地理信息系统（GIS）和多源数据应用的数据分析技术已经成为规划学科知识体系的重要组成部分和规划教育的重要内容。这些技术方法极大丰富了规划学科的数据分析手段，但也存在着一个明显的不足：缺少空间形态方面的考量。因此，现有数据分析成果多集中于城市现象的识别、可视化和解释。这些解释中仅有一部分与空间相关并能够为规划设计所用。另一方面，与空间相关的数据分析（数据空间分析）由于缺少指向性强的形态抓手，或者始终面临着分析规模和分析精度难以兼顾的问题，大部分研究在大尺度的区域和城市层面是有效的，但在人本尺度的城市中微观领域尚未体现出明显的作用。

曼纽尔⋅卡斯特（ManuelCastells）认为互联网时代人类活动方式及其空间分布和作用模式正在发生根本性改变，并提出网络社会的“新空间逻辑”，即“流通空间”和“场所空间”。近年来，城市新科学迅速兴起，依托计算机技术和多源城市数据涌现，运用量化分析和数据计算正成为城市空间研究的新模式。新技术和新数据应用形成的一项重要共识是把城市理解为不同尺度的“流动”与“联系”，包括整体空间各个局部之间在城市、片区、社区上的联系及其与社会经济等活动之间的关联。这些不同维度和尺度的关联构成了描述城市空间结构的基础。网络取代传统意义上的区位成为新的研究范式，认为区位源于交流，即不同尺度的社会经济等活动中的交流关系决定了不同规模活动的空间区位。

与网络相关的概念也不断启发着城市空间研究的新方向。以街道要素为分析对象的城市形态学流派将城市空间形态视为多尺度变化的网络结构。这种研究范式也成为新的趋势，推动了形态学视角的城市空间量化技术发展。随着地理信息系统与地理设计理念在城市形态分析领域的拓展，除了针对单一形态要素的量化分析（SpaceSyntax）之外，以SpatialAnalysisalong Network，PlaceSyntax，UrbanNetworkAnalysis，SpatialDesign NetworkAnalysis，FormSyntax等为代表的多要素整合的量化城市形态分析方法在近年来不断涌现。这些方法的共同特点是将空间结构的计算与街廓、建筑、界面、地理信息数据如用地功能、人口等指标在GIS平台上进行量化整合。另一方面，新的数据环境提供的各类精细化的城市空间本底数据，以及居民的空间感知和行为数据等，也极大程度丰富了数据空间分析的维度。这些都有助于构建出城市空间布局指标和功能效度指标之间的复杂关联模型，并有可能跨越城市数据分析普遍存在的形态学上的尺度断裂问题，即大尺度和高精度之间的矛盾，从而为科学解析空间形态协同的社会经济影响并指导规划设计实践提供可能的途径。

利用新的城市空间分析技术和包括大数据、开放数据、新数据等在内的多源数据进行流通空间的模式识别和解析，为场所空间的形态规划与设计提供科学依据，是未来规划学科的一项重要议题。未来的规划教育应对此做出积极回应。目前，虽然新数据和新技术的协同进步带来了城市空间分析工具的涌现，但规划多学科、跨平台的特性使得它们大多以片段形式存在于各类专业学术期刊或开源软件代码平台。系统化掌握这些工具并加以融合应用需要有一定的计算机编程基础，这方面的能力是规划专业学生所欠缺的。未来的规划教育有必要将计算机程序语言纳入课程体系，作为专业能力培养的一项重要内容。一些解释型的程序语言如Python、R、机器学习算法等，相对简单易学，目前已经广泛地应用于各类科学和工程技术领域，并积累了大量的开源算法。掌握一定的编程能力，特别是与图论和空间网络分析相关的算法设计能力，一方面可以有效提高信息时代新数据和新技术成果在规划设计领域的应用、集成和融合，另一方面可以避免“拿来主义”，推动数据空间分析从单纯的工具应用走向算法引领的工具创新。围绕着将设计的直觉和数字技术结合起来的能力培养和课程体系建设有望成为未来规划教育的一个重要创新方向。