基于大数据的空气污染治理与政府决策

郑石明, 刘佳俊



基于大数据的空气污染治理与政府决策

郑石明, 刘佳俊

大数据与传统数据管理相比，具有规模海量、类型多样和流转迅速等特点，能够更好地帮助政府及相关部门做好空气环境质量管理。面对当今空气污染的严重态势，应基于空气环境信息管理的特点、问题以及大数据的相关含义、特征和技术，结合云计算等新型技术，构建空气污染治理大数据平台，集成与整合各类空气环境数据，实现数据资源共享和业务协同。同时，利用大数据技术结合各种专业模型，对现有空气环境数据资源进行深度挖掘，形成空气污染治理有效机制，最终为政府决策提供科学依据。

大数据 空气污染治理 政府决策 环境治理

近年来，随着城市化和工业化的不断推进，空气环境质量严重下降、污染程度急剧加深，空气污染已经严重影响了人们的生存环境、危害了人们的身体健康，科学界和学术界都开始研究空气污染治理问题。空气污染就危害而言主要有三种：一是因使用化石燃料排放的二氧化碳等温室效应气体而导致全球变暖；二是由化学制品氟利昂等气体而引起平流层中的臭氧层破坏；三是二氧化硫等酸性气体广为扩散，形成酸雨等。

面对日益严重的空气污染问题，世界各国都迫切需要提高环境监测和环境信息化能力，来为政府相关部门制定环境保护决策提供所需的信息支持。随着科学研究、信息技术、数据存储技术的迅速发展，大数据的应用作为一种新兴的数据管理模式有效地推动了数据智能化管理，增强了数据间的关联性，解决了以往数据存在的冗杂性问题，有效推动了政府的改革。国务院办公厅在2015年6月发布了《关于运用大数据加强对市场主体服务和监管的若干意见》，其中指出政府要充分认真学习大数据的先进理念，掌握运用技术，整合数据资源，从而做到简政放权，有效推动政府职能转变，提升政府治理能力。国务院2015年7月在《关于积极推进“互联网+”行动的指导意见》中提出，政府要做好国家大数据战略顶层设计，有效推动国家大数据能力建设工作。通过建立统一、开放的国家数据信息资源库，出台政府数据信息公开政策规定，开展数据开放改革试点。国务院在2015年8月印发《促进大数据发展行动纲要》，提出要进一步把数据分析应用到政府治理、政策制定、改革创新中去，突破原有的滚利机制，实现基于数据的科学决策，将数据决策融入政府管理理念中去，变革政府治理模式，建设符合时代特点的创新、法制、廉洁的服务型政府，进一步推动中国特色社会主义事业的发展[1]。政府可以通过大数据从空间性、时效性、多源性、直观性等方面深入挖掘空气环境信息，有效提高空气污染防治能力，促进政府决策科学化。

一、大数据及其应用

(一)大数据的含义和特征

2011年国际数据公司(IDC)指出，全球用户使用和创造的数据总量规模是五年前的九倍。这样的情况并非是偶然的，伴随着信息技术和互联网的快速发展，人们使用的数据量一直呈指数式增长，公司预测这一数字预计将每两年至少翻一番。数据的增加不仅仅停留在数量上，数据种类也是越来越丰富，其中包括了医疗保健数据、环境保护数据、工业发展数据、互联网金融数据等，涵盖了多种行业。面对如此庞大海量又充满信息价值的数据，人们提出了“大数据”的概念。大数据不仅仅体量庞大，与传统数据集合相比更突出了数据的时效性[2]，即包含了即时大量的结构和非结构化数据。大数据的出现犹如一片深海宝藏，吸引着政府、学者、公共组织等的目光，大家都希望能从大数据的挖掘中寻找到新的机遇。由于技术条件苛刻，现在主要是政府和相关大型互联网公司对大数据做着实证研究，而学术界主要是对大数据进行理论研究。

通过学术界的理论研究和相关的实证探索，大家普遍认为大数据具有以下三方面的特征：数据规模大、信息种类多样和传播速度快[3]。目前，主流观念认为大数据巨大的数据信息集合还无法被当前的软件工具所管理、分析。而大数据丰富的内在价值就是建立在数据规模庞大和信息种类多样化的基础上，高速性则是指大数据的产生速度快、时效性强，这就对大数据分析和挖掘技术提出了非常高的挑战，这也是现在大数据研究者们都需要面对的难题[4]。

(二)大数据处理流程

现阶段都借助于计算机等合适的工具对数据进行分析和挖掘，一般流程如下：首先，对结构和非结构性数据源进行收集和分类；然后，按照相关标准对数据结果进行存储管理，根据研究对象的特征以及所需的分析目标，进行合理的流程设计，并采用最优的算法模型和数据分析技术对存储数据进行处理分析；最后，通过文字、图表、视频等可视化方式将分析结果展现给终端用户[4]。

第一步是对数据进行预处理和存储管理。在进行存储和处理之前，一般会采用 ETL 技术把有效数据从数据源中抽取出来，然后通过转换把数据加载到数据中心或者数据仓库中。现在Hadoop的分布式文件系统和谷歌文件系统是主流的数据存储系统。由于是分布式架构，这类存储系统具有了很好的灵活性和扩展性，能够增强系统的访问能力。

第二步是数据计算预处理。通过收集存储的数据并不能直接对其进行分析挖掘，在这之前需要采取计算机技术对原始数据进行加载、提取和转换，为下一步数据分析做好准备。

第三步是数据分析。数据分析是在数据预处理的基础上，采用相关的算法模型和数据分析技术对数据进行分析挖掘，从中发现新的价值和知识。大数据的核心处理流程就是数据分析，它是大数据的价值体现。

最后是数据展现。通过数据分析和挖掘，大数据的内涵价值被发现，最后需要采取相关的可视化技术与 Web 技术，通过视频、文字和图表等方式以更直观和互动的模式将分析结果展示给人们，以便人们更好地获取数据价值[5]。大数据处理流程图如图1所示。

图1 大数据处理流程

(三)政府大数据的理论和实践应用

1.政府大数据的理论

高小平等学者认为改革之所以艰难，在于“习惯成自然”，现有的利益格局束缚了社会创新的动力，而大数据成为打破这一格局的潜在突破口。大数据引领了科技革命所蕴含的智能化行政改革方向，带来了“数据民主”，这对透明政府的建设、对国家治理能力构建起到了重要的作用，为行政管理理论与实践创新带来了新的机遇[6]。刘叶婷、唐斯等认为社会公众需要建立系统、全面的大数据意识，这样才能认识到大数据给社会带来的变革和创造的价值。大数据的出现使得政府信息化程度不断提升，同时云计算、物联网、关联数据、信息发布等新技术的快速发展，为政府治理实现“智能”化提供了技术支撑。政府作为社会治理的主导者，在大数据时代更应率先进行大数据研究，这能有效地推动政府治理创新，促使政府改革原有的组织模式和政府形态，进而激活政府固化的治理模式，优化治理结构[7]。不少学者都认为网络技术的发展必然对政府治理起到推动变革的作用，其中曹劲松指出网络技术能够帮助政府快速应对社会问题和危机，推动社会的稳定发展[8]。大数据的出现给社会管理带来了变革，越来越多的学者投身到相关研究中去，希望能发现大数据时代社会管理的新模式。

2.政府大数据的实践应用

上海政府率先将大数据应用于交通领域。通过建设交通信息综合平台，上海交通部门可以从居民手机信号迁移、实时视频、出租车GPS系统中收集到实时交通信息用于交通状况分析，以便能够更好地采取相关交通管控措施，减少交通拥堵，有效地提升了交通基础设施建设的科学决策水平。武汉市把大数据技术充分运用到城市规划中，通过3S规划系统合理布局城市基础设施,科学规划城市结构。在厄尔多瓜进行总统选举的时候，北京的拓尔思公司通过大数据技术对票数进行了分析预测，与实际情况基本吻合，这显示了大数据辅助决策的潜力[9]。

美国纽约州能源研究和发展管理局(NYSERDA)已经将大数据运用到气候变化评估中去。政府通过研究相关大数据对未来气候变化做出预测，根据预测结果及时为能源、农业、交通、公共运输等行业制定科学有效的措施来面对气候变化带来的影响[10]。美国的圣克鲁斯警察局很早就开始运用大数据进行预测分析，他们通过搜集各类社交网站上的信息数据，对数据进行深度挖掘分析，可以从中发现犯罪动机和犯罪方法，并有效地把握将来一段时间内的犯罪趋势[11]。

智慧城市，是一个基于大数据应用的热点研究项目。美国迈阿密戴德县率先采用大数据技术进行了智慧城市的建设。IBM通过使用大数据，对戴德县的各项数据进行分析处理，并在云计算环境中为戴德县提供了智能仪表盘，政府可以通过仪表盘实时观测各项数据变化情况，这为政府梳理交通拥堵、治理环境污染问题、提升公共安全等提供了有效的信息支撑。同时，IBM将戴德县35种关键县政工作与迈阿密市紧密相连，使得政府部门间能够信息共享，有效地提升了政府决策的科学性。通过智慧政府的建设，戴德县在多方面都受益颇多，例如该县公园管理部门通过大数据监测系统有效地发现了存在漏水问题的水管，并及时修复和置换，为戴德县节约了将近100万美元的水费[10]。

二、空气污染治理：大数据应用的可行性

(一)空气环境管理信息的特点及问题

通过学者研究以及实践操作发现空气环境信息具有空间性、时效性、直观性、多源性等特点，且包含的数据量巨大、冗杂，不容易分析研究。一直以来，各部门都积累了大量的空气环境监测数据，但是这些数据无法被有效使用，存在大量问题：传统的空气监测和分析手段无法对图片、视频等大量非结构性数据进行挖掘和分析，导致了海量数据资源的浪费；不同部门间信息闭塞，没有统一的数据管理组织，数据无法共享；各级政府由于异构性问题，无法做出科学性的决策[12]。利用大数据技术对空气环境信息进行管理，通过集成现有的大量数据并进行统一的分析处理，提炼出有效的价值信息，为政府进行空气污染治理提供了有效的数据支撑。

(二)大数据在空气污染治理中的应用

大数据技术能够对海量空气数据进行集成、处理和分析，这种突破传统信息处理的技术能够给空气污染联防联控、监管等工作的开展带来新的机遇。

1.基于大数据进行空气质量监测数据分析

现阶段空气污染监测主要是对于单一污染物的监测和控制，包括氮氧化物、温室气体、硫化物等，但是无法对多种污染物进行协同监测和分析。然而现实生活中往往是多种污染物同时出现并发生了相关的反应，引发更严重的空气污染事件[13]。大数据技术的出现有效地解决了当前空气监测存在的问题。大数据技术可以协同分析监控视频、图片文字等非结构性数据来了解空气污染的区域范围、污染源、污染物带来的健康风险等情况，为管理部门进行空气污染防治工作提供支持[14]。

2.通过大数据实现与其他行业信息共享

现阶段，主要还是由环境保护部门开展空气污染信息管理工作，并没有实现与气象、林业、交通等部门的行业数据共享，为了提升空气环境管理质量，环境管理部门可以通过大数据技术综合分析林业、交通、水利等多行业的信息数据，从不同角度对空气环境质量进行预测预警，这样可以不断提升空气污染监测效果、科学规划空气污染防治措施[15]。例如，通过获取某区域的空气污染排放物数据和行驶机动车的数据，然后研究并设计出两者的关系数据模型以及相关的预测模型，根据监测数据用模型去计算出未来几天的空气污染状况，这样管理部门就可以给出科学的出行建议以及阶段性机动车限行管理措施。

3.大数据为决策分析提供支持

现阶段，中国空气质量管理还是典型的属地模式，不同属地、各级部门间相互割裂、缺乏沟通，无法做到协同治理空气污染问题[16]。随着时代的进步和理念的创新，京津冀地区、长三角地区等发达城市群已经开始着手进行区域空气污染联防联控工作，但是这些好的经验和做法还没有得到很好的推广[17]。区域空气污染联防联控可以借助大数据技术，综合分析该区域内的政府管理水平、经济发展状况以及空气污染现状等要素，在明确空气保护质量目标和最大限度平衡各项要素的情况下制定科学性的决策，为各个地区建立相适应的合作机制，共同构建空气污染联防联控监管体系。

三、空气污染治理大数据平台构建与政府决策支持

本文结合云计算与大数据等新型技术，利用已有计算机资源建立统一的云计算平台，以为环保部门、社会公众提供空气环境质量监测和管理服务为出发点，利用大数据技术结合各种专业模型，对现有空气环境数据资源进行深度挖掘。空气环境数据中心总体架构主要分为云计算平台、数据支撑层、应用服务系统层，如图2所示。

图2 空气环境数据中心总体架构

(一)云计算服务平台

基于大数据的特点，云计算应运而生，变革了数据集成、储存、处理模式。云计算通过虚拟化技术，有效整合了原有的硬件设备资源、系统软件资源、网络数据资源、存储资源等，降低了用户对于设备的要求和操作难度，使得用户通过浏览器和相关操作系统便能实现对空气环境数据的收集、分配和调度工作。云计算快速、便捷的特点必将推进环保信息化的快速实现[18]。

(二)数据支撑与服务

数据支撑模块主要是对空气环境信息的处理和加工。该模块通过构建空气环境数据分析模型，对存储在云计算平台上的空气环境数据进行集成、分析，并在历史数据的基础上，对今后的空气环境进行预测分析，为空气环境预防和治理工作提供更为完善的数据支撑。

首先是收集、集成空气环境数据。主要是收集现有空气环境质量自动监测数据、空气环境质量手工监测数据、空气环境污染源监测数据、环境应急管理、重金属在线监测、总量减排等环境业务数据等，并且针对文字、图片、影像等不同的数据形式进行集成化处理，形成最基础的数据库，并通过云计算平台进行存储。然后是数据传递与共享。在集成空气环境数据形成原始数据库的基础上，云计算平台对数据库进行了进一步精细化管理，保证了数据传输的稳定与安全。各级环保部门、各个环保业务室都可以通过云计算平台，便捷、快速、及时了解到各个区域的空气环境信息状况，有效避免了各级部门间的信息不对称状况。再者就是数据挖掘工作。结合相关数学模型，利用大数据技术对已有的数据库进行深度发掘和分析，探索影响空气环境质量的主要因素，预测今后不同区域空气环境质量变化趋势，建立空气环境污染预警机制，实现空气污染源追溯定位功能等，为空气环保决策提供有效数据支撑。最后是管理空气环境数据。主要工作是对云计算平台收集的数据进行管理和维护，建立基础数据库，为应用层的各个空气环境业务系统、查询需求、网络搜索提供个性化数据服务[12]。这样的数据中心服务对象不再仅仅局限于各级环保部门，它同样可以为社会公众、监管企业等提供查询服务，使得空气环境数据信息使用、管理更加透明化，促进了政府信息公开。

(三)应用系统开发

这一系列的数据处理分析都是为应用系统研究和开发作基础。经过大数据技术处理后的数据都蕴藏着丰富的价值信息，应用系统层就是通过建设相关应用系统将这些价值信息充分展现给我们。建设空气污染防控系统，通过对历史数据的分析挖掘，环保部门能够清楚地掌握各区域各类空气污染事件发生的时间、规模范围、污染程度等共性特点，进而针对这些特点设计能够及时预警的关键指标和应对的防治措施，提高空气污染防治效率。建设空气环境数据档案体系，基于云计算平台的数据集成特点，可以将各类空气环境数据按照一定目录体系，比如形成污染源信息一源一档管理，实现污染产生、处理、注销一体化监测。同时，当有新的业务系统信息接入时，目录系统可以快速生成，实现业务数据共享，为政府环保部门决策提供数据支撑。建设空气环保决策辅助系统，空气环境数据中心作用不仅体现在集中各类环境业务数据，更为重要的是利用其大数据的优势对空气环境质量和污染源之间的关系进行深度挖掘分析，并结合空气质量中的API指数变化分析，优化政府环保部门空气环境管理决策模式，提升空气污染治理能力[19]。

(四)大数据驱动政府科学决策

面对日益严重的空气污染问题，政府部门可以借助大数据平台加强空气质量监测能力，提升政府决策水平。首先，政府及环保部门在不断增加大型监控点的同时需要用低成本、小型化、低维护量的监测设备作为现有大型设备监控点的补充，大批量地增加监控点，形成囊括城市环境、工业环境、厂界环境、交通道路、开放空间等的立体空间式监测网络，能够全面 、及时、有效地监控、采集相关空气环境质量信息。面对监测设备采集到的庞大数据，管理部门可构建相应的大数据应用平台，结合云计算将数据进行基础处理、筛选和存储。随后利用数据挖掘技术构建相关模型对数据进行处理分析，管理部门可根据数据处理结果掌握空气质量实时动态，应对空气问题突发状况等，更为重要的是政府能够通过数据驱动来达到科学决策的目的。基于大数据平台的数据处理和分析，政府部门可以更有效、清晰地认清空气质量现状，并通过相关环境分析方法预测发展趋势，为保护空气环境质量制定合理的环保政策、治理措施和治理目标。随着环保政策和治理措施的实施，空气环境质量必然会发生变化，随之新的空气质量信息就会产生，并被采集，这样就形成了一个闭合的回路。数据流的不断更新和反馈势必能够帮助政府更好地管理空气质量环境，做好空气污染防治工作，具体模式如图3所示。

为了使大数据平台得到有效利用，政府部门同样需要全方位的变革。首先要重视大数据制度规范建设。通过对海量数据的深度挖掘、处理和分析来改变现状是大数据的核心内容，但同时要加强对信息隐私性的保护。管理部门可以通过完善相关的管理制度来加大对数据库的安全管理，防止信息泄露。空气质量数据极其容易在使用过程中被泄露，因此在对数据进行分析处理时一定要注意数据的安全性。针对数据安全问题的保护主要从隐私泄漏、外界攻击以及数据存储三方面入手。其次要加强大数据人才队伍建设。专业人才是开展大数据技术的重要保障，环境管理部门应当快速培养一批拥有大数据意识、掌握智能化管理操作、具备良好分析能力的专业化人才。只有这样，面对海量的数据资源，管理部门才能及时进行分析挖掘，充分利用数据资源，提升空气环境质量管理水平，达到空气环境质量监测管理的目标。最后要建立健全联动机制。政府应当主动强化各环保部门间的联动机制，推动各数据库之间的数据共享，在整合空气质量数据资源的基础上，通过大数据技术深入挖掘数据资源来揭示空气保护领域的客观规律，为政府实施科学性决策提供信息保障。

图3 空气污染治理的政府决策模型：基于大数据平台

四、大数据提升政府治理空气污染的能力

如今，各界都认为大数据的出现将成为政府管理体系的变革推手，它能有效提高政府的公共服务能力，促进政府管理模式创新，推动智慧政府的建设。日本通过大数据战略来促进经济增长；美国通过大数据战略来提升科研、教育水平；欧盟通过大数据战略提升政府治理透明度；韩国通过大数据战略推动智慧城市建设[20—21]。同样，将大数据平台引入到政府空气污染治理与决策中来，将有效地增强政府治理能力，提升治理效率。

第一，促进空气环境质量精细化监测。空气质量监测是空气质量管理的重要组成部分，是做好空气质量保护工作的基础。空气质量监测的根本任务就是要实时掌握空气质量现状，把握空气质量变化趋势，及时发现空气污染源头，明晰存在的污染风险。随着空气污染问题出现频率不断提高、出现形式不断变化，政府亟须创新监测模式，采取点面相结合的信息获取渠道，发展静态和动态相结合、手动和自动相结合的监测模式，将监测范围扩大到天地一体化[22]。

第二，提高环保部门防治效率。环保部门可以通过创新式的精细化监控模式在时间、空间上准确把握空气污染的污染源、污染范围、污染持续性以及污染变化趋势等情况，以便相关单位能够及时并且有针对性地制定出污染治理措施，在解决空气污染问题的同时，做好污染防治工作，有效提高空气污染防治工作效率[23—24]。

第三，提供空气污染事件应急数据支撑。通过建设空气环境大数据平台，可以将各个类型的环境资源数据库、应急处理方法库等共享融合，形成跨区域、全国性的空气环境应急防治数据库。丰富、全面的数据能够有效提升空气污染预测模型推演结果的准确性，为突发事件预防和处置提供大数据支撑[25]。

第四，增强公众参与空气环境保护的能力。随着经济的发展，人们越发关注自己生存的环境状况，环保意识空前高涨。现阶段，人们主要通过各级环保部门的网站和相关环保研究院的网站来获取相关的空气质量信息，对于空气质量保护的参与程度不高[26]。空气大数据平台的建设有效地集成了各类空气环境数据，并通过文档、图片、视屏的形式为公众提供广泛的空气环境信息，提高公众环境意识和环境参与能力。

五、结 语

2015年，面对日益严重的空气污染问题，中央修订了《中华人民共和国空气污染防治法》，对空气环境质量管理工作提出了更高的要求。同时出台了《促进大数据发展行动纲要》分析了环保大数据的挖掘以及在环境治理方面的初步应用。大数据技术可以分析海量数据、深度挖掘数据内涵价值、协同分析多种数据关系，能够有效地预测空气污染突发事件，提高政府决策的科学性[26]。为了适应新常态下社会经济发展和空气环境保护的关系，环保管理部门应该尽快将大数据技术应用到空气环境管理中来，及时培养相关人才，创新管理模式，帮助政府部门有效地提升空气污染防治能力，提升政府决策的科学性。

[1] 魏斌, 张波, 黄明祥. 信息化推进环境管理创新的思考. 环境保护, 2015, 43(15).

[2] L. M. KAUFMAN.DataSecurityintheWorldofCloudComputing. Security & Privacy. IEEE, 2009,7(4):61—64.

[3] DONG-HEE SHIN, MIN JAE CHOI.EcologicalViewsofBigData:PerspectivesandIssues. Telematics and Informatics, 2015，32 (2):311—320.

[4] Y. SHI.BigData:History,CurrentStatus,andChallengesGoingForward. The Bridge, The US National Academy of Engineering, 2014(4):6—11.

[5] D. HOWE, M. COSTANZO, P. FEY, et al.BigData:TheFutureofBiocuration. Nature, 2008, 455(7209):47—50.

[6] 高小平, 王欣. 智能化:现代行政管理的方向. 中国行政管理, 2002(11).

[7] 刘叶婷, 唐斯斯. 大数据对政府治理的影响及挑战. 电子政务, 2014(6).

[8] 陈潭. 大数据时代的国家治理. 北京：中国社会科学出版社，2015:296.

[9] 马建光, 姜巍. 大数据的概念、特征及其应用. 国防科技, 2013, 34(2).

[10]A. McAFEE, E. BRYNJOLFSSON．BigData:TheManagementRevolution． Harvard Business Review，2012, 90(10): 3—9.

[11]T. H. DABENPORT，P. BARTH，R． BEN.How“BigData”IsDifferent． MIT Sloan Management Review，2012,53(5): 43—46．

[12]孟小峰, 慈祥. 大数据管理:概念、技术与挑战. 计算机研究与发展, 2013, 50(1).

[13]刘锐, 詹志明, 谢涛,等. 我国“智慧环保”的体系建设. 环境保护与循环经济, 2012(10).

[14]J. H. XU, X. S. WANG, S. Q. Zhang.Risk-basedAirPollutantsManagementatRegionalLevels. Environmental Science & Policy, 2013, 25: 167—175.

[15]韩晶. 大数据服务若干关键技术研究. 北京邮电大学博士学位论文, 2013.

[16]王书伟. 大数据时代政府部门间信息资源共享策略研究. 吉林大学硕士学位论文, 2013.

[17]李国杰, 程学旗. 大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考. 中国科学院院刊, 2012, 27(6).

[18]李永宏. 大数据与云计算. 统计与管理, 2013(6).

[19]J. GANTZ, D. REINSEL.ExtractingValuefromChaos. IDC View, 2011(6):1—12.

[20]J. MANYIKA, M. CHUI, B. BROWN, et al. Big Data: The Next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute, 2011:1—17.

[21]J. DEAN, S. CHEMAWAT.Mapreduce:SimplifiedDataProcessingonLargeClusters. Communications of the ACM, 2008, 51(1):107—113.

[22]覃雄派, 王会举, 李芙蓉,等. 数据管理技术的新格局. 软件学报, 2013(2).

[23]SHIMING ZHENG, HONGTAO YI, HUI LI.TheImpactsofProvincialEnergyandEnvironmentalPoliciesonAirPollutionControlinChina. Renewable & Sustainable Energy Reviews, 2015, 49:386—394.

[24]吴李知. 大数据驱动管理变革. 管理学家:实践版, 2013(1).

[25]朱东华, 张嶷, 汪雪锋,等. 大数据环境下技术创新管理方法研究. 科学学与科学技术管理, 2013, 34(4).

[26]张杰.大数据：价值何在. 人民日报, 2013-06-18.

【责任编辑：于尚艳】

国家自然科学基金项目“绿色创新政策对环境治理绩效的影响：机制、路径及其效应”(71673308)；教育部人文社会科学研究重大攻关项目“我国社会治理体系构建及其运行机制研究”(16JZD026)；国家社会科学基金项目“基于大数据应用的地方政府治理模式创新研究”(16BGL155)

2017-03-29

D63;X51

A

1000-5455(2017)04-0105-07

郑石明，湖南永州人，华南理工大学公共管理学院教授；刘佳俊，湖南株洲人，中南大学公共管理学院学生。)