面向空间治理转型的规划决策响应目标可归纳为协同治理下的关系型决策、弹性治理下的动态型决策、人本治理下的精细化决策、科学治理下的因果型决策、存量治理下的多路径决策。在此基础上，响应新治理目标的智慧规划决策支持体系应进行运行模式优化：其外部嵌入模式应在单一规划编制支持模式的基础上增加实施监测控制支持模式和定期评估反馈支持模式；其内部衔接模式应在信息层、处理层、执行层进行整合。为实现上述模式的优化，需采用包括尺度、对象、环节3个导向的六自由度增强优化框架对决策支持模型进行加强，筑牢数据与算力支撑体系，补足与智慧技术互促的制度支撑体系。
[关键词]治理转型；规划决策支持；决策支持模型；大数据
[文章编号]1006-0022(2025)02-0019-09
[中图分类号]TU981、TP18、TP391
[文献标识码]A
[引文格式]崔喆，何莲娜，吴兰若，等．智慧空间规划决策支持体系的运行模式与升级路径[J]．规划师，2025(2)：19-27．
使用智慧化工具提升规划的科学性是规划工作者永恒的奋斗目标。随着计算机技术的进步和广泛应用，“规划决策支持”概念于20世纪80年代被首次提出，旨在通过集成一系列与规划相关的理论、数据、信息、知识、方法和工具，反映城市状态、预测未来发展和评估影响，从而为规划战略制定、决策执行提供支持。这一概念框架被引入国内后，对数字规划由单纯的数据服务转向全面决策支持，推动空间规划由定性分析转为定量分析产生了重要影响。
随着国家社会经济发展形势与国土空间开发保护形势的转变，空间规划的角色定位由“工程技术”“国民经济发展计划的空间落实”转变为一种重要的公共政策。近年来，在进一步全面深化改革、推进国家治理体系和治理能力现代化的目标下，空间规划与治理的外延不断拓展，内涵不断丰富，正迈向重大而深刻的转型。
在空间规划向空间治理转型的背景下，规划决策支持体系面临着前所未有的深层次变革。在“规划决策支持”概念诞生之初，学者们秉承工具理性的观点，普遍认为科学合理的规划可以而且应该以全面的计算机模型为基础。但伴随着治理转型，空间规划的范式也出现从专业设计到集体谈判的转型，规划面临的问题总是“过于多样化、定义不清和模糊”，以至于可以“把人送上月球”的计算机解决不了“把我们送到机场”的问题。同时，随着我国社会经济发展进入新阶段，进行空间规划决策所依托的现实状况以及决策方案所指引的目标导向都发生了不小的变化。因此，规划决策支持亟须进行针对性、智慧化的体系升级，明确其运行模式与升级路径。
本文总结新时代空间治理转型方向，明确规划决策的响应目标。在此基础上探讨了智慧空间规划决策支持体系对空间规划运行体系的外部嵌入模式及其自身信息层、处理层与执行层的内部整合模式优化方向，并进一步提出了以决策支持模型为核心，数据与算力支撑体系和制度支撑体系互促的“一体两翼”智慧空间规划决策支持体系升级路径，以响应国土空间治理转型的新趋势。
决策支持为决策服务，决策支持的升级方向应当顺应决策在规划治理转型下的响应目标。只有明确决策的响应目标变化，才能针对性地优化决策支持体系。相比终极蓝图型空间规划只需面向空间布局的单一响应目标进行决策，公共政策型空间规划的决策响应目标则更为多元、复杂，这是社会治理的复杂性机理所决定的。
基于时间和过程共享的“流动空间”(space of flows)已与基于物理邻近原则构建的“场所空间”(space of places)并驾齐驱，成为一种支配性的力量。在区域发展中，城市间的联系更加频繁而紧密，并且脱离了地域范围的限制，呈现出一种不同于传统“中心地”理论，超越了规模等级视角的新空间经济形态。在城市发展中，城市内要素的空间组织模式也部分摆脱了地理距离的限制，向着更加扁平化的方向演进，如部分城市商圈在网红效应下不仅仅服务于其可达范围内的少数社区，也吸引了不少全市乃至市外客流，形成了城市商业体系的尺度跃迁现象。
为有效应对“流动空间”，规划决策面临着关系型转型。一方面，更多的规划实践超越单主体干预视角，其干预对象涉及多个主体及主体间的流动关系，如愈来愈广泛的跨行政区规划、跨流域规划等；另一方面，单一主体的规划也更多地从网络、流动视角分析问题，考虑节点所在的网络格局，节点如何嵌入更大尺度的网络，以及对节点的干预如何“牵一发动全身”地反映到网络整体。面对多地、多部门、多主体的多元化诉求，关系型决策应做到脱离单向度的“管理”属性，突出协调性与沟通性的“治理”属性，科学响应多元诉求；基于网络思维，应促进系统耦合，使系统功能得到最大限度的发挥。
针对传统规划管控措施刚性过强、管控手段单一僵化、对外部环境变化适应性差等问题，通过增加规划层级、以整合指标取代细分指标等弹性管理措施增强规划弹性，成为各地空间规划体系变革的重要举措。增加规划层级是指在总体规划与详细规划之间增设“单元”或“街区”层次，意在“编到地块，管到单元”，把部分管控内容的制定、审批与修改权力让渡给下一级规划，以简化这些内容的审批与修改流程，增强其弹性。以整合指标取代细分指标是指取消地块层面的建筑规模、功能、高度等刚性控制，以单元层面的总建筑规模、单元主导功能、基准强度等取而代之，并允许单元内部地块之间进行指标额度调剂，以“一事一议”制度、正负面清单、比例管控等政策工具进行功能管控。
从上述措施可以认识到，空间规划的弹性治理改革在提高规划适应性、落地性的同时，客观上也大幅提高了基层规划管理人员的自由裁量权。原先的基层规划管理人员只需按照“一竿子插到底”的刚性规划“照方抓药”，根据刚性规划做非黑即白的判断。然而，在弹性规划体系下，他们需要做的不是判断而是决策，即在实施过程中进行大量的价值衡量，对规划单元的实施进程进行评估，并根据评估结果调整后续项目的规划条件。这对他们对规划战略意图的理解能力、规划实施现状的感知能力、多元弹性需求的平衡能力等均有很高的要求。
因此，空间治理的弹性改革必然意味着规划深化实施过程中实时、动态、高频次的规划决策(而不是机械的规划审批)。因此，在更紧迫的决策响应时间限制下，单纯依靠人力决策已不可行，动态型决策应是自动化、智能化的。只有通过对规划实施进程及其绩效的智能实时动态分析，才能在短时间内做出正确决策，防止一次次局部正确的决策最终背离弹性发展目标。
在我国社会主要矛盾转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾背景下，应当响应以人民为中心的发展思想，加快人民城市建设。人民日益增长的美好生活需要体现在一点一滴的细微之处，大而化之、笼而统之，“眉毛胡子一把抓”的城市治理模式已无法适应以人为本的城市发展目标，故下好绣花功夫，提高城市治理精细化水平，才能满足新时代的人民需求。
精准治理的前提是做好精准决策，只有在“下针”前根据具体情况，运用精准思维“谱好绣图”，绣花功夫的运用才能有的放矢、有章可循。在规划决策层面“谱好绣图”的关键有两点：一是在于细化决策单元；二是在于尊重事实差异，做到因类施策。
细化决策单元的目的在于减少合成谬误，剥离细部特征。合成谬误是指在宏观上成立的命题，在微观上一定成立的谬误，反之亦然。通过细化研究单元可以识别微观研究单元的差异，并汇总不同类型单元的共性特征。当然，无论如何细化研究单元，这种研究范式总是基于归并统计的，而归并统计总是会造成合成谬误，影响最终结论的精准性，导致产生“可变区域单元问题”(modifiable areal unit problem，简称“MAUP”)。
尊重事实差异，因类施策的目的是避免大水漫灌的粗放决策与各地具体情况不匹配，并保护地方特质，避免“千城一面”。对空间规划而言，最重要、最核心的事实差异是空间异质性。当前，部分规划决策基于经济学研究思路，强调借助于抽象和简化的模型，忽视区位特征以及区位所带来的文化、社会、历史、制度等因素的影响，试图在地理空间之外解决经济问题。显然，一把钥匙开不了所有锁，空间规划总是要落地，做好空间规划决策真正需要的是同时考虑规律的普适性与空间异质性。在空间异质性之外，人的差异、文化的差异、历史路径的差异等都是规划决策所必须应对的事实差异。
治理能力的现代化体现在治理的科学化。在国土空间治理中，要求决策过程尊重、把握、契合经济、社会与空间的发展规律，实现国土空间科学治理。当前已能够基于多源大数据较为精细地刻画空间格局，但科学治理的目标要求对数据背后的运行机制进行更深入的认知。在规划实践中，常常用战术上的勤奋掩盖战略上的懒惰，过分关注原始数据的准确性以及现状感知的精确性，忽视了现象背后机制分析的因果严密性，千辛万苦感知到的现状信息被想当然的逻辑推论所浪费，抵消了数据化、定量化的优势。与其他系统工程领域一样，国土空间是一个复杂巨系统，其运行逻辑经常是反直觉的、非线性的，如战机上最应增强装甲防护的地方并不是中弹最多的地方，提升火箭射程不应增加燃料而应卸载部分燃料一样，由于因果之间可能存在其他变量的调节作用、中介作用，存在样本选择的“幸存者偏差”等情况，想当然的因果关系往往是错误的。因此，因果型决策应当基于完整、完善、可信的空间规律认知，让数据真正走向证据。
我国的城市发展已进入增长主义的终结，城市治理工作也已进入存量更新的新阶段。在增量发展模式下，由于空间资源充裕，对空间资源的分配容易达到帕累托最优状态，因此只考虑空间发展单一路径的规划决策方案也可以取得较好效果。但进入存量发展模式后，由于存量空间资源存在天花板约束，单纯的空间调整会导致零和博弈，形成一方有所得，其他方必有所失的“分蛋糕”场景，这不利于更新目标的顺利实现。因此，在存量治理的背景下，规划决策必须考虑空间发展路径之外的其他干预路径，通过多路径的复合作用将零和博弈转化为多方合作以取得共赢的非零和博弈。
时间是空间之外最主要的干预路径，时间和空间一样都可以认为是一种资源，人在一定时间和空间内的存在都意味着这种资源的消耗。规划决策应与基于时间的资源和活动分配相关联，通过时间维度的精益挖潜、管理和利用，使存量空间资源发挥最大的价值。同时，考虑与空间相关的经济、社会、资本等各方面要素，通过对多主体博弈、协同机制的定量认识，研究政策工具、实施方案、实施时序、奖惩原则等诸多方面的干预路径，同样对完全实现治理目标至关重要。
规划决策目标向关系型决策、动态型决策、精细化决策、因果型决策、多路径决策的变化，意味着规划决策支持体系需要进行全方位升级与优化，以切实提升实操性，避免沦为纸上谈兵。决策支持与规划运行全链条的外部嵌入模式应进行更加深刻的重整优化，而外部嵌入模式的优化也倒逼决策支持体系内部信息层、处理层与执行层的整合。
决策支持体系的外部嵌入模式是指决策支持体系与其所支撑的规划编制、审查、审批、建设、监督、评价全链条流程，以及国土空间“一张图”体系、国土空间规划实施监测网络(CSPON)等外部相关体系的嵌入关系。由于规划治理的弹性变革模糊了规划编制与规划管理分属前台、后台的界限，使规划决策向动态型决策转变，规划决策支持应当由面向终极蓝图的点式嵌入模式，转向面向弹性目标的点线结合嵌入模式(图1)。在这种点线结合的嵌入模式中，点状嵌入的规划编制支持、线状嵌入的实时监测控制支持与定期评估反馈支持3种嵌入模式共同支撑规划目标的设定与实现。
图1 传统规划决策支持体系与智慧规划决策支持体系外部嵌入模式对比
自规划决策支持体系诞生以来，支持规划编制一直是也应继续是其最核心、最主要的外部嵌入模式。“规划科学是最大的效益，规划失误是最大的浪费”，决策支持体系应嵌入各级各类规划的编制阶段，通过评估指标、问题梳理、方案比选、仿真模拟等多种输出方式，支持未来发展方向、空间布局与各方面蓝图愿景的科学制定。由于空间规划的治理转型强调主动应对未来发展的不确定性，应更加注重在绝对理性的唯一最优方案之上考虑要素非理性变化以及未观测到的隐变量的潜在影响，支持弹性目标范围的制定。例如，北京面对未来首都人口发展的不确定性趋势，考虑人口内生迁移动力与不同人口调控政策取向，通过模糊决策方法，提出了适应潜在收缩与潜在增长不同情境的规划适应性策略。
除在编制的基点阶段进行规划决策支持的嵌入外，还需在规划实施阶段进行嵌入，具体可分为点状的定期评估反馈支持和线状的实施监测控制支持。这二者各有侧重，共同增强规划实施过程的适应性与鲁棒性，保障实施方向始终瞄准预定目标。
实时监测控制支持是线状嵌入模式，其主要特征是实时在线，主要目的是嵌入土地供应、用地与建设项目审批、项目建设全流程，对规划编制进程、关键指标变化、规划实施进程等进行模型化、定量化、实时化的管控，把实施过程控制在弹性余地内，使弹性规划不异化为失控规划，主要包括可观测、可分析、可控制3个层次，分别对应“一张图”、CSPON和最高层次的实时决策系统。可观测指嵌入“一张图”建设，基于统一的分类标准、测绘基准、数据标准等，汇集多源数据，实现准确观测空间状态；可分析指嵌入CSPON，将现状空间状态与规划刚性约束进行一致性评估，与规划弹性约束进行契合度评估，并在评估的基础上进行预警和报警；可控制指将监测升级为监控，即在评估的基础上进行价值衡量与方案比选，按照预定的控制方案输出决策建议。例如，北京在控规改革中以智慧平台为抓手，通过汇集规划、许可、供地、施工等全链条信息，实现了对控规核心弹性要素的实时监测和潜在隐患的提前预警，既增加了规划的弹性，又保障了上位规划战略意图的保质、保量、按时实现。
除对规划实施进程进行不间断的监测控制外，还应以城市体检评估等工作为嵌入接口，进行点状的定期“回头看”。评估规划的实施绩效对规划决策支持也十分必要，其内容包括对多维度的城市运行实态进行感知、将其与基期城市运行实态和规划目标进行对比评估、测度分析居民主观满意度与诉求等。
在规划运行从没有反馈回路的开环控制系统走向通过反馈回路不断循环的闭环控制系统中，规划决策支持体系在定期评估反馈层面的嵌入至关重要。只有加入了反馈回路，对规划实施的绩效进行评估比较，再将比较结果输入控制系统，进行新一轮的控制决策，规划才能在一轮又一轮的循环往复中不断接近规划预定目标。在实践中，出现了将“干预动作”与“实施绩效”混淆的误区，部分城市体检评估的主要评估对象仍是土地、建筑、道路等空间底板，而不是人、车、企业等附着于空间的行动者的运行实态。由于大数据可反映城市运行实态，大数据对定期评估反馈而言是必须的。在北京的城市体检评估工作中，综合企业、专利、职住、驻留、刷卡、扫码、乘车、点评、诉求等大数据材料进行大数据体检，以市民“用脚投票”的结果和市民满意度等作为城市体检评估的根本评判标准等，打通了反馈回路。
作为典型的智能系统，在决策支持体系的内部衔接模式中，处理层为核心，集成了各种模型，是“指挥官”；信息层为处理层提供各来源的信息，是“侦察兵”；执行层则对处理层的决心意图进行转译、细化与贯彻，是“参谋部”。空间规划决策支持体系外部嵌入模式的优化要求基于呈指数级增长的海量决策材料，运用更多元的分析方法，面向更多维的治理目标，以更短的反应周期支持实时决策。这就倒逼其内部衔接模式的整合(图2)。
“信息孤岛”是传统模式下信息层的最大弊端。在条块分割的国土空间治理体制下，支持各个业务条线，各地区的规划决策支持模块互相间缺乏联系，依托各自的信息进行决策。在信息共享层面，有时外界不知道各条块内部的信息，有时信息交流共享的壁垒十分严重，导致信息的潜在价值被大幅削弱，不能适应空间规划治理转型背景下关系型决策、多路径决策的响应目标，同时也造成了技术层面算力与存储空间投入的浪费。
在整合模式中，通过制定明确的数据信息汇交、调用机制，明晰数据所有权与使用权，使各条块的信息交流无后顾之忧；基于统一的信息仓库，将各条块的数据通过数字方式进行统一汇集和发布，进行高效的统一处理，以大幅提升信息传递效率，减少沟通成本。
在传统模式下，规划决策支持模型的运行处理各自独立。这一方面造成各单项决策缺乏全局综合性，局部正确的决策支持方案可能并不有利于系统整体提升；另一方面也制约了高性能算力的发挥，大幅提升了模型输出结果平台化、实时化输出的难度，无法适应动态型决策、精细化决策的响应目标。
因此，应在信息全面整合的基础上推动信息处理层的整合。首先，应扩展输入信息的广度、维度，解决输入信息不全面、不系统造成的片面决策问题；其次，应根据应用场景汇总各分项模型，通过适应场景需求的综合评价模型对分项决策结论进行综合分析；最后，应将不同场景使用，但具有类似功能的基础通用模型进行整合，以增强不同业务场景决策支持模型使用的规范性和精准性，并提高基础通用模型的运行效率。
智慧规划决策支持体系的执行层衔接外部嵌入系统。由于面向治理转型的智慧规划决策支持体系在外部嵌入模式上有大幅拓展，其内部执行层也应对照外部衔接要求做出相应的整合。针对实时监测控制支持的外部嵌入模式，执行层进行实时输出，其结论输出应当结合处理层中可全面自动化运行的模型，进行全面的平台化输出，尽可能地降低人工干预程度，以适应实时监测控制模式对决策响应时间的高要求。针对规划编制支持与定期评估反馈支持，执行层进行定期输出。由于这两类模式涉及多主体协调与多维价值观衡量等机器智能尚不完善的领域，以及这两类模式所使用的模型较为复杂，往往需要较多的人工干预。为降低使用成本，人工干预前的中间层结论应实现平台化、自动化输出。
围绕智慧规划决策支持体系的主体——决策支持模型，通过“一体两翼”的路径(图3)，进行决策支持体系的升级。“一体”指引入新理论、新方法，提升决策支持模型在不同目标导向上的关联拓展与交叉融合。“两翼”指进一步筑牢决策支持模型不可或缺的两个支撑体系：数据与算力支撑体系，以及与智慧技术互促的制度支撑体系。通过模型升级和环境升级的互促，支持规划决策支持体系的智慧化升级。
3.1 增强优化决策支持模型
3.1.1 决策支持模型增强优化框架
人的智慧来自大脑中数以百亿计的神经元之间活跃的关联交互。同理，智慧国土空间规划也离不开规划决策系统处理层对输入信息的融合分析，这就要求决策支持模型进一步关联拓展与交叉融合。一般而言，决策支持模型均可按尺度导向、对象导向、环节导向3类导向进行归类。在治理转型的背景下，决策支持模型也应在这3类导向上进行拓展融合，衍生出基于这3类导向的六自由度增强优化框架(图4)，分别是尺度、对象、环节3个导向内的关联拓展，以及尺度—环节、尺度—对象、环节—对象3个导向间的交叉融合。
尺度、对象、环节3个导向内的关联拓展要求跳出就事论事的研究范式，进行多尺度、多对象、多环节的复合分析。在多尺度的关联拓展上，一方面，微观世界是构成宏观世界的原子，既要通过对城市中大量重复出现的随机事件的分析，剥离必然的规律，也要通过对微观“蚁群”的模拟，对宏观世界进行仿真；另一方面，宏观世界是微观世界发展的约束，“城市—区域观”等经典理论认为不能就城市论城市，而应充分考虑城市发展的区域经济基础。虽然该理论已充分渗透到规划实践中，但是在定量模型上仍有很大的完善空间。在多对象的关联拓展上，人、地、形、流等对象相互交织影响，人的联系、流动、交互塑造了地理格局，地理格局也在影响、塑造着人的行为，因此对地的研究不能脱离人，反之亦然。流从形中来，形因流而兴，对流的研究不能脱离形，反之亦然。在多环节的关联拓展上，对客观要素的现状感知以及对客观要素之间影响规律的认知常与后续干预环节脱节。仅基于客观要素的现状感知和规律认知进行规划决策是不充分的，应加强对规划干预与客观要素之间影响规律的研究，实现“感知—认知—干预决策—决策评估”的闭环。
尺度—环节、尺度—对象、环节—对象3个导向间的交叉融合是导向内关联拓展的进一步升级，强调不同导向间的交叉分析。尺度—环节融合的重点在于传导。通过不同层级规划的传导方案，宏观决策得以自上而下传导到微观尺度，微观尺度的自发性行为也会自下而上地影响宏观尺度。因此，尺度—环节交叉融合的决策支持应当跨越不同尺度，从不同尺度的各个环节传导上进行分析。尺度—对象融合的重点在于交互。各种无向与有向的交互关系是跨越尺度的桥梁，如构成石墨与钻石的基本微观原子都是碳原子，但碳原子之间的交互关系差异造就了二者在宏观尺度迥异的物理特性。类比至地理空间，城市之间的交互关系差异也构成了区域发展差异的基础。环节—对象融合的重点在于因果。做好规划决策的核心在于找准干预对象，这要求通过科学、可信的实证方法确认对象间的因果关系，并在此基础上识别主要矛盾与非主要矛盾，从而提供辩证的决策支持。
(1)人工智能模型。人工智能正逐渐与城市治理领域的应用创新相结合，为其提供了多方面的支撑。但基于历史数据、黑箱化的人工智能模型尚没有与自现代城市规划诞生以来长时间积累的大量规划知识深入融合，使得基于数据的决策与基于知识的决策脱钩，人工智能未能弥补规划专业知识的不完备之处，规划专业也没有使人工智能模型的逻辑链条完整可信。针对上述问题，首先应加强人工智能可解释性的研究，将其作为突破黑箱机制的有力武器；其次在“大模型”的浪潮下，应加强知识图谱与生成式人工智能在规划决策支持中的应用，如北京在“首都规划大脑”中嵌入了规划专业知识与大语言模型融合的“城悟”大模型，针对规划业务对生成结果真实性、可溯源性高的需求，可实现为规划业务量身定制的高性能响应。
(2)时空间行为模型。存量治理转型要求规划决策在空间之外考虑时间干预路径，应进一步吸收和借鉴时空间行为地理学理论方法，审视城市的时间性，构建面向规划实践的时间城市规划体系。在存量空间紧约束的前提下，应公平合理配置时空间资源，尤其是突破感知环节，面向规划决策，切入认知、推演、评估环节，如北京在体育设施等具备强时间属性的公共服务设施的规划中，针对时空间隐形缺口，通过时空供需仿真模拟等手段，提出了存量体育设施的时空间优化利用方案。
(3)流动空间模型。协同治理要求决策支持模型在对象导向上强化“流”这一重要对象，基于“流动空间”理论与相关方法识别流、认识流、干预流。但目前研究以在数量层面描述流动空间格局为主，流的结构、属性、运行机制等均有待深入研究，导致研究无法导出有效、系统的决策。由于流是“一阶量”属性信息之上，包含关系要素的“二阶量”信息，对其进行建模和感知较为困难，规律认知也更为困难，因此应进一步集成网络研究领域的新技术，支撑流动机制分析与网络预测推演，如北京基于多历史断面的轨道交通站点间旅客流动网络构建了轨道交通网络预测模型，支撑了北京轨道交通线网规划。
决策支持模型只是方法，要解决决策难题，只有方法远远不够，还需要足够的数据材料和使方法有效发挥的算力环境。在实践中经常出现重视从0到1的原始创新，忽视从1到100的工程创新的问题，使得“巧妇难为无米之炊”“工欲善其事，奈何无利器”，大量模型算法由于缺少数据与算力，无法生根发芽、开花结果。精细化与动态化的目标要求决策支持模型的运行既要快，又要准，这对数据与算力支撑体系提出了更高的要求。进一步来说，数据与算力不仅是基石与底座，还直接决定了决策支持模型能达到的高度，因为量变产生质变，超高计算规模与效率会产生“力大砖飞”的效果，使空间规划决策支持的智力层次提高数个台阶。
因此，应将决策支持模型的先进性、创新性与高效性、落地性置于同等重要的地位。在数据支撑上，应做好顶层设计，制定好数据的存储规范、流通机制、保密机制、灾备机制、汇交与调用制度等一系列制度规范，在保证数据安全的前提下尽可能降低数据中转频次，提高传递效率，填平数据交换过程中的鸿沟。在算力支撑上，应投入构建大规模分布式计算集群，满足大数据批量运算、并行运算的需求。由于提升算力水平的成本较高，有条件的地区可尝试由多家单位协同建设大科学装置，实现成本共担、算力共享。
空间治理需要智慧赋能，智慧技术也需要治理赋能。技术本身与适应高技术的体制机制是规划决策支持体系“木桶效应”的两个短板，二者缺一不可。因此，必须配套使规划决策支持体系更好嵌入治理体系的政策，实现技术与政策的协同转型。
3.3.1 前置政策：处理好“变”与“不变”的关系，保持政策稳定性
当规划决策支持体系愈发深刻、全面地嵌入到规划编制、审查、审批、建设、监督、评估全链条流程后，这些嵌入对象的运转机制与政策就势必会影响到决策支持的效能。二者配合得好，规划决策支持的输入会“耳聪目明”、输出会“得心应手”。反之，就会使其沦为形式，丧失决策价值。
二者配合的关键是处理好“变”与“不变”的关系，保持相关政策的稳定性。规划是面向未来的工作，由于时代的发展、实情的变化，实事求是地改变曾经制定的不再符合实际的规划内容是必然也是必须的，这也是规划决策支持体系深度介入规划运行体系的初衷。但是，规划可以适时修改，规则却不宜经常修改。打乱模型的数据运行体系尚且是小事，更重要的是它会打乱长期观测的节奏，使得长时间积累的观测结果失去实用价值。因此，在规则谋划制定阶段要充分考虑决策支持模型的运行需求，规则一旦制定就要严格按规则运行，修改要尤为慎重。
3.3.2 工程组织：引入系统工程方法，提升工程管理水平
规划决策支持最终通过一个个规划项目落实。在关系型决策、多路径决策的要求下，无论是编制类项目、咨询类项目还是平台类项目都是一项系统工程，面临比以往复杂得多的工作组织。与以往依靠少数“大师”提纲挈领、擘画蓝图，再通过分地域、分专题的简单并行工作组织模式就可以有效推动工作进程不同，新项目的研制对象、工作组织均极其复杂，大量工作人员参与到大量环环相扣的环节中，人员间、环节间的技术协调工作数量惊人，协调失败的后果也不只是重写几段文本，重画几张图纸那么简单，传统的“作坊式”“包工头式”的管理手段，与“改材料式”不断推倒重来的迭代流程均已远远落后于当前的工作需求，迫切要求与之适配的现代工程管理模式。
系统工程方法起源于“曼哈顿工程”“阿波罗登月计划”等巨型项目，是核工业、航天工业等领域管理复杂巨型工程项目的重要手段之一。因此，应吸收和借鉴其他工程领域的系统工程方法，如可借鉴航天领域的总体设计部模式，建立一个不承担具体规划设计研究工作的抓总部门，其任务是根据笼统的初始需求设计出一个能协调运转的实际系统，将系统分解为工作包并设定成本、进度与性能要求。这种职能类似于“产品经理”，但区别在于：一是，“产品经理”只负责技术协调，不负责组织协调，也不负责与其他国土空间治理分系统的更高一级协调；二是，“产品经理”受限于权限，更多充当“传令兵”角色，原封不动地传达用户需求，而不能根据用户需求，综合考虑预算、进度、技术基础与开发能力，设计一个整体性能优化的系统；三是，“产品经理”是一个人，他不可能精通全部专业知识，也没有足够的时间进行协调，而总体设计部模式则以一个集体代替单个指挥者。此外，航天部门在工程管理中所遵循的按研制程序开展工作、基于基线的技术状态管理、严格控制重大更改、重视设计评审等系统工程方法也值得借鉴。
3.3.3 成果应用：正确认知基于大数据的决策准确性与科学性
大数据分析全面、实时，但不是万能的。大数据分析与医学中的抽血检查类似，抽血并不是为了单纯检查血液系统，而是以血液为表征对身体各个器官、各种机能(如血压与心肺系统、白细胞与免疫系统、转氨酶与消化系统)进行检查。作为间接测量方案，抽血测量的准确度不如直接测量，为何仍然被大量使用？原因显而易见，抽血对病人伤害较小，一次抽血还可以同时检测多个生理系统，以高效、全面的方式提供了可支持医学诊断的相对准确结果。同理，虽然大数据分析的准确度不如面对面访谈、问卷调查等小数据方法，但是它的覆盖面相对广、成本相对低，为规划提供了传统方法无法提供的新研究材料。
考虑规划决策准确、全面、低成本的三维度目标，可发现能同时达成3个目标的方案是不存在的(图5)。即使有技术可以同时达成这3个目标，这种技术也一定会侵犯个人隐私，继而必然会受到严格管制。因此，在大数据决策支持成果的应用上，不能既要又要，不能一味要求大数据达到普查数据一样的准确度，更不能因为大数据存在一定的偶然误差就认为基于大数据的决策是不正确的。偶然误差一定存在，但偶然误差范围内的决策不会有变化。同时，为给最终决策提供更坚实的支撑，大数据决策支持也应做到扩大样本规模，进行多维校核，减小偶然误差；准确识别并处理系统误差；必要时将大、小数据结合，对大数据反映的现象做小数据的解释探究。
在空间规划由终极蓝图转型为公共政策后，面临前所未有的协同化、弹性化、人本化、科学化、存量化的挑战，规划决策支持不会变为协商式规划背后可有可无的背景板。正相反，规划决策支持可以也应当在提升空间规划科学性的道路上发挥更大的作用。但这需要重构决策支持体系的外部嵌入模式与内部整合模式；进一步增强优化决策支持模型，在流动空间、时空间行为、人工智能等重点领域持续发力，使模型研发与决策需求同频共振；在数据、算力层面给模型更好的支撑。同时，规划决策支持不能没有技术，也不能只有技术；规划决策支持的升级不仅需要技术创新，还需要制度创新。只有以实事求是的精神，尊重知识、尊重科学，给模型驰骋的空间，借助模型认识客观事物，认识发展规律，调整人地关系，而不是以跟风赶浪、唯书唯上、自以为是的主观臆断调整模型乃至篡改模型结果，才能真正发挥规划决策支持的价值，提高规划决策的科学性。
首页 >
电子刊物 >
文章分享 >
桂公网安备 45010302000195号
