我今天的评议，主要分为两个部分。第一部分主要谈谈随着新技术出现，经济学者们开始关注城市规划。第二部分，我将分别介绍城市经济学领域的三篇文章，讲述他们如何识别微观空间尺度上的城市规划要素和其对经济活动的影响。
新技术的出现，使得在经济学框架内分析城市规划成为可能
尽管都是以城市为分析对象，一直以来城市经济学很少关注城市规划元素对空间资源分配的影响。相对于城市经济学专注于探讨经济活动空间分布一般均衡的理论机制和实证研究中因果关系的识别，城市规划更注重微观地理单元上的资源分配和宏观层次上的战略讨论。譬如说，城市规划学者善于分析在某一空间尺度上到底需要落实多长的道路里程或者多大容量的市政水电设施，或者界定不同空间尺度上的土地开发强度是多少等等，但经济学者则比较难胜任这些具体测算工作。经济学者擅长从这些投资的机会成本和外部性角度分析其如何影响城市空间资源的分配效率。另外，经济学者们越来越重视区位的经济学价值，但是城市规划学者的区位意识显然更加强烈，更具有实践性。以开发区建设为例，经济学者们都认同开发区可以通过产生足够的集聚经济来带动城市的增长，但是其很少讨论开发区放在城市的哪个位置可以产生更多的集聚经济。而对城市规划学者来说，告诉政府决策者在哪里兴建开发区更合适是其重要的研究任务。
新技术的出现，尤其是新技术催生出的大量带有地理属性的大数据产生，使得经济学者们能够识别微观尺度上的城市规划元素并分析其对空间资源组织的影响。城市规划和经济学研究融合的趋势愈来愈明显。在接下来的时间里，我将借助三篇最近的经济学文献，讲述学者们如何分析城市规划的经济影响。
国际前沿文献对城市规划的经济影响的讨论
第一篇是来自美国宾州大学沃顿商学院的Mariaflavia Harari博士所做的工作论文《Citiesin Bad Shape: Urban Geometry in India》。这也是她在MIT攻读博士期间完成的求职论文（Job MarketPaper）。
在这篇论文中，她研究了城市形状（Cityshape）对经济活动空间分布的影响。这里主要介绍一下她如何识别城市规划元素。在利用历史地图和卫星灯光数据识别了不同城市的边界后，她花了非常大的力气来量化城市的形状，即城市的紧凑程度（compactness）。她的基本目标是测度一个城市的形状在多大程度上偏离环形状（circular
shape），偏离越多，城市紧凑程度越低。
为此，她选用了四个形状测度指标：
第一个是远离指数（Remotenessindex），测算城市多边形内每个点到几何中心点的平均距离，表示城市内各个点到城市中心的平均通勤长度；
第二个是脱离指数（Spinindex），计算各点与几何中心点距离平方的平均长度，反映城市多边形形状内极端点对城市平均通勤长度的影响；
第三个指数是分离指数（Disconnectionindex），测算城市多边形内任何两内点之间的平均长度，反映城市内部的通勤距离；
最后一个是范围指数（Rangeindex），测算城市多边形内任何两个点空间距离中的最长长度，反映城市内部大的通勤距离。
通过这四个指数，作者比较了印度不同城市的城市形状。以加尔各答和班加罗尔为例，前者的四个指数值均大大高于后者，这说明加尔各答的城市形状更偏离理论中的环形形状，其城市更分散。
作者接下来利用计量经济学方法分析了形状对城市经济影响，她的研究发现：形状越紧凑的城市，其人口密度越高，工资水平越高，房价越高。
从城市内部空间均衡理论角度，作者解释了上述结果产生的经济学机制，即城市形状是影响居民和企业空间决策的重要因素，可视作是一种消费适宜性（consumption
amenities）。
第二篇文章是来自伦敦政治经济学院著名城市经济学家Henderson教授和其团队的工作论文《ColonialLegacies:
Shaping African Cities 》，他和他的合作者以非洲城市为例，分析不同殖民治理制度对经济活动空间分布的影响。
在这篇文章中，作者们从文献中总结了英国殖民治理制度和法国殖民治理制度的差异。一般来说，法国殖民治理更强调集权和一致性管理，城市布局更强调紧凑，且有统一路网体系；而英国殖民治理则相对分权，很少控制土地使用，缺乏土地使用总体规划。针对这样的治理制度差异，作者们将非洲的城市分为两组，即讲法语的城市和讲英语的城市，并从路网分布、土地使用强度和后殖民时期新建开发地的紧凑程度，探讨不同治理制度对城市空间结构的影响。
为了测算新开发用地的紧凑程度，他们利用微观地理数据计算了土地扩张指数（Land
expansion index）。首先，他们利用GIS技术地理编码新建建筑地块，然后在这些地块周边划出300米的缓冲区。接下来通过界定这些缓冲区和已建地块之间的交互状态，他们来判别新建片区是属于填充型（Infill，缓冲区完全在已建地块区域内）、延展型（Extension，缓冲区和已建地块搭界）、还是跨越性（Leapfrog，缓冲区完全在已建地块之外）。最后，作者计算新建和已建地块交互面积的相对比例，表示新建地块的扩张程度。
通过这几个维度的比较，他们发现了旧有殖民管理制度对城市空间结构的影响证据：讲英语的城市比讲法语城市的蔓延程度高。从城市内部来说，讲法语的城市的土地利用强度比较高。就土地扩张程度而言，后殖民时期讲法语的城市的紧凑程度比讲英语的城市要高。
他们的文章认为，旧时代的殖民统治治理制度主要通过两个机制来影响后续城市空间结构：一个是历史依赖，即现有城市空间资源分布会依据历史既有结构进行拓展，从而降低开发成本；第二个是知识溢出，就是说旧有的殖民制度会通过知识传承和理念教育等方式影响后续城市规划制订者和执行者对城市的理解。
第三篇文章是哈佛大学Glaeser教授和其合作者的文章《Big
data and big cities: the promises and limitations of improvedmeasures of urban
life》。
这里，我简要介绍论文中的一个章节，即如何利用谷歌街景地图预测收入水平。利用谷歌街景地图的API，他们从360度全景图中抠图，标定图像的区位信息（经度、纬度和其他数值）和镜头角度信息。然后作者随机从不同城市平面网格里选取不同经度和纬度信息。接下来，作者们将图像信息和美国社区调研（American
Community Survey）中不同街区的家庭收入相匹配。
利用这些匹配数据，作者描述了如何根据街景图像来预测收入。其方法包括以下步骤：第一步，利用改进的Geometric
Layout算法给图景的每个像素分配语义标签。像素归类为四个几何类型，“地面”、“建筑物”、“树”和“天空”。然后，作者们分别从属于四个几何类的像素中提取了三种图像特征，包括Texton地图、GIST特征描述和颜色直方图，从而获得每幅图像7480维的描述。接下来，作者们随机抽取城市不同街区的图像作为训练样本（training set），利用v-SVR（Support Vector Regression）估计每种图景特征对收入的影响。最后，他们使用该v-SVR的估测系数来预测训练样本之外的图像样本对应的收入水平。
数据结果显示，通过图像训练预测的收入能解释不同街区实际收入差异近85%。该研究揭示了大数据和算法训练样本的价值。譬如说，应用了该方法后，我们可以预测封闭或者没有统计数据缺失的国家或者地区的经济数据。
以上是我对茅老师今天演讲的补充评述，谢谢大家！
作者：
吴建峰，复旦大学经济学院和中国经济研究中心副教授，复旦大学沪港发展联合研究所副所长。
