大数据战略下的城市治理创新

文｜刘朝晖

（作者单位：中国生态城市研究院有限公司）

从2004年北京开展网格化管理至今，中国在城市治理领域应用大数据等信息技术已经有15年的历史。从2014年中央提出实施大数据战略，也已经有5年的实践。在这个过程中间，各种技术概念层出不穷：智慧城市、城市大脑、数字孪生城市、人工智能，5G。但是城市管理者一直有一种困惑，到底这些技术怎么用，能解决什么问题。

大数据战略提升城市治理水平

当前，我国的很多大城市都遇到了前所未有的治理难题。面对城市治理问题，大数据能够带来什么呢？如果将城市比作人，大数据医生能够帮助我们实现：体检、调理、诊断、治疗、预警。

第一、大数据体检，对城市的透彻认知。我们对城市的一切管理和干预行为取决于对城市运行自身的理解。我们很容易看到城市的问题，但不知道这些问题为何而发生，也不知道所提出的解决对策究竟是解决了问题还是制造了问题。

大数据为我们对所生活的城市有透彻的认知提供了前所未有的可能。例如天津生态城和北京城市副中心分别开发了城市仪表盘和领导驾驶舱，对城市运行的常态状况进行实时的监测、分析和展示，增加了决策者对城市真实运行状态的认知。

第二，大数据调理，对过程的组织优化。城市中经常遇到的是小问题，像停车难、交通拥堵、市容市貌。这些问题都不大，但往往是降低市民对城市满意度和幸福感的重要原因。我想很多人都经历过绕着停车场转了几十分钟找不到车位时的愤怒。但根据调查，即使在北京西城区，停车位的供给与需求之间差距并没有那么大。马路上停满了车，实际上却有很多停车场在空置。而这其实是一个组织效率的问题，结合大数据分析和其他的管理手段有可能对诸如此类问题提出比较好的解决方案。

像杭州的城市大脑，最早的展示性案例就是通过大数据实时分析调控交通信号灯来优化城市交通。

第三，大数据诊断，对问题的精准把脉。很多问题解决不了，是因为我们无法认清问题的根源。特别是在城市这样的复杂巨系统，当所有的问题交织在一起，准确地抓住关键要素是十分困难的。这个时候，有睿智的数据分析就能够大显身手。例如城市象限所做的“回天有术”研究。研究者针对回龙观、天通苑地区居民生活压力特别大问题展开了精准把脉，通过数据分析，研究发现，回龙观的居民就业出行距离和工作强度明显高于望京地区，内部通勤比例远远低于望京。甚至还可以具体划分到不同的就业岗位，例如，很大量的长距离通勤人口是从事商业、文化教育，而最大量的通勤其实是回龙观与上地之间的联系。因此，研究者提出了解决回龙观地区城市问题的核心，一是关注女性就业设施，二是修建与上地之间的自行车快速通道。

第四，大数据治疗，对个案的精准定位。借助于大数据人工智能，从茫茫人海中找出关键线索和关键点。这已经成为大数据在城市管理领域最为成熟的应用。例如在城市管理、安全管理中，对特定的人员和车辆进行追踪和查找已经应用得十分广泛。经侦部门也普遍通过通信和资金网络分析来精准定位经济犯罪线索。

第五，大数据预测，对趋势的提前预知。毫无疑问，对各种角色而言，这都是最受期待也最难实现的功能。这里有一个案例是深圳市福田区在智慧城市建设的过程中，开发了国内首个集监测、预警、分析和可视化功能的城市经济数据系统—经济社会运行监测系统，实时分析经济运行状况，并对未来发展趋势进行预测。

大数据优化城市治理存在认知差距

尽管我们在利用大数据优化城市治理方面有了很多探索，然而，当我们在说大数据，我们的理解和方法可能是不一样的。这种差异继而带来行动的差异，也带来实际效果的不同。

对大数据存在着两种不同的理解：

第一种理解，认为大数据是一种计算技术，因此需要从IT 着手，大数据技术的难点是解决计算相关的问题。从某种意义上说，这种理解是主流。例如咨询公司Gartner 给大数据的定义是：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

第二种理解，认为大数据是一种分析方法，因此需要从应用着手，大数据技术的重点是提出相关的分析模型，从而更好地支撑决策。

与此对应，大数据在现实中有两种不同的应用方式：

第一种应用，是大数据检索，从复杂中抽取特定对象。其中我们最为熟悉的如人脸比对、车牌比对。再如关系网络的检索，多种信息的比对。这里面涉及更多的是一般性常识，以及计算机本身的知识。

第二种应用，是大数据分析，从复杂中发现特定规律。这就需要人类自身的专业知识作为支撑。因为此类模型的建立离不开假设，而假设离不开特定领域的经验积累，需要长期思索中的感悟。

在城市治理、智慧城市的建设过程中，我们的困惑大致来源于此。城市期待技术的进步能够改善自身的发展实效，但技术的供给方与需求方在匹配度方面存在着一定的距离。供给方从计算技术着手，提出先建设大数据中心、城市大脑，将基础设施先搭起来，而需求方要的却是解决一些复杂的问题。等建设完成才发现并没有达到预期的目标。

我们曾经承诺：通过大数据来解决城市问题。然而在现实中，城市大数据中心建设过多，很多处于闲置状况。数据表明，超大型数据中心的投产率1.8%，大型数据中心投产率21.5%，中小型数据中心投产率40%，到2016年数据中心的平均投产率约为50%左右。城市数据中心建设也带来巨大的资源损耗，据预测，到2020年我国数据中心能耗将达到1000 亿度。在硬件建设如此超前的情况下，各个城市大数据中心的运行却普遍缺乏数据，信息孤岛和数据烟囱仍然没有得到很好的解决。

以大数据引领城市治理创新

要真正实现以大数据引领城市治理创新，应当做好关注三个方面：

第一，应当走向协同

对理解与方法的差异是客观现实，而差异的本质是掌握知识领域的差别。基于通用知识提不出关于城市的问题，城市研究和实践者也解决不了大数据技术问题。融合两者之间的鸿沟，唯有协同。更重要的，绝不能忽视市场和市民的贡献。要为社会创新扫除障碍、创造条件。从世界上各个大都市的情况来看，所有的大都市都将基于大数据的社会创新作为城市创新的推进器、城市问题创新解决方案的设计师。当整个社会的创新贡献被协同到一起，我们将掌握前所未有的力量。

第二，应当关注架构

我们认为，创新的生态系统离不开支持创新的系统架构。因此，将会有一种新的架构取代旧的架构，在这个过程中也将产生新的智慧城市。在旧的架构中，系统集成不带来创新，各自为政不带来协调，资源浪费不带来绿色，封闭系统不带来开放，能力孤岛不带来共享。而取而代之的是基于自组织，大规模协同的智慧城市。

未来的智慧城市也是最符合五大发展理念的城市。城市微创新的不断涌现，城市创新生态系统得以自我实现。不再有指挥城市如何运行的大脑，城市中的个体彼此联接，形成类似人脑的神经元结构，使城市整体成为智慧生命体。真正实现自然资源、社会资源、心力资源的节约。不再依赖集中的数据中心，而是不改变数据存储位置和数据产权的、可访问的分散数据节点。任何智能分析能力都可以被采购，小企业可以通过提供特殊的能力来创业，应用开发不再依赖自建的智能分析平台，而是采购智能能力服务来实现数据的价值化。

第三，应当关注机制

首先需要明确基本规则，这是政府不应该放弃的责任。没有规则的时候，企业乱来，结果被抓，居民的隐私得不到保障。像数字资产的权利界定、知识产权保护、隐私保护，这些要求应当以法定的形式明确下来。其次是供应公共产品。智慧城市的公共产品包括：信任、认证、标准。这些年我们比较多地强调了简政放权，让市场自由竞争，在一定程度上导致了市场的失败。在完全的市场条件下，建立信任、建立认证、建立标准等需要漫长的时间和足够的代价。再次，要明确来自各方的数据资源清单，特别是要分清哪些是可以在特定权限范围内交换和共享的，哪些是可以公益性使用的，哪些是可以用于商用的。最后，在系统设置中，应当为社会创新留出接口，让创业者、创新团队能够利用城市所产生的大数据进行研究和创业，并将开发的模块重新返回公共平台，以解决实际的城市问题。