信息化、网络化、精细化是目前我国城市管理的主要发展趋势，城市管理目前主要依赖数字系统，每天都会产生不同形态的海量数据资源，形成了庞大的数据库，如何利用信息量丰富的数据服务现代数字城市建设，利用数据分析和挖掘技术，生成更高层次的决策支持信息，为城市管理者提供决策支持，进一步提升了城市精细化管理服务水平，服务人民群众日益增长的对美好生活的追求，已经成为数字城市建设的当务之急。
智慧城市的问题
随着经济的持续发展，城市规模在不断扩大，城市管理的问题也日益凸显，很多城市陆续建成使用了数字化管理系统，为城市管理提供了有效的技术支持和监督考核基准。但是解决问题并不是城市管理的最终目的，如何分析问题产生的原因，如何从根本上杜绝问题的反复发生才是城市管理者应该重点面对的课题。
2016年8月，住建部首次倡导了“721工作法”，即70%的问题用服务手段解决、20%的问题用管理手段解决、10%的问题用执法手段解决，而智慧城管真正要探索的就是如何利用系统中的有效数据，结合大数据工具的特定建模，深入剖析城市“痛点”，找出问题根本，变被动管理为主动服务，变末端执法为源头治理，只有这样才能治标又治本，才不至于为解决问题而解决问题，而无法遏制问题的反复。
智慧城市管理方法
数据采集方式实现
城市管理有两种基本方法，分别是万米单元网格管理法和事部件管理法。万米单元网格法是将城市区域划分为若干个一平方公里的网格，每个网格配备一个监督员进行该网格的管理巡查上报。事部件管理法是将城市管理问题分为若干个事部件大小类，每个问题都可以具体对应到一个问题小类，通过对小类数据进行分析，在一定程度上可以了解到城市管理的现状以及城市问题发生趋势。而事部件问题分析的基础就是将问题和事件部件进行对应，因此采集是分析的第一步。
部件数据采集
部件是市政设施中的固定物体，因此其发生位置是唯一确定的。所以在问题发生前，就可以有针对性地对部件进行提前入库，这样可以提高部件匹配的效率和准确程度。一般从前期部件普查到中期持续更新再到最后工单匹配，是一个完整的部件数据获取流程。
部件数据普查
对于城市管理来说，全域范围内基础的部件属性数据必须要通过专业公司进行全面普查工作获取。根据国标要求，每一个城市部件至少需要具备14个基础属性数据字段，其中对于大数据分析最重要的一个属性就是“部件标识码ObjID”，每个部件对应唯一一个编码，从该部件产生到移除的过程中标识码均应保持不变，且部件移除后其编码不再分配给新部件，相当于部件的身份证号码。因此这个属性特性得以为部件的大数据分析决策提供有效的分类基础。
部件编码由16位数字组成，组成规则为：6位行政区划代码+4位大小类代码+6位流水顺序码。按照该编码规则，每个行政区内每个部件小类可分配近100万数量，在中大型城市规划规模体量下完全够用。
部件属性除国标规定的14个基础属性外，还有两个必要属性即地理坐标经纬度字段。部件编码说明了部件是什么，经纬度坐标决定着部件在哪里。因为部件本身没有名称等其他可供检索匹配的数据，在实际城市管理应用中想要确认到唯一的部件，就需要根据坐标定位点进行匹配关联。因此，普查采集每个部件的经纬度坐标值，也是大数据关联应用的基础。
通过部件普查可以一次性梳理所有部件，构建基础部件数据库。
部件数据自主更新
专业公司部件普查是城市部件基础数据库形成的必要手段，但是城市始终处于不断的发展中，就不可避免地会有部件的新增、破损和移除，想要通过定期的部件普查去解决这些变更问题，往往费时费力还效果不佳，甚至严重影响部件编码的唯一对应性，因此保持实时的部件自主更新采集才是部件数据维持真实有效的最好途径。
部件数据自主采集更新机制，需要动用人员队伍在日常巡查管理中针对发现的部件变更信息通过特定的手机软件进行实时采集上报，并由管理员及时审核入库，赋予其ObjID等基础字段属性，实时充实完善城市部件基础数据库。
然而这些通过自主更新采集上报的部件信息在定位获取等方面肯定不及专业的采集设备，必要时可以导出所有自主更新的数据让专业的采集公司再统一地有目的性地进行专业录入，这既保证了数据更新的及时性，也降低了政府财政费用，节省了人力财力物力等开支，提高了城市管理的效率。
部件数据匹配
要对部件数据进行大数据分析，就需要让每一个部件问题工单都匹配上其对应的部件，这样才能针对问题有目的性地进行分类分析。数字城管的事部件问题管理法就要求了部件类工单需要匹配上对应的部件编码才可以进行处置派遣。某市数字城管目前限定部件编码为部件类工单必填项，当选择好部件小类并进行定位后，定位点附近已普查入库的小类图例会显示出来，以供受理员进行查询并获取选中的部件编码，完成部件编码和工单的匹配。
事件数据采集
部件因其特点可以单独对单个个体的属性进行采集和分析，事件小类却无法通过属性具体概括。然而在实际城市管理过程中，事件问题的占比往往更多，对民生影响更大。因此就需要对每个小类中值得分析的内容进行人工提取标注，通过在受理时根据问题补充特定字段，便于在分析时准确抓取数据。
比如针对常见的城市管理问题违法建设，当受理员选定了“违法建设”小类后，系统会根据预设弹出对应窗口，要求受理员根据字段提示补充完善相应信息，比如小区名称、楼幢号、搭建状态(在建/已建)、搭建物(阳光房/破墙开窗等)等。
大数据分析及应用
部件问题分析
结合前期的部件数据采集入库工作以及和实际工单的匹配对应，以某市为例，统计2018年全年部件问题处置情况，对污水井盖发生频次“4”这个数据进行反查，可得出详细数据。
根据分析得出，部件编码为3205080102000003的污水井盖在半年内相继上报了4起破损问题，平均间隔均为一个多月，处置部门均为水务集团，可分析得出以下结论：
(1)同一部件反复损坏，考虑是否部件位置设置不合理。比如井盖设置在机动车来往较频繁的机动车道上可能会加速井盖的日常磨损从而引起安全隐患。
(2)同一部件反复修复后仍然没有缓解破损频率，考虑是否该部件生产厂商质量控制有问题，生产产品达标率不够。可以联动相关诚信机制对这类厂商的诚信履约行为进行监督和考核，甚至可以建议财政部门限制这类厂商的投标活动，以达到警示作用。
(3)同一部门处置的问题反复多次发生，考虑是否该处置部门处置态度敷衍了事、处置不力，同时是否是数字城管结案员结案把关不严，草率办结。
(4)同一部件反复损坏，是否有可能是人为恶意所为。考虑加强该区域的巡逻排查，甚至在条件允许的情况下加装监控探头等，保护国有资产。
(5)同一区域多部件相继损坏，可能该片区已建成多年，部件已陆续达到使用年限，考虑是否申报建筑修复工程统一更换部件修葺道路。
通过上例可以得出智慧城市管理对部件大数据进行分析的可能性、合理性以及分析方向，根据部件数据和工单信息的结合可以进一步得到相关结论，有利于指导城市规划建设布局的合理性。
事件数据分析
由于数字城管的事件类问题的处置都由对应的属地城管部门进行管辖，因此汇总了责任网格和小类频次之间的关系——同样的小类，有些区域内发生频次高，有些区域发生频次低；同一片区域，有些小类发生频次高，有些小类发生频次低，可以分析各个区域的管理水平。
比如反查2018年三季度情况表中的7条违建数据，可以看出某社区管辖的住宅小区非常多，是居民住宅集中地，因此违建隐患相比于其他社区要多是相对正常的现象；而根据反查数据发现其中有些小区违建数多，有些小区很少甚至没有，也可初步掌握各个小区的物业管理及控违水平。另外，搭建物字段也反映了大多数违建都集中在阳光房、雨棚及破墙开窗开店等，若要进行违建集中整治可以有针对性地进行巡查规范。
数据分析有利于城市管理的精细化和便民化，是基于实际问题衍生出来的对于民生的重新界定，有助于城市管理者真正做到科学决策，为人民服务。
结论
在大数据普遍应用的时代背景下，相关技术已经渗透到城市管理的各个方面。想要优化城市管理就要利用好数据，想要用好数据就要保证数据的真实有效性，实现“用数据来说话，用数据来管理，用数据来决策，用数据来创新”。
内容节选自《信息技术与网络安全》2019年第七期《智慧城市管理大数据采集及应用探究》一文，作者朱佳
声明：本文来自信息技术与网络安全，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
