告诉你智慧城市是怎样建成的

  • 时间:
  • 来源:网络

   

随着我国进入转型升级的发展阶段,城市发展建设面临更高的质量要求,应用大数据、人工智能、虚拟现实等信息化技术,辅助城市的管理决策,成为广泛共识,但所谓的“智慧城市”是否就是相关技术的简单堆砌,技术背后是否存在更加深层次的运行逻辑?

城市是一个复杂巨系统,很大程度上无法完全精细解读,技术必须在深刻理解城市运行规律的基础上寻求合理解决路径

城市内部按照人的活动参与多少分为两类系统:一类是大量的自封闭技术系统,如给水、排水、供热、供电、供气等所有能联网、联线的工程性支撑系统,一类是有大量人为因素影响的复杂巨系统,如交通、环境、产业等难以完全量化的城市运行系统。基于两类系统的不同基础特征,需要采取不同的“智慧化”路径。

1.1自封闭工程性支撑系统,基于信息技术,实现完全自动化
工程性支撑系统由于本身能够精准量化、统一规制,并且自封闭循环,因此不管它的枝枝节节深入到什么层面,相对来说仍然是个简单系统,可以通过信息化手段,实现数据精细采集、精准监控和实时分析、反馈、调节,即“智慧”全自动化。

1.2复杂城市运行系统,基于大数据为支撑的集总效应判断,实现人机交互下的决策支撑
城市是一个复杂巨系统,在很大程度上无法精细解读,它注重的是大数据为支撑的集总效应判断。对于城市中的众多复杂系统来说,以异构融合的多维时空数据为纽带,构筑跨学科的大数据运算平台,来支撑尽可能多的点状的应用,实现对系统间集总效应的耦合分析,进而进行情景模拟,为治理决策提供支撑,这是其实现“智慧”的正确路径。

对于复杂系统,简单的数据罗列和逻辑判断难以精确描述其运行规律,需要在对既有城市发展模型的深入理解的基础上,实现数据的智能化、全链条深度应用,这也恰恰是现在所有的以IT为核心的数据公司,最缺乏的一环,因为他们不了解城市运行的规律,又缺乏与相关领域专家、资源的合作途径。

必须以空间数据为核心来搭建统一平台,基于全三维化的地理信息系统,构建“智慧城市”运行的基准平台

时空关系是所有判断要素中最核心的,是治理平台的基准。基于空间坐标,其他信息才有真实意义,才能真正在决策过程中发挥效力,这一理念已经在全球范围内形成广泛共识。所有城市治理的底层平台必须以土地和建筑信息为核心,相关属性信息、感知信息都是基于空间信息叠加的。由此,基于空间基准平台建立统一的数据采集体系,可以有效抑制重复性投资和碎片化投入。各类数据的采集、分类、整理、筛选、清洗等,都应该在这个体系上完成。

明确以社会治理而非数据链为核心,建立智慧城市顶层设计
必须明确数据只是后台技术问题。尽管目前还存在不同部门数据格式不一样、体例不一样、属性数据跟图形数据之间关联性不强等一系列技术问题,但这些并不是智慧城市面临的核心难点。很多城市已经实现了将跨部门数据,整合到一个仓库里,建立“数据仓库”。但这些不同部门数据之间的关联关系,数据背后逻辑链条的确定才是政府真正关心的复杂问题。因此,整个系统的搭建必须由城市的管理者主导,基于社会治理的内涵,梳理从宏观治理一直到微观社区治理的完整逻辑链条,而不是在数据层级、数据流的交互这些基础技术层面反复推敲。

1.1以治理为逻辑,建立统一的数据采集分配机制
将社会治理中涉及的各类复杂问题,集中到一条逻辑线上,通过统一智慧基础设施实现智能化的感知、事件应对等。以城市街道公共空间的综合治理问题为例,首先将现有的复杂管控体系进行系统梳理集成,通过有限的信息采集点,实现对整个区域的有效监控和空间的有效利用。在此基础上调整城市治理体系,运用项目审批、财政支持等手段实现城市运行数据的归口采集和统一调配,并进一步建立一整套信息跟踪反馈的智慧管理机制。

1.2从“数据仓库”到“数据联动”到“数据联勤”
这不是一个简单的数据架构设计问题。很多城市已经建立了跨部门“数据仓库”,但数据之间没有建立逻辑关联,实现“数据融合”,其深层次原因是对治理体系缺乏理解。政府的所有政策并不是孤立的,某一政策必然产生多方面的相互影响,治理雾霾可以通过关闭企业落实,但相关的代价是什么?对GDP的影响有多大?税收将承受多少损失?将会产生多少失业人口?这些问题都需要联动分析。

进一步,在“数据融合”的基础上,每项部门决策的制定,都需要综合考虑相关部门的数据和工作,从而实现“数据联勤”。单一部门的某项工作与其他部门间是什么关系?相关部门需要同步采取什么措施才能把这一决策落实,同时把这一工作的负效应和外部成本降到最低?最终,在“数据联勤”的基础上,才能够真正实现跨部门的多目标综合决策。

建立以大数据为支撑的闭环评估反馈机制,不断优化技术路线,解决痛点问题
基于空间数据基础,结合逐步完善的感知系统、数据采集系统,建立智慧平台的闭环评估反馈机制,打开公共的需求通道,从而保证技术能够真正地聚焦于社会治理的痛点和难点问题,而不是为了单纯的技术炫耀,最终建立集成-智能-交互的政府治理科学决策支撑系统。这里,政府将重点关注平台以下几个方面的能力:

第一、信息化的感知能力。通过铺设完善地感知性信息基础设施,提升对于城市运行状态地实时感知能力,同时通过信息反馈机制的完善,实现所有的信息点到点的正向、反向可回溯,从而减少政策实施以后的时滞效应,为政策的快速迭代修正奠定基础。

第二、实时监测评估。基于采集、反馈的数据信息,对比社会治理的普遍底线(如公共安全、环境保护、违法犯罪等),一旦突破底线,实时提示报警。由此,实现对于影响社会治理公共底线行为的实时监测评估和预警分析。

第三、发展情景模拟。城市以及社会发展一定是非线性或者超线性的,背后有一系列的复杂模型支撑。近年来,随着图形拓扑算法和图形耦合算法的广泛应用,复杂的数理模型逐渐从后台的决策工具转变为前台的公共参与工具。社会发展的情景模拟可以通过计算机媒体直观展示,保证所有内行、外行都可以参与评价,虽然其并不一定了解城市治理背后的复杂逻辑关系。因此,未来的城市发展模型,不仅仅是一种科学工具,而是一种直观展示、公众参与、民主决策的平台。

第四、形成决策运行新闭环。在政府治理决策支撑过程当中,通过整合交互式的反馈评价系统、智能化的参谋咨询系统、集成化的数据情报系统,建立新规则闭环,促进政府治理模式的转变,建设人民满意的政府。围绕精细管理、精准服务、动态监测和高效协同四个服务目标,综合运用大数据分析、人工智能等技术支撑手段,实现多目标综合决策、动态交互、时空融合。

综合来看,城市治理最终是一个决策研讨的过程。大量针对复杂系统的研究都明确得出,城市治理难以线性模拟并通过机器实现所谓的“人工智能”决策。究其根本原因,是价值观、美学、情感等等构建人类社会的最基本的因素都无法量化。“智慧城市”最高效的决策模式是“人机交互研讨”,即通过计算机的情景模拟服务人的综合判断,从而实现人机交互、辅助决策。因此,智慧城市不是技术的堆砌;人的价值判断、城市的运行逻辑才是技术背后更加关键的基石。