1 引 言

城市在全球社会、经济发展的过程中扮演着重要的角色，并对生态环境建设产生巨大的影响^[1]。当前城市发展面临着诸多来自环境、能源、经济、交通、食品及公共安全等方面的挑战。尤其是随着工业化与城市化进程在世界各国的不断推进，城市人口的持续性膨胀更是加剧了城市建设和治理能力与其发展目标之间的不协调关系，引发如交通拥堵、资源短缺、环境破坏和公共安全危机等阻碍城市发展的负面效应，导致城市病的持续恶化。

在城市信息化浪潮与物联网崛起的共同推动下，智慧城市概念的不断扩充与完善为提升城市可持续发展与自我调节能力提供了可行思路。智慧城市利用信息技术连接人员、信息和城市要素，将技术、系统、服务和能力整合到一个灵活、开放式的有机网络中，能够为政府、企业和公众提供优质、高效的智能化城市服务^[2,3]。

随着数据科学的发展，学者们逐步意识到大数据为其借助异源数据实现洞见城市运行情况的目标提供了可行的途径，并围绕以数据为中心的智慧城市这一主题展开了多层次、多视角、多方位的理论与技术探索^[4,5,6,7]。通过对城市大数据感知^[8]、管理^[9]、分析^[10]以及应用^[11]等方法的探究，从不同角度为智慧城市的建设提供了理论指导与技术支持。然而，如今大数据以各种复杂形式和关联方式遍布于人、机、物高度融合的三元世界中，并以极快的速度在时空网络中生成、更新与变化，要想全面、动态地运用大数据辅助特定的生产、生活活动，不仅需要依靠关键技术的进步，还应建立将人、机器、信息融于一体的智能化系统，以实现对三元世界大数据的统一化整合与联动^[12,13]。对于建设智慧城市这一目标而言，即需要构建联动城市物理、社会和信息空间的综合性城市数据采集、组织、分析与管理体系，以实现充分利用城市大数据服务智慧城市建设。

本文借鉴社会物理信息系统（Cyber-Physical-Social System, CPSS）^[14,15]以及数字孪生^[16,17]的思想，在三元世界理论基础上，提出建立城市数字空间辅助智慧城市建设的构想，旨在从城市空间互动的角度出发探究如何运用城市物理、社会和信息空间中的大数据辅助智慧城市的建设。为实现这一目标，本文进一步提出“城市数据画像”的概念作为城市数字空间的构建方法及产品形式。通过对城市进行分面建模，搭建全面覆盖城市运行相关领域的城市数字空间框架，并采用由城市大数据转换得到的智慧数据对城市分面及其关系进行刻画，用状态数据描述对象、行为数据反映关系、时序数据呈现过程、位置数据勾画空间，以全景化呈现城市运行状况，实现城市数字空间的建立，进而基于算法和模型实现分析和推理，为用户提供智能化的城市信息服务、辅助智慧城市建设。

2 基于三元世界的城市数字空间构想

2.1 城市空间的构成

三元世界指由物理世界、人类社会与信息空间共同构成的空间形态，三者的全面连通与融合是新一代计算技术的重要特征与主要趋势。随着计算、通信和传感技术的迅速发展, 融合信息空间和物理世界的万物互联改变了人类和物理世界的交互方式^[18]，使得三元世界共存、互融的空间形态日益明显；同时，由于三元世界中数据流动性的不断增强以及数据量的急剧膨胀，更是提高了物理世界、人类社会与信息空间之间的交互频率，使得三元世界间的相互作用能力也得到逐步提升。随之在面对城市治理、运行与发展问题时，需相应地以三元世界的视角对其进行探究与分析，实现从全局的角度对相关问题进行把控。为此，在探究如何应用城市大数据构建城市数字空间前，有必要明确城市物理、社会、信息空间的具体构成及其相互作用关系。

•城市物理空间指建筑学及城市规划学强调的实体空间，是城市空间的外在表现形式。它由建筑、道路、自然景观等实体构成，并承载着传统城市形成和演变中的主要职能。物理空间中的实体具有如体积、重量、空间位置等空间属性，人类可以通过触摸、操作等行为与其进行交互^[19]；另外，还可以借助传感器、物联网等信息技术实现对物理空间中实体的感知与控制。

•城市社会空间（也称作城市人类社会空间）由政府、社会组织、城市居民共同构成，其所蕴含的社会关系对城市的运行产生着重要的影响，是城市生命力的来源。由于居民在改变和塑造城市空间的同时也被城市空间所影响，因此，可将社会空间视为“社会—空间”辩证统一的产物^[20]。而随着人—人、人—物之间交互行为的可度量性增强，城市社会空间与物理空间、信息空间之间的潜在联系可通过多重网络之间的关系得以揭示。

•城市信息空间是以城市物理空间为基础，城市信息要素为载体，借由信息流实现城市信息纵向贯通、横向互联的虚拟空间^[21]。信息空间中的实体（对象）主要由来自物理、社会空间的数据以及信息空间独立产生的数据共同构成，在信息空间中不具备物理属性，却可以方便地与其他实体（对象）建立关联。通过对信息空间中的数据进行序化组织与语义融合，能够形成具有实际价值的信息，进而反向为物理与社会空间提供服务。

综上可知，三类城市空间以数据为桥梁进行跨空间交互，表现出相互依赖、互为作用的特征。通过数据的交换与共享，能够直接或间接地影响彼此的运行状态，实现空间之间的相互联动与控制，使城市能够成为由数据辅助治理、运行、发展的综合有机体。为此，可将城市数据作为联动物理、社会、信息空间的有效工具，以探究如何实现城市的统一化治理与服务，

2.2 城市数字空间构想

根据数据在城市空间融合与联动中的作用，本文基于三元世界、CPSS、数字孪生、数据科学的相关理念与技术，提出构建城市数字空间辅助智慧城市建设的构想。城市数字空间是一个隶属于信息空间、以智慧数据为基础的高度智能空间，它基于城市物理、社会、信息空间之间的交互关系，将三类城市空间通过数据的形式进行融合，使真实世界的城市治理、运行等问题能够透过数据在数字空间中进行重建。

城市数字空间以城市数据为桥梁，形成三类城市空间正向支持城市数字空间运行，城市数字空间反向辅助三类城市空间治理的循环机制（图1）。它通过感知与获取城市三元空间中的数据，并将其映射于城市数字空间中进行组织与融合，形成更具价值的智慧数据以实现全景化呈现城市运行状态，满足智慧城市建设过程中的信息服务需求。具有以下特征：①在物联网、云计算等技术支持下，能够自动完成数据采集、存储、组织与分析等功能，实现对城市数据全流程自动化的处理；②能够从不同角度全景化呈现城市的运行状况；③能够动态选择与整合城市智慧数据，为不同用户提供智能化城市信息服务。

图1 城市数字空间运行机制

城市数字空间的建设能够全方位整合城市物理、社会、信息空间的数据资源，打通城市数据脉络，形成从数据采集、组织、分析到管理全程贯通的城市数据服务体系。其基于城市运行逻辑，采用三类城市空间的相互作用关系指导数据的关联与整合，使得城市运行状况能够在数据层面上得以呈现，进一步激活城市数据价值，实现为智慧城市建设赋能。

3 面向数字空间的城市数据画像

城市数字空间以辅助构建集泛在感知、万物互联、人工智能于一体的智慧城市为目标，其建设过程是一项涉及众多技术与理论的复杂系统工程，需要运用系统化的方法对其实施进行指导。除对底层数据感知与获取技术及人工智能的研究外，还需着重探究如何采用数据汇聚的方式搭建底层数据与人工智能之间的桥梁，使得泛在感知到的数据能够高效地服务于城市智能化管理、决策等需求，进而辅助智慧城市的建设。在此过程中，主要面临三个关键性问题：①如何使城市数字空间覆盖城市运行全领域；②如何运用城市数据搭建城市数字空间；③如何通过城市数字空间为用户提供全景化信息服务。为解决以上问题，本文提出“城市数据画像”的概念。

城市数据画像简单来说就是以数据科学的相关理论、技术为支撑，用数据对城市进行建模与刻画。其目标是以数据为工具构建城市数字空间，实现对物理、社会、信息空间的映射，进而全景化、数字化呈现城市运行状况，为用户提供面向智慧城市治理、运行、发展需求的智能化信息服务，可从以下两个角度对其概念进行理解：

（1）城市数据画像是一种构建城市数字空间的方法，其利用数据组织、融合与分析等技术将城市数据转换为智慧数据，用以刻画根据城市构成要素分面建模得到的城市数字空间框架，进而构建能够借助可视化技术全景化呈现城市运行状况的城市数字空间。

（2）城市数据画像是城市数字空间的产品形式，也可以理解为城市空间运行状况的数据化表现形式，是针对某一特定需求，从城市数字空间画像中抽取后得到的能够直接或者间接地为用户提供信息支持的直观、有意义的城市数字空间产品。

城市数据画像并不是简单地整合多个可视化结果，而是根据不同领域的内在业务逻辑对相关数据进行组织与分析，然后以全景化的方式进行呈现。一方面，其借助数据组织、融合等技术将源自物理、社会、信息空间的城市数据转换为智慧数据，实现在数据层面上利用多源数据解析目标问题；另一方面，它以数据为桥梁连通各城市分面形成城市数字空间画像，使得最终呈现结果能够综合多领域的信息，进而实现在服务层面上为用户提供全景化的信息支持。正如Kanter 和Litow所说，智慧城市的建设并非是实现每一个城市子系统的智能化，而是要将所有相关的系统整合为一个智能化的有机体^[22]。城市数据画像将城市物理、社会、信息空间的数据进行统一化组织与分析，并结合城市分面间的逻辑关系实现数据间的进一步关联，能够从全局的视角展现城市运行状况，为城市治理、运行、发展提供全景化的信息支持。

4 城市数据画像的构建方法

构建城市数据画像主要分为城市分面建模与基于智慧数据的城市数据画像两个核心步骤，前者将城市模型化，实现对城市运行全领域的覆盖，后者用智慧数据“激活”城市模型，实现城市数字空间的构建，接下来将就这两个步骤的实施路径进行阐述。

4.1 城市分面建模

城市的管理与运行通常受到多方因素的影响，城市数据能够为相关问题的解决提供有力的支持，进而辅助智慧城市的建设。然而，实现城市数据的统一化组织和全景化呈现却是一项复杂而艰巨的任务。根据系统论的思想，将复杂的综合性问题分解为相互关联的子问题并进行逐一求解，能够有效地达成解决原问题的目标。沿用这一思路，城市分面建模对城市进行“切割”，形成能够覆盖城市运行全领域、具有表征特定城市功能的多个分面，然后，根据各分面的内在业务逻辑，构建个性化的描述指标体系，从多角度呈现各分面的运行情况，实现将针对城市这一主体的数据组织任务分解为面向城市各分面的数据组织子任务，以降低数据处理的复杂度。具体来说，城市分面建模主要包括以下两个关键步骤：

（1）城市分面划分。城市是由多个子系统构成的综合有机体，将其分解为不同的构成要素进行研究，能够更加透彻地了解城市的运行机理与管理机制。城市分面根据城市构成要素进行划分，旨在从不同角度反映城市的运行情况。当前学界对智慧城市特征与构成要素的研究众多，其中智慧城市最常见的特征包括网络化的基础设施、商业引导的城市发展与创新、城市居民的社会融合以及将生态环境建设作为核心的发展战略^[23]。此类特征主要通过城市的构成要素进行反映，能够为城市的建设提供方向性的指导。针对城市构成要素的划分，Giffinger和 Gudrun将其归纳为六种要素，包括智慧经济（smart economy）、智慧居民（smart people）、智慧治理（smart governance）、智慧移动（smart mobility）、智慧环境（smart environment）以及智慧生活（smart living）^[24]。它们分别反映了与城市生活相关的产业、教育、电子政务、物流和基础设施建设、出行效率和可持续性以及生活安全与质量领域^[25]，能够较为全面地涵盖城市管理所需关注的问题。本文将以这一划分方式为例，阐释城市分面建模以及城市数据画像的具体方法。

（2）城市分面描述指标体系构建。城市由多个分面构成，每个分面又具有各自的业务逻辑、评价体系以及运行标准，需要用不同的指标进行表征。为此，针对每一个城市分面，需要结合相应的领域知识建立专属化的描述指标体系。例如，就智慧经济而言，可以从城市的综合实力、产业结构、创新发展、资源环境对其进行描述。而每个维度又可细分为多个指标，如综合实力又可分为人均GDP、人均地方财政收入、外贸依存度等^[26]。同样，智慧居民可以用学习环境、学习资源、用户体验、管理服务、系统建设和市民学习等维度描述^[27]。通过构建城市分面描述指标体系，实现有效、全面地反映特定城市分面的整体运行情况与现状，为城市数据画像提供框架指导，使其能够借助相关指标的整合与分析得以生成，进而简化数据处理流程、提升数据处理速率。

通过对城市分面进行划分以及各分面的描述指标体系的构建，所得到的城市模型即为城市数字空间的分面结构，也就是上文所说的城市数字空间框架（图2）。这一体系结构能够全面地反映城市运行、管理所涉及的领域，是城市数据画像的核心脉络，也是智慧城市建设的基础。值得注意的是，城市数字空间分面结构并不是一成不变的，随着与城市管理、运行等方面相关理论与技术的不断提升，城市分面的划分以及相应描述指标体系的构成可进行动态优化与调整，使其能够适应城市发展对信息服务变革的要求。同时，随着城市空间数据构成的变动，城市数字空间框架还可以根据城市大数据的实际组成与获取情况进行修正，实现数据驱动下的城市数字空间自优化。

图2 城市分面建模^①

4.2 基于智慧数据的城市数据画像

城市分面建模为城市数据画像提供了框架性的指导，而城市数据画像的具体实施却需要城市数据的支持。随着信息技术的发展，城市各领域数据呈现爆发式增长，形成城市大数据环境。然而，具有多V特征的城市大数据要作为城市数据画像的工具，服务于城市数字空间的构建，还需要将其转换为智慧数据以实现数据价值最大化。

基于智慧数据的城市数据画像以城市物理、社会、信息空间中的数据为基础，以全景化展现城市运行状况为目标，在城市数字空间框架的指导下，将城市数据映射于城市数字空间中进行智慧化处理，并根据城市各分面内部运行逻辑用智慧数据表征城市分面各指标的实时状态；然后，通过对智慧数据的进一步关联、整合与分析，生成能够从不同视角全景化展现城市运行状态的城市数据画像，实现用智慧数据刻画城市数字空间。其具体实施过程具有城市数据获取全面化、动态化，数据组织智能化、自动化，数字画像可视化、具象化的特征，主要包括以下三个关键步骤（图3）。

图3 基于智慧数据的城市数据画像

（1）城市数据映射。城市物理、社会、信息空间均存在海量与城市运行相关的数据，并随着时间的推移进行着持续性的增长。选择与获取能够满足城市数字空间构建要求的关键数据是进行城市数据画像的基础。其中，城市分面描述指标体系为城市数据的选择提供了框架性的指导，而城市数据的获取则需要借助各类数据采集技术得以实现。城市数据映射是根据城市分面建模的需求，利用数据采集技术将目标城市数据映射到城市数字空间中，为城市数据画像提供基础数据支持的过程。具体来说，依据城市数字空间框架中各城市分面及其相关指标对数据的需求，借助物联网、传感器、互联网等技术采集分布于物理、社会、信息空间中的目标城市数据，根据数据能够服务的城市分面将其进行分类，并映射于相应的城市分面中，使其成为用于城市数据画像的基础数据。

（2）城市数据智慧化。大数据蕴含较高的潜在价值，采用适合的方式对其进行组织与分析，能够揭示数据中存在的潜在关联模式以及数据集之间的连接关系。智慧数据就是从大数据中得出具有情景化、可信、可认知、可预测等特点的有意义的信息。它通过对多源数据的关联与分析，生成可操作的信息用于解决由大数据的海量性、高速性、多样性和复杂性等特征带来的挑战，实现决策辅助与行动支持^[31,32]。以智慧数据为工具生成城市数据画像，能够为城市数字空间的构建提供智能、高效的数据支持。基于数据科学、计算机科学等学科的相关理论，采用认知计算、深度学习、机器学习、人工智能、知识图谱等技术，根据各城市分面的内在业务逻辑对相关城市数据进行处理，将其转换为能够表征、预测该分面各类描述指标实时状态及变化趋势的智慧数据，用以刻画城市分面并且作为城市数据画像开展的基础。

（3）智慧数据汇聚。智慧数据可用于描述城市分面中某一特定指标的状态及趋势，而城市数据画像则以全景化描述城市运行状态为目标，因此，需要整合跨分面的智慧数据以突破城市分面界限、呈现城市整体运行情况。智慧数据汇聚旨在用相互关联的智慧化数据勾勒城市脉络，进而全面展现城市运行状况，可分为城市分面内部智慧数据汇聚与跨分面智慧数据汇聚。城市分面内部智慧数据汇聚是以城市分面内部业务逻辑为基础，根据分面内描述指标之间的内在联系将智慧数据进行关联、整合与分析，形成面向特定城市分面的城市数据画像；跨分面智慧数据汇聚则超越城市分面内部业务逻辑，从更高维的视角考虑城市分面之间的关联及数据联系，通过对跨城市分面相关智慧数据的进一步组织与整合，实现以智慧数据为桥梁连通城市分面、搭建城市数字空间，形成全局性的城市数据画像，即城市数字空间画像。

基于以上步骤所生成的城市数字空间画像能够全景化呈现城市运行现状，为用户提供综合性的城市信息服务。城市数字空间画像可从时间与空间两个维度进行透视，以服务用户个性化的信息需求。从时间的角度对其进行透视，可根据时间间隔选择的不同生成能够从不同时间长度展现城市运行状态的动态城市画像，以满足城市规律观察、状态优化等方面的需求。而从空间的角度进行透视，则可在某一特定时刻对城市数字空间画像进行“切割”，生成相对静态的城市“数描”，实现对城市基本特征的静态描绘，用于比较城市间的风格及发展差异。另外，对于某些须以时间间隔来衡量的城市数据（如城市GDP），还可在其最小时间间隔中生成介于静态与动态画像之间的城市“动图”对其变化进行描绘。综合运用三类城市数据画像，能够从不同角度呈现目标问题的分析结果，实现用智慧数据全方位呈现城市的运行状况，进而为物理、社会及信息空间的具体需求提供信息支持。

5 城市数据画像典型应用场景分析

城市数据画像采用智慧数据勾勒城市运行脉络，实现全景化展现城市运行状态，通过对城市数字空间画像进行局部抽取可生成针对特定用户需求的城市数据画像，服务于经济、教育、出行、文化、生活、环境保护等领域，为公共设施建设、突发事件应急管理、城市功能区划分、市政信息服务、企业发展战略制定、投资决策选择等提供信息支持。2017年12月8日，中共中央总书记习近平在中共中央政治局就实施国家大数据战略进行第二次集体学习时强调，加快建设数字中国，更好地服务我国经济社会发展和人民生活改善^[33]。经济领域和民生领域是当前阶段数字中国建设的核心范畴，同时也是承载大数据战略价值的主体；而国家安全作为国家发展的任何阶段不容忽视的顶层战略问题，也成为数字中国建设的基础保障 ^[34]。为具象化探讨城市数据画像的应用前景，接下来将就城市数据画像在辅助城市应急管理、勾画区域产业发展态势以及改善民众信息困境三个典型场景中可能的应用方式进行分析，为探索如何利用城市数据画像服务数字中国建设提供参考。

5.1 辅助城市应急管理

城市作为一个复杂的有机体，在新旧矛盾不断交织的过程中，各类社会安全事件、自然灾害事故频发，对城市应急管理能力提出重大的挑战。从信息流的角度来讲，城市智慧应急响应实际上是一个利用信息技术完成信息收集、信息组织、信息分析评估直至问题彻底解决的动态过程^[35]。智慧应急管理系统是智慧城市不可分割的重要组成部分。从实践来看，众多城市所构建的应急管理系统难以实现互联互通，在数据感知与加工、应急反应能力等方面比较薄弱，容易引发“信息孤岛”现象，使得智能化决策体系与系统建设滞后^[36]。因此，有必要提升数据获取、组织、集成、分析与共享能力，以支持智慧城市的应急管理。

本文提出以城市数据画像为手段打造城市数字空间，能够较好地辅助以快速、准确、全面地获取相关信息为基础与核心的政府应急管理决策。通过对城市进行分面建模，并运用智慧数据对其进行描绘，使得与城市相关的基础性数据得到初步整合。在突发事件发生时，能够及时、快速地为政府相关部门提供与事件相关的信息。同时，还能不断对所需数据进行深度采集、组织与分析，作为基础信息的补充。另外，城市数据画像汇聚源自城市物理、社会、信息空间的数据，利用智慧数据描绘城市各分面的运行情况，能够为应急管理者提供全面、综合的事件信息，使其从不同视角掌握事件动态，确保信息的准确、客观及易用性。

图4 城市数据画像辅助城市应急管理

以大规模节庆活动为例，其通常具有参与人数多、持续时间久、人员聚集程度高等容易诱发恐怖袭击、人员踩踏等突发事件的特征。面对此类场景，城市数据画像能够为其事前防范、事中处理、事后分析提供有效的支持（图4）。在活动开始前，城市数据画像可通过使用基础设施、道路及人口分布等数据生成潜在事件应急预案。在活动进行中，使用交通数据、电信数据等描绘活动区域车流、人流的分布情况，能够形成区域热力图。同时，通过实时监测社交媒体上的相关信息，动态发现与该活动有关的网络热点及异常信息，可绘制舆情径向图。另外，综合多源数据还能生成事件核心人员的关系图谱等与事件发生相关的信息分析结果。除此之外，还可进一步借助城市数据画像生成事件态势分析、舆情导向分析、群体行为分析等事件报告，以辅助应急管理决策。而事后则可将相关数据画像作为提升应急管理响应能力、优化应急预案的指导性材料，为之后同类事件的应急处理提供参考。

5.2 勾画区域产业发展态势

区域产业发展受到该地区文化、教育、科技水平以及自然资源环境条件等诸多要素的影响，城市数据画像将物理、信息、社会空间中的相关数据进行统一化组织与分析，能够全面地展现区域产业发展状况，为不同用户把握区域产业发展态势、解决相关领域问题提供数据参考。

城市管理者可借助城市数据画像从整体上分析区域产业结构特征及其演化趋势，通过结合自身发展特色与需求进行调控升级、制定优化对策；同时，还能根据分析结果明确产业价值链形态、产业内外部竞争与合作关系以及在当地整体经济发展中的优势与不足，为其充分利用现有资源、技术及环境优势，提升产业集聚能力、促进区域经济一体化发展提供参考。另外，还可利用城市数据画像综合多领域数据揭示产业技术特征，分析产业创新环境、创新资源投入与产出能力以及创新资源活力，为实现综合评估产业创新能力、辅助探索产业技术创新提供可行途径。

总之，城市数据画像通过对多源数据进行整合、分析与呈现，能够实现全景化地勾画区域产业发展态势，进而为用户提供数据参考，使其从宏观的视角了解所在区域的产业发展状况，以支持相关产业的业务调整、战略布局与发展规划。

5.3 改善居民信息困境

随着生活水平的提高，城市居民对生活的便利性提出更高的要求，并且由于互联网深度融入人们的生活，越来越多的人习惯借助网络应用解决各类生活问题。例如，使用政府网站了解相关政策、法规，通过电子政务平台获取城市服务，以及利用各类应用程序查询路况、天气等信息。然而，尽管此类信息服务类应用数量庞大，但目前城市居民却仍处于信息不对称的困境中，难以获得全面高效的信息服务，以为其提供更加便利的生活与工作环境。

城市数据画像却能打破这一困境。借助这一工具，人们可以从不同角度了解城市的运行状况、掌控所需信息。在经济投资方面，城市数据画像为用户了解当地的经济发展、产业结构及其他相关信息提供了便利的途径，将在一定程度上为其削弱信息不确定性，进而使其能够做出更加合理的投资选择。在食品安全方面，透过城市数据画像可使用户综合多源数据全面了解特定产品的安全系数，为其购买行为提供更加有效的数据支持。除此之外，通过组织与分析相关领域的城市数据，城市数据画像还能用于消除医疗、教育、保险等各种公共服务行业中的信息不对称现象，并以可视化的形式为居民提供信息决策支持。

借助城市数据画像，民众可以用俯瞰的视角审视城市各领域的发展现状，为其改善个人信息困境、减少信息成本提供支持。同时，城市数据画像还是民众了解城市发展的“捷径”，通过利用真实城市数据描绘城市各领域状况，能够为其了解城市的历史、现状、甚至未来发展趋势提供可行途径。

6 结论与展望

随着数据在智慧城市建设中的作用日益明显，如何运用城市物理、社会和信息空间中的数据辅助城市治理、运行与发展成为智慧城市建设亟须解决的关键问题。在此情境下，本文基于三元世界理论，在分析城市空间构成后，提出构建城市数字空间辅助智慧城市建设的构想，旨在通过城市数字空间的构建形成物理、社会、信息三类城市空间正向支持城市数字空间运行，城市数字空间反向辅助三类城市空间治理的循环机制。

为实现城市数字空间的建设，本文进而提出城市数据画像的概念。城市数据画像是城市数字空间的构建方法，其利用城市数据搭建城市数字空间，实现对城市运行状况的全景化呈现。同时，它又是城市数字空间服务城市物理、社会、信息空间的数字产品，能够以可视化的方式为不同用户提供智能化的城市信息服务。城市数据画像的构建可通过城市分面建模及基于智慧数据的城市数据画像两个核心步骤得以实现，前者将城市空间拆解为能够覆盖城市运行全领域的多个城市分面，并根据各分面的内在业务逻辑构建城市分面描述指标体系，形成城市数字空间框架；后者将城市数据映射到城市数字空间中进行城市数据智慧化，并根据城市分面内部业务逻辑及不同分面间的内在关联，将智慧数据进一步汇聚实现城市数字空间的搭建，形成城市数字空间画像。从时间与空间两个维度对城市数字空间画像进行透视，可得到城市“数描”、城市“动图”以及动态画像三种不同表现形式的城市数据画像，为经济、教育、出行、文化等领域中的各类城市信息需求提供服务。为具象化阐述城市数据画像的应用前景，本文对城市数据画像辅助城市应急管理、勾画区域产业发展态势、改善居民信息困境三个典型应用场景进行了详细分析，为探索城市数据画像服务于数字中国建设的可行路径提供参考。

综上所述，城市数据画像通过利用城市空间数据对城市进行建模，使城市治理与运行中的实际问题能够通过相关数据的组织得以快速、智能化地分析与呈现。其以数据为桥梁打造城市数字空间，用以促进城市物理、社会、信息空间的互融、互通，使城市成为一个能够由数据辅助治理、运行、发展的有机体，实现为不同用户提供信息支持，辅助智慧城市建设的目标。在今后的研究中可根据这一思想进一步探究具有普适性的城市分面划分方法与指标体系，并且研究与之相适应的数据组织与处理方式，使城市数字空间的构想得以实现。

参 考 文 献

• 1

  Mori K, Christodoulou A. Review of sustainability indices and indicators: Towards a new City Sustainability Index (CSI)[J]. Environmental Impact Assessment Review, 2012, 32(1): 94-106.

• 2

  Bakıcı T, Almirall E, Wareham J. A smart city initiative: the case of Barcelona[J]. Journal of the Knowledge Economy, 2013, 4(2): 135-148.

• 3

  Lytras M D, Visvizi A. Who uses smart city services and what to make of it: Toward interdisciplinary smart cities research[J]. Sustainability, 2018,10(6): 1998.

• 4

  Hashem I A T, Chang V, Anuar N B, et al. The role of big data in smart city[J]. International Journal of Information Management, 2016, 36(5): 748-758.

• 5

  Nuaimi E A, Neyadi H A, Mohamed N, et al. Applications of big data to smart cities[J]. Journal of Internet Services & Applications, 2015, 6(1): 25.

• 6

  Kitchin R. The real-time city? Big data and smart urbanism[J]. Geojournal, 2014, 79(1): 1-14.

• 7

  Wang J, Chao L, Zhang X, et al. Survey of data-centric smart city[J]. Journal of Computer Research & Development, 2014, 51(2): 239-259.

• 8

  Ang L M, Seng K P, Zungeru A, et al. Big sensor data systems for smart cities[J]. IEEE Internet of Things Journal, 2017, 4(5): 1259-1271.

• 9

  Kousiouris G, Akbar A, Sancho J, et al. An integrated information lifecycle management framework for exploiting social network data to identify dynamic large crowd concentration events in smart cities applications[J]. Future Generation Computer Systems, 2017, 78(2): 516-530.

• 10

  Khan M, Babar M, Ahmed S H, et al. Smart city designing and planning based on big data analytics[J]. Sustainable Cities and Society, 2017, 35: 271-279.

• 11

  Aguilera U, Peña O, Belmonte O, et al. Citizen-centric data services for smarter cities[J]. Generation Computer Systems, 2017,76: 234-247.

• 12

  李国杰, 程学旗. 大数据研究: 未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊, 2012, 27(6): 647-657.

• 13

  Lohr S. The age of big data[J]. New York Times, 2012, 16(4): 10-15.

• 14

  Wang F Y. The emergence of intelligent enterprises: From CPS to CPSS[J]. IEEE Intelligent Systems, 2010, 25(4): 85-88.

• 15

  Wang F Y. Control 5.0: from Newton to Merton in popper’s cyber-social-physical spaces[J]. IEEE/CAA Journal of Automatica Sinica, 2016, 3(3): 233-234.

• 16

  Boschert S, Rosen R. Digital twin—The simulation aspect[M]// Mechatronic Futures. Springer International Publishing, 2016: 59-74.

• 17

  陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

• 18

  徐光祐, 陶霖密, 张大鹏, 等. 物理空间与信息空间的对偶关系[J]. 科学通报, 2006, 51(5): 610-616.

• 19

  徐光祐, 陶霖密, 史元春, 等. 普适计算模式下的人机交互[J]. 计算机学报, 2007, 30(7): 1041-1053.

• 20

  Batty M. A perspective on city dashboards[J]. Regional Studies Regional Science, 2015, 2(1): 29-32.

• 21

  Mcardle G, Kitchin R. The Dublin dashboard: Design and development of a real-time analytical urban dashboard[C]// ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2016 1st International Conference on Smart Data and Smart Cities, Split, Croatia. 2016:19-25.

• 22

  Kanter R M, Litow S S. Informed and interconnected: A Manifesto for smarter cities[D]. Harvard Business School, 2009.

• 23

  Albino V, Berardi U, Dangelico R M. Smart cities: Definitions, dimensions, performance, and initiatives[J]. Journal of Urban Technology, 2015, 22(1): 3-21.

• 24

  Giffinger R, Gudrun H, Gudrun, et al. Smart cities ranking: an effective instrument for the positioning of the cities?[J]. Architecture City & Environment, 2010, 6(12): 7-26.

• 25

  Lombardi P, Giordano S, Farouh H, et al. Modelling the smart city performance[J]. Innovation the European Journal of Social Science Research, 2012, 25(2): 137-149.

• 26

  赖华东. 城市经济发展评价指标体系研究[J]. 产业经济评论, 2013(9): 26-32.

• 27

  祝智庭, 余平. 智慧城市教育公共服务评价指标体系研制[J]. 开放教育研究, 2017, 23(6): 49-59.

• 28

  陈铭, 王乾晨, 张晓海, 等. “智慧城市”评价指标体系研究——以“智慧南京”建设为例[J]. 城市发展研究, 2011(5): 84-89.

• 29

  李贤毅, 邓晓宇. 智慧城市评价指标体系研究[J]. 电信网技术, 2011(10): 43-47.

• 30

  王思雪, 郑磊. 国内外智慧城市评价指标体系比较[J]. 电子政务, 2013(1): 92-100.

• 31

  Sheth A. Transforming Big Data into Smart Data: Deriving value via harnessing Volume, Variety, and Velocity using semantic techniques and technologies[C]// IEEE 30th International Conference on Data Engineering. IEEE, 2014: 2.

• 32

  Zeng M L. Smart data for digital humanities[J]. Journal of Data and Information Science, 2017, 2(1): 1-12.

• 33

  人民网. 习近平：实施国家大数据战略加快建设数字中国[EB/OL]. [2018-06-09]. http://politics.people.com.cn/n1/2017/1209/c1001-29696291.html.

• 34

  李纲. 实施国家大数据战略 建设数字中国[N/OL]. 光明日报, 2018-01-28. [2018-06-09]. http://news.gmw.cn/2018-01/28/content_27478633.htm.

• 35

  杜廷尧, 安璐, 李纲. 基于信息流的城市智慧应急响应机制[J]. 信息资源管理学报, 2016(2): 41-50.

• 36

  李纲, 李阳. 智慧城市应急决策情报体系构建研究[J]. 中国图书馆学报, 2016, 42(3): 39-54.