大数据计算环境下的城市动态治理：概念内涵与应用框架.docx

摘　要：随着经济、社会生活节奏的加快，城市日常管理工作对信息传递和问题解决的实时性要求越来越高面对复杂、多变的现实环境，传统的静态、固定管理流程已难以保证城市功能系统的有效运行在大数据计算背景下，动态治理作为一种面向常态化应急和不确定性事务处置的实时、灵活管理模式，其应用需求日益强烈然而，要实现城市动态治理的目标，不仅需要在技术层面具备高效的数据收集、数据处理和数据通信能力，而且还要在应用层面应对数据标准化、跨部门协作和多主体互动等一系列挑战从城市动态治理的需求和挑战出发，对实时大数据流的应用与管理问题进行探讨，并进一步阐释了城市运行系统的动态优化机制关键词：动态治理；大数据计算；城市管理；智慧城市；数字政府一、引言在快速城镇化发展背景下，面对日益复杂的经济、社会环境，为了解决人口、交通、能源、市政和公共服务问题，提高城市韧性，实现可持续发展，智慧城市及其相关应用近年来得到了包括城市规划和公共管理在内各领域学者的高度重视与广泛研究在数字技术的支撑下，诸如城市计算（urban computing）[1]、城市大脑（city brain）[2]、可视化治理（visual governance）[3]等一系列全新的管理理念和方法得以提出。

城市治理逐渐从宏观调控过渡到微观控制、从离线分析变为实时管理作为客观世界直接的量化描述和记录，数据逐渐成为当前城市现代化建设和运营管理工作的基础当整个社会的信息化和数字化水平得到大幅提升，数据的精确性、时效性都变得越来越强，数据计算的智能化水平也越来越高尤其是随着5G时代的到来，数据的网络传输速率得到彻底解放，我们面对的已不仅仅是单纯的大数据，更是随处可见的快数据（fast data）超大带宽带来的是超大规模数据流，而超高速传输则使得数据的实时性比以往任何时候都要强在此背景下，高速、海量数据引发的技术革命，正推动整个社会的运行管理机制发生巨大变革在实时大数据的驱动下，诸如虚拟现实（virtual reality）、增强现实（augment reality）、无人驾驶、车联网等一系列全新的应用被开发出来，并迅速渗透到城市生活的各个方面人与人、物与物、人与物之间的联系都变得更加紧密，关系也更加复杂面对城市中复杂、多变的现实环境，传统的管理机制、方法和手段显得越来越力不从心任何看似完备的政策和管理措施在实际实施过程中往往都难以发挥其预想的功效此时，只有随机应变，根据数据所反映的现实情况进行动态治理，才能保证城市功能系统的有效运行。

然而，我们对于数据的加工、利用，大多只停留在事后的规律探索与总结面对实时的大数据流（big data stream）和日益常态化的城市应急挑战，却始终缺乏有效的管理和应对措施究其原因，除了技术层面的部署与准备不足之外，更多的是城市动态治理机制的匮乏从实时大数据的收集、分析、应用，到城市各部门的组织、协调、应对，都有待系统的研究和探讨二、大数据计算与城市治理现代化作为信息的直接载体，大数据如今被连续不断地从多个方面收集，并快速汇集到某些集中管理平台，为城市治理现代化提供了重要支撑高细节层次的大数据有助于城市状态识别和问题发现；细时间粒度的数据流使得变化跟踪和精准控制成为可能；而快速的数据收集、传输则让我们能够对现实环境进行实时监测与管理一）数据驱动的城市研究为了更好地了解城市，发现和解决城市问题，数据驱动的城市研究近年来得到了越来越多的关注特别是在大数据时代，我们可以参考和利用的数据资源比以往任何时候都要更加丰富除了各部门的业务数据和集中采集的人口密度、道路流量、空气质量等实时状态数据外，还包括从用户端获取的GPS轨迹数据、信令数据、签到数据、刷卡数据、街景图片数据和微博、的文本数据虽然不同数据集所采用的分析、应用手段会存在一定差异，但整体而言，现有研究主要可以分为以下三类：第一，数据驱动的社会现象和城市形态感知一直以来得到了各领域研究者最为广泛的探讨。

从人口流动规律的总结[4]、交通出行模式的探索[5]、公众情绪波动的探测[6]，到城市结构[7]和空间品质[8]的理解，通过统计描述、量化比较和关联分析，以语义为导向的数据挖掘成为该类应用研究的核心而在此基础上，为了对多源大数据进行更加深入的融合分析，也有学者提出了基于数据可视化的计算范式[9]，强调时空特征的层次叠加与识别第二，根据现实事物间的关联关系，数据驱动的各种指标参数估算也成为城市大数据研究的热门方向例如：通过对历史交通数据进行分析和建模，可以实现当前交通流量的精准预测[10]；根据车辆和GPS数据所反映的城市道路拥堵情况，可以对不同区域的大气污染物排放量进行有效评估[11]；而对城市多方面时空特征进行比较、综合，则能够大致推测能源在市区不同地段的使用强度差异[12]特别是近两年来，基于超大规模的地图位置服务数据，百度慧眼更直接推出了包括人口规模测算和人口结构研判在内的一系列智能化社会调查服务，并在部分规划工作实践中取得了很好的应用效果第三，从具体的公共服务需求出发，还有许多学者对数据驱动的城市功能系统优化问题进行深入研究包括：根据电动出租车运营的历史轨迹数据，对其充电和服务时间进行适当调配，以提升城市出行效率[13]；从时空大数据中分析共享单车的供需关系，进而合理安排不同站点间的单车数量[14]，有效规划单车停放区域的电子围栏范围[15]；以及将城市中的动态物流数据与共享交通数据结合，通过时空建模，给出高效的即时配送策略[16]。

二）城市治理现代化发展在理念和技术创新的双重驱动下，城市治理的概念内涵、实现方式和体系框架一直都在不断发展，各类规划和运营管理活动的针对性、科学性和灵活性也变得越来越强在此过程中，面对物理空间和传统体制的制约，信息化、数字化、智能化成为推动城市治理体系和治理能力现代化发展的关键要素信息化是城市治理现代化发展的核心内容从“互联网+”到网格化管理，伴随着信息收集、传递和处理方式的革新，城市治理机制也发生了一系列变化一方面，基层的信息查询和应用能力逐渐增强，多部门联动的协同和综合治理得到大范围推广[17]，而与此同时，人员下沉、事权下移和就近管理的城市执法体制改革也引起越来越多的关注[18]；另一方面，为了提升管理决策质量，上层的政府职能和信息资源整合问题得到了更多探讨，提出了整体性治理[19]和多元共治[20]等诸多先进理念数字化是城市治理现代化发展的重要支撑从多层级数据中心建设到基于大数据的创新应用，可记录、可分析、可计算成为新时代城市管理工作改革的现实需求和特征一方面，随着数据覆盖范围扩大和数据精度提升，城市治理的精细化程度日益增强[21]；另一方面，为了从海量数据中挖掘有效信息，给复杂问题的解决提供决策支持，一些全新的思维模式也被更多地应用于公共管理工作实践中[22]。

特别是当我们通过数据采集和建模所获得的虚拟环境（cyber space）和现实物理环境（physical space）之间相似性越来越强、相互作用关系越来越紧密时，基于数字孪生（digital twin）的城市治理模式逐渐成为可能[23]智能化是城市治理现代化发展的驱动力量从程序化、自动化的流程控制到个性化、多样化的公共服务，算法在现如今的城市治理过程中扮演着越来越重要的角色一方面，考虑城市资源的优化配置，供水、供电和各类市政服务都在积极探索智能化的弹性调配方案[24]；另一方面，为保障城市功能的高效、稳定运行，交通[25]、物流[26]和公共安全[27]领域也更加注重系统流程的智能控制与协调以数据为基础，模型为支撑，越来越多的理论研究成果正在被逐渐应用于城市管理实践中有关城市运营的动态学习和集中控制体系研究更成为当前智慧城市建设探索的前沿方向[28]，北京、深圳、武汉、杭州等地相继开启了一系列相关改革发展项目三、城市动态治理的需求与挑战随着经济和社会生活节奏的加快，城市无时无刻不在发生着各种变化，有待解决的问题不断涌现，各领域对于动态治理的应用需求正变得越来越强烈在《关于深入开展平安建设的意见》注1指导下，公安系统从2005年就开始着手建设“天网”工程，力图实现对交通要道、公共空间、宾馆、学校、医院和复杂场所的动态监控与治安管理；而在其八大信息资源库支撑下，各类智能化指挥、调度系统的研发与应用更成为公安部门基层技术革新与改革的重点。

在城市交通方面，从摄像头、地感线圈、测速仪，到射频识别（radio frequency identification，RFID）系统，一系列物联网（Internet of things）和信号控制设备也正在被越来越多地应用到日常运营管理工作中，用以实现交通流量的实时监测、交通拥堵的实时疏导，以及道路空间与交通车辆的动态管理除此之外，能源、环保、市政和公共服务领域都在大力推动资源与各项事务的实时监测与精准管控而上述所有工作背后的驱动力量，实际是数据的收集、分析和管理、应用如何对实时数据进行有效处理，进而驱动相应功能系统的动态调整与优化，已成为当前城市管理工作面临的现实问题与传统的城市管理方式不同，城市动态治理并不是考虑基于固定流程和固定规则来处理标准化的事务，而是更多地强调在城市功能系统的动态运行过程中，对日益常态化的应急和不确定性事务的实时、灵活处置在实际应用过程中，它涉及到环境状态的感知、理解和系统功能的优化、控制等多方面内容而各方面工作又分别对应于数据的收集、加工、分析、交换等不同处理流程，并相应关系到多个政府事业单位和事务部门（参见图1）图1　城市动态治理的体系框架（一）城市动态治理的技术需求要实现城市动态治理的应用目标，至少有两方面技术问题需要着重讨论和解决。

首先，作为管理干预的直接依据，城市状态必须得到实时跟踪和评价，并对异常情况进行不间断检测；其次，为了保证城市功能系统的稳定运行，城市管理系统的控制参数和运行模式应该能够根据不同时刻的现实情况动态调整到最适宜的配置而上述所有功能技术需求的关键要素则是效率高效的数据收集是城市状态跟踪所需要解决的首要问题当前，城市治理过程中常用的数据收集手段包括：工作记录整理、抽样社会调查、物理环境监测以及网络数据抓取通过上述方法所获取的数据都能从不同角度对城市状态进行有效刻画和描述然而，要满足城市动态治理的实际应用需求，其数据收集的时效性要求正在变得越来越高在日常工作中，除了对数字化办公系统中的实时业务数据进行充分利用外，随着物联网技术不断完善，借助各类传感器，特别是由一系列观测设备组成的传感器网络（wireless sensor network，WSN），我们可以获得更多高精度、高时间粒度的连续状态数据这些从不同位置获取的多源大数据一同构成了城市动态治理的基础高效的数据处理是城市状态实时评价和动态优化的关键受到特定时期硬件设备的物理性能制约，数据处理的效率在很大程度上与相关应用的整体计算模式和操作算法相关。

面对不断收集、连续更新的城市大数据流，如何规划分布式计算资源，并对前台和后台的计算内容进行合理设计，显得尤为重要随着云计算（cloud computing）技术逐渐走向成熟和边缘计算（edge computing）的兴起，随时随地的末端感知和多层次集中控制成为可能，给城市功能系统的动态优化提供了技术支撑而在此基础上，为了实时了解、评价城市的运行状态，不仅需要在前台实现流程简化和敏捷计算（agile computing），也离不开后台的强化学习（reforcement learning）与精准建模高效的数据通信是实现城市运行状态动态调整的重要保障城市功能系统本身就是一个多组织、多模块、多设备相互协作的综合运行体系要实现城市的动态治理，绝不仅仅只是高效的监测和计算从数据收集、处理，到优化、调控，整个过程还涉及诸多通信流程在数字化时代，网络通信的本质是数据传输，包括：从终端设备到控制中心的数据上行、从控制中心到终端设备的数据下行，以及多层级控制中心间的数据交换为了提高各。