和应用到城市的各类街区？123如何观测大栅栏？大栅栏人本观测 外部 内部 流量 WIFI探针；高清摄像头；红外热感计数器；磁感应线圈传感器布设数据来源大栅栏地区设计周期间访客流量总计位置1：北京坊（劝业场和城市馆）9.8 万余人次/ 8.9 万访问者（工作人员会访问多次；放样后的总访问人次约为 14 万）位置2：杨梅竹斜街2.5万余人次从东向西进入杨梅竹斜街的行人3044辆次进入的

11、自行车和4540辆次进入的机动车位置3：大栅栏街（位于大观楼影城路口）23.3 万余人次向西前往煤市街和大栅栏西街的行人 9 月 26 日-10 月 7 日10 月 1 日-10月 7日9 月 28 日-10月 7 日大栅栏地区单元画像（总体情况）北京坊访客流量统计（LBS数据）每日访问量来访者流量受降雨量影响较大，和空气质量关联不大日访问高峰小时是 15 点至 16 点，其次是 14 点和 17 点。每小时访问量北京坊访客来源分析（LBS数据）访客的常驻省份北京坊本市访客居住地分布（LBS数据） 本市访客多来自中心地区北京坊本市来访者工作地分布（LBS数据）访客的工作地比居住地更加集中于城市

12、中心区北京坊访客特征分析（LBS数据）北京坊、大栅栏、杨梅竹流量特征分析（综合数据）(数据来源：WIFI探针、高清摄像头、红外热感计数器、磁感应线圈)设计周前后1000张大栅栏街拍（图像识别样本） 观众 行人拍摄，行人速写，图像识别，机器学习，观察和分析人的特征、行为、分布、路径、情感，挖掘其背后的故事和个体需求。基于街道尺度的人本观察观众基于街道尺度的人本观察基于图像识别的杨梅竹斜街访客年龄、性别对比访客年龄结构 设计周之前设计周期间访客性别结构 基于图像情绪识别的行人情绪对比设计周显著提升了杨梅竹斜街行人的快乐感 真正的“画像”：大栅栏典型行人速写社区人本观测的价值1 诊断社区问题量化社区体征指标，结合社区横向对比发现差距与问题，为空间治理、城市设计提供依据2 提升治理能力场所社会感知，精细化分析空间使用率和受欢迎程度，协助社区重大活动管理3 评估治理效果量化