智慧城市精细化治理大数据可视化分析及信息挖掘

曾鹏 刘佳

摘要：为了更好地实现城市的科学化、精细化治理，深圳市宝安区将全区划分为4 833个基础网格，建成“1+10+124+4 833”的网格化智慧管理体系，实现全区综合巡查、城管、查违、消防等12大类155项事件数据采集。结合宝安区采集的数据特征和实际业务情况，采用Tableau作为网格事件大数据可视化分析及信息挖掘工具，对宝安网格化大数据进行多维度分析以及事件数据分析结果多平台可视化展示，实现重要网格事件的预警、预判，在宝安城市精细化治理方面取得了显著效果。

关键词：网格化；事件数据；Tableau；精细化治理

DOIDOI：10.11907/rjdk.181666

中图分类号：TP391

文献标识码：A 文章编号文章编号：1672-7800（2018）008-0190-04

英文摘要Abstract：In order to better realize the scientific and elaborate governance of the city，Baoan District of Shenzhen has divided the whole area into 4833 basic grids to build a smart grid intelligent management system of "1+10+124+4 833"，and realized the data collection of 12 major categories of 155 events，including comprehensive inspection，city management，inspection violation，fire fighting and so on.Combined with the data features collected in Baoan District and the actual business situation，Tableau is used as a tool for large data visualization analysis and information mining for grid events.The multi-dimensional analysis of large grid data in Baoan and the multi platform visualization of event data analysis results are presented to realize the early warning and prediction of the grid event in Baoan.Remarkable results have been achieved in urban elaborate governance.

英文關键词Key Words：gridding； event data； Tableau； refinement governance

0 引言

随着人类社会不断发展，未来城市将承载越来越多的人口。目前，我国正处于城镇化加速发展时期，部分地区“城市病”问题日益严重[1，2]。为解决城市发展难题，实现城市可持续发展，智慧城市建设已成为当今世界城市发展不可逆转的历史潮流[3]。智慧城市建设在国内外许多地区已经开展，并取得了一系列成果，国内如智慧上海、智慧双流，国外如新加坡“智慧国计划”、韩国“U-City计划”等[4-6]。近年来，随着管理实践中新理念层出不穷，网格化管理也应运而生。运用网格化管理技术，人类社会成功地完成了许多原本无法想象的项目[7，8]。2016年，智慧宝安建设采用网格管理方式进行城区治理，接入公安、消防、安监、交通、查违、城管系统数据，将业务数据与地理网格进行关联，形成全区一张图，初步形成了智慧宝安的核心和大脑。2017年，宝安区委区政府提出进入“基层治理质量年”，开展“智慧宝安质量提升行动”，工作重心由抓整体推进实施向抓整体质量提升转变。

在城市数据可视化和大数据挖掘方面，李谦升[9]提出城市信息可视化设计中有关设计模型与设计原则的若干关键问题，为设计师通过可视化设计改善城市生活、解决公共问题提供了理论与实践指导。迈克尔·巴蒂等[10]通过数字可视化的两个典型例子——地理信息系统和计算机辅助设计技术，获取二维和三维地图，展示了如何通过各种形式的仪表板发送实时数据给设计者。吴掠桅等[11]研究智慧城市中多规信息融合可视化系统构建，提出系统技术框架和多规信息融合全流程解决方案，并研究多规数据体系目录构建、数据处理融合以及平台研发，实现了多部门规划信息的融合与共享。贺瑞等[12]举例说明大数据技术在智慧城市建设中应用的有效性，并给出了基于大数据技术的智慧城市建设建议，为大数据技术在智慧城市建设中的应用提供理论参考。胡艳[13]指出大数据是实现城市智慧化之关键，其支撑政府决策与实施，指导城市产业布局规划及城市的运营与管理。

为提升城市运行管理工作，提高城市与运行保障水平、完善城市功能、提升城市品质，提出通过大数据可视化和数据分析以解决城市运行中的问题，为领导决策提供可靠依据。本文结合宝安区采集的数据特征和实际业务情况，采用Tableau作为网格事件大数据可视化分析及信息挖掘工具，对宝安网格化大数据进行多维度分析以及事件数据分析结果多平台可视化展示，实现重要网格事件的预警、预判，在宝安城市精细化治理方面取得了显著效果。

1 宝安区精细化治理情况

2017年宝安区信息中心开展了智慧宝安“三个一”综合集成平台一期项目建设，已开发“宝安区网格化智慧管理平台”以及“智慧宝安管控指挥移动终端（管控通）”。

1.1 智慧宝安网格化智慧管理体系

宝安区以124个社区为核心单元，以500套出租屋或1 000人划分一个网格的标准为基础，综合考虑工作量、难易程度、街区走向等因素，将全区划分为4 833个基础网格，建成了“1+10+124+4 833”网格化智慧管理体系，实现全区综合巡查、城管事件、查违事件、消防事件等12大类155项事件采集，综合事件分拨、事件接收、处理反馈、核查结案等事件处置全流程移动化，以及跨部门、跨专业处置系统的事件分拨、协同处置、督办催办等功能。

1.2 专业数据落图落格

将警格（124个）、消防网格（124个）、安监网格（124个）、交通网格（124个）、查违网格（124个）等专业网格与基础网格一一对应，实现专业巡查、专业整治与综合巡查、综合整治的有效对接及相互联动。共接入7类公安监管对象29 160家，公安人员4 188人，110事件20 702宗；4类消防监管单位60 558家，消防人员908人，1类65项消防事件22 889宗；8项安全监管企业41 593家，安监人员730人，7类66项安监专业类事件130 190宗；3项交通监管对象2 983家，交通人员58人，9类72项交通专业类事件75 287宗；存量违建2 738处，查违人员356人，4类11项查违事件512宗。同时，将153类60余万个管理对象的坐标、现状落到网格，形成“一张图”，巡查、整治队伍人手一个移动终端，“人机格物事”一一绑定。

1.3 网格化数据采集

宝安区采取一人一格制，对全区综合巡查、城管、查违、消防、安全生产、公安、规土事件、环保水务、人力资源与社会保障、市监、卫监、文体旅游12大类，“生产、经验、储存危险化学品”、黑煤气事件、电动车违规充电、烟花爆竹、安全通道堵塞、消防纳管、厂房改公寓、“住宅出租屋、三小场所零星工程”等155项事件进行巡查、整治，巡查、整治人员通过移动终端采集数据并上传存储。后期数据分析团队对采集的网格化事件数据进行预处理，进而提取相应场景的数据进行可视化分析及信息挖掘，从而分析城市运行的痛点与难点，为领导决策提供科学依据。

2 城市运行大数据可视化分析及信息挖掘

2.1 大数据可视化分析及信息挖掘工具——Tableau

Tableau是一款简单的桌面系统商业智能工具软件，数据图表制作能力强，内置美观的可视化图表。Tableau没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，其不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度动态性。宝安区智慧城市精细化治理大数据可视化分析及信息挖掘主要运行Tableau Desktop和Tableau Server。利用 Tableau 简便的拖放式界面，可以自定义视图、布局、形状、颜色等，帮助展现多维数据视角。

2.2 大数据可视化分析及信息挖掘

2.2.1 智慧城市精细化治理大数据多维度分析

重要事件的多维度分析立足于对大量历史事件进行深入分析，从多个角度、维度对数据进行深入细致观察，结合城市运行的各行业知识和经验，找出数据相关规律，为辅助决策提供依据。

（1）时间分布。从时间维度对区域内发生的重要事件进行对比分析，包括事件巡查总量、办结量、未办结量、时间周期分布等。

（2）空间分布。从空間维度对区域内发生的重要事件进行对比分析，包括各区域事件总量、排名、占比及区域分布特性、类型等。

（3）事件等级。从事件的等级分类对区域内发生的主题事件进行对比分析，包括各等级事件集中分布类型、占比、危险程度等。

图1为宝安区2017年十大重点事件之安全通道堵塞事件巡查整治情况。图1显示，2017年安全通道堵塞事件巡查发现量为746 953宗，办结量为745 118宗，未办结量1 835宗，办结率为99.75%。其中，西乡街道巡查量最多，为135 787宗，办结量135 738宗，办结率为99.96%；其次是新安街道，巡查量107 460宗，办结量107 450，办结率为99.99%。由办结率可看出，事件整治效果是可观的，安全通道堵塞隐患随着不断巡查整治得到解决。安全通道堵塞事件全年巡查办结量较为平稳，巡查整治量高峰期集中在5-8月，可建议在之后每年5-8月加强巡查整治，杜绝安全通道堵塞隐患发生。安全通道堵塞事件未办结量街道排名第一的燕罗街道为737宗，其次石岩街道548宗、沙井街道303宗，相比巡查量最高的西乡街道，其未办结量全年仅49宗。由此可看出，这3个街道事件整治力度不够，建议相关部门督促该3个街道的整治情况。此外，该页面可通过事件名称选择和时间参数选择，对其它事件巡查整治情况进行查看。

以往的城市管理往往多是凭经验和直觉进行“模糊管理”，这种粗放型管理结果是形成了许多城市管理的“死角”和“盲点”，一直是许多问题多人管、许多问题没人管、发现问题快慢没人管、处理问题是否及时没人管、问题处理到什么程度没人管。通过对宝安区十大重点事件进行全时段全空间监测管理，犹如一张疏而不漏的大网，可将城市中需要管理的问题通过大数据可视化分析及信息挖掘“一网打尽”，及时获取有效信息，对全区事件的巡查量、整治量进行把控。

2.2.2 重要事件预警分析

现代城市社会运行快速多变使缓慢的反馈控制已不能适应城市管理的需要，现代城市问题的“突发性”常使得一些部门顾此失彼、应接不暇，甚至疲于奔命[14]。因此，对重要事件的预警预测至关重要。根据事件的历史数据，界定每一项事件的预警、预研、预判阈值，对重要事件进行预警分析。针对每项具体事件，按照涉及隐患的严重情况、可能造成影响程度进行分级，对最高级进行预警，确保预警有效、不频繁预警。

图2为万人案发率异常街道研究。首先根据历史数据建立合理的算法，进而得出异常值。图2显示，新安街道扒窃类案件万人案发率远高于合理值，根据该结果可建议相关部门加强新安街道的治安管理，同时向市民宣传增强财产保护意识。此外，其它抢劫类、其它抢夺（其它）、盗窃自行车案件均有一个街道万人案发率稍高于正常值范围。可及时对万人案发率高于正常值范围的街道进行预警，对于低于正常值范围的街道可调研该街道治理方法，进而向全区推广。

运用不断获得的有关城市运行的最新可靠信息加以预测，并将期望的城市管理目标同预测结果加以对照，在出现问题的临界点之前就发现问题，事先制定纠偏措施，将问题解决在萌芽状态，以确保管理目标与预期结果一致[15]。对重要事件预警分析，可以及时发现处于萌芽状态的问题，因而具有预警功能。

2.2.3 事件数据分析结果多平台可视化展示

运用Tableau server将数据分析结果发布到Web浏览器共享。通过Web端将数据分析结果对接到智慧宝安管控指挥中心的综合中控平台、中控管理APP端、PC端，可以在平台上展示数据分析图表，实现数据共享，为管理决策层掌握城市运行状态发挥重要的支撑作用（见图3-图5）。

多平台数据分析结果展示与共享，将信息进行全網布局，各职能部门能够随时查看城市运行中的问题，避免因信息不畅、不及时而导致管理服务滞后。城市精细化治理大数据可视化分析及信息挖掘分析结果多平台可视化展示的管理新模式有利于城市治理效果“互动”，实现即时响应。

3 结语

智慧城市精细化治理作为城市发展的永恒主题，需要不断挖掘与深化[16]。随着我国城市化进程对城市管理水平的要求越来越高，不断提升城市管理科学化水平，是对政府执政能力的考验。利用大数据可视化分析工具Tableau，结合宝安区智慧城市精细化治理理念，对全区综合巡查、城管事件、查违事件、消防事件等12大类155项事件采集的数据进行可视化分析及信息挖掘，弥补了凭经验和直觉进行“模糊管理”存在的不足，准确及时抓取城市运行的“死角”、“盲点”和“痛点”，将城市治理推向精细化、数据化。大数据可视化分析及信息挖掘能帮助政府更好地运用相关数据，为公众提供更好的公共服务，大大提高了城市管理质量以及城市居民的生活品质。

参考文献：

[1] 张永民.从智慧城市到新型智慧城市[J].中国建设信息化，2017（3）：66-71.

[2] 吕淑丽，薛华，王堃.智慧城市建设的研究综述与展望[J].当代经济管理，2017，39（4）：53-57.

[3] 郝利娟.探索大数据在智慧城市研究与环境规划中的应用[J].环境与发展，2018，30（1）：12+14.

[4] 徐振强.中国的智慧城市建设与智慧雄安的有效创新[J].区域经济评论，2017（4）：69-74.

[5] 颜姜慧，刘金平.基于自组织系统的智慧城市评价体系框架构建[J].宏观经济研究，2018（1）：121-128.

[6] 刁生富，姜德峰.论新型智慧城市建设的推进策略[J].中国管理信息化，2018，21（1）：162-163.

[7] 臧维明，李月芳，魏光明.新型智慧城市标准体系框架及评估指标初探[J].中国电子科学研究院学报，2018，13（1）：1-7.

[8] 王红宝，谷立霞.智慧城市网格化管理评价指标体系构建研究[J].经济论坛，2017（1）：144-148.

[9] 李谦升.城市信息可视化设计研究[D].上海：上海大学，2017.

[10] 迈克尔·巴蒂，安德鲁·哈德逊·史密斯，陈宇琳.城市设计中的可视化分析、智慧城市与大数据[J].城市设计，2016（3）：6-15.

[11] 吴掠桅，王芙蓉，孙玉婷.智慧城市多规信息融合可视化系统构建研究与实践[J].建设科技，2017（13）：26-29.

[12] 贺瑞，许元斌，柳欢，等.基于大数据技术的智慧城市建设初探[J].自动化与仪器仪表，2017（6）：69-71+74.

[13] 胡艳.大数据在智慧城市建设中的应用分析[J].企业科技与发展，2017（8）：56-58.

[14] 房毓菲，单志广.智慧城市顶层设计方法研究及启示[J].电子政务，2017（2）：75-85.

[15] 徐振强，刘禹圻.基于“城市大脑”思维的智慧城市发展研究[J].区域经济评论，2017（1）：102-106.

[16] 夏昊翔，王众托.从系统视角对智慧城市的若干思考[J].中国软科学，2017（7）：66-80.

（责任编辑：何 丽）