大數據戰略下的城市治理創新

文｜劉朝暉

（作者單位：中國生態城市研究院有限公司）

從2004年北京開展網格化管理至今，中國在城市治理領域應用大數據等信息技術已經有15年的歷史。從2014年中央提出實施大數據戰略，也已經有5年的實踐。在這個過程中間，各種技術概念層出不窮：智慧城市、城市大腦、數字孿生城市、人工智能，5G。但是城市管理者一直有一種困惑，到底這些技術怎么用，能解決什么問題。

大數據戰略提升城市治理水平

當前，我國的很多大城市都遇到了前所未有的治理難題。面對城市治理問題，大數據能夠帶來什么呢？如果將城市比作人，大數據醫生能夠幫助我們實現：體檢、調理、診斷、治療、預警。

第一、大數據體檢，對城市的透徹認知。我們對城市的一切管理和干預行為取決于對城市運行自身的理解。我們很容易看到城市的問題，但不知道這些問題為何而發生，也不知道所提出的解決對策究竟是解決了問題還是制造了問題。

大數據為我們對所生活的城市有透徹的認知提供了前所未有的可能。例如天津生態城和北京城市副中心分別開發了城市儀表盤和領導駕駛艙，對城市運行的常態狀況進行實時的監測、分析和展示，增加了決策者對城市真實運行狀態的認知。

第二，大數據調理，對過程的組織優化。城市中經常遇到的是小問題，像停車難、交通擁堵、市容市貌。這些問題都不大，但往往是降低市民對城市滿意度和幸福感的重要原因。我想很多人都經歷過繞著停車場轉了幾十分鐘找不到車位時的憤怒。但根據調查，即使在北京西城區，停車位的供給與需求之間差距并沒有那么大。馬路上停滿了車，實際上卻有很多停車場在空置。而這其實是一個組織效率的問題，結合大數據分析和其他的管理手段有可能對諸如此類問題提出比較好的解決方案。

像杭州的城市大腦，最早的展示性案例就是通過大數據實時分析調控交通信號燈來優化城市交通。

第三，大數據診斷，對問題的精準把脈。很多問題解決不了，是因為我們無法認清問題的根源。特別是在城市這樣的復雜巨系統，當所有的問題交織在一起，準確地抓住關鍵要素是十分困難的。這個時候，有睿智的數據分析就能夠大顯身手。例如城市象限所做的“回天有術”研究。研究者針對回龍觀、天通苑地區居民生活壓力特別大問題展開了精準把脈，通過數據分析，研究發現，回龍觀的居民就業出行距離和工作強度明顯高于望京地區，內部通勤比例遠遠低于望京。甚至還可以具體劃分到不同的就業崗位，例如，很大量的長距離通勤人口是從事商業、文化教育，而最大量的通勤其實是回龍觀與上地之間的聯系。因此，研究者提出了解決回龍觀地區城市問題的核心，一是關注女性就業設施，二是修建與上地之間的自行車快速通道。

第四，大數據治療，對個案的精準定位。借助于大數據人工智能，從茫茫人海中找出關鍵線索和關鍵點。這已經成為大數據在城市管理領域最為成熟的應用。例如在城市管理、安全管理中，對特定的人員和車輛進行追蹤和查找已經應用得十分廣泛。經偵部門也普遍通過通信和資金網絡分析來精準定位經濟犯罪線索。

第五，大數據預測，對趨勢的提前預知。毫無疑問，對各種角色而言，這都是最受期待也最難實現的功能。這里有一個案例是深圳市福田區在智慧城市建設的過程中，開發了國內首個集監測、預警、分析和可視化功能的城市經濟數據系統—經濟社會運行監測系統，實時分析經濟運行狀況，并對未來發展趨勢進行預測。

大數據優化城市治理存在認知差距

盡管我們在利用大數據優化城市治理方面有了很多探索，然而，當我們在說大數據，我們的理解和方法可能是不一樣的。這種差異繼而帶來行動的差異，也帶來實際效果的不同。

對大數據存在著兩種不同的理解：

第一種理解，認為大數據是一種計算技術，因此需要從IT 著手，大數據技術的難點是解決計算相關的問題。從某種意義上說，這種理解是主流。例如咨詢公司Gartner 給大數據的定義是：“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

第二種理解，認為大數據是一種分析方法，因此需要從應用著手，大數據技術的重點是提出相關的分析模型，從而更好地支撐決策。

與此對應，大數據在現實中有兩種不同的應用方式：

第一種應用，是大數據檢索，從復雜中抽取特定對象。其中我們最為熟悉的如人臉比對、車牌比對。再如關系網絡的檢索，多種信息的比對。這里面涉及更多的是一般性常識，以及計算機本身的知識。

第二種應用，是大數據分析，從復雜中發現特定規律。這就需要人類自身的專業知識作為支撐。因為此類模型的建立離不開假設，而假設離不開特定領域的經驗積累，需要長期思索中的感悟。

在城市治理、智慧城市的建設過程中，我們的困惑大致來源于此。城市期待技術的進步能夠改善自身的發展實效，但技術的供給方與需求方在匹配度方面存在著一定的距離。供給方從計算技術著手，提出先建設大數據中心、城市大腦，將基礎設施先搭起來，而需求方要的卻是解決一些復雜的問題。等建設完成才發現并沒有達到預期的目標。

我們曾經承諾：通過大數據來解決城市問題。然而在現實中，城市大數據中心建設過多，很多處于閑置狀況。數據表明，超大型數據中心的投產率1.8%，大型數據中心投產率21.5%，中小型數據中心投產率40%，到2016年數據中心的平均投產率約為50%左右。城市數據中心建設也帶來巨大的資源損耗，據預測，到2020年我國數據中心能耗將達到1000 億度。在硬件建設如此超前的情況下，各個城市大數據中心的運行卻普遍缺乏數據，信息孤島和數據煙囪仍然沒有得到很好的解決。

以大數據引領城市治理創新

要真正實現以大數據引領城市治理創新，應當做好關注三個方面：

第一，應當走向協同

對理解與方法的差異是客觀現實，而差異的本質是掌握知識領域的差別。基于通用知識提不出關于城市的問題，城市研究和實踐者也解決不了大數據技術問題。融合兩者之間的鴻溝，唯有協同。更重要的，絕不能忽視市場和市民的貢獻。要為社會創新掃除障礙、創造條件。從世界上各個大都市的情況來看，所有的大都市都將基于大數據的社會創新作為城市創新的推進器、城市問題創新解決方案的設計師。當整個社會的創新貢獻被協同到一起，我們將掌握前所未有的力量。

第二，應當關注架構

我們認為，創新的生態系統離不開支持創新的系統架構。因此，將會有一種新的架構取代舊的架構，在這個過程中也將產生新的智慧城市。在舊的架構中，系統集成不帶來創新，各自為政不帶來協調，資源浪費不帶來綠色，封閉系統不帶來開放，能力孤島不帶來共享。而取而代之的是基于自組織，大規模協同的智慧城市。

未來的智慧城市也是最符合五大發展理念的城市。城市微創新的不斷涌現，城市創新生態系統得以自我實現。不再有指揮城市如何運行的大腦，城市中的個體彼此聯接，形成類似人腦的神經元結構，使城市整體成為智慧生命體。真正實現自然資源、社會資源、心力資源的節約。不再依賴集中的數據中心，而是不改變數據存儲位置和數據產權的、可訪問的分散數據節點。任何智能分析能力都可以被采購，小企業可以通過提供特殊的能力來創業，應用開發不再依賴自建的智能分析平臺，而是采購智能能力服務來實現數據的價值化。

第三，應當關注機制

首先需要明確基本規則，這是政府不應該放棄的責任。沒有規則的時候，企業亂來，結果被抓，居民的隱私得不到保障。像數字資產的權利界定、知識產權保護、隱私保護，這些要求應當以法定的形式明確下來。其次是供應公共產品。智慧城市的公共產品包括：信任、認證、標準。這些年我們比較多地強調了簡政放權，讓市場自由競爭，在一定程度上導致了市場的失敗。在完全的市場條件下，建立信任、建立認證、建立標準等需要漫長的時間和足夠的代價。再次，要明確來自各方的數據資源清單，特別是要分清哪些是可以在特定權限范圍內交換和共享的，哪些是可以公益性使用的，哪些是可以用于商用的。最后，在系統設置中，應當為社會創新留出接口，讓創業者、創新團隊能夠利用城市所產生的大數據進行研究和創業，并將開發的模塊重新返回公共平臺，以解決實際的城市問題。