《Sustainable Cities and Society》：Methodology for a Human-Centric CIM: Translating Non-Geocoded Citizen Perceptions into Spatial Indicators
编辑推荐：
以下为论文摘要的专业翻译：
城市信息建模（City Information Modeling, CIM）作为连接城市设计决策与环境、社会成效的多学科工具已显示出巨大潜力，然而其当前应用仍主要侧重于定量化的城市系统监测。本研究旨在建立一种以人为中心的CIM方法
以下为论文摘要的专业翻译：
城市信息建模（City Information Modeling, CIM）作为连接城市设计决策与环境、社会成效的多学科工具已显示出巨大潜力，然而其当前应用仍主要侧重于定量化的城市系统监测。本研究旨在建立一种以人为中心的CIM方法框架，将难以量化的居民主观感知（即非地理编码数据）成功转化为可度量的空间指标。研究人员为此提出了一个创新性的方法体系：首先，在法国里尔欧洲都市区（Métropole Européenne de Lille, MEL）选取“优先街区”（Quartiers prioritaires de la politique de la ville, QPV）作为案例研究对象，并定制环境、社会与治理（Environmental, Social, and Governance, ESG）框架；随后，通过结合结构方程模型（Structural Equation Modeling, SEM）与蒙特卡洛（Monte Carlo, MC）概率模拟，将收集到的匿名非地理编码问卷数据分配至城市数字孪生模型中的空间网格单元（Tessellations）。该方法成功克服了传统参与式地理信息系统（Participatory GIS, PPGIS）对精确地理坐标的依赖以及由此引发的隐私顾虑。以法国阿斯克新城（Villeneuve d’Ascq）的Triolo街区为例，研究人员通过150份有效问卷完成了方法验证。研究结果揭示了城市客观功能与居民主观感知之间的显著张力：高连接度的交通基础设施区域（如地铁沿线）环境感知得分反而较低，而邻近大学校园的南部区域则因丰富的自然景观和较强的社区凝聚力获得了更高的社会和环境影响评价。最终，该研究成功将非地理编码的居民主观感知空间化，并嵌入到CIM模型之中，为城市规划者提供了从“以技术为中心”向“以人为中心”规划范式转变的可复制的操作路径。该方法在保障居民隐私的前提下，有效弥补了传统自上而下规划模型难以捕捉居民生活体验的现实缺陷，为面向人群的可持续城市更新与精细化空间治理提供了重要的决策支持和分析工具。
以下是根据论文主体内容拟写的论文解读文章：
**城市信息模型（CIM）中非地理编码居民感知的空间化集成：基于法国QPV街区的探索性框架**
**1. 研究背景与问题提出**
可持续城市发展目标的实现，日益依赖于能够在城市尺度上连接设计决策与环境和社会成效的多学科集成工具。城市信息建模（City Information Modeling, CIM）作为一类重要的数字孪生技术，在过去二十余年中经历了从基础数字标准制定向实时数据分析与高级分析能力演进的历程，并逐渐成为支撑城市规划决策的实用工具。然而，当前的CIM研究与实践大多侧重于交通流量、能耗、基础设施负荷等定量化、自动化指标的测量，对于涵盖社会方面特征与居民主观感知的非物质维度数据集的集成仍处于早期探索阶段。这一技术取向导致现有规划工具忽视了表征居民如何感知城市的非物质数据。单纯依赖基于几何驱动度量的规划方法，在含蓄地运用“通达性悖论”的前提下，可能造成技术上优化但社会维度遭遇失败的环境。高水平的物理连接性可能在无意中引发局部社会成本，对社区满意度产生负面影响。如果无法捕捉居民的真实生活体验，规划者将难以识别基础设施在夜间可能引发的心理障碍、噪声污染或潜在“安全代价”。因此，学界愈发强调将公民生成的数据源整合进城市规划流程，以提升城市管理的精准度与包容性。
尽管参与式地理信息系统（Participatory GIS, PPGIS）、公众参与地理信息系统（Public Participation GIS, PPGIS）和自发地理信息（Volunteered Geographic Information, VGI）等技术手段在一定程度上实现了城市数据的民主化采集，但这些方法在空间数据输入层面具有固有的局限性，即均要求用户提供确定的、精确的地理空间坐标（如地图打点或绘制多边形）。这种对空间精度的刚性要求，使得大量非地理编码的社会调查数据（如传统的问卷访谈记录）因缺乏精确的空间位置信息而难以被整合到CIM框架中。同时，出于对居民隐私的保护，这类数据本身也常常在采集时主动回避精确的空间关联信息。因此，如何突破传统GIS对确定性空间精度的依赖，将主观性、非地理编码的居民感知数据稳健地转换并集成到空间化的CIM模型中，成为当前城市信息学面临的一项关键方法学挑战。
**2. 研究目的与核心发现**
为应对上述挑战，本研究旨在提出并验证一套创新性的方法论框架，以实现以人为中心的CIM建模。该框架的独特之处在于，创造性地将结构方程模型（Structural Equation Modeling, SEM）与蒙特卡洛（Monte Carlo, MC）概率分配方法相耦合。通过这一组合，研究成功地将非地理编码的居民主观感知数据，转化为具有空间位置属性的指标，并嵌入城市数字孪生环境。该研究的核心研究问题是：“CIM如何应用，以将基于公民感知的非地理编码无形数据嵌入到空间加权的有形数据之中？”其研究结论证实，通过概率分配逻辑，能够在不依赖精确坐标、保障居民隐私的前提下，有效空间化定性感知数据，并揭示城市客观功能与居民主观体验之间存在的潜在冲突，从而为面向人群需求的精细化城市规划提供数据支持。相关研究成果发表于《Sustainable Cities and Society》。
**3. 主要技术方法**
本研究所采用的核心技术方法相对清晰，主要分为三个环节。首先，研究识别并选取了法国里尔欧洲都市区的优先街区（Quartiers prioritaires de la politique de la ville, QPV）中的阿斯克新城Triolo街区作为案例研究区域，并针对该区域定制了环境、社会与治理（Environmental, Social, and Governance, ESG）框架下的指标体系。其次，研究利用结构方程模型（SEM）对通过匿名、非地理编码问卷（样本量N=150）收集到的居民感知数据进行分析，以识别影响居民环境与社会感知的关键潜变量及其路径系数。再次，研究利用蒙特卡洛（MC）模拟方法，构建了一个概率分配矩阵，将每一位受访者的SEM结果与城市空间网格单元（Tessellations）进行概率匹配（共计19个网格单元，进行1000次迭代模拟），从而将主观感知分值转化为空间化权重。最后，研究通过构建场景（从确定性到概率性，再到SEM信息增强）不断优化分配策略，并在ArcGIS平台上完成数据集成、原型开发与可视化表达。
**4. 研究结果**
**案例研究街区识别与ESG框架定制**：在比较分析MEL范围内多个QPV后，研究最终选定Triolo街区作为研究区域。通过组织该街区居民委员会参与焦点小组进行SWOT分析，研究人员定制了一套针对性强的N-ESG指标体系。该指标体系最终保留了11个环境指标和12个社会指标，而未采纳治理指标，这直接反映了该社区居民对人身安全与社会凝聚力议题的极高优先关切。
**空间分析与问卷数据分析**：空间分析结果显示，研究区域内的19个网格单元在基础设施可达性（如商业、休闲、绿地）方面得分较为均衡（平均介于3.4/5至4.2/5之间），未出现明显的空间分异。问卷数据分析显示，受访居民具有长期居住、专业职业背景的特征。他们对白天安全感和物理环境评价较高，但对夜间安全和社会融合维度的评价相对偏低。初步分析揭示出女性在夜间安全感和社会参与中的弱势感知。
**主题分析**：对45份（占总样本30%）有效开放题文本进行主题分析后，提炼出5个核心主题，并与问卷量化结果进行交叉验证。结果表明，在环境与生活方式维度上，居民反馈以正面情绪为主（53%正面）；在安全与保障维度上，居民反馈以负面情绪为主（17%负面），表明该地区存在显著的安全焦虑。
**结构方程模型（SEM）**：研究人员通过迭代优化过程，最终获得了拟合度优良的SEM模型。优化后的SEM模型确认了潜变量“环境”与“社会”之间的显著正向相关关系（r≈0.50）。预测变量分析表明，居住时长和教育动机显著正向影响环境感知；而性别（女性）与工作动机则显著影响社会感知。模型计算出的标准化极端分数预测界定了理论边界，并识别出特定人群（如年龄较大、女性、短期居住且缺乏明确访问目的）可能成为具有最消极感知的潜在群体。
**联合分析与空间化**：通过比较不同σ值（0.5到0.1）的敏感性分析，研究最终选用σ=0.1的高聚焦模型。该模型显示出极高的外部有效性（Pearson r = 0.94，p < 1e-68），并通过聚类分析识别出5个具有不同空间特征的环境簇。对比不同空间分配场景（确定性场景与概率性场景）的结果表明，概率性分配提供了更完整的空间覆盖，并有效细化了各网格单元的感知分值。特别是SEM信息增强的场景揭示了空间感知的显著分化：南部区域（靠近大学校园）社会和环境评分均较高；北部区域（商业中心）虽然商业服务便利，但夜间安全评分极低，导致社会评分最低。
**原型工具开发**：最后，研究在ArcGIS Online平台上构建了CIM工具原型，通过交互式仪表板展示了分析结果，并设计了符合通用数据保护条例（GDPR）要求的用户同意访问机制，确保了数据使用的合规性与伦理性。
**5. 讨论与结论**
**讨论**：本研究的核心贡献在于成功将非地理编码的、基于居民感知的无形数据进行了空间化的投影，这为城市规划提供了一种弥补“技术优化”与“社会体验”之间鸿沟的新途径。研究结果揭示了一种关键的城市现象，即高水平的物理连接性（如地铁、大型交通基础设施）并不等同于高水平的居民感知质量。在高度连接的区域，基础设施反而可能成为物理和心理层面的“屏障”，降低居民的环境感知评分。这有力地支持了研究提出的批判性观点：忽视居民主观感受的纯技术规划可能导致“技术成功、社会失败”的悖论。该概率分配方法有效规避了传统参与式GIS对精确坐标的需求和由此引发的隐私顾虑，为在弱势社区开展居民感知调查提供了可行性更高的方法论选择。
**结论**（本文翻译整理）：可持续城市化的发展要求应用并完善辅助决策工具。CIM作为最有前景的技术之一，已经发展到可以监测和自动化技术性城市系统的水平，但它优先考虑定量数据，而忽视了居民的主观、定性体验。因此，CIM应用必须超越自上而下、以技术为中心的解决方案，将人的因素有效地纳入城市规划过程。本研究通过将定制的ESG框架嵌入CIM工作流程，连接有形与无形的城市层面，促进了以人为中心的规划。研究表明，环境因素解释了指标的适度部分方差，这在社会科学研究中是常见且完全可以接受的发现。在Triolo研究区内，空间分布揭示了城市效用与人类感知之间的关键矛盾：北部地区提供高商业效用，但夜间安全评分低，导致社会评分最低；相反，靠近大学校园的南部区域则作为社会锚点，提升了自然和邻里关系的感知。最值得注意的是，在高度连接的区域（靠近地铁）观察到的较低环境分数表明，重型基础设施可能充当了物理和心理障碍，而非便利设施。这些发现表明，一个仅限于量化指标的CIM模型将无法捕捉这些细微差别，而综合的ESG-CIM框架则成功识别了技术成功与居民福祉相冲突的具体区域。这种无形数据的空间化为规划者提供了一份路线图，以进行优先考虑人类体验而非单纯技术覆盖的定向干预。本研究的主要贡献在于创建了一种详细的CIM方法论，将潜在的居民感知转化为社会基础设施、住房多样性和社区空间的可空间推导的代理指标。通过使用包容性的非地理编码问卷收集策略，该研究规避了与实时跟踪相关的隐私问题，同时保持了稳健的样本量并最大限度地提高了社区评估的参与度。社会科学家、城市规划者和其他规划专家可以采用这种创新的方法，通过将无形数据与有形数据联系起来，实现以人为本的规划。未来研究可以在不危及居民参与的前提下，尝试进行地理编码问卷收集，特别是针对存在数字或社会排斥风险的弱势群体。下一步将侧重于将CIM集成到交互式平台中，将空间分析与公民参与结合起来。一旦完成，该平台将为规划者提供强大的工具，以制定适合每个区域独特特征的针对性策略。
