智慧城市精細(xì)化治理大數(shù)據(jù)可視化分析及信息挖掘

曾鵬 劉佳

摘要：為了更好地實現(xiàn)城市的科學(xué)化、精細(xì)化治理，深圳市寶安區(qū)將全區(qū)劃分為4 833個基礎(chǔ)網(wǎng)格，建成“1+10+124+4 833”的網(wǎng)格化智慧管理體系，實現(xiàn)全區(qū)綜合巡查、城管、查違、消防等12大類155項事件數(shù)據(jù)采集。結(jié)合寶安區(qū)采集的數(shù)據(jù)特征和實際業(yè)務(wù)情況，采用Tableau作為網(wǎng)格事件大數(shù)據(jù)可視化分析及信息挖掘工具，對寶安網(wǎng)格化大數(shù)據(jù)進(jìn)行多維度分析以及事件數(shù)據(jù)分析結(jié)果多平臺可視化展示，實現(xiàn)重要網(wǎng)格事件的預(yù)警、預(yù)判，在寶安城市精細(xì)化治理方面取得了顯著效果。

關(guān)鍵詞：網(wǎng)格化；事件數(shù)據(jù)；Tableau；精細(xì)化治理

DOIDOI：10.11907/rjdk.181666

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A 文章編號文章編號：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(guān)鍵詞Key Words：gridding； event data； Tableau； refinement governance

0 引言

隨著人類社會不斷發(fā)展，未來城市將承載越來越多的人口。目前，我國正處于城鎮(zhèn)化加速發(fā)展時期，部分地區(qū)“城市病”問題日益嚴(yán)重[1，2]。為解決城市發(fā)展難題，實現(xiàn)城市可持續(xù)發(fā)展，智慧城市建設(shè)已成為當(dāng)今世界城市發(fā)展不可逆轉(zhuǎn)的歷史潮流[3]。智慧城市建設(shè)在國內(nèi)外許多地區(qū)已經(jīng)開展，并取得了一系列成果，國內(nèi)如智慧上海、智慧雙流，國外如新加坡“智慧國計劃”、韓國“U-City計劃”等[4-6]。近年來，隨著管理實踐中新理念層出不窮，網(wǎng)格化管理也應(yīng)運(yùn)而生。運(yùn)用網(wǎng)格化管理技術(shù)，人類社會成功地完成了許多原本無法想象的項目[7，8]。2016年，智慧寶安建設(shè)采用網(wǎng)格管理方式進(jìn)行城區(qū)治理，接入公安、消防、安監(jiān)、交通、查違、城管系統(tǒng)數(shù)據(jù)，將業(yè)務(wù)數(shù)據(jù)與地理網(wǎng)格進(jìn)行關(guān)聯(lián)，形成全區(qū)一張圖，初步形成了智慧寶安的核心和大腦。2017年，寶安區(qū)委區(qū)政府提出進(jìn)入“基層治理質(zhì)量年”，開展“智慧寶安質(zhì)量提升行動”，工作重心由抓整體推進(jìn)實施向抓整體質(zhì)量提升轉(zhuǎn)變。

在城市數(shù)據(jù)可視化和大數(shù)據(jù)挖掘方面，李謙升[9]提出城市信息可視化設(shè)計中有關(guān)設(shè)計模型與設(shè)計原則的若干關(guān)鍵問題，為設(shè)計師通過可視化設(shè)計改善城市生活、解決公共問題提供了理論與實踐指導(dǎo)。邁克爾·巴蒂等[10]通過數(shù)字可視化的兩個典型例子——地理信息系統(tǒng)和計算機(jī)輔助設(shè)計技術(shù)，獲取二維和三維地圖，展示了如何通過各種形式的儀表板發(fā)送實時數(shù)據(jù)給設(shè)計者。吳掠桅等[11]研究智慧城市中多規(guī)信息融合可視化系統(tǒng)構(gòu)建，提出系統(tǒng)技術(shù)框架和多規(guī)信息融合全流程解決方案，并研究多規(guī)數(shù)據(jù)體系目錄構(gòu)建、數(shù)據(jù)處理融合以及平臺研發(fā)，實現(xiàn)了多部門規(guī)劃信息的融合與共享。賀瑞等[12]舉例說明大數(shù)據(jù)技術(shù)在智慧城市建設(shè)中應(yīng)用的有效性，并給出了基于大數(shù)據(jù)技術(shù)的智慧城市建設(shè)建議，為大數(shù)據(jù)技術(shù)在智慧城市建設(shè)中的應(yīng)用提供理論參考。胡艷[13]指出大數(shù)據(jù)是實現(xiàn)城市智慧化之關(guān)鍵，其支撐政府決策與實施，指導(dǎo)城市產(chǎn)業(yè)布局規(guī)劃及城市的運(yùn)營與管理。

為提升城市運(yùn)行管理工作，提高城市與運(yùn)行保障水平、完善城市功能、提升城市品質(zhì)，提出通過大數(shù)據(jù)可視化和數(shù)據(jù)分析以解決城市運(yùn)行中的問題，為領(lǐng)導(dǎo)決策提供可靠依據(jù)。本文結(jié)合寶安區(qū)采集的數(shù)據(jù)特征和實際業(yè)務(wù)情況，采用Tableau作為網(wǎng)格事件大數(shù)據(jù)可視化分析及信息挖掘工具，對寶安網(wǎng)格化大數(shù)據(jù)進(jìn)行多維度分析以及事件數(shù)據(jù)分析結(jié)果多平臺可視化展示，實現(xiàn)重要網(wǎng)格事件的預(yù)警、預(yù)判，在寶安城市精細(xì)化治理方面取得了顯著效果。

1 寶安區(qū)精細(xì)化治理情況

2017年寶安區(qū)信息中心開展了智慧寶安“三個一”綜合集成平臺一期項目建設(shè)，已開發(fā)“寶安區(qū)網(wǎng)格化智慧管理平臺”以及“智慧寶安管控指揮移動終端（管控通）”。

1.1 智慧寶安網(wǎng)格化智慧管理體系

寶安區(qū)以124個社區(qū)為核心單元，以500套出租屋或1 000人劃分一個網(wǎng)格的標(biāo)準(zhǔn)為基礎(chǔ)，綜合考慮工作量、難易程度、街區(qū)走向等因素，將全區(qū)劃分為4 833個基礎(chǔ)網(wǎng)格，建成了“1+10+124+4 833”網(wǎng)格化智慧管理體系，實現(xiàn)全區(qū)綜合巡查、城管事件、查違事件、消防事件等12大類155項事件采集，綜合事件分撥、事件接收、處理反饋、核查結(jié)案等事件處置全流程移動化，以及跨部門、跨專業(yè)處置系統(tǒng)的事件分撥、協(xié)同處置、督辦催辦等功能。

1.2 專業(yè)數(shù)據(jù)落圖落格

將警格（124個）、消防網(wǎng)格（124個）、安監(jiān)網(wǎng)格（124個）、交通網(wǎng)格（124個）、查違網(wǎng)格（124個）等專業(yè)網(wǎng)格與基礎(chǔ)網(wǎng)格一一對應(yīng)，實現(xiàn)專業(yè)巡查、專業(yè)整治與綜合巡查、綜合整治的有效對接及相互聯(lián)動。共接入7類公安監(jiān)管對象29 160家，公安人員4 188人，110事件20 702宗；4類消防監(jiān)管單位60 558家，消防人員908人，1類65項消防事件22 889宗；8項安全監(jiān)管企業(yè)41 593家，安監(jiān)人員730人，7類66項安監(jiān)專業(yè)類事件130 190宗；3項交通監(jiān)管對象2 983家，交通人員58人，9類72項交通專業(yè)類事件75 287宗；存量違建2 738處，查違人員356人，4類11項查違事件512宗。同時，將153類60余萬個管理對象的坐標(biāo)、現(xiàn)狀落到網(wǎng)格，形成“一張圖”，巡查、整治隊伍人手一個移動終端，“人機(jī)格物事”一一綁定。

1.3 網(wǎng)格化數(shù)據(jù)采集

寶安區(qū)采取一人一格制，對全區(qū)綜合巡查、城管、查違、消防、安全生產(chǎn)、公安、規(guī)土事件、環(huán)保水務(wù)、人力資源與社會保障、市監(jiān)、衛(wèi)監(jiān)、文體旅游12大類，“生產(chǎn)、經(jīng)驗、儲存危險化學(xué)品”、黑煤氣事件、電動車違規(guī)充電、煙花爆竹、安全通道堵塞、消防納管、廠房改公寓、“住宅出租屋、三小場所零星工程”等155項事件進(jìn)行巡查、整治，巡查、整治人員通過移動終端采集數(shù)據(jù)并上傳存儲。后期數(shù)據(jù)分析團(tuán)隊對采集的網(wǎng)格化事件數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)而提取相應(yīng)場景的數(shù)據(jù)進(jìn)行可視化分析及信息挖掘，從而分析城市運(yùn)行的痛點(diǎn)與難點(diǎn)，為領(lǐng)導(dǎo)決策提供科學(xué)依據(jù)。

2 城市運(yùn)行大數(shù)據(jù)可視化分析及信息挖掘

2.1 大數(shù)據(jù)可視化分析及信息挖掘工具——Tableau

Tableau是一款簡單的桌面系統(tǒng)商業(yè)智能工具軟件，數(shù)據(jù)圖表制作能力強(qiáng)，內(nèi)置美觀的可視化圖表。Tableau沒有強(qiáng)迫用戶編寫自定義代碼，新的控制臺也可完全自定義配置。在控制臺上，其不僅能夠監(jiān)測信息，而且還提供完整的分析能力。Tableau控制臺靈活，具有高度動態(tài)性。寶安區(qū)智慧城市精細(xì)化治理大數(shù)據(jù)可視化分析及信息挖掘主要運(yùn)行Tableau Desktop和Tableau Server。利用 Tableau 簡便的拖放式界面，可以自定義視圖、布局、形狀、顏色等，幫助展現(xiàn)多維數(shù)據(jù)視角。

2.2 大數(shù)據(jù)可視化分析及信息挖掘

2.2.1 智慧城市精細(xì)化治理大數(shù)據(jù)多維度分析

重要事件的多維度分析立足于對大量歷史事件進(jìn)行深入分析，從多個角度、維度對數(shù)據(jù)進(jìn)行深入細(xì)致觀察，結(jié)合城市運(yùn)行的各行業(yè)知識和經(jīng)驗，找出數(shù)據(jù)相關(guān)規(guī)律，為輔助決策提供依據(jù)。

（1）時間分布。從時間維度對區(qū)域內(nèi)發(fā)生的重要事件進(jìn)行對比分析，包括事件巡查總量、辦結(jié)量、未辦結(jié)量、時間周期分布等。

（2）空間分布。從空間維度對區(qū)域內(nèi)發(fā)生的重要事件進(jìn)行對比分析，包括各區(qū)域事件總量、排名、占比及區(qū)域分布特性、類型等。

（3）事件等級。從事件的等級分類對區(qū)域內(nèi)發(fā)生的主題事件進(jìn)行對比分析，包括各等級事件集中分布類型、占比、危險程度等。

圖1為寶安區(qū)2017年十大重點(diǎn)事件之安全通道堵塞事件巡查整治情況。圖1顯示，2017年安全通道堵塞事件巡查發(fā)現(xiàn)量為746 953宗，辦結(jié)量為745 118宗，未辦結(jié)量1 835宗，辦結(jié)率為99.75%。其中，西鄉(xiāng)街道巡查量最多，為135 787宗，辦結(jié)量135 738宗，辦結(jié)率為99.96%；其次是新安街道，巡查量107 460宗，辦結(jié)量107 450，辦結(jié)率為99.99%。由辦結(jié)率可看出，事件整治效果是可觀的，安全通道堵塞隱患隨著不斷巡查整治得到解決。安全通道堵塞事件全年巡查辦結(jié)量較為平穩(wěn)，巡查整治量高峰期集中在5-8月，可建議在之后每年5-8月加強(qiáng)巡查整治，杜絕安全通道堵塞隱患發(fā)生。安全通道堵塞事件未辦結(jié)量街道排名第一的燕羅街道為737宗，其次石巖街道548宗、沙井街道303宗，相比巡查量最高的西鄉(xiāng)街道，其未辦結(jié)量全年僅49宗。由此可看出，這3個街道事件整治力度不夠，建議相關(guān)部門督促該3個街道的整治情況。此外，該頁面可通過事件名稱選擇和時間參數(shù)選擇，對其它事件巡查整治情況進(jìn)行查看。

以往的城市管理往往多是憑經(jīng)驗和直覺進(jìn)行“模糊管理”，這種粗放型管理結(jié)果是形成了許多城市管理的“死角”和“盲點(diǎn)”，一直是許多問題多人管、許多問題沒人管、發(fā)現(xiàn)問題快慢沒人管、處理問題是否及時沒人管、問題處理到什么程度沒人管。通過對寶安區(qū)十大重點(diǎn)事件進(jìn)行全時段全空間監(jiān)測管理，猶如一張疏而不漏的大網(wǎng)，可將城市中需要管理的問題通過大數(shù)據(jù)可視化分析及信息挖掘“一網(wǎng)打盡”，及時獲取有效信息，對全區(qū)事件的巡查量、整治量進(jìn)行把控。

2.2.2 重要事件預(yù)警分析

現(xiàn)代城市社會運(yùn)行快速多變使緩慢的反饋控制已不能適應(yīng)城市管理的需要，現(xiàn)代城市問題的“突發(fā)性”常使得一些部門顧此失彼、應(yīng)接不暇，甚至疲于奔命[14]。因此，對重要事件的預(yù)警預(yù)測至關(guān)重要。根據(jù)事件的歷史數(shù)據(jù)，界定每一項事件的預(yù)警、預(yù)研、預(yù)判閾值，對重要事件進(jìn)行預(yù)警分析。針對每項具體事件，按照涉及隱患的嚴(yán)重情況、可能造成影響程度進(jìn)行分級，對最高級進(jìn)行預(yù)警，確保預(yù)警有效、不頻繁預(yù)警。

圖2為萬人案發(fā)率異常街道研究。首先根據(jù)歷史數(shù)據(jù)建立合理的算法，進(jìn)而得出異常值。圖2顯示，新安街道扒竊類案件萬人案發(fā)率遠(yuǎn)高于合理值，根據(jù)該結(jié)果可建議相關(guān)部門加強(qiáng)新安街道的治安管理，同時向市民宣傳增強(qiáng)財產(chǎn)保護(hù)意識。此外，其它搶劫類、其它搶奪（其它）、盜竊自行車案件均有一個街道萬人案發(fā)率稍高于正常值范圍。可及時對萬人案發(fā)率高于正常值范圍的街道進(jìn)行預(yù)警，對于低于正常值范圍的街道可調(diào)研該街道治理方法，進(jìn)而向全區(qū)推廣。

運(yùn)用不斷獲得的有關(guān)城市運(yùn)行的最新可靠信息加以預(yù)測，并將期望的城市管理目標(biāo)同預(yù)測結(jié)果加以對照，在出現(xiàn)問題的臨界點(diǎn)之前就發(fā)現(xiàn)問題，事先制定糾偏措施，將問題解決在萌芽狀態(tài)，以確保管理目標(biāo)與預(yù)期結(jié)果一致[15]。對重要事件預(yù)警分析，可以及時發(fā)現(xiàn)處于萌芽狀態(tài)的問題，因而具有預(yù)警功能。

2.2.3 事件數(shù)據(jù)分析結(jié)果多平臺可視化展示

運(yùn)用Tableau server將數(shù)據(jù)分析結(jié)果發(fā)布到Web瀏覽器共享。通過Web端將數(shù)據(jù)分析結(jié)果對接到智慧寶安管控指揮中心的綜合中控平臺、中控管理APP端、PC端，可以在平臺上展示數(shù)據(jù)分析圖表，實現(xiàn)數(shù)據(jù)共享，為管理決策層掌握城市運(yùn)行狀態(tài)發(fā)揮重要的支撐作用（見圖3-圖5）。

多平臺數(shù)據(jù)分析結(jié)果展示與共享，將信息進(jìn)行全網(wǎng)布局，各職能部門能夠隨時查看城市運(yùn)行中的問題，避免因信息不暢、不及時而導(dǎo)致管理服務(wù)滯后。城市精細(xì)化治理大數(shù)據(jù)可視化分析及信息挖掘分析結(jié)果多平臺可視化展示的管理新模式有利于城市治理效果“互動”，實現(xiàn)即時響應(yīng)。

3 結(jié)語

智慧城市精細(xì)化治理作為城市發(fā)展的永恒主題，需要不斷挖掘與深化[16]。隨著我國城市化進(jìn)程對城市管理水平的要求越來越高，不斷提升城市管理科學(xué)化水平，是對政府執(zhí)政能力的考驗。利用大數(shù)據(jù)可視化分析工具Tableau，結(jié)合寶安區(qū)智慧城市精細(xì)化治理理念，對全區(qū)綜合巡查、城管事件、查違事件、消防事件等12大類155項事件采集的數(shù)據(jù)進(jìn)行可視化分析及信息挖掘，彌補(bǔ)了憑經(jīng)驗和直覺進(jìn)行“模糊管理”存在的不足，準(zhǔn)確及時抓取城市運(yùn)行的“死角”、“盲點(diǎn)”和“痛點(diǎn)”，將城市治理推向精細(xì)化、數(shù)據(jù)化。大數(shù)據(jù)可視化分析及信息挖掘能幫助政府更好地運(yùn)用相關(guān)數(shù)據(jù)，為公眾提供更好的公共服務(wù)，大大提高了城市管理質(zhì)量以及城市居民的生活品質(zhì)。

參考文獻(xiàn)：

[1] 張永民.從智慧城市到新型智慧城市[J].中國建設(shè)信息化，2017（3）：66-71.

[2] 呂淑麗，薛華，王堃.智慧城市建設(shè)的研究綜述與展望[J].當(dāng)代經(jīng)濟(jì)管理，2017，39（4）：53-57.

[3] 郝利娟.探索大數(shù)據(jù)在智慧城市研究與環(huán)境規(guī)劃中的應(yīng)用[J].環(huán)境與發(fā)展，2018，30（1）：12+14.

[4] 徐振強(qiáng).中國的智慧城市建設(shè)與智慧雄安的有效創(chuàng)新[J].區(qū)域經(jīng)濟(jì)評論，2017（4）：69-74.

[5] 顏姜慧，劉金平.基于自組織系統(tǒng)的智慧城市評價體系框架構(gòu)建[J].宏觀經(jīng)濟(jì)研究，2018（1）：121-128.

[6] 刁生富，姜德峰.論新型智慧城市建設(shè)的推進(jìn)策略[J].中國管理信息化，2018，21（1）：162-163.

[7] 臧維明，李月芳，魏光明.新型智慧城市標(biāo)準(zhǔn)體系框架及評估指標(biāo)初探[J].中國電子科學(xué)研究院學(xué)報，2018，13（1）：1-7.

[8] 王紅寶，谷立霞.智慧城市網(wǎng)格化管理評價指標(biāo)體系構(gòu)建研究[J].經(jīng)濟(jì)論壇，2017（1）：144-148.

[9] 李謙升.城市信息可視化設(shè)計研究[D].上海：上海大學(xué)，2017.

[10] 邁克爾·巴蒂，安德魯·哈德遜·史密斯，陳宇琳.城市設(shè)計中的可視化分析、智慧城市與大數(shù)據(jù)[J].城市設(shè)計，2016（3）：6-15.

[11] 吳掠桅，王芙蓉，孫玉婷.智慧城市多規(guī)信息融合可視化系統(tǒng)構(gòu)建研究與實踐[J].建設(shè)科技，2017（13）：26-29.

[12] 賀瑞，許元斌，柳歡，等.基于大數(shù)據(jù)技術(shù)的智慧城市建設(shè)初探[J].自動化與儀器儀表，2017（6）：69-71+74.

[13] 胡艷.大數(shù)據(jù)在智慧城市建設(shè)中的應(yīng)用分析[J].企業(yè)科技與發(fā)展，2017（8）：56-58.

[14] 房毓菲，單志廣.智慧城市頂層設(shè)計方法研究及啟示[J].電子政務(wù)，2017（2）：75-85.

[15] 徐振強(qiáng)，劉禹圻.基于“城市大腦”思維的智慧城市發(fā)展研究[J].區(qū)域經(jīng)濟(jì)評論，2017（1）：102-106.

[16] 夏昊翔，王眾托.從系統(tǒng)視角對智慧城市的若干思考[J].中國軟科學(xué)，2017（7）：66-80.

（責(zé)任編輯：何 麗）