问题——街道“做什么”，为何难以被准确描述 在城市治理与规划实践中——街道既是交通通道——也是承载商业、办公、居住、休闲等活动的功能载体。长期以来，街区功能识别多依赖用地性质图、POI分布和上下车点等静态或局部数据。这类方法能够回答“哪里有人来、哪里有人走”，却往往难以解释“车辆为何经过、路径如何串联、街道之间如何形成互补或替代关系”。尤其在日夜功能转换明显、业态迭代快速的区域，单纯统计“到达点”容易忽略“途经过程”所包含的结构信息，导致街道功能标签不够细致、更新不够及时。 原因——传统统计忽视“轨迹语义”，街道关系缺乏表达 出租车轨迹天然包含连续性与方向性：同一辆车从起点到终点的行驶路径，并非随机拼接，而是被道路层级、路网连通、拥堵规律与目的地吸引共同塑造。若只看上下车点，相当于只读“句号”，忽略了“句子”。同时，城市路网本身是一张强关联网络：一条街道的功能往往受到相邻街道、连接路口、交通流向的共同影响。缺乏对这种“邻接关系”和“互动强度”的刻画，就难以解释为何某些街道在白天呈现办公属性、夜间又体现消费与娱乐特征，更难对功能变化做出提前研判。 影响——从“点”到“线”再到“网”，识别精度与解释力同步增强 据研究团队介绍，其方法将城市主干道切分为更细的道路单元，并将车辆连续行驶的路段序列作为可学习的样本，使模型从大量“路段组合”中自动提取每条街道的特征表达，进而形成街道的“功能表征”。在此基础上，深入把街道视作节点、路口连接视作边，构建动态路网关系，通过网络结构把“邻里影响”纳入判断：一条街道不仅由自身流量特征决定，也会被周边街道的功能与通行模式所“映射”和“印证”。 在北京城区主干道场景中，该方法在多轮实验中表现稳定，最高预测精度达到0.802。与仅基于上下车点等统计特征的常见分类方法相比，整体提升约10至20个百分点。业内人士指出，这个提升的意义不仅在于“分得更准”，更在于“解释更像城市本来运行的样子”：车辆持续“路过”与偶然“打卡”具有不同含义，连续路径比孤立点位更能反映真实的出行目的与区域功能。 对策——将轨迹数据转化为治理工具，推动规划从静态走向动态 受访专家认为，轨迹数据的价值在于可持续、可更新、粒度细。若与城市规划、交通管理和产业布局协同使用，可在三个上形成支撑：一是为街道尺度功能识别提供“动态底图”，弥补传统用地资料更新周期长、难反映即时变化的不足；二是为交通组织与拥堵治理提供依据，通过识别“高关联街道组团”和“关键连接廊道”，更精准实施疏导与管控；三是为公共服务与商业配套优化提供参考，例如结合不同时段的功能切换，评估夜间经济承载能力、公共安全巡防重点与公共交通供给匹配度。 同时，多方提示需强化数据治理与规范应用：在数据使用上坚持合法合规、最小必要与安全保护原则；在模型落地上加强跨部门协同，推动规划、交通、应急、商务等领域形成共享的指标体系与验证机制；在评估体系上引入实地核验与公众反馈，避免“模型结论”脱离城市肌理与实际体验。 前景——从主干道走向全路网，多源融合或将提前识别城市“热点与盲区” 研究团队表示，下一步将把研究对象由主干道拓展至支路、背街小巷，并探索引入网约车、公交、共享单车等多源出行数据，以获得更完整的“出行语料”。业内认为，随着数据覆盖更全面、时间跨度更长，街道功能识别有望从“事后描述”转向“趋势预判”：例如提前捕捉城市扩张的活跃走廊、公共资源配置的潜在短板、业态变迁的早期信号，为招商引资、片区更新和交通设施建设提供更具前瞻性的依据。
城市的脉动藏在道路的流动中；将轨迹视为“语句”、路网理解为“关系”，不仅是技术升级，更是治理理念的转变——从经验判断转向证据决策。只有让数据更精准、合规地服务公共利益，才能将“看不见的城市运行”转化为切实可行的治理方案，在提升效率的同时保障安全与公平。