智能规划：捕捉城市规律

笔者及工作小组的“城市树”城市研究项目，通过30 m×30 m精度网格，在40年时间跨度内对全世界所有城市的卫片进行智能动态识别，如影像识别（图1），建构了“城市树”概念，截至2017年10月，已高速完成了精确到9 km2以上的9 516个全球城市的描绘（图2）。如通过宁波的城市树（图3），可直观观察城市增长的过程，辨识其增长点。

图1　上海市不同年份建成区影像识别提取结果
Fig.1　Image recognition of built areas of Shanghai in different years

通过对已绘制的城市树的曲线边缘进行统计（图4），归纳出七大类城市发展的类型：萌芽型城市、佝偻型城市、成长型城市、膨胀型城市、成熟型城市、区域型城市、衰落型城市（图5）。如英国、德国和法国的城市，60%～80%的城镇呈现稳定的增长，属于增长型城市；发展中国家，包括中国的小城市的增长曲线接近衰落型；过去40年内始终保持在10 km2以下几乎没有增长的城市属于佝偻型城市，大量集中在发展中国家；城市面积达到100 km2以上的膨胀型城市，在全球范围内比较少见，但在新兴经济体国家出现。

除城市增长类型和城市增长趋势，在城市研究中运用人工智能的技术，可更快速、准确地观察城镇群汇聚的规律。以长三角城镇群汇聚的历程为例（图6），可看到自1975年到2015年的40年间，其汇聚呈现了一定均匀度，但各城市增长的中心具有有规律的6个定点，形成一个管理网络。从发展进程上可以看到，在改革开放初期，这些定点彼此相距40 km左右，在城市高度发展之后，6个定点周围又发展出更小的6个定点，如苏南地区已成为一个新的定点，整个网络更为密集，但仍然保持着这一增长律动。具体到城市，可以看到，江苏省和安徽省，相对于苏南地区来说，城市没有得到很好的发育；安徽省的发展都集中在省会城市，可以看到合肥的大规模生长，这是安徽的行政动力造成的；武汉的发展问题在于其周边300 km之内没有可比的大城市；长三角城镇群的总量在扩大，苏州、上海联动，中心逐步连进（图7）。

图2　已绘制的全球城市树地图
Fig.2　City trees on world map

图3　宁波城市树
Fig.3　The“City Tree”of Ningbo city(www.xing528.com)

图4　世界城市增长边缘图例
Fig.4　The growth edge of world cities

图5　七大城市发展类型及分布
Fig.5　7 types of urban development and their distribution in the world

图6　苏州、上海、无锡、常州、南通城镇群集聚历程
Fig.6　The process of the forming of Suzhou，Shanghai，Wuxi，Changzhou and Nantong urban agglomeration

图7　各城镇群增长网络图例
Fig.7　The growth networks of urban agglomerations in China and the world

从世界范围看，美国的城市总体上新增长率较低，但湾区的建设量非常大；日本是发达国家中唯一城镇化率达到95%的国家，东京湾有极大的纵深发展。