基于大模型的城市治理应用场景探索

袁野?孙博?杨政

伴随着ChatGPT（美国OpenAI公司研发的聊天机器人程序）的面世，各类大模型也逐渐涌现，成为人工智能技术的最新体现。

新一代人工智能技术的不断更新迭代和全方位的普及渗透，正在深刻影响和改变着人们的行为方式和生产生活方式。城市治理领域结合泛在感知、机器视觉、数据智能、数字孪生、生成式人工智能技术（AIGC）等技术能力，让城市会“思考”，更“聪明”。顺应城市治理到城市“智”理的发展浪潮，人工智能已从万千碎片化的小模型時代走向“百模千态”的大模型时代。

城市是一个复杂巨系统，城市规模越大，运行管理的面越宽，各类城市运行的问题和风险就越多。城市生活有多丰富，城市治理就有多复杂。如何以大模型这样一种最新的人工智能手段为基底，赋能城市治理各项业务场景，已经成为城市治理行业亟待破题的关键。

一、城市治理大模型赋能城市治理

通用大模型具有出色的泛化性能和通用知识，但在促进数据互联互通的同时，依然存在意图理解能力弱、知识割裂离散、泛化适配能力差等特点。如何从“通用”走向“专业”，大模型需要在应用场景上发挥更大的价值。城市管理、基层治理、城市安全、民生诉求、法治政府等丰富的城市治理场景给大模型提供了用武之地。

针对特定行业或领域的需求，要结合特定的行业数据对通用大模型进行优化，以适应行业的特定需求和挑战。行业大模型充当着“行业专家”的角色，更专注于某个特定领域的知识和技能，具备更高的领域专业性和实用性。在城市治理领域，应该结合城市治理行业经验和专业知识，在通用大模型的基础上探索与打造城市治理行业大模型，使其具备专业的知识问答、语言理解、文本生成、逻辑推理等能力，提升专业领域的场景应用效果，解决城市管理、基层治理、城市安全、民生诉求、法治政府等行业场景的痛点问题，赋能数字政府新变革。

通过城市治理行业大模型，能够对城市各类事件进行自动发现识别、智能研判分析、分类定性，实现“算力”替代“人力”；以大模型为依托，让运行系统逐步学习人的经验，通过“大脑”自主研判、智能调度，逐步摆脱对人工经验的依赖，提高城市治理水平与服务效能；开辟全新的人与智能的“城市对话”交互方式，人机协同更加自然，政务服务更加亲民，城市治理更加智能。

二、精准识别城市治理应用场景痛点及诉求

大模型赋能城市治理的应用场景探索，要以精准识别行业痛点为原则，以提升城市治理效率为出发点，更要以辅助城市治理参与者为核心。

城市治理的参与者涉及城市管理、基层治理、城市安全、民生诉求、法治政府等领域，包括与之相关的社会公众、话务人员、城管人员、执法人员、网格员、基层参与者、各级领导等。每类应用场景都存在“范围广、事情多、人员少、效率低”等问题，如何面向不同城市治理场景，运用大模型技术精准识别痛点难点，辅助多元参与主体高效开展工作，成为构建城市治理新格局的破题之关键点。

在民生诉求方面，市民拨打热线电话的趋势逐年递增。以2022年的数据为例，北京市全年工单量7500万件、上海市2000万件、广州市3206万件、深圳市1200万件。针对民生诉求“电话占线”的痛点，通过大模型可赋能客服人员，让热线接得更快、分得更准、办得更实，让百姓诉求“不占线”，从而提升民生诉求工作成效、优化市民服务水平。

在法治政府方面，全国的法律、行政法规、地方性法规、部门规章数量繁多。不仅如此，执法机构和执法人员规模庞大，以天津市为例，目前全市执法机构2458个，执法人员2.5万人。针对法治政府“精准执法难”的痛点，通过大模型技术可服务执法人员，解决法律繁多记不住、用不准、法不好“依”的问题，让执法更精准。

在基层治理方面，上面千条线，下面一根针，基层工作人员面临着巨大的工作压力。每天都需要开展基础信息采集、为民服务、重点巡查、特殊人群走访、社会治安辅助、生态环境巡查、矛盾纠纷调解、社区管理、隐患排查等工作，面临着多种考核任务的压力。针对基层治理无法“即刻能用”的痛点，通过大模型可赋能基层工作者，切实为基层减负提质增效，让基层工作者随时随地享受信息化带来的便利，让基层的线上化更加简单。

在城市管理方面，全国目前有近300个地级市、近400个县级市。针对城市管理“优秀经验复制难”的痛点，通过大模型可赋能城市管理人员，合理有序沉淀管理经验，同时有效制定城市管理综合评价方案，提升城市综合测评水平，最终因地制宜地给出城市管理方向指引。

在城市停车方面，据公安部统计，2023年全国机动车保有量达4.35亿辆，机动车驾驶人5.23亿人，然而停车场相关的基础设施缺口却达8000万个。针对城市“停车贵、停车难”的痛点，通过大模型可赋能停车运营人员，切实缓解城市交通拥堵、解决城市停车难的问题，让停车更便捷。

三、大模型赋能城市治理的应用场景探索

面对不同城市治理场景当中各类参与者的痛点及核心诉求，大模型的应用应结合行业经验和专业知识，打造更符合行业实际需求的场景应用新范式，赋能城市治理。

（一）大模型赋能民生诉求“优服务”

开展民生诉求工作是政府倾听民众声音、打造“服务型”政府的重要手段。然而，如何有效解决“市民诉求杂、人力资源缺、运营成本高、数据分析弱、领导关注频”等问题，成为提升民生诉求工作成效、优化市民服务水平的关键。上述问题主要体现为：各类热线都归并到“12345”市民服务热线，该热线受理事项覆盖广，对话务员专业素养有着越来越高的要求；诉求工单量大，电话经常占线，话务员的服务状态容易影响市民的满意度；需要大量的客服人员保障全天候接听来电，但相关人员技能水平参差不齐；报告报表制作耗时耗力、分析决策建议不足；群体热点事件无法精准识别；等等。

通过构建基于大模型的智能对话引擎，可以赋能政务热线，由“数字人”自动、快速处理各类投诉和咨询问题，解析政务热线中的关键信息后生成问题工单，服务群众供水供电、游商占道、住房公积金等方面的需求。相比于传统人工客服和机器客服，大模型“数字人”的语义理解更为精准、意图识别更为到位、应答话术更为灵活、市民服务更加人性。同时基于大模型能力，对民生诉求数据进行要素提取、分析，引导式生成不同应用维度分析报告，有望整体革新民生诉求工作方式，更好地服务市民（图1）。

（二）大模型赋能法治政府“强规范”

强化执法人员能力建设、素质提升，规范执法方式、执法流程，规范讯问笔录流程、提高讯问笔录效率，是行政执法的关键。在法治政府建设当中，执法人员行政处罚工作存在执法依据记不住、笔录制作不规范、自由裁量运用不当、法制审核人员力量薄弱等痛点。针对此类痛点，通过城市治理行业大模型赋能，可帮助执法人员根据线索详情智能识别违法行为，推荐相关案由及违则罚则，完成执法立案登记；智能推荐笔录模板，一键填充执法文书内容，完成执法调查询问笔录；智能完成案件审核，实现自查自纠；智能推荐相关的自由裁量建议，辅助执法决定（图2）。

同时，可以尝试探索基于大模型的数字人远程询问。基于大模型的能力支撑，可以有效规范询问流程、提高询问效率、避免直接与违法人员产生正面冲突，探索非现场执法的新方式。

（三）大模型赋能城市管理“优考评”

综合评价工作的有效开展是城市管理业务的重要环节，涉及是否能够客观、合理评估城市管理成效，是否能够面向城市管理作出精准决策。然而，当前在城市综合评价中依然存在着“评价方案制定难、评价指标设计难、决策建议形成难、优秀案例复制难”等痛点，阻碍了高质量、高格局地推进城市管理工作。具体体现为：城市管理事项多、综合评价标准复杂，各地城市因行政管理权责差异，个性化评价方案制定难；综合评价指标依赖系统上报和现场考察，指标获取主观性影响大，评价标准难以落实，方案落地难；各地评价方案各自按需制订，缺少经验总结和沉淀，优秀案例复制难。

通过构建基于大模型的城市评价方案，可根据城市规模、评价目标、工作办法，关注重点及相关配套机制，构建个性化评价方案；应用大模型赋能，进行智能化采集、智能化分析城市管理高发问题、高发区域，同时根据评价周期内采集数据，客观评价城市管理情况，找出问题和短板，生成决策建议。大模型的应用，可提升城市综合测评水平，因地制宜地给出城市管理方向指引，让经验被更好沉淀（图3）。

（四）大模型赋能基层治理“减负担”

當前，基层治理普遍面临着“基层工作任务重、业务系统效率低、基层数据分析难”等痛点。具体体现为：基层工作人员同时承担城管、民政、公安、卫计等多个垂直部门下发的围绕“人、地、事、物、情、组织”等基础数据采集例行工作，数据采集工作量大；各业务系统存在壁垒，造成数据重复采集、数据质量参差不齐问题突出，无法满足基层数据快速采集、及时更新的需求，无法实现数据采集内容按需定制；采集的数据依靠简单的表格统计分析，无法快速总结提炼以支持领导决策等。

通过充分应用城市治理行业大模型赋能基层治理，可以实现大模型＋OCR式的语义理解：将图片直接生成文字，自动完成语义信息提取，抗干扰能力更强，信息填报精度更高；可基于引导词进行低代码表单构建，快速构建采集填报表单和数据管理系统，无需定制开发，更为敏捷地响应基层需求；可基于引导词进行低代码数据分析，快速构建可视化数据大屏，动态展示数据采集结果，更为高效地支撑领导决策。跨越模版的键值对（表单）提取、低代码体系的组件化结合，将基于大模型赋能，更好为基层减负、为服务增效（图4）。

（五）大模型赋能城市停车“提效率”

目前，传统的停车运营方式存在人力成本高、管理效率低、主观因素大等问题。智慧停车模式在一定程度上提升了停车运营效率，实现了人力成本降低。

通过构建基于大模型的智能停车对话引擎和管理引擎，可以对历史停车数据进行动态分析，识别停车高峰时段和高峰区域；对人员停车需求进行精准研判，智能推荐最优停车方案。最终，以“数字人”的形象，面向不同用户进行交互式、引导式的精准停车指引服务。基于大模型的云值班室，可以有效提升停车场管理效能、优化停车资源分配、明显提高车位利用率，并避免车辆乱停放造成的交通拥堵和安全隐患（图5）。

五、总结与展望

从城市治理的视角出发，大模型正在成为智慧城市高质量发展新的推动力。应该结合城市治理行业经验，构建城市治理行业大模型，广泛应用于民生诉求、法治政府、城市管理、基层治理、城市停车等城市治理业务场景，推动实现城市治理向城市“智”理的转变。同时，结合城市服务业务流程、城市治理实时监测数据、城市治理行业案例经验、城市治理数据挖掘与分析等，积极探索基于城市治理行业大模型的服务优化类场景、风险预警类场景、经验学习类场景，以及决策支持类场景的打造与应用。

针对大模型赋能城市治理现代化的应用场景探索实践，城市治理行业大模型要紧密结合专业的知识库、微调的模型参数以及海量的引导词支撑，开展应用场景的构建。大模型的有效利用，给城市治理带来了新的治理范式和机会。应该充分利用城市治理行业大模型的人工智能新优势，打造务实、可落地、高成效的城市治理应用场景，推动城市管理手段、管理模式、管理理念创新，让城市治理更聪明更智慧，让群众生活更便捷美好。

参考文献

[1]陈水生．城市治理数字化转型：动因、内涵与路径[J]．理论与改革，2022（1）：33-46．

[2]陈敏军．城市超脑赋能城市治理的应用场景与业务方案[J]．中国安防，2023（5）：74-76．

[3]易鹏．广州白云：智慧城管赋能城市精细化治理[J]．城乡建设，2023（14）：56-57．

[4]董正浩．AI大模型在智慧城市领域的应用与前景[J]．通信世界，2023（17）：39-40．

[5]叶航晖．大模型时代全面加速城市数字化转型[J]．数字经济，2023（8）：90-93．

[6]朱刚，张美翔，孙浩文，等．ChatGPT带给智慧城市的启示：未来城市演进路径的探讨[J]．信息通信技术与政策，2023，49（6）：71-78．

（责任编辑：张秋辰）