面向健康社区治理的数字画像研究--概念模型与技术框架

林予朵, 张馨月, 黄军林, 丁 瑶, 夏若冰, 张辰昱

(湖南师范大学 地理科学学院, 长沙 410081)

社区是居民日常活动的场所和城市治理的基本单元,健康社区建设是全面推进健康中国战略的重要环节。在新型城镇化发展阶段,人民物质生活水平的提高催生了日臻多元的行为方式与健康需求,居民健康与空间环境的耦合关系也呈现复杂性[1],为健康社区物质空间与资源配置的优化和提升带来了挑战。当前社区是典型的“强干弱枝型”治理结构[2],基层政府缺乏宏观调控能力[3],健康社区治理面临粗放式管理到精细化治理转变的难题,聚焦于如何系统地理解社区环境对公共健康的改善作用并将其反馈到空间布局优化与社区服务提升上,以及如何调解有限资源供给与多样化健康需求之间的矛盾以达到健康公平的目的。

健康社区治理是将健康理念融入社区治理全过程,通过改善健康环境、提供健康服务、举办健康活动等多种方式,来打造保障所有居民生活质量与健康水平的人类住区[4],这就要求管理者充分理解健康社区的概念内涵与构成要素。随着理论研究与实践探索的不断深入,健康社区概念内涵与建设维度更加全面。一方面,健康社区概念内涵不断丰富。从强调生态系统健康、卫生系统完善逐渐转变为关注精神、经济、社会等多角度,并认为个体健康能在与社区系统的互动中获得提升[5],如加拿大的健康社区设计采取了混合土地用途、建设慢行道路和优化公共空间等措施旨在为居民创造体育运动与社会交往的机会[6],从而促进居民机体健康。另一方面,健康社区的研究与建设实践呈现多元化特征。国外健康社区建设侧重于安全智慧、群体照顾、政策管理、文化精神等,并且强调自下而上的社区参与,如全球健康社区标准(well community standard)提出包容、公平、综合、有活力的社区愿景[7];日本“长寿社会的社区营造”提出了老年健康生活大社区医养结合养老模式[8],充分融合全龄友好、公众参与的包容性设计理念;“健康芝加哥2.0计划”(Healthy Chicago 2.0)以数据驱动的手段推动健康知情干预。我国健康社区研究与实践起步较晚,主要通过政策制定指导健康社区建设,如《北京市健康社区指导标准》不仅对体育活动、体育设施、体育组织等作出了硬环境要求,同时也考虑到健康社区建设的参与度评价和效果评价[9];浙江省出台未来社区试点工作方案,围绕健康生活、优质医疗、幸福养老三大维度,构建九大应用场景[10]。由此可见,国际经验更为丰富,相关计划标准和评估体系相对较为成熟,侧重于物理环境、管理、文化精神等方面的建设,具有跨学科、系统性特征;国内的健康社区建设工作更注重社区体育、医疗、教育等方面,且多为政府自上而下制定政策标准,重视社区存在的地域差异[5]。虽然健康社区的理论与实践探究已经取得了一定的进展,但社区作为复杂的巨系统,其对居民健康影响的不确定性仍给健康社区规划治理带来挑战,亟须寻找精细刻画社区物质空间与社会关系等特征并且解译特征关联的方法,以辅助健康社区的治理。

近年来,随着人工智能(artificial intelligence,AI)、第五代移动通信技术(5th generation mobile communication technology,5G)、物联网、虚拟现实等新兴技术的快速发展[11],数字城市、智慧城市、数字孪生城市等概念与城市建设深入融合为健康社区研究提供新的范式与方法。在数据驱动背景下,数字画像作为实现精准信息服务的一种工具,能够洞察与提取客观对象的特征,刻画事物复杂的内在关联,为科学治理与决策提供更为客观、全面的数据支撑[12],其在企业管理、精准推荐、图书馆、电子商务、健康医疗等领域广泛应用[13]。当前数字画像的主要研究聚焦于用户画像,但也因其目的性、对象性和动态性等优势逐渐向城市画像、实体画像等客体发展[14]。目前,将城市社区作为客体进行画像的研究较少,有待进一步探究。

研究引入数字画像理论与方法,借助智能算法在数据融合处理与深度挖掘方面的优势,解析社区健康地理系统的复杂性,实现社区健康体征的标签化[15],提出面向健康社区治理的数字画像概念模型与技术框架,以期为健康社区的规划、实践、决策提供新思路、新方法[16]。

1 概念模型

1.1 构成要素

“数字画像”是“用户画像”在大数据环境下的延伸,其研究对象逐渐从互联网世界的用户群体拓展到客观世界的不同实体,相继出现如组织画像[17]、资源画像[18]、区域画像[19]等新型画像。数字画像以“数字化”模拟技术提取客观对象的特征,精准刻画物理客观世界[20]群体行为、空间演化及其互动关联的动态,发现时空行为的差异与空间演化的潜在规律[21],为表征不同对象组成结构及特征、研究城市时空结构提供一种新的视角。

面向健康社区治理的数字画像的本质是将社区视为一个鲜活的“生命体”,在智能技术的支撑下,利用网络通信系统和传感系统这样的“神经网络”连接社区空间细胞单元,通过数据采集、整理、融合及对比关联,抽取出社区分面特征、关联特征和类型特征的标签,并结合可视化技术,将社区健康体征多维度、全景化、实时地呈现给社区治理主体即“中枢神经系统”,以引起其余单元组织的适宜性调整,从而促进“社区生命体”的新陈代谢与可持续生长(图1)。

图1 面向健康社区治理的数字画像的概念模型

社区空间与社区居民的健康交互关系是数字画像的核心。数字画像主要采集两方面的数据,一是自然基底、配套服务、居住空间、建筑空间等客观的社区空间环境数据;二是身体健康、心理健康、社会适应等主观的社区居民健康状态数据[22]。利用数据挖掘、特征提取等技术将社区物理空间映射为数字世界的智能投影[23],提取反映空间环境对居民健康的正负影响及影响强度的社区健康体征标签,建立起不同健康分面与空间尺度的知识图谱,以解决由于信息不对称所导致的资源配置难以最优化、效率公平难以最大化、治理主体难以协同化等问题,其具有4大核心功能。

1)社区健康状态镜像功能。数字画像将社区硬件要素、软件要素、关联网络等构成的复杂时空系统及其要素流动、时空演化、特征迁移的成长过程进行全程、全景、全息的映射,展现出完整的“社区生命体”。

2)社区稳态平衡调控功能。数字画像通过数据传输、信息反馈与知识共享的动态映射,激发虚实空间内多主体的交互协作,引起社区细胞单元组织的适宜性调整,以维持社区复杂系统的稳态优化过程。利用时空数据分析技术呈现各影响因素之间的关联关系与传导效应,有助于找到社区治理建设环节中的关键问题。此外,友好的人机可视化交互有利于打通不同部门之间的数据壁垒,构建平等高效的新型治理体系。

3)社区健康风险防控功能。公共健康风险暴露是一个复杂系统问题,存在动态、不确定性、突发性的特征。数字画像遵循复杂性思维方式,识别与监控感染者及易感人群的行动轨迹,映射人群聚集特征和涌现行为,挖掘人群与城市空间及其余主体的非线性关系,进而对城市各系统连锁反应的结果做出预测[24]。此外,数字画像对城市系统发展中不可复现的问题(疫情扩散、自然灾害、环境污染等)进行模拟仿真[25],建立多情景演变下的智慧规划应对体系。

4)社区健康成长服务功能。数字画像采用城市居民消耗公共服务的行为数据、诉求数据及贡献数据勾勒城市公共服务的实际供需状况,解决信息不对等导致的社区公共资源配置效率缺失问题[26]。此外,人本尺度的社区空间形态、品质、活力数据的采集与基于城市计算的社区空间智能测度方法为描述人性化尺度下社区空间的安全性、多样性、舒适性等[27]特征提供了有力手段,有利于正确认知社区的空间设计质量、空间失序水平及两者之间的关联性,是营造个性化未来健康场景、提高社区空间品质的基础。

1.2 运行逻辑

数字画像通过现实世界的数字化表达将社区健康状态及运行情况呈现在虚拟空间中,经过反复学习、模拟、调适完善自身功能,为社区找病灶、析病因、开良方,达到“智慧把脉、以虚控实”的目的。一方面,数字画像能够加深管理者对社区环境对居民健康影响机理的理解,从规划视角营造优良的物质空间环境,促进居民采取更为健康的生活方式,进而推动人地耦合协调发展。另一方面,多功能的数字画像在联合优化社区多元协作网络、构建互联网应急沟通平台、推动健康知识教育等方面起到重要作用,有效地促进了社区治理能力现代化。因此,从社区生命实体演化规律与数字孪生体干预逻辑的视角出发探讨数字画像的运行逻辑,旨在探讨数字画像如何作用于健康社区的治理,推动社区治理能力与治理体系的变革。

1.2.1 “社区生命体”演化逻辑

社区是由社区要素和联系网络组成的,自身多系统共生的,具有自我完善功能的复杂生命体[28]。其健康成长的原生动力是居民的需求,空间环境系统和人类社会系统的相互支撑、协调工作则是其稳定运行的基础[29]。社区生命体的健康演变是一个从简单到复杂、无序到有序、伴随着量变和质变的螺旋式上升过程。具体而言,空间环境系统的结构、功能、支持服务对人类福祉起承载或约束作用[30],为了追求更高的生活质量,人类通过对物质空间系统进行控制、改造、组合推动社区生命体形成更合理的空间结构、更丰富的服务功能、更稳定的内在秩序和更高效的组织模式,进而提高个体和集体的健康福祉水平。空间环境系统和人类社会系统由此形成紧密的双向关联、正向循环作用,不仅维护了社区生命体的稳定与平衡,还让其在组织生长、功能发育、自我调节的过程中健康成长。

1.2.2 “数字生命体”演化逻辑

数字生命体以维护社区生命与智力健康发展为目的,是社区生命体实体对象在数字虚拟空间的映射。数字生命体演化的本质是在不断的“感知-互动-计算-预测”过程中反思学习、自我进化、持续进步。其将社区健康成长的要素、动力、现象和结果描述为一个自我完善、动态更新的过程,并且通过智能手段的介入来增强这种趋善化机制。具体而言,通过感知、学习、计算现实生活中的大数据样本以及人类分析、判断、处理复杂城市问题的思维方式,来监测社区的健康状态、预测社区的健康风险、调控社区生命体健康行为,并且在多主体交互的过程拥有了不断迭代进化的自主创造、推演和决策任务的能力[22]。数字画像描述了社区要素间的复杂联系、探索了社区健康演化的肌理,耦合了社区的复杂生命过程,为社区多系统协调工作提供了有力的技术手段,推动基层治理现代化目标的实现。

2 技术框架

2.1 设计思路

面向健康社区治理的数字画像模型以数据的获取与管理技术作为底层支撑,以数据挖掘、处理和分析技术作为整个框架的核心构成,在此基础之上通过可视化交互为用户提供多样化的服务。因此,将数字画像的技术框架分为三个板块,即“数字化”、“标签化”和“可视化”板块,其技术流程如图2所示。首先,数字化板块采集、存储社区数据,构建社区样本数据库,结合健康指标库提取海量数据的有效信息;然后,标签化板块挖掘社区信息与要素间的动态关联性,生成社区健康标签,归纳社区类型;最后,可视化板块呈现精准、丰富的社区健康画像,辅助社区治理和健康服务。本文综合考虑各部分涉及的流程和主要问题,构思各环节所涉及的关键技术与方法,给出具体的技术研究思路。

图2 面向健康社区治理的数字画像的技术框架

2.2 数字化板块

数字化板块借助物联智能感知系统采集社区多源数据,标准化后将其映射到数字空间中进行组织并实现异构融合[31]。时空大数据是数字画像运行的基础,而社区数据具有多源多面的复杂性特征,如何面向健康需求采集数据、实现多源数据融合、并从数据中提取有利于健康社区治理的信息是数字画像构建的重点和难点。

2.2.1 构建社区数据库

社区感知体系为数字画像提供了无处不在的连接能力,是社区要素数字化的前提。社区感知体系以物联网传感系统和互联网信息网络为核心,通过多种感知手段获取社区信息,将其转换为可以分析计算、动态更新的智慧数据。根据感知路径的不同,数据的采集方法归纳为以下四种:一是通过传感器、高分辨卫星、环境监测设备等具有终端计算能力的硬件设备来获取社区基础空间信息;二是利用社交媒体、网络论坛、参与式平台等互联网媒介收集用户主动或被动提供的日志数据、社交网络关系和情感数据[22];三是基于移动定位、手机信令、众包感知的居民行为轨迹数据;四是联合通信支持网和各社会组织的数据平台整合城市中人流、物流、信息流等社会经济和管理数据。因此,结合数据的采集方式,将社区数据分为空间环境数据、行为活动数据、社会感知数据、经济管理数据,构建健康社区数据库(表1)。社区感知体系将分布式的网络物理基础设施编织在一起,通过多种物联接口协议的混合组网、自主配适将数据汇聚于数字画像底层数据库,为数据的分析运算奠定基础。

表1 健康社区数据库

鉴于数据存储类型和数据传输方式的差异,研究提出“多源数据分类导入-异构数据规范化处理-统一运维管理”的多源异构数据时空融合框架:①多源数据分类导入。对于空间环境数据,将地理编码作为实体感知单元的唯一标识,构建统一的城市时空基准和地理数据时空索引[32];对于社交媒体数据,使用爬虫程序爬取并导入;对于安全等级要求较高的经济管理数,在不影响原数据源相关机构业务基础上,通过无缝透明感知系统协议导入[33]。②异构数据规范化处理。首先,参照相关行业标准建立数据质量定量评估指标体系,保障数据质量符合使用需求[34]。然后,利用归一化、异常值剔除、数据补全等方法提高数据质量,使数据更好服务于特征提取、统计分析等后续工作。③构建统一的数据管理平台。按照数据采集规范、数据编码规范、开放共享要求等一系列技术标准,融合大数据和互联网企业进行系统开发,实现数据有效衔接、充分共享、快速查询、及时更新。

2.2.2 健康指标库构建

社区数据库为健康指标库提供数据来源与样本参照,由于社区系统复杂性与数据来源多样性,结合人群异质的健康需求与环境健康影响机制对社区数据分面建模,形成覆盖社区运行全领域、表征社区要素各特征的多个分面,并针对各个分面构建指标体系,以清晰表达健康社区的运行场景与管理机制。参考吴一洲等[5]的分类方式提出健康住宅、健康环境、健康交通、健康设施、健康活动、健康社会六大分面,结合国内外健康社区标准、健康城市标准、城市体检指标体系,构建健康社区指标库(表2)。

表2 社区健康指标库构建

AI、GIS、模拟仿真等新兴技术的快速发展为从海量图像、文本、空间、轨迹数据中挖掘、凝练、整合出健康指标信息提供了有力的技术手段。①利用深度学习模型[35]、计算机视觉API等来进行图像信息提取,如通过语义分割算法[36]识别街景图片中的各种空间形态要素,测度街道连续性、天空开阔度等空间形态指标,侧面反映街道品质;②结合自然语言处理、计算语言学等方法提取解译社交媒体数据中的文本信息,如利用来自变换器的双向编码器表征量(bidirectional encoder representation from transformers,BERT)模型对微博数据进行情感计算和主题分类[37],挖掘居民情绪的时空分布规律,以测度居民的精神状态;③对于不同尺度的空间数据,GIS、空间句法等空间分析方法为挖掘社区要素在空间中的隐形联系提供手段,如利用GIS网络分析计算公共服务设施可达性,反映居民生活便捷度;④对于轨迹数据,利用模式挖掘和社群探测等技术分析不同群体的时空行为特征与活动模式特征,从行为交互角度进行活动空间交互、社会包容等方面的研究[38],以提出满足差异化人群需求、促进多样性人群融合的规划治理建议。综上所述,结合新技术、新方法对社区数据进行处理,可以使治理主体对健康社区的状态有更全面的把握,提升对居民行为与情感、社交关系的空间格局、时空变化规律的系统性认知[22]。

2.3 标签化板块

标签化是对数据间关系特征的核心概括[33],旨在表征不同实体间的共性与特性。由于社区数据间抽象关系难表达,结合用户画像[33]中的标签提取技术和数据画像中的数据挖掘技术[14]实现数字化社区的标签化(图3)。

图3 社区要素标签化的简要图解

现实社区治理中常存在的“治标不治本”问题,标签化的目的是在物理机理不明确的情况下,借助具有短文本化、专一性、规范化特点[12]的标签,通过高度精炼、易于理解的词语标识社区要素间的动态关联性,挖掘出数字化社区的各个分面、各个指标数据间潜在的规律,从根本上为现实社区提供趋善化建议。

2.3.1 数据挖掘

数据挖掘是通过分析海量有噪声的、随机的数据,从中提取出隐性的趋势,以揭示存在潜在价值关系的过程[39]。本文主要将数据挖掘技术应用于寻找数字化社区地理空间信息与社区属性信息间的联系。

在社区数据关系挖掘的过程中,对于关系的探索主要涉及以下两类技术:①聚类算法。它是数据挖掘中用来发现数据分布和隐含模式的一项重要技术[40],常用的聚类算法有K均值聚类算法(K-means clustering algorithm,K-means)、基于密度的聚类算法(density-based spatial clustering of applications with noise,DBSCAN)等。按照相似性和差异性对现状社区进行归类,使得每类中的社区数据之间最大程度地相似[41]。该方法能有效归纳数字化社区的类型特点,辅助锁定不同类型社区的关键性问题,如驱动导向、短板、要素关联等,并为提供针对性的治理建议创造条件。②遗传算法。它是模拟生物在自然环境中优胜劣汰的遗传和进化过程而形成的一种具有自适应能力的全局优化概率搜索算法[42]。社区健康问题本质上可以归类为各项指标协同优化问题,利用遗传算法得到各类社区健康水平的近似最优解,以模拟未来健康社区的状态,为不同类型的社区规划建设治理提供可借鉴的范例。其特点是对社区全局数据进行搜索,探究各指标间组合关系的最优解,避免了只以偏概全的问题。

2.3.2 标签生成

由于部分关系涉及数据面较广,难以从海量信息中提取出真正有意义的标签,所以采用智能化手段与主观判断相结合的方法,为数据挖掘的结果生成标签。结合相关指标的具体内容,应用机器学习解释模型[43]判断指标与结果的相关程度,并采用词对匹配、主题词抽取、组合词生成等方法[12],对指标解释文本进行智能化处理,通过特征标签组合辅以主观判断的方法对标签进行精简化处理,生成标签,实现画像预生成。

2.4 可视化板块

上述板块将面向健康社区治理的数字画像的顶层概念模型与基层技术框架完善丰富,但由于模型固有的复杂性,需要以直观、丰富、生动的可视化效果增强服务主体的可理解性。数字画像可视化板块主要提供可视化动态服务、多维数据关联分析两方面服务。

2.4.1 可视化动态服务

目前,各种Open API可提供外部服务,实现数据二维到三维、静态到动态、时间到空间的视觉表达,满足智慧数据可视化的需求,生成具有时空属性的动态画像。动态服务可以精准呈现社区的社会经济属性,反映社区运行绩效与变化趋势,合理预测健康社区的发展定位,并对社区健康风险作出预判。

2.4.2 数据多维关联分析

针对决策者的实际需求和特殊问题,结合社区标签化结果,利用推荐算法,基于社区之间的相似特征实现社区健康改造建议的智能推荐。例如,在得出社区各维度综合健康指数的基础上,通过分类评估、分项评估、横向对标、纵向对比[44]的方法诊断社区病因。其中,横向对标指依据测算结果对社区进行空间属性关联度分析、实现基础标签相似的标杆性社区推荐,帮助问题社区找到合适发展路径;纵向对比指遵循社区发展方向及上位规划定位,探究各指标间组合关系的最优解,实施专项目标需求打造。此外,画像提供知识图谱呈现服务,展示社区指标之间的复杂关系,辅助研判社区健康影响机制。

3 数字画像的健康社区治理应用

上述数字画像概念模型的构建及其功能、构成要素、运行逻辑探究的目的在于以人地互动关系为切入点探讨智能技术如何促进居民健康状态的改善。结合不同的健康社区治理场景,数字画像的技术框架可应用于指导健康社区规划编制与健康资源优化配置、政策规划健康影响评估与多元协作监督网络框架构建、社区应急防控体系架构等。其联合第三方平台搭建数据管理系统、数据共享平台、智能服务平台、动态监管平台,以实现模型效用最优化和社区智能规划响应。

首先,数字画像指导健康资源的空间布局优化与配置。传统社区规划大多参考“千人指标”机械地测算公共设施的供应数量,从空间可达性和建设规模两方面进行设施配置,易造成社区公共服务设施布局不恰当等问题。数字画像拓展了社区健康服务设施的评估渠道,根据社区的人口年龄构成、人文氛围、建成环境等差异化要素,分析人群异质性需求,在规划编制中测算适宜的医疗保健设施、老年康养设施、儿童教育设施等的数量,辅助构建全龄友好的设施服务体系。对于需要特殊照顾的群体,数字画像根据其健康水平、房屋环境数据、入侵监测数据等信息,为其开展生活照料、医疗救助、远程监护、精神慰藉等服务,实现传统养老模式智能化友好化的创新突破。

其次,数字画像加固了健康社区的协同治理体系。一方面,数字画像可以利用互联网平台进行健康教育与急救知识宣传,通过建立居民电子健康档案、设定积分奖励机制,鼓励居民积极锻炼并参与社区活动,帮助其养成健康的生活习惯。同时,数字画像为政府部门、企业、社会组织和社区居民之间搭建了信息交互与沟通对话的桥梁,通过社区议事、投票表决、信箱留言等功能统计公众需求意见,依托持续畅通的信息互动渠道将其反馈至不同治理主体,有利于多主体明晰社区治理中与健康相关的政策、程序与行动流程、进展,促进社区多元主体协作及角色互补,增强社区治理的透明度与公平性。

此外,数字画像筑牢了健康社区应急防控体系的韧性根基。面对公共健康风险强感染性与不确定性,在平时,数字画像对社区近远端风险要素进行全面分析,寻找环境污染源或者易感人群,帮助规划识别健康风险分区、生成疾病风险地图,建立更加弹性的规划主动防护机制。在疫时,数字画像结合动态感知数据和网格化智能管理体系监测人群分布和流动,及时推送预警信息,防止出现大规模人员聚集,并对敏感人群进行定位,使社区尽快恢复正常运行状态;通过计算医疗机构供给和物资需求量的匹配关系,最大效率调配医疗资源,保障居民的安全与健康。

4 结语

针对居民健康需求的多样性与健康地理系统作用机制的不确定性导致的基层社区缺乏系统化、技术化、现代化的健康规划治理制度,与多主体之间信息不对等造成的健康社区治理组织架构不健全等问题,数字画像精细刻画社区物质空间与社会关系等特征并且解译特征关联以形象描述“社区生命体”的健康体征与成长过程,是辅助健康社区治理决策的科学工具。数字画像的研究具有良好的理论与应用前景,理论上,将打破现有地理学、城市规划学、管理学、社会学研究框架,从多学科交叉融合的视角审视颠覆性技术推演下社区持续更“新”,并重新定义人居环境健康、社区治理等概念;应用上,利用智能技术辅助空间干预、场所营造,将是未来营造优质人居环境的创新方法,为健康社区建设活动的开展、健康社区评估与监督、社区平疫结合的空间管控等提供有力支撑。

基于人与社区健康效益关系和智能算法应用逻辑的研究,构建了面向健康社区治理的数字画像的概念模型,并从数字化、标签化、可视化三个模块构思了数字画像运行的技术框架,为社区找病灶、析病因、开良方,达到“智慧把脉、以虚控实”的目的。然而,仅提出面向健康社区治理的数字画像的初步构想,还需要更多理论、方法的研究和实证探索,未来社区健康画像还可以从以下三方面进行深入探讨:①健康概念在空间尺度上进一步延伸,使模型在街道、乡村、城市乃至区域层面的实践项目中发挥作用,并理解不同空间尺度健康影响的传导机制与影响路径;②从居民诉求和政策机制等软性要素出发,进一步探讨健康指标库建模标准,挖掘更具代表意义的指标及其量化方式;③加强数字画像的实践应用,结合在地案例,探讨如何针对不同社会经济属性居民的时空行为、需求偏好特点,提出健康社区的精准建设策略。