知识图谱在智慧城市治理过程中的应用

冯静 齐艳平

随着经济社会加速转型，人口激增、资源匮乏、生态环境恶化成为城市化进程中面临的严重问题，大中城市的可持续发展成为人类社会的关注重点之一。“智慧城市”建设成为全新的城市发展理念和实践路径。国家为推进我国城镇化快速发展，做出了推动新型智慧城市建设的重大决策。北京、上海、天津、南京、杭州、广州等地纷纷提出建设智慧城市的目标，并相继根据各自经济和产业优势在不同的侧重领域打造了各具特色的智慧城市项目。

一、智慧城市治理面临的挑战

据预测，2050年将会有70%的世界人口居住在城市中，如何构建良好可持续发展的城市生活环境，已成为各国政府部门不得不考虑的问题。城市治理的整个过程涉及政府、组织、企业和市民等多元主体，需要为各利益相关方提供其所需的定制化服务，并处理好整个服务过程中各方的协同工作，因此这是一项浩大繁琐的系统工程。随着近年来网络技术、信息技术、经济建设的蓬勃发展，智慧城市及其治理需求全面升级，城市管理者需要在全方位实时掌握城市动态的基础上，提升监控管理工作科学性，以真正实现城市功能的不断优化和可持续发展。

智慧城市治理是在城市信息通信设施基础上，借助物联网设备，通过数据采集、数据分析、决策支持和策略制定等步骤而开展的一项城市综合管理过程。其中，数据采集是通过智能传感器收集实时数据，数据分析可以透过数据来深入了解城市服务和运营情况，数据分析的结果传达给城市管理层为其提供决策支持，以采取行动来改善城市运营和管理资产，最终达到改善城市生活质量并实现经济增长的目的。大数据时代，借助人工智能、物联网和移动互联等各种创新技术，城市中的各类关键组成系统相互贯通，实现信息化、工业化与城镇化的深度融合，同时也带来了自动驾驶、线上购物、虚拟现实（VR）和增强现实（AR）等新技术和新业态的兴起，使城市治理能够变得更加“智慧”。

上述这些变革从某种程度上也会影响甚至颠覆原有的城市布局和运行机制，如自动驾驶技术的发展会深刻影响城市路网形态，新零售也会改变城市的商业空间，对城市基础设施建设提出新的要求。整个过程形成了一个闭环，在这个闭环当中，只有充分发挥数据资源价值来提升城市管理和公众服务，才能真正实现整个城市管理高效、服务优化以及生活质量提高的目标。城市大脑就是人工智能和大数据技术在智慧城市治理过程中的一种探索模式，它能够为城市配备数据驱动的治理系统，提供城市事件感知与智能处理、社会治理和公共安全、交通拥堵和交通信号控制以及公共交通管理等多种服务，通过利用实时全量的城市数据资源，全局优化城市公共资源，即时修正城市运行缺陷。然而即使在集成这些高新技术之后，智慧城市治理仍然面临诸多挑战：

（一）海量数据的高效关联使用模式尚未建立

面临的数据资源规模庞大，而数据的关联使用却明显不足。大数据之“大”并非只强调数据量之大，也指数据的汇聚、关联和使用形式之宽广。数据本身需要通过被理解、分析才能够有效利用，从而服务于人类。目前，智慧城市治理过程中海量数据的融合与提炼过程仍处于初级阶段，尚未建立高效关联使用模式，难以凝聚出可全面支持城市运营的信息和知识体系。

（二）智能化技术亟待整合与突破

以神经网络为代表的智能化技术，目前在智慧城市治理过程中得到了广泛的应用。然而目前神经网络模型的可解释性差，对其进行严格的理论分析异常困难，其应用发展即将遇到瓶颈。后续需要从数学、统计和计算的不同角度，以及表示能力、泛化能力、算法收敛性和稳定性等多个侧面，对统计学习理论进行整合与重构才能解决上述问题。在无法整合与完善统计学、机器学习和数据科学的理论框架的情况下，智慧城市中智能化技术应用难以获得有效的技术驱动。

（三）缺乏创新技术的集成应用

目前智慧城市的各类技术应用，单点的、割裂的多，集成的、融合的少。如云计算技术用于政务云建设，物联网技术用于城市管理的感知监测和数据采集，互联网技术用于电子政务和公共服务的交互渠道，大数据用于城市治理的决策分析，人工智能则是用于提升各种应用的智能化体验。这些技术对提升智慧能力的作用毋庸置疑，但技术间缺乏系统架构级的融合贯通，造成应用离散化、信息孤岛化、平台多元化，集成创新的乘数效应尚未释放出来。

二、知识图谱在智慧城市治理过程中应用的优势

（一）知识图谱基本概念与构建阶段

知识图谱（Knowledge Graph,KG）是一种基于图的数据结构构成的语义网络，它以结构化的形式描述客观世界中类型、实体及其关系，其基本组成是“实体－关系－实体”三元组，实体间通过关系相互联系，构成网状的知识结构。在过去的十年中，知识图谱已被广泛应用于各个领域，如医疗、电子商务、金融，实现了将多源异构数据中的知识融合到知识库中。同时，有许多成功的大型知识系统应用程序。这些事实足以证明知识图谱能够用可解释的图形结构描述现实世界，从一个新的语义角度实现对现实世界中具体实体和抽象概念之间结构化关系事实的存储。

知识图谱的构建到应用一般包括六个阶段，分别是知识建模、知识获取、知识融合、知识存储、知识推理和知识应用。知识建模，即构建知识图谱的本体，通常根据知识图谱的用途来设计图谱的本体或模式层；然后通过爬虫等手段进行知识获取，完成模式层填充；由于知识获取的数据源不同，往往会存在实体或关系的歧义，在知识融合步骤中需要针对性地进行知识消歧，以确保各个来源数据的统一；知识存储阶段需要选取合适存储方式来存储知识库，目前主要有资源描述框架和图数据库两种存储方式；知识推理能够丰富知识图谱的知识量，提供更多的查询功能；最后是图谱的应用，知识图谱主要有智能问答、智能搜索等主流应用方式。

（二）知识图谱在智慧城市治理过程中的优势

1.知识图谱是智慧城市大数据处理的有效手段。随着新型智慧城市建设的不断发展，人们对于数据应用的需求不断提高，市民生活和各行业运行产生的数据呈现爆发式增长，数据来源覆盖互联网、城市级物联网、社交网络、企业数据、运营商数据以及时空数据等，形成城市级大数据中心，并使用智能感知、分布式存储、数据挖掘、实时动态可视化等大数据技术实现资源的合理配置。

大数据的有效应用和处理，其目标是从存在“噪音”的海量异构数据中自动高效地挖掘有价值信息。随着人工智能技术的快速发展，大数据应用的需求已经从单纯的搜集获取信息转变为自动化的知识服务，利用知识工程为大数据添加语义知识，使数据产生智慧，完成从数据向信息以及知识的跃升。在这个过程中由于知识图谱拥有最接近现实世界的数据组织结构，更符合人类的思维模式，成为智慧城市大数据应用处理的有效手段。

2.知识图谱是促使智慧城市更“智慧”的可靠保证。智慧城市的发展经历了萌芽期、起步期，目前正处于战略转型期。新一代信息技术与实体经济的加速融合，使得以个人、企业、政府机构等社会组成单元发展需求为牵引，以分布式、个性化和高技术含量创新为驱动的新型智慧城市理念日益成熟，现阶段智慧城市急需向更具备“智慧”的方向发展。人工智能在城市安全、政务、产业、教育、医疗、环境等方面的创新应用层出不穷。

人工智能从学术上分为三个流派，分别是对已有知识进行组织编辑的符号主义流派、通过数学理论公式推导聚类和预测问题的连接主义流派，以及利用机器模仿生物活体行为的行为主义流派。近年来，以深度学习为代表的连接主义流派成为人工智能领域的热点，这种技术通过组合底层特征形成更加抽象的高层属性类别以实现对事物的识别、分类和判断，在计算机视觉和智能语音上获得广泛应用。然而在智慧城市建设更高阶发展进程中，对事物背后的事理、规律和趋势的分析会成为新的需求，深度学习等技术往往不足以满足上述需求。只有通过知识图谱对概念间的关系属性进行连接、转换，实现业务规则的梳理、流程可视化的控制、事物深层次关系的挖掘等应用，真正完成利用人类知识、经验、逻辑和方法论实现生产力转化，才能确保智慧城市更“智慧”。

3.知识图谱有助于实现智慧城市创新应用的统一整合。目前知识图谱已经在民生服务、城市治理以及产业经济等智慧城市应用领域得到了应用，通过将城市生活方面的数据和城市管理方面的数据进行关联分析和挖掘，为各行业搜索、问答、推荐等功能与应用的知识数据提供支撑。

知识图谱能够为智慧城市中的各种应用提供一个根据治理协议共享数据的统一框架。同时基于开放标准，利用数据之间的关系进行业务和运营的优化，使用同源分类法和词汇表来描述城市中所有部门通用术语的数据，将各种不同来源的数据在一个全面的、可查询的语义图上链接在一起，实现将衣食住行等各种生活数据和公共事业管理、劳动与社会保障、土地资源管理等数据的分析和挖掘，建成易于人类组织、管理和利用的动态知识库，最终为城市中的居民应用、政府办公、政策制定提供强劲支撑。

三、知识图谱在智慧城市中的具体应用

（一）在智慧医疗中的应用

智慧医疗是智慧城市的重要组成部分。为推进信息技术在医疗服务领域的深入应用和创新发展，建设完善业务协同应用、信息互通共享、标准统一规范的智慧健康信息服务体系，很多城市提出了智慧医疗建设规划，充分运用新兴技术，提升医院智慧化服务应用水平，改善患者就医体验。

医疗知识图谱可为分级诊疗提供智能辅助支持，通过将顶尖医学专家的知识和诊治经验进行快速复制，以医疗知识图谱为基础搭建的各类应用系统可以为基层医生提供实效、实时的决策支持，提高广大经验不足的医疗工作者的工作能力。借助医疗知识图谱海量、结构化的医学知识体，有望实现计算机辅助下的医疗辅助诊疗赋能，提高基层医院医生的诊疗能力，实现智能化的分诊导诊，配合并推动实现国家的分级诊疗制度和愿景规划，提升患者就诊效率。

医疗知识图谱还可应用于医学智能培训教育。通过构建医学知识图谱，形成全面、直观和系统的医学知识教育体系。搭建智能医学教育辅助系统，提供一体化的学习培训，为医学继续教育提供支撑。

基于医疗知识图谱构建的各类应用系统可以有效地加速诊疗规范的形成与验证，并且通过及时的诊疗知识推送和推广，更好地普及诊疗规范，同时可以全面规范诊疗过程，降低误诊率和漏诊率，提升患者就医体验、降低就医成本。

（二）在智慧政务中的应用

智慧政务的实现一般以企业和个人的办事需求为导向，借助智能化的政务服务运行平台、监控平台和数据分析平台，提供便民化的政务公开及服务渠道，提升用户体验、改善服务生态。政府服务运行平台还能够基于用户需求构建定制化的信息公开方式，监控平台可以随时收集群众办事过程中遇到的困难和咨询的问题，对高频事项和舆情进行实时监控，数据分析平台可以针对咨询的问题进行大数据分析，为决策提供数据支撑。

知识图谱可用于舆情监管领域。以典型人物、事件、社交媒体构建社交网络舆情主题图谱，运用大数据方法分析各类话题的舆论传播特征，同时关注社交媒体环境中的热点主题，以点带面挖掘网络舆情发展规律，最终实现对热点舆情的有效引导。

知识图谱还可有效指导公共事件处置和预警。借助多模态大数据语义分析，通过时空信息抽取、文本分析、多模态数据融合技术，对公共事件进行要素抽取，构建公共事件图谱，通过因果关系分析，对事件中的实体进行关联，在此基础上扩大查询范围，实现整个图谱的联动，从而得出相应的公共事件分析结论，最终为完善公共事件预警机制提供支撑。

（三）在智慧交通中的应用

智慧交通能够实现对城市交通中涉及管理、运输、公众出行等活动以及交通建设管理全过程的管控，使交通管理部门及交通服务消费者能够在更大的空间范围具备感知、分析、控制和预测等能力，从而更好地发挥交通基础设施效能，提升交通运行效率和管理水平，为通畅安全的公众出行和可持续的交通发展服务。

海量个体在时空维度发生的迁移活动构成了交通系统，构建交通知识图谱，实现对在智慧城市空间中每个参与交通活动主体行为轨迹的监控，有助于勾勒出完整出行链路、交通环境及交通事件之间的交叉关系，从而为开展城市交通精细化治理奠定基础。在整个城市交通空间体系内，实际生活中人、车、路和环境之间构成了多阶交互关系，要对这种关系进行建模，其计算规模将超过百万亿级别，检索和预测的时空复杂度超过关系数据库的应对极限，采用以Neo4j为代表的图数据库可以实现对此类计算的良好支撑。以公交出行场景应用为例，知识图谱可以实现对同乘人员、最大公交客流、线路站点客流等因素的识别提取，实现对公交运力的挖掘。同时还可以实现对公交站点群特定范围内出行量的预判，从而为公交线路的开通与优化提供重要分析依据。

四、结束语

智慧城市发展进入了新阶段，以“城市全要素语义化数据和人工智能”为代表的治理模式成为新阶段的主流发展趋势。这种新型治理模式将为城市管理者掌握城市动态、科学监控管理和优化城市功能，以及为城市高质量发展提供技术支撑。

知识图谱作为新一代人工智能技术的重要分支，常常被用于融合多源数据来构建大规模知识库，能够有效解决目前智慧城市建设过程中，数据资源共享不足、深度学习技术应用受限、创新应用难以集成等问题。通过构建智慧城市的多领域知识图谱，可以更为便捷地实现原本很复杂的跨库知识查询以及规则推理，推动人类知识、经验、逻辑和方法论的高效利用，为智慧城市治理过程中的智慧医疗、智慧政务、智慧交通等各领域的业务协同应用提供有效支持。

注释：

①Neo4j是一个高性能的NOSQL图形数据库，它将结构化数据存储在网络上而不是表中；也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。