政务大数据：赋能政府的精细化运营与社会治理

作者简介

北京航空航天大学前沿科学技术创新研究院副研究员，在IEEE Internet of Things Journal国际期刊和国际会议上发表50余篇学术论文，拥有发明专利20余项。在政务大数据领域，多年来面向城市治理精细化发展需求，依托计算机科学和应用领域的交叉融合，主持和参与科研项目20余项，负责国家 “‘互联网+政务服务’风险管控研究”“西城区大数据总体规划”“贵阳智能交通大数据与云计算中心建设”等大型科研及工程项目。在科技管理方面，曾在贵阳市科学技术局挂职副局长三年，以贵阳大数据产业发展为切入点，圆满完成了贵阳市人民政府直属正处级事业单位贵阳信息技术研究院（挂中科院软件所贵阳分所，一部一院）建设、贵阳大数据产业技术创新试验区申建等工作。近年来，以担任大数据专业委员会成员等方式，持续协助各级政府机构以现代信息技术构筑新型政务治理体系，主要职务包括国家生态环境部“一带一路”生态环保大数据服务平台专家委员、北京市西城区专家顾问团成员、西城区大数据专家咨询委员会委员等。;.;毕业于中国人民大学和约翰霍普金斯大学，专注研究数字政府、智慧城市建设以及基于信息化的政府治理革新，主要参与实施的项目包括西城区大数据总体规划、西城区政务区块链体系建设等。在课题研究方面，参与了国家 、北京市西城区和海淀区等各级政府机构的政务大数据、“互联网+政务服务”、数字政府课题研究。

内容简介

第一章 大数据视角下的城市运营之路 第二节 精细化运营和社会治理的关键方式 我们已经从多个角度论述了城市更接近于有机体，而非僵硬运转的机器。城市集合了交通、贸易、生产等多个具有流动特性的功能，这些丰富的流动性功能构成了互相交叠的多层网络。在网络中，多重多样的联系在不断地被创造和更新，网络和流动带来的生命力滋养着城市，而城市的蓬勃发展也在不断增强着城市的网络性和流动性。现在，城市的数字网络和物理网络相互交织，在促进城市运转智能化升级的同时，也在加深城市的复杂性，对城市治理提出了更多挑战。 这意味着，使用静止、惰性的手段早已无法管理高度自组织的、不断生长的城市，因而数字网络和大数据流是理解和治理城市的极佳工具。那么，政府应以什么样的方式进行社会治理，从而精确掌握城市内各个要素的信息，并让各要素相互协调、有序运行？达成这一目标的基础是拥有对城市信息的高度掌控并迅速做出反馈的能力。 政府借助政务大数据进行精细化治理，需要从认识社会的感觉器官、认识社会的数理方法以及认识社会的思维方式三方面入手。 认识社会的感觉器官的核心是建立感知体系。在感知设备、计算机、存储设备、网络设施、数据库和软件等基础设施之上，构建城市公共基础数据平台，运用云计算技术将大量不同类型的资源转化成同构或接近同构的资源，对数据进行汇聚、利用与展示。 认识社会的数理方法需从构建城市的数理模型出发，建立起映射物理世界的数字模型，并对城市现状进行监测，对未来城市发展进行即时或者长周期的模拟推演，协助政府进行预判，满足政府对城市进行有效监控并主动应对城市问题的需求。 认识社会的思维方式是对关键技术和分析方式的综合利用，包含综合模型的建立、机器智能和人工智能的结合，以及各学科知识的优势结合。思维方式的特性在于创新和系统综合性，最终推动被动化的城市管理向自动集约的城市治理转变。 一、认识社会的感觉器官：城市公共基础数据平台建设 随着数据采集、存储水平的提升和数据服务需求的驱动，城市大数据获得了优越的生长土壤。城市中的信息基础设施为大规模、多类型数据的收集提供了载体，而存储和计算能力的提升让海量数据收集、全样本计算、多源异构的数据价值挖掘成为可能。 基于广泛收集的数据以及高效的数据存储和分析工具，城市公共基础数据平台得以建设并形成了体系。认识社会的感觉器官的架构包括数据感知和采集层、数据存储层，以及数据共享和服务层，回答了数据全生命周期中的三个问题，即“数据从哪里来、数据放在哪里、数据到哪里去”，让数据在流动中获得生命力。 艾奥瓦州迪比克市是美国第一个智慧城市的建设试点。在2008年的建设架构中，IBM在迪比克市布置了广泛的传感器设施，主要用于检测能源使用情况——所有住户和商铺都安装了数控水电计量器，油、气、交通、公共服务等也被传感器连接在一起。数据被上传到综合监督平台，平台负责整合、分析和展示数据成果。在综合监督平台上，不仅能源使用得到了优化管理，而且全市的资源使用情况被直观地展现出来，居民可以在平台的公开门户网站上了解到资源的使用、调配和节省情况，意识到技术工具的作用，比如低流量传感技术可以防止水电泄漏。家庭采用IBM推荐的方案之后，用水量下降了6.6%，用电量则下降了11%。能源试验获得初步成功之后，IBM继续在交通领域推进，用RFID（射频识别）技术追踪公交路线中的载客量，收集前端数据后优化交通路线规划。 IBM建设的迪比克市智慧架构已经体现出大数据基础平台的基本要素，从数据采集到存储、计算和应用服务，构成了精细化认识社会的感觉器官体系。这些感觉器官捕捉的数据粒度决定了政府对城市认知的精细化程度。如果粒度足够小，那么在理想状态下，万物互联设备能对城市进行全面、连续且动态的数据收集。获取的连续数据带有时空信息，传输到管理平台上，然后被用于构建和物理世界相互照应的模型。通过模型，城市的道路、桥梁、建筑等基础部件信息被实时感知，管理者可以对城市的情况进行监督和维护。除了被动感知并传输数据，这些感觉器官还可以主动发现问题，让市容毁坏、交通违章、井盖破损等问题得到及时上报。如果出现紧急情况，它们可追踪事件发展，并追溯车辆和人员等的移动轨迹，进行城市资源的及时调度，加快响应速度。 1.前端物联感知平台 城市感知架构是数据的入口，是实现精细化社会治理和提供民生、产业发展等服务的基础，连接了数字世界和物理世界。一个体系化的感知监测架构包含感知设备、传输网络和感知平台。广泛铺设的物联网感知设备可以收集城市各个部件的状态信息，通过广阔、可靠的网络并行连接将信息高速甚至实时传递到数据存储和处理平台。 （1）感知层——城市动脉数据 物联感知是认识社会的最前端，也是城市智能化升级和精细化管理的基本条件之一。在几十年前计算机尺寸仍未缩小时，在城市内铺设能实时控制的传感器无疑是天方夜谭。如今，功能强大的传感器已经被全面嵌入城市结构中，生成连续不断的数据流，促使传感网络速度不断提升。现在，通过物联设施对城市的要素进行智能感知，城市的基础设施、交通、环境等数据得以大范围且高量级地被政府部门收集。在此基础上，政府得以利用实时控制达成对城市的精细化管理。 为了达到“无处不在”，物联感知层不仅需要包含传统的传感器、网络通信、标识、定位、同步技术，而且要配备智能组网技术、嵌入式计算技术、无线通信技术、分布式信息处理技术等新技术，从而通过集成微型传感器达成协作化的实时感知、实时监测和采集，以嵌入式系统对信息进行处理，借助随机自组织无线通信网络，将所感知的信息传送到基站节点和接入网关。 为了获取多维度、多领域和多时间段的城市动脉数据，感知层通过多样化前端采集信息，包括传感器子网、端传感器节点、RFID系统、二维条形码识别系统、摄像采集系统、物与物之间的互联操作、设备等前端设备获取到的来自物体的信息。一条整合前端数据收集、数据处理软硬件到数据应用的链条在不断拓展着城市的数据广度、深度和数据处理能力。 交通数据的获取是城市动脉数据获取的极佳例证。许多城市都建立起了对城市交通系统运行状况的密切监控，因而政府获取了量级巨大的交通数据。除了数量上的优势，广义的交通数据还包括公路、隧道、桥梁、行道、气象、交通工具监控、交通工具位置等数据，以及交通流量、堵塞、事故等数据，囊括的范围广，数据格式多样。 基于如此庞大、丰富的物联数据流，智慧交通往往成为智慧城市建设中首批落地的应用。杭州的城市大脑项目、伦敦发展多年的智慧交通项目，都是国际上城市精细化运营的典型案例。这些项目综合计算机视觉仿真、雷达测速、高效与实时数据计算、信号灯自动配时算法等技术，一方面高效分析终端获取的实时动态数据，让交通管理部门实时掌握城市交通状态并及时做出决策，另一方面提升了城市交通治理的自动化水平，例如对交通信号灯进行自动化智能管控，提高车辆通行效率。滴滴的交通大脑支撑了济南的信号灯优化需求：通过为济南动态调整信号灯间隔时间，不仅在2017年每天为市民节约了超过3万小时的通行时间，全年累计节省时间1 158万小时，而且减少了车辆怠速、缓行时间和排队中的停车启动次数，济南因此全年减少了4.4万吨的二氧化碳排放。aa各大开发推广智慧交通的科技企业重视应用生态建设，所以智慧交通对社会数据、技术等资源的利用程度也高于其他领域。比如，阿里城市大脑通过与高德、运营商合作获取数据，不仅可以支持交通管理部门的调度决策，还可以支持城市用户的日常交通需求。由此可见，城市中某个领域感知数据流的数量和质量，在很大程度上决定了该领域后续智慧应用的落地及其产生的效果。 （2）网络层——多方协同泛在网络 网络层的建设目标是让前端设施捕捉的信息得以高速流动，可大致分为有线传输和无线传输两类。物联网主要用无线传输，无线传输又分为短距离（局域网）传输技术（包括Zigbee、Wi-Fi、蓝牙等）和长距离（广域网）传输技术，最常见的是以LPWAN（低功耗广域网）为代表的广域网通信技术。广域物联网一般用于需要大带宽和持续供电的固定位置设备，比如摄像头等。 物联网业务的传输速率各不相同，有高速率、中速率和低速率等，高速率（比如3G、4G）主要用于视频监控、车载导航等场景，中速率则见于智能家居，低速率适用智慧停车、远程抄表等使用频次低的场景。目前，低速率应用占据了物联网应用的最大比重，大概为60%。在低速率领域，中国多采用NB-IoT（窄带物联网），虽然牺牲了速率，但是功耗低，终端待机时间长，成本优势高，覆盖广，而且在同一基站的情况下，NB-IoT可提供比现有无线技术多50 ~ 100倍的接入数。城市的物联网网络体系要适配不同的应用场景，让高、中、低速全系列物联网共同发挥作用，灵活支持位置分散和移动性的感知节点，达到高带宽、低时延的目标。 现阶段5G的推广及其高速率、低时延、大连接的特性，无疑能为物联网感知的网络联通注入强心剂。5G最有前景的三大应用场景是增强型移动宽带（eMBB）、海量物联网通信（mMTC）和低时延、高可靠通信（uRLLC），其中有两大场景与物联网息息相关。并且，5G的推广及其和边缘计算的结合，还会进一步提升网络性能——数据网络边缘侧可先被预处理，再上传至云中心平台，减少对带宽的占用。这一网络性能的优化还与5G开放的体系有关。4G之前的封闭体系架构越来越难以适应移动互联业务的需求。通过5G的革新，封闭的设备体系被打破，网络架构向扁平化发展，可以通过协议模块灵活调度接口以及进行网络规划，并根据不同的业务需求快速扩缩网元和资源，提高网络的业务响应速度。 （3）平台层——集合性管理和服务 物联网平台是连接终端设备和应用服务的集成性纽带，向下实现感知设备统一接入和集中管理，通过运维管理提升终端联网通道的稳定性；向上具有应用和业务分析功能，在汇聚多样性的感知数据之后，通过数据的清洗等预处理措施支撑上层的应用服务，通过开放API（应用程序接口）让使用者进行增值功能的开发，为各个领域的物联网应用系统提供稳定、流畅的业务运行支撑环境与数据整合中枢。 物联网平台要具备易融合性。在接入管理上，物联网平台集成传感器、移动及宽带等不同接入方式，能够与运营商已有的网络无缝衔接，支撑不同感知设备采用的多种传输协议，提供协议适配模块、接口适配模块、协议模型适配模块、插件适配模块等，让使用CoAP、LWM2M、HTTP、MQTT 等多种协议的设备得到统一接入。不仅移动性强且需要实时通信的交通、安全、医疗、物流等行业设备能稳定适用于平台，而且如环保、能源、金融领域的采集和交易系统等位置固定的有线设备也能顺畅接入平台。 在设备管理上，物联网平台可对各领域的各类终端进行远程监控、管理和故障排查等操作，同时为业务管理人员、运维服务提供人员、应用开发人员等提供不同的服务。升级的设备管理不只停留于状态监测管理功能，还能实现对设备的反向控制，让远程设备接收指令，提升管理的自动化程度，减少人力投入。 物联网平台还要具备可拓展性，向多元参与方开放并刺激创新——主要的方式是提供开放接口，让终端厂商、第三方厂商和用户等进行集成创新，满足不同领域的差异化需求。 2.存储和计算平台 前端感知技术的进化协助政府部门获得了之前无法感知和难以测量的领域的数据。因为城市是数据密集生产的场所，包含交通状况、环境监测、卫生健康和公共安全等领域，所以能被捕捉的城市数据越来越多，政务数据的规模呈指数级上升。除了前端物联网感知设备捕捉的数据，政府各部门在开展业务时获取的数据、通过抽样调查收集的人口和经济等数据、数据通信运营商和互联网服务提供商等社会机构的多元数据，也是城市全域数据的重要组成部分。 存储并处理量级如此巨大的数据，对政府而言是一个严峻的挑战。另外，原始数据还存在参差不齐、结构性差、噪声巨大的问题，数据汇聚后的隐私安全问题也值得重视。如果政府无法妥善利用数据，数据流就会变成淹没政府的数据洪流，无法产生价值。 所以，政府需要搭建统一的数据管理体系，实现数据汇聚、存储、清洗、分类，让数据获得更高的一致性，从而使上层的应用和决策可以快速可靠地获取数据。为了让获取的数据资源真正发挥效用，政府需要回答这些问题：如何让不同类型的感知信息、业务数据、统计调查等基础数据获得统一组织和统一表达？如何达到数据处理效能的平衡？如何构建更好的信息交互功能，以更好地支撑应用服务？ 在此，我们要着重讨论云计算带来的改变。在云计算出现和迅速发展之前，处理大量不规则的非结构化数据非常困难。城市治理中的一个领域——交通领域的数据已经体现出了城市数据格式的多源异构特性。交通数据的前端监控源复杂多样，因而收集的数据涉及文本、日志、图片、视频、矢量地图等，对数据存储和数据处理提出了更高要求。 对于非结构化数据，数据融合要经过识别、标识和关联的过程，才能得到统一的表达，比如使用机器学习中的卷积神经网络识别出视频和图片数据中的建筑、道路、车辆等城市要素。对于半结构化文本数据，政府多采用语义识别的方法进行识别，然后对识别出的数据对象进行标签化处理并将其关联到一套标识系统中，让业务系统能够理解数据，对数据标识对象的唯一性进行识别，最后进行数据关联并构建知识图谱。 现在，面对城市中数量庞大的以空间、视频等为代表的非结构化数据和同样海量的结构化数据，云计算以性价比更高的信息存储、分享和挖掘能力，将“任何人可在任何时间、任何地点获取任何信息”（Anyone， Anytime， Anywhere， Any Information，简写为4A）的服务转变为“在规定的时间、关注的地点将正确的信息传递给需要的人”（Right Time， Right Place， Right Information， Right Person，简写为 4R）的精准服务，破解城市复杂系统带来的信息洪流问题。 在我国，意识到云计算的极大能量后，政府将市民产生的数据汇聚并存储于政府部门各种各样的服务器之中（这些服务器共同构成了“云”），随时进行分析和计算，为政府数据存储、治理和共享提供强大的基础支撑。另外，政务云可通过异构的多任务体系，处理异构城市治理资源。一些政府已经通过购买云计算服务而不是自行搭建的方式，按需分配云计算资源并按量支付，再次降低了资源存储和处理成本。云计算的集约化节省了政府的资金和人力，因为云计算不仅集中了计算资源，而且能实现软件自动管理，政府应用者不用再花费过多时间处理基础设施维护和更新等任务，政府的人力可以被释放到更值得关注的业务中。 （1）契合行业背景：我国各地政府已不同程度地踏上了大数据建设的道路，希望通过挖掘政务数据的潜力，提升政府的运营效能，因而政务大数据成为近年来的一大热门话题。城市运营的概念已经在政务大数据建设领域广泛传播。 （2）迎合市场需求：目前，我国许多政府的大数据建设仍停留在初始阶段，难以找准大数据建设的正确思路，对城市运营的理解停留在概念层面，因而政府部门需要获得更为科学的指引，以及来自先行者的经验启示，才能在大数据建设中少走弯路。 （3）主张理念先进：本书提炼国内政务大数据建设的先进经验，探讨政府机构如何从“用”出发，以精细化运营思路为核心，瞄准实际需求和实际问题，让数据资源的作用落到实处，迈出了城市运营建设的坚实一步。 （4）实践案例鲜活：书中的案例来自实地走访和一手调研，提炼与总结了我国政府部门、街道办事处等组织的政务大数据建设经验，具有代表性与启发性，重点突出且细节翔实。 （5）内容激励性强：许多信息化建设工作人员因地制宜，设计出各具特色的大数据建设方案，解决了辖区内的重点与难点问题，他们的实践将对其他进行大数据建设的单位与个人产生极强的激励效用。