AI賦能智慧城市數字化治理的關鍵技術與典型應用

劉彤?左琦

摘? 要：[研究目的]數字化治理是指利用數字技術和數據來提高治理效率和效果，提高公共服務和治理的質量、效率和可持續性。當前，人工智能（AI）技術賦能智慧城市數字化治理已成為不可逆轉的時代發展趨勢，而對于AI賦能的技術路徑，還存在進一步解讀的必要。[研究方法]在總結智慧城市相關共性需求的基礎上，闡述了人工智能如何與數字化治理關鍵技術相結合，并給出了相關人工智能技術賦能數字化治理的典型案例。[研究結論]重點闡述人工智能技術在這些領域中進一步提升智能分析、視覺識別、智能監管、輔助決策效能的具體方法，表明人工智能技術與數字化治理技術的結合，能夠為智慧城市應用帶來更高效、更精準的工具及方法，尤其在基于自然語言處理以及跨模態應用的領域中能夠發揮重要作用。

關鍵詞：數字化治理；人工智能；精細化管理；風險評估；大模型

中圖分類號：TP391 文獻標識碼：A DOI：10.19881/j.cnki.1006-3676.2024.05.08

2023年，中共中央、國務院印發了《數字中國建設整體布局規劃》（以下簡稱“《規劃》”），《規劃》指出，按照“2522”的整體框架進行布局，即夯實數字基礎設施和數據資源體系“兩大基礎”，推進數字技術與經濟、政治、文化、社會、生態文明建設“五位一體”深度融合，強化數字技術創新體系和數字安全屏障“兩大能力”，優化數字化發展國內國際“兩個環境”[1]。因此，“用數據說話，用數據決策，用數據管理，用數據創新”成為公共管理和國家治理的重要準則。

城市作為國家經濟發展、社會治理、公共服務的單元，是推進數字中國建設的綜合載體。隨著城鎮化進程的推進，城市構件數量日益龐大，城市區域更加寬闊，社會要素高速流動，要素之間的異質性增強，城市成為非常典型的復雜系統。技術變革的驅動力、治理生態的不確定性、治理問題的復雜性以及治理需求的多樣性共同驅動著城市治理的數字化轉型，讓經驗治理轉變為數據驅動的數字化治理、技管結合的多元治理成為不可逆轉的時代發展趨勢。但在AI如何賦能、在解決關鍵問題的技術路徑方面，還存在進一步解讀的必要。因此，本文將從AI賦能智慧城市數字化治理的必要性、AI對關鍵技術的提升方式等方面進行闡述，并通過案例講述AI提升智慧城市精細化治理效能的具體做法。

一、AI賦能智慧城市數字化治理的必要性

數字化治理是指利用數字技術和數據來提高治理效率和效果的方式，包括了公共服務和公共管理等領域的數字化轉型的治理。數字化治理的目標是提高公共服務和公共治理的質量、效率和可持續性，促進政府機構的信息化、智能化和透明化，增強公眾參與和監督的能力[2]。

智慧城市實質上是新一代信息技術發展和城市化進程加速的產物。當前，我國雖然在城市基礎設施和信息系統建設上取得了長足的進步，但還存在以下共性需求。

（一）政策服務的智能化水平待提高

多方位、多層次的政策體系，對政策服務的時效性、準確性、關聯性有很高的要求。由于政策主題覆蓋范圍廣且會隨時更新調整，因此要保證政務咨詢的實時同步和關聯問答難度很大。相關政策服務系統在理解民眾咨詢的語義含義和深層次意圖、并指導相關部門職能發揮方面還有所欠缺。

（二）綜合情報匯聚研判能力待加強

情報來源的綜合化、社會化程度有待提高。在匯聚事中監管等業務信息、相關委辦局信息、網絡輿情等情報，并通過對案件情報的數據分析、研判、預警來提升治理水平等方面仍需加強。

（三）數據資源價值挖掘待深入

相當一部分智慧城市應用系統數據僅實現了核心的統計，但普遍缺乏對數據的深度分析研判，智能化工具輔助支撐有限，數據資源反哺業務流程的能力需進一步提升。

（四）智能感知、人機協同的工作機制待完善

城市治理數據種類多、規模大，還包括海量的視頻數據，需要構建并不斷完善智能感知、人機協同的工作機制，實現事件自動識別、主動上報、智能派發，提高跨部門協作效能。

上述情況集中體現了相關智慧城市應用對智能化技術的需求，即在國家治理體系和治理能力現代化的進程中，智慧城市建設需要實現治理轉型及治理效能的提升，表現在公共服務高效化、政府決策科學化、數據資源價值化、社會治理精準化等方面，需要運用人工智能等新興技術實現對智慧城市相關數據的智能處理和挖掘，提供更為科學和精準的決策支持。人工智能技術既是數字化治理手段不斷提升的推動力，也是破解相關難題的關鍵所在[3]。

二、AI對智慧城市數字化治理三項關鍵技術的提升

（一）跨域時空數據治理與價值挖掘技術

數據信息之間的融合、關聯、挖掘與應用是建設新型智慧城市的核心與基礎。隨著城市物聯感知設備和手持移動設備等的普遍應用，以及遙感衛星和地理信息系統等的顯著進步，智慧城市應用獲取了大量的時空數據。隨著物聯感知設備和智能終端的普及，數據來源更加廣泛，采集方式也更加便捷，包括衛星遙感數據和城市感知設備采集的設備源源不斷地匯入數據底座中；得益于算力的提升和算法的日益豐富，數據分析手段也更加多樣，數據應用者可以對各類數據進行軌跡分析、全時段分析，甚至能夠對跨領域數據進行相關性分析。但數據極大豐富的同時也帶來了新問題—如何進行數據對齊。與智慧城市相關的海量數據中，時間與位置信息是相關應用中所有數據關聯、融合的唯一指針。從這些非線性、海量、高維和高噪聲的時空數據中提取出有價值的信息并用于商業應用的要求，使得時空數據挖掘具有額外的特殊性和復雜性（如圖1所示）。與時空數據相關的智慧城市應用需要以城市多元、多時態信息的互聯互通為基礎，通過空間計算能力將大規模多樣化的數據進行融合、使用和呈現。

針對智慧城市這一復雜巨型系統缺乏統一數據模型、跨系統數據融合等難題，需要構建基于“分級抽取—關聯分析—虛實映射”的數據邏輯模型和跨系統全時空信息數字感知體系，形成集運行狀態、空間信息、裝備狀態、風險信息等于一身，具備多參量、多尺度、全時空特性的數據感知方案。其中，數據關聯與圖挖掘算法、規則挖掘算法、主題模型（LDA）等人工智能算法的應用是數據模型構建的關鍵，對于模式、規則和知識的生成與發現具有重要作用。

（二）城市運行模擬仿真與風險研判技術

城市安全新興風險、傳統產業風險、區域風險等積聚滋生、易發多發；對此，需要匯聚融合與城市安全運行相關的各類數據，以“一張圖”形式呈現城市整體運行情況和風險態勢，形成全方位、多層級、立體化的城市風險監測預警平臺以及多主體、大聯動的應急管理協同處置機制，提升城市安全綜合風險管控能力。

城市運行仿真模擬與風險研判是指在城市大數據的互聯互通和數據安全的基礎上，通過構建合適的空間數學模型，開發多源數據的融合增值應用，以科學的手段提升城市治理的精細化和決策的科學性，并利用分類、聚類、關聯、比對等大數據分析方法，基于城市運行規律構建行業分析算法和風險研判模型，進行城市運行的模擬仿真推演和自學習、自優化[4]，系統可根據具體應用需求調用相關算法，并對其適用性進行評估。其中，利用機器學習算法進行數據挖掘和趨勢預測，是仿真模擬過程中的重要組成部分。此外，基于特征工程方法，按照輿情指標、檢查指標、違法指標、失信指標、生產經營指標等指標體系對相關數據進一步分析比對，研判風險等級，并將風險研判結果輸出給風險分類處置及跟蹤模塊，是基于數據融合、分析挖掘和系統級協作的智能決策分析、指揮調度和AI賦能的另一重要體現。

基于指標多維建模技術實現指標多維模型的構建，可以對指標定義、指標描述信息、指標值、指標體系進行統一管理，滿足實際應用中指標多維度、多版本的管理要求，并形成適用于聯機分析處理的多維結構模型，大大提高決策支持的效能，使得指標利用更加直接有效。在系統運行過程中可根據設置的指標反映系統運行情況，并利用指標可視化圖表及預警算法，實現指標數據時空維度的下鉆、聚合，最終讓用戶能夠查看不同層次的數據，增強指標可視化程度，提升用戶實際應用體驗，同時預警城市發展問題，讓有關部門能夠及時制定并持續優化應對措施（如圖2所示）。

（三）知識表示與推理模型構建技術

知識表示與推理是人工智能領域的重要分支之一，主要研究如何將自然語言或圖形等形式的知識表示為計算機易于處理的形式，并通過推理或查詢等方法，利用這些知識來解決具體問題。在智慧城市應用中，存在著大量將現實世界中的自然語言或圖形進行結構化、抽象化、向量化處理，并與智能算法結合，在進行有效的推理和推斷后形成智慧服務的需求，知識表示與推理模型可以幫助機器理解和處理知識并從多源信息中凝練和關聯語義[5-6]，利用機器學習和深度學習等人工智能技術，自動地從文本和非結構化數據中抽取和構建知識圖譜[7]。近年來，以大模型為代表的復雜推理、多層訓練模型的快速應用，進一步擴大了知識表示和知識服務的范圍。

基于知識工程的各類智慧城市應用，如12345事件轉派、公眾政策咨詢等，都可以充分應用知識表示和推理模型構建技術。這類應用都可以結合大模型的生成能力與NLP語義分析能力，集成“主題分類標簽+聯庫搜索+文檔問答”“提示詞模板匹配”“意圖識別+主題關聯+Text2SQL”等功能，進行意圖分類和知識關聯，提升對話意圖繼承能力，實現基于知識聚合的關聯答案獲取，提高后續多輪問答和任務轉派的準確性：如在語義層面對待派文件和議題進行深度分析和“三定”職能的比對、對承辦單位篩選排序、對主辦會辦單位的確認，從而實現精準轉派和跨部門聯動。

三、AI賦能智慧城市數字化治理案例

本文將以所在單位承擔的相關項目為例，說明人工智能技術是如何進一步提升數字化治理技術在空氣治理精細化管理、食品安全、城市安全及政策服務場景中的應用程度。

（一）“摳微克”時代的空氣質量精細化管理

隨著大氣污染防控的深入，空氣質量精細化治理要求越來越高，容易治理的都治理了，但PM2.5大幅下降后，空氣質量還要繼續改善。空氣質量精細化進入“摳微克”時代，要求以“一微克”行動為主線，綜合運用科技+執法+管理等手段，對大氣污染展開精準治理。同時，臭氧污染問題日益突出，一次排放前體物和臭氧、二次PM2.5間的復雜響應關系需要運用更先進的工具手段；城市交通和生活源的貢獻占比增加，點散、無組織排放需要更精細的研究和管理，而基層管理工作者夯實減排工作需要更科學實用的管理工具手段助力。

針對基層空氣質量管理“如何直觀展示轄區精細空氣污染分布、傳輸規律和來源貢獻并指導空氣污染精準防控”等問題，筆者所在單位承擔國家重點研發項目（政府間合作專項）《基于哥白尼觀測的街區尺度空氣質量精細化管理工具開發和示范應用》，基于“一張圖”理念、HPC+云計算混合架構和大數據與AI算法，開發 “監測—預測—排放—溯源—減排決策”全環節系列可視化便捷工具，提供高精度小區域（街區、工業園區）空氣質量監測地圖、預測地圖、污染源分布地圖、溯源地圖、交互式減排效果預測地圖等5張圖和一張污染源清單，綜合數據分析、防控督查調度信息，實現街區空氣污染“現狀—趨勢—溯源—措施效果”的全面動態可視化，推送“一點一策”“一街一策”報告（如圖3所示）。空間尺度覆蓋全國—區域—城市—街區，空間精度最細達10米，時間精度為1小時，預報時長為未來5天，減排情景效果預測時間達到分鐘級。成果已在北京陶然亭街道、亞運村街道、滄州、武漢、邯鄲等多地落地應用。

該項目在研發過程中大量采用了人工智能技術，如使用計算機視覺技術進行車輛類型和數量的識別，計算出典型路口的交通源排放量，并用Yolov5神經網絡提取不同種類車輛圖像的特征和位置信息，實現對車輛的分類與統計，同時，參照《道路機動車大氣污染物排放清單編制技術指南》和國家統計年鑒[8]，根據北京的溫度、濕度、車輛組成結構對VEIN模型中的排放因子進行本地化調整，創建本地化排放因子數據庫，對北京市西城區的機動車排放量進行了系統性的計算，共估算了58種機動車類型所排放的133種大氣污染物，使相關工作人員能夠通過實際視頻觀測和AI識別算法有效獲取任一時間段的各類型道路上車型、車速及車流量信息。此外，該項目還通過深度學習的代理模型有效縮短了情景組合的模擬計算時間（少于5分鐘），為近實時會商與決策提供了支持。

（二）基于計算機視覺的智能快篩技術在食品安全領域的應用

通常而言，農藥殘留檢測大都由專業人員在實驗室完成，檢測結果通常需要一到兩天才能出具。然而，這種成本較高的檢測方式不適合現場及流通領域快速檢測的需求。從政府部門到企業、消費者都亟待快速、準確地檢測農藥殘留。先通過快速篩查發現農藥殘留，再送去實驗室進一步地確證可以大大增加檢測效率。筆者所在單位與中國農科院合作研發了識別并校正六邊形的方法，開發了計算機視覺算法對試紙條顯色情況進行識別，最后將算法封裝后通過微信小程序執行。用戶使用時可以通過下載微信小程序，對托盤上顯色之后的試紙條進行拍照，5分鐘便可同時完成多種化學農藥殘留的檢測，檢測結果直接顯示在手機上。對于消費者來說，手機上可以只顯示陽性或者陰性。對于政府和企業來說，檢測時可按照殘留限量要求，設置顯示超標還是未超標的檢測結果。普通手機拍照后可得到吡蟲啉、克百威、戊唑醇、啶蟲脒、腐霉利、毒死蜱、多菌靈等農藥殘留的數值。目前市場上銷售的主流品牌智能手機均可使用這一檢測方式，檢測系統的準確性與專業試紙條讀卡儀基本一致，整體系統已應用于實際檢測。

（三）基于城市安全大數據的多尺度區域綜合風險評估

黨的十八大以來，黨中央將風險管理工作擺在更加突出的位置。為此，需健全公共安全綜合風險管理體系，強化多災并發和災害鏈式反應風險分析，不斷完善城市風險地圖[9-10]；全面梳理各種風險源、風險點、危險源、事故隱患，建立排查、登記數據庫和信息系統。

基于城市安全大數據的多尺度區域綜合風險評估是指綜合運用新一代信息技術，進行安全風險大數據的采集、清洗、整合、分析等，在全面收集企業上報數據、事故數據、執法業務數據、網絡輿情數據等多源異構數據的基礎上，全面辨識反映企業安全生產狀態的指標和模型，對影響企業安全生產的因素進行切實有效的分析和處理。應用數據智能提取技術，利用海量安全生產數據進行研判、清洗、挖掘，構建遞階層次的安全生產風險評估綜合指標體系[11]，有效進行安全生產形勢分析與趨勢預測預警，可以提前發現、分析和判斷影響安全生產狀態的信息，量化表示企業、行業、區域生產安全狀態。筆者所在單位構建多種基于數據要素的云服務，涵蓋安全生產大數據分析、政府監管安全風險預防控制一張圖等，實現了基于企業、行業、區域的智慧城市風險防范一張圖。筆者所在單位研發了“點線—整體—區域”風險評估技術體系，從點源線源、單位整體、區域三層次明確監管的重點區域、行業、場所，為政府安全監管部門實行分級分類監管提供參考。這一風險評估技術體系基于風險精準感知、區域經濟、事故、應急能力、監管能力、發展潛力等數據，通過安全生產畫像、態勢分析等技術實現了數據融合和分析。

該系統服務于北京市應急局的北京市城市安全風險云服務，引入16個一級行業領域共計91個行業領域標準，全面支撐了北京16區以及經濟技術開發區的城市風險評估工作。目前已有19萬余家企業通過本系統采集了近60萬條風險源，100多萬條來自各方面應急資源。同時該系統在全國范圍內首次發布了“企業風險隱患二維碼”，利用移動端APP首次實現了對小微企業風險辨識評估管控工作。

該系統服務于成都市應急局的成都市城市安全風險系統，共采集了2萬余家單位的36萬條風險源，16萬余條各方面應急資源；共支持22個區，300余個鄉鎮街道進行了區域風險評估，支撐了全市的風險評估重點工作。該系統還配合完成和成都市水務局、成都市理政中心、成都市應急局大數據平臺的對接，有力支撐了成都市安全風險評估工作。

（四）北科政務服務大語言模型應用

北科政務服務大語言模型是充分利用大模型人工智能處理自然語言的能力，基于大語言模型和政務知識庫構建的多項政務智能服務的集合，具有自動問答、政策解讀、知識查詢、報告編寫、內控管理、員工培訓等功能，可應用于移動端、一體機、網頁端、大屏端，為社會公眾、工作人員提供精準服務和主動服務的模型。其中，增強搜索（Retrieval-Augmented Generation，RAG）是提升模型對專業知識的理解和生成能力的重要技術[12-13]。相關工作涉及專業文本數據集的建設、文本向量化技術、本地知識庫的構建方法，以及智能問答中的應用等技術。文本向量化是實現語義檢索的關鍵步驟和文本相似性的基礎，在其基礎上，可將句子映射到n維密集向量空間，用于句子嵌入、文本匹配或語義搜索等目的[14]。

北科政務服務大語言模型利用增強搜索RAG技術，對向量化的用戶問題與知識庫中的向量進行對比和搜索，以找到與問題最相似的topK個（即排序前K個）向量，從而提供相關的知識信息。通過先檢索相關知識，再基于這些信息生成回答，從而提高了回答的準確性和相關性。通過設置“閾值”參數，可以設置用戶問題與知識庫中數據向量比對相似性的基準，而通過設置“獲取結果數量”這一參數，可決定當知識庫中數據與用戶問題多條向量都大于閾值時，獲取的相似性最高的數據條數。

目前，北科政務服務大語言模型實現了全國產化運行環境適配改造，使得大模型生成式AI的能力能夠應用于安全、私密的垂直應用環境。具體來說，北科政務服務大語言模型可運行于全國產軟硬件環境中，操作系統、處理器、高性能計算加速卡、服務器等均可采用國產品牌，解決了“卡脖子”問題；可在離線內網環境構建可更新、可維護的專業領域智能應用，確保政務服務的安全性和可控性；可實現基于法律法規、相關制度、會議紀要等文本數據的多輪問答，實現數據溯源，確保政務應用的準確性與嚴肅性；其具有的強大數據整合和分析能力，可以幫助公眾更好地理解政策，通過多輪對話分析和引導，提高服務質量和響應效率，實現了中文自然語言到SQL查詢語句的合成，讓用戶在政策服務場景中能夠通過自然語言對數據庫進行檢索，提高了咨詢服務的實時性。大模型不但可以分析問題中所含的具體要素，還能對這些具體要素進行對比分析。

四、總結和展望

新型智慧城市作為落實數字中國戰略的重要載體，是推動城市數字化轉型的重要路徑，也是促進新型城鎮化、發展數字經濟和推進高質量發展的關鍵抓手。當前，我國新型智慧城市正從“大數據”為代表的“數據智能”向“大模型”為代表的“知識智能”轉型。人工智能的蓬勃發展在機器視覺、自然語言處理、機器學習等領域提供了很多可供選擇的算法、模型及與各種應用場景相結合的寶貴經驗。尤其是AI大模型的崛起，已經在基于自然語言處理，以及跨模態應用的領域中發揮了重要作用。本文總結和展示了人工智能技術在智慧城市相關領域的應用，重點闡述了人工智能技術是如何進一步提升智能分析、視覺識別、智能監管、輔助決策的效能，表明人工智能技術與數字化治理技術的結合，能夠為智慧城市應用提供更高效、更精準的工具及方法[15-16]。

參考文獻：

[1] 中共中央 國務院印發《數字中國建設整體布局規劃》[EB/OL].（2023-02-27）[2024-01-11].https：//www.gov.cn/zhengce/2023-02/27/content_5743484.htm.

[2] 楊鳳華，李彥皓.政府數字化治理水平測度及提升對策研究：以南通市為例[J].生產力研究，2024（3）：87-92.

[3] 張夏恒.類ChatGPT人工智能技術嵌入數字政府治理：價值、風險及其防控[J].電子政務，2023（4）：45-56.

[4] 高艷麗，陳才，張育雄.數字孿生城市的智能中樞[J].中國建設信息化，2019（21）：13-17.

[5] 張新長，華淑貞，齊霽，等.新型智慧城市建設與展望：基于AI的大數據、大模型與大算力[J].地球信息科學學報，2024，26（4）：779-789.

[6] 唐斯斯，張延強，單志廣，等.我國新型智慧城市發展現狀、形勢與政策建議[J].電子政務，2020（4）：70-80.

[7] 楊易，莊越挺，潘云鶴.大數據人工智能下的多重知識表達：框架、應用及案例研究[J].Frontiers of information technology electronic engineering，2021，22（12）：1551-1559.

[8] 鮑靜，范梓騰，賈開.數字政府治理形態研究：概念辨析與層次框架[J].電子政務，2020（11）：2-13.

[9] 林文棋，蔡玉蘅，李棟，等.從城市體檢到動態監測：以上海城市體征監測為例[J].上海城市規劃，2019（3）：23-29.

[10] 溫宗勇.北京“城市體檢”的實踐與探索[J].北京規劃建設，2016（2）：70-73.

[11] 康俊芳.空間視域下的城市智慧治理研究[D].徐州：中國礦業大學，2022.

[12] 彭海艷.人工智能背景下政府數據治理體系研究[D].湘潭：湘潭大學，2022.

[13] 陳名楊，張文，陳湘楠，等.群體知識圖譜：分布式知識遷移與聯邦式圖譜推理[J].智能科學與技術學報，2022，4（1）：55-64.

[14] 王萌，王昊奮，李博涵，等.新一代知識圖譜關鍵技術綜述[J].計算機研究與發展，2022，59（9）：1947-1965.

[15] 劉濤，范毓婷.人工智能時代智慧城市與城市大腦建設的挑戰與局限性[J].信息通信技術與政策，2021，47（5）：22-25.

[16] 周新民，胡宜桂，劉文潔，等.基于多模態多層級數據融合方法的城市功能識別研究[J].計算機科學，2021，48（9）：50-58.

Key Technologies and Typical Applications of AI Empowering Digital Governance in Smart Cities

Liu? Tong1，2? ?Zuo? Qi1，2

（1. Beijing Computing Center Co.，Ltd，Beijing，100094；2. Beijing Key Laboratory of Cloud Computing Key Technologies and Application，Beijing，100094）

Abstract：[Research purpose] Digital governance refers to the use of digital technology and data to improve governance efficiency and effectiveness，as well as to enhance the quality，efficiency，and sustainability of public services and governance. Currently，empowering digital governance in smart cities with artificial intelligence technology has become an irreversible trend in the era. There is still a need for further interpretation of the technological path of AI empowerment. [Research method] On the basis of summarizing the common needs related to smart cities，this article elaborates on how artificial intelligence can be combined with key technologies of digital governance，and provides typical cases of AI technology empowering digital governance. [Research conclusion] This article focuses on the specific methods by which artificial intelligence technology can further enhance the efficiency of intelligent analysis， visual recognition，intelligent supervision，and decision-making assistance in these fields. It indicates that the combination of artificial intelligence technology and digital governance technology can bring more efficient and accurate tools and methods for the application in smart cities，especially playing an important role in the fields based on natural language processing and cross modal applications.

Key words：digital governance；AI；refined management；risk assessment；large model

作者簡介：劉彤，女，1975年生，博士，研究員，研究方向為大數據智能。左琦，女，1983年生，碩士，高級工程師，研究方向為大數據智能。