2013城市交通大数据在街道设计中的应用探索.doc

大数据在街道设计中的应用探索李雯摘 要 由于技术的限制，传统街道设计在数据采集，数据分析与挖掘，设计流程等方面均存在着一些局限，大数据技术的发展，为街道设计提供了新的有力的技术支撑。本文着重对大数据对街道设计的技术支持和应用层面展开讨论。首先在技术支持层面上，大数据带来了数据理念的转变，新的数据类型和采集方式，新的数据分析方法等；其次在应用层面上，大数据主要应用于前期的数据搜集，设计初期的数据分析与挖掘，深入设计阶段的街道精细化模型和街道设计的大数据生态圈构建等；最后对街道设计的未来智慧街道做出展望，并对大数据面临的问题进行了阐述。关键词 街道设计；大数据；技术支持；应用层面1 传统街道设计的定义，数据特点及问题1.1 传统街道设计的定义 传统街道设计指的是由交通工程学和交通管理工程学为理论基础的现代主义的街道设计理念及其各种实践形式。传统街道设计的原则是以机动车的特点为主导的，保证机动车交通的安全和效率是主要的设计目标。传统街道设计在规划体系中被机械地分隔为2大部分：道路系统设计，街道空间与景观设计。其中，道路系统设计占据绝对主导的地位；街道空间与景观设计，在道路系统设计之后，进行城市设计层面上的设计。1.2 传统街道设计的数据特点及问题1.2.1传统街道设计的数据类型和采集方式数据的类型可分为结构化数据，半结构化数据和非结构化数据。结构化数据是指存储在数据库里，存在逻辑关系的数据和信息,可以用二维表结构来逻辑表达实现的数据；半结构化数据是指介于完全结构化数据和完全无结构的数据之间的数据；非结构化数据是指不方便用数据库二维逻辑表来表现的数据，包括所有格式的办公文档、文本、图片、各类报表、图像和音频/视频信息等。传统街道设计的数据主要来自于道路设计的交通调查和街道空间与景观设计的前期调研阶段。其中道路系统设计的数据主要来自于交通调查。交通调查的对象以机动车为主，包括交通量、车速、交通运行特征、交通环境、停车等调查的统称。数据的采集方法主要有人工观测法，实验车移动调查法，车辆感应器法，录像法，访问法。实践中主要采用人工观测法和录像法。按照数据类型标准，道路系统设计的数据以结构化数据和半结构化数据为主。（见图1）图1 交通调查的主要数据及采集方式街道空间与景观设计的数据主要来自前期对街道要素的调研。调研的主要对象为街道空间与景观构成要素，包括建筑、绿化、地面铺装、街道设施、户外广告、景观节点、停车场、照明和人的活动等。数据的采集方法主要有人工观察法、调研询问法、文献检索和资料搜集，其中人工观察法是最主要的一种方法。按照数据类型标准，街道空间与景观设计的数据以半结构化为主。（见图2）由于技术的限制，传统街道设计的数据采集方式与采集量都处于小数据时代，针对的对象主要为机动车，导致数据结构较为简单。行人和非机动车的数据类型单一，数据量小，数据采集深度不够。数据采集方式是以随机采样调查和人图2 街道空间与景观设计的主要数据及采集方式工观察的方法为主，两种方法本身存在许多固有的缺陷。随机采样的成功依靠采样的绝对随机性，但是保证采样的随机性十分困难。而且随机采样方法不能回答事先没有考虑过的问题。人工观测方法的观测准确性受到观测人员水平，外界环境影响等多种主客观因素的影响而难以控制，同时需要投入大量的人力物力，强度大费用高，整理资料较为困难。1.2.2传统街道设计的数据分析方法道路系统设计主要通过对结构化数据进行各类交通模型的生成。主要处理方式有交通生成模型，交通分布模型，交通方式划分模型，交通分配模型等。半结构化数据采用传统统计分析的方法，非结构化数据多是进行信息的整理，结合经验进行判断。街道空间与景观设计中存在大量半结构化和非结构化数据，所以数据处理多采用传统的统计分析法与经验判断相结合的方式。对于少量的结构化数据，多采用简单的统计分析方法。（见图3）图3 传统街道设计的主要数据类型由此可见，传统街道设计的数据分析主要针对结构化数据，大量的半结构化与非结构化数据未被充分利用。对于结构化数据，道路设计有较为成熟的处理模型与软件，并且这些软件主要针对设定好的问题进行数据处理，不能对数据潜力进行深度挖掘；而街道空间与景观设计中，主要是依靠传统的数据统计分析，进行简单的分析处理。对于半结构化数据和非结构化数据，两者基本没有进行深入的分析处理，多采用资料整理与主观经验判断相结合的方式，利用效率低下，数据潜力未被挖掘，对设计的指导意义不强。 1.2.3传统街道设计的设计流程传统街道设计流程是由道路系统设计和街道空间与景观设计两大部分组成。其中，道路系统设计是主导，街道空间与景观设计是辅助。（见图4）图4 传统街道设计的设计流程道路系统设计参与专业有交通设计、道路工程、市政工程、景观绿化设计。从交通设计开始，进行道路空间的综合布局，最后针对道路的附属设施进行设计。街道空间与景观设计参与专业主要是城市设计和景观设计。首先对街道景观设计影响因素进行分析，再对街道空间形态进行设计，最后对街道的景观要素展开设计。其中道路空间综合布局包含街道空间形态设计的设计要点；道路附属设施设计包含道路景观要素设计的设计要点。在传统街道设计的整个流程中各专业和各部门之间，数据共享利用率低下，造成重复的数据采集工作。街道设计的两大板块间形成了较完整的纵向设计系统。然而在纵向设计系统中容易形成“信息孤岛”，这些“信息孤岛”存在设计内容的相似性与数据使用的重复性。例如两大板块均形成了各自较为完整的设计方法，两大板块间容易形成两大“信息孤岛”。在两大板块内部的环节间，存在设计对象的相似性，数据存在重复采集与使用，不同环节间也容易形成 “信息孤岛”。2大数据的特征和发展阶段2.1 大数据的概念与特点哈佛大学社会学教授加里金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”大数据产生的背景首先是科技的进步导致数据的爆发式增长，二是数据的公开性和可操作性导致数据的社会化趋势。大数据不是全新的理念或者技术上的创新，它是发展到一个新阶段的产物。在这个阶段，要求处理的数据的类型越来越多，既要处理结构化数据，也要处理半结构化和非结构化数据。根据IDC(国际数据公司International Data Corporation)的监测统计，2011年全球数据总量已经达到1.8ZB(1ZB=1,024EB= 1,180,591,620,717,411,303,424 Bytes），这个数值还在以每两年翻一番的速度增长，预计到2020年全球将总共拥有35ZB的数据量，增长近20倍。大数据的概念是指一般的软件工具难以捕捉、管理和分析的大容量数据，一般以“太字节”（TB）为单位。大数据不仅仅强调数据量大，更重要是在于对海量数据的交换、整合和分析，发现新的知识，创造新的价值。现在的“大数据”主要是指解决问题的一种方法，即通过收集、整理方方面面的数据，并进行数据挖掘，对分析结果进行可视化表达，得到有价值的信息。大数据具有4V的特点。（1）容量大（Volume）。数据量已经从TB（1TB=1,024GB= 1,048,576MB=1,099,511,627,776Bytes）发展至PB（1PB=1,024TB=1,048,576GB =1,125,899,906,842,624 Bytes）乃至ZB (1ZB = 1024 EB，1EB = 1024PB)，可称海量、巨量乃至超量。（2）多样性（Variable）。数据的来源多，格式也多，大量的半结构化和非结构化信息。（3）生成速度快（Velocity）。数据流往往为高速实时数据流，而且往往需要快速、持续的实时处理。（4） 价值密度低（Value）。单条数据并无太多价值，但庞大的数据量蕴含巨大挖掘潜力。2.2 大数据目前的发展阶段计世资讯（中国ICT产业权威的市场研究和咨询机构）认为，2011年是中国的大数据元年，一些大数据产品已经推出，部分行业已有大数据案例产生。2012年-2016年，将迎来大数据市场的飞速发展。2012年中国的大数据市场规模将达到4.7亿元。2013年，大数据市场将迎来增速为138.3%的飞跃，到2016年，整个市场规模逼近百亿。未来，数据可能成为最大的交易商品。大数据的价值是通过数据共享、交叉复用后获取最大的数据价值。正如纽约时报2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。2.3 大数据的主要应用领域大数据作为一种重要的战略资产，已经不同程度地渗透到每个行业领域和部门，包括宏观经济、制造业、农业、金融业、医疗保健、社会安全管理、科学研究等领域。根据计世资讯统计，2012年的大数据市场中，政府、互联网、电信、金融业此四个行业占据了一半的市场份额。在城市研究领域，一些学者开始利用大数据，研究大数据挖掘的算法，对城市问题进行识别和诊断，并提出相应的建议。地理信息科学将目光移向大数据，在资源性地理信息中利用大数据进行城市研究。时间地理学的学者，也因为大数据时代的到来而受益，以往多采用调查方法获得日志，而目前很多学者已经开始以具有时空信息的大数据作为分析的数据源。还有利用大数据分析城市的空间结构的研究，如利用公交刷卡数据分析通勤特征，或区域间的联系，如利用微博数据分析城镇体系等。3 大数据对街道设计的技术支持3.1 数据理念的转变大数据技术将对传统街道设计的数据理念带来以下几方面的转变。（1）数据的完整性：大数据让“样本=总体”的理想状态已经逐渐变为现实。由于技术条件的提高，依靠传统采样得到的少量交通与街道要素的数据将被海量的多样数据所取代。（2）数据的混杂性：大数据允许不精确性。因为放松了容错的标准，搜集的数据也多了起来，还可以利用这些数据做更多的事情。这样就不仅仅是大量数据优于少量数据那么简单了，而是大数据创造了新的价值点。（3）数据的相关关系：通过相关关系，可以比以前更容易、更快捷、更清楚的分析街道元素，分析街道使用者，街道空间与街道活动的关系。大数据之间的相关关系，将经常会用来证明传统街道设计中基于直觉的因果联系中很多是错误的，也能证明统计关系和经验判断也不一定包含多少真正的因果关系。特别是在街道空间与景观设计中，基于简单的统计分析得出设计策略的快速思维的模式将会遭受各种质疑。在小数据时代，我们是基于假设制定设计策略，然后通过收集和分析数据来验证这种假象的。在不久的将来，我们会在大数据的指导下深入探索，不再受限于各种假想。（4）数据化：数据化是指一种把现象转变为可制表分析的量化形式的过程。通过把街道相关的各类文字，方位，图片等不同格式信息的数据化，对其进行分析，作为街道设计的坚实基础。3.2 新的数据类型和采集方式大数据为街道设计提供了多种的新的数据来源。主要包括以下几种：（1）传感器数据:分布在不同位置上的传感器,对所处街道环境进行感知,不断生成数据。传感器可以存在于街道建筑、街道家具、街道绿化、街道广告上，感知街道的活动情况，环境条件的变化等，并且提供实时的数据。（2）网络数据:视频网站、物联网、微博、博客、播客、论坛、无线宽带热点WIFI数据。这些多样的网络数据能从不同层面提供街道活动，街道使用者的数据。（3）移动设备数据:通过移动电子设备包括移动电话、PDA（掌上电脑）、导航设备等,可以获得人的位置、移动信息、街道使用者行为习惯、个人资料、出行目的、人口分布密度等信息.。（4）射频ID 数据:RFID 可以嵌入到物品中,实现物体的跟踪。（5）视频数据：街道地理信息、街道监控录像等。根据新的数据源的自身特点，可以针对街道数据主要调查对象提供新的多样的数据源。（见图5）图5 街道数据调查对象新的数据源同时针对新的数据源，产生了新的数据采集方式：（1）系统日志采集方法：是用于系统日志的采集。采用分布式架构的工具，能满足每秒数百MB的日志数据采集和传输需求。（2）网络数据采集方法：是对非结构化数据的采集。网络数据采集是指通过网络爬虫或网站公开API等方式从网站上获取数据信息。该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。（3）其他数据采集方法：对于企业生产经营数据或学科研究数据等保密性要求较高的数据，可以通过与企业或研究机构合作，使用特定系统接口等相关方式采集数据3.3 数据分析方法的转变传统的街道设计中的数据分析方法与大数据的分析方法在针对范围，建立基础，分析过程和平行实现方式上都有所区别。大数据的分析技术让街道设计中搜集的半结构化和非结构化数据能够真正参与分析，扩大了数据分析的范围，为街道设计提供了更多的洞察力。这种数据范围的扩大是建立在非传统关系数据模型上的，并且可以达到实时的分析处理。同时，可以通过新的软件与硬件进行廉价的平行实现。（见图6） 图6 传统数据分析与大数据分析的对比4 大数据在街道设计中的主要应用层面4.1 数据搜集阶段的技术支持在街道设计前期的数据采集阶段，可通过大数据技术，针对不同对象的特点，利用新的数据来源，采用适当的采集方式，进行数据的预处理，最后进行数据的存储，为后面对每个对象制定量体裁衣的策略打下基础（见图7）。图7 街道设计数据采集流程这些数据包括步行者的数据：移动设备提供的移动数据、停留时间、移动路径、出行目的、出行方式等；街道活动的数据：街道使用者的活动模式、时空行为模式、活动类型、活动密度、活动时间等；机动车数据：机动车流量、停车状况、使用者的个人信息、通勤模式、移动速度等；非机动车数据：非机动车流量、使用时间、使用者的个人信息、移动速度等数据；街道空间与景观的数据：元素的种类、数量、尺寸、使用程度、使用者的信息等。同时可以扩大街道研究范围，收集更大范围的数据，结合城市现有资源进行多样分析。通过与随机采样、人工观察等传统数据获取方法的比较，大数据所具有信息的真实性、高精度、全覆盖、实时动态的特点，在前期调研阶段可以便捷、精确、实时地获取街道有关的信息，为深入进行街道设计提供充足可靠的依据。4.2 数据分析挖掘阶段的技术支持 在设计的初期阶段，可利用大数据技术对采集到的数据进行充分深入的分析与挖掘，为设计策略的制定提供可靠的依据。通过对街道设计问题的详细定义，选择可用的数据，建立挖掘算法与模型（见图8），最后利用可视化软件将分析结果进行可视化的处理（见图9）。（见图10）图8 数据挖掘算法案例图9 分析结果可视化案例图10 街道设计数据分析流程以人的移动性、机动车、街道使用者出行活动分析为例，利用大数据可做以下的数据分析与挖掘：在人的移动性分析中，随时间而变化的空间位置是其最基本反映，以往的数据调查主要针对数据记录时刻个体所在空间位置及其反映的活动模式，忽略了相邻两个时刻之间的移动过程及其对街道空间的影响。而在实际的移动过程中，数据记录的个体会在道路交通网络上产生交通流量。大数据技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型来模拟判断不同变量情况下哪种设计方案最好。其中包括：移动轨迹的地理可视化、出行方式的研究、个体的移动性规律与模式挖掘、个体移动轨迹的预测（见图11）、街道活动特征与结构等。图11个体移动轨迹的预测案例对机动车而言，在基于自动感应设备采集交通信息数据的研究中，常用的数据来源包括路面传感器、车载GPS和手机基站网络。通过聚合与处理，结合个体属性数据，与传统交通信息数据互补，为模拟交通流量、理解出行行为与方式（见图12）和规划交通网络提供了有力的手段。图12 出行行为与方式的预测案例例如利用车辆的GPS轨迹数据,分析轨迹点在时间、速度及空间分布的特点，并确定合理的阈值过滤出点簇,生成OD点；用轨迹点捕获含有拓扑关系的临近路段，通过最短路径算法生成车辆沿道路的线型轨迹，最终获得完整的出行通道数据。与传统交通调查数据获取方法比较，此方法环节大大减少，数据和成果也更为客观可靠。图13 出行时间模式研究案例在街道使用者出行活动的分析中，通过截取不同类型的时序数据，可模拟多种情景下使用者的出行活动，根据时间间隔和个体移动速度，可判断出交通工具的选择，分上下班时间段和休闲时段等不同出行目的进行讨论，可得交通模式偏好特征，可评定不同道路交通规划思路或方案的好坏以及对交通状况和居民出行的改善程度。（见图13）例如可利用手机作为交通探测器，对居民出行信息进行分析。首先将手机数据映射到交通分析单元，并通过信息的预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据的运算处理，可得到居民出行的特征数据。利用长期历史手机数据，可进行通勤出行特征、大区间OD、特定区域出行特征的分析。由于手机信号数据能较完整地识别手机用户的出行轨迹，可进一步应用于分析时空动态分布、关键通道客流、出行时耗、出行距离、出行强度等。4.3 街道模型阶段的技术支持随着大规模、高质量的个体时空数据的获取正不断成为可能，遍布的个人贡献的数据对描述和理解街道提供了新的渠道，为建立精细化的街道模型提供了基础。主要体现在：大数据对应的个体及其空间位置和移动是街道模型的核心，能够反映人的活动进而推算其对街道空间的需求，能够覆盖大多数街道活动主体，且具有时间动态性。通过建立“街道设计”数据库，借助于大数据应用模型和计算机软件的推理机制，建设一个大数据的街道设计的空间应用模型。首先要在实践中不断观察、总结，形成丰富的关于“街道设计”的概念模型，在此基础上用数理统计的算法摸索统计规律，上升到理论模型，再采用综合方法建立实用的概念模型与分析模型。4.4 街道设计的大数据生态圈构想基于大数据技术，通过多种数据源来搜集机动车、非机动车、行人、街道活动、街道空间与景观元素等的相关数据，对街道环境进行动态的实时的监测，再由数据分析师根据交通规划师与街道设计师提出的具体设计问题，通过数据算法与模型等方法，构建数据分析平台和数据开发与维护平台。数据分析平台提供具体问题的分析报告与设计决策意见，例如评价街道资源的利用状况、预测使用者的行为趋势、对可能和已经出现的问题进行预测分析，为制定合理的交通规划与街道空间与景观设计策略，保护公共活动空间提供支持。数据开发与维护平台提供多样的数据驱动的产品，例如数据存储产品、数据分析工具、数据端的各种接口与渠道。这些数据分析的结果与产品最终提供给交通规划师、街道设计师、交通部门、街道管理部门、街道使用的公众、甚至企业来使用，形成一个街道设计的大数据生态圈。（见图14）图14 街道设计的大数据生态圈构想4.5 街道设计的公众参与图15 街道设计数据采集APP案例首先在设计前期，大数据能让公众从信息的被动提供者变为信息的主动提供者，从而提高公众的参与度。传统的街道设计中是以交通规划者和街道设计者为主导，通过调研去了解街道使用者的需求，通过设计给公众提供良好的街道空间与环境。街道使用者在整个设计中的角色是信息的被动提供者。然而随着大数据技术的进步，公众将以更积极的姿态参与到街道的设计中。不是街道设计能为使用者提供什么，而是使用者能为街道设计提供哪些有用的数据，从而影响街道设计的成果，最终成为街道信息的主动提供者。例如通过某种APP来打造街道使用者提供信息的渠道，让街道使用者成为街道设计最可靠的信息源。（见图15）其次在设计后期，利用大数据可以将街道设计的成果用直观、友好、易理解的方式展现出来，并尽可能地让更广范围的人参加，让公众可以及时地反馈自己的意见。如在网上建立包含街道设计信息的可视化街道设计系统，即在线设计工具（见图16），让公众对设计方案进行查询、浏览并发表评论，提出自己的设想，甚至直接修改街道设计，供设计人员参考。图16 阿布扎比在线街道设计工具案例5 大数据在街道设计中的挑战及展望5.1 大数据在街道设计中的挑战5.1.1数据源的获取问题由于大数据采用多种的数据源，数据渠道的畅通是决定大数据成败的关键。大数据的数据源中有很多来自大型企业，政府部门，网站组织，如何让其开放有效的数据，通过何种渠道开放，是值得研究的问题。5.1.2异构数据的管理问题如何管理和挖掘大数据中的大量的异构数据，如视频和图像数据、轨迹数据和文本数据、以及社交网络结构数据等。数据往往只能告知我们局部的信息量，融合来自不同数据源的信息才能更深层次地了解表象的根源。但这些数据具有完全不同的结构和特性，目前也分别适用于不同的挖掘算法。因此，数据的庞大规模和异构属性将为快速的挖掘和深度理解带来很大的挑战性。5.1.3数据的有效表达大数据分析的结果如何进行有效的图示化表达，并从中提取能用来做出决策的智能，是大数据的最终价值所在。比如街道中人们在不同时间段中的移动规律如何展现，以及如何利用已获悉的交通流量来指导人们的出行；如何从车流和人流中发现道路系统设计中存在的问题，并指导设计改进。从知识到智能的飞跃仍需要相当大的努力，数据分析的算法，模式及理论研究也亟待展开。5.1.4数据的隐私问题数据安全往往涉及到很多隐私，这一问题在大数据时代下又再一次被放大。在大数据的利用过程中，很多个人的数据都被记录和保留了下来，并且进行加工和利用，而这正是数据安全的隐患，个人隐私数据被二次利用了。在信息爆炸的信息化社会，保护隐私安全不仅仅是技术或者个人的单独行为，它是整个社会的行为。如何去保护个人隐私的安全，又是一个亟待解决的问题。5.2 智慧街道的建设大数据技术为“智慧街道”的建设提供了技术上的支持。未来的“智慧街道”将是一个微型的智慧城市；它把物联网智能感知设备和基础网络作为基础设施，融合更为先进的云计算、移动互联网等技术，促进街道使用者和街道环境之间的互动，提高街道智能化的程度；是一种基础设施高端、管理服务高效、环境智慧友好、未来特质明显的新型街道；并且通过透明、充分的信息获取，广泛、安全的信息传递，高效、智能的信息处理，有效地提高街道设计和管理效率，改善服务水平，让街道使用者能享受到“智慧街道”的服务。通过大数据技术主动感知街道使用者的各项需求，最终使街道的使用者能够享受到主动、智能、贴心的街道环境。参考文献1 谭源，试论城市街道设计的范式转型，规划师，2007, 23(5)2 李秀华，浅谈城市的街道设计，中国新技术新产品，2011, (5) 3 左光之，城市街道的设计方法与评价体系研究 4 朱洪，曲广妍, 新发展形势下的交通调查技术探讨，上海建设科技, 2009, (6) 5 张彦芝,华晨,“道”“街”双系统模式谈利益主体诉求差异下的街道设计对策, 规划师, 2012, 28(3)6 涂子沛，大数据:正在到来的数据革命，广西师范大学出版社; 第1版 (2012年7月1日)7（美）Bill Franks，驾驭大数据，人民邮电出版社 (2013-01出版)8 （美）维克托迈尔-舍恩伯格，大数据时代，浙江人民出版社 (2012-12出版) 9 （美）艾伯特-拉斯洛巴拉巴西，爆发，中国人民大学出版社 (2012-07出版) 10 李秀华，浅谈城市的街道设计，中国新技术新产品，2011, (5)11 左光之，城市街道的设计方法与评价体系研究，12 文益民，刘华领，方茂，浅谈城市街道设计，中国科技信息，2006, (5) 13 马婕，小议城市生活性街道设计，工程建设与设计，2011, (3)14 刘佳山，陈红芳，街道绿化设施景观人-以新华路为例探讨城市街道的景观整治规划，中国科技信息，2005, (18)15 马俊，张薇，行人视野中的街道空间解析，四川建材，2012, 38(6)16 叶彭姚，陈小鸿，雷德朋体系的道路交通规划思想评述，国际城市规划，2009, 24(4)17 周驰皓，对城市总体规划中交通规划的认识及思考，城市建设理论研究（电子版），2012, (20)18 冉斌，手机数据在交通调查和交通规划中的应用，城市交通，2013, 11(1)19 詹起林，高峻，王磊，基于货运车辆GPS数据的交通调查技术研究，地理与地理信息科学，2011, 27(3) 作者简介李雯（1987-），女，学士，深圳市城市规划设计研究院，规划师原创性声明本人郑重声明：本论文是本人独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。本声明的法律结果由本人承担。稿件标题：大数据在街道设计中的应用探索作者姓名：李雯性别：女出生年月：1987.4最高学历：学士工作单位：深圳市城市规划设计研究院通讯地址：深圳市福田区振兴路3号建艺大厦4楼 邮编：518031职务：规划师职称：规划师联系电话（移动电话）：13480725814电子邮箱：1010668456