曾鵬 劉佳

摘要：為了更好地實現(xiàn)城市的科學化、精細化治理，深圳市寶安區(qū)將全區(qū)劃分為4 833個基礎網格，建成“1+10+124+4 833”的網格化智慧管理體系，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。結合寶安區(qū)采集的數(shù)據(jù)特征和實際業(yè)務情況，采用Tableau作為網格事件大數(shù)據(jù)可視化分析及信息挖掘工具，對寶安網格化大數(shù)據(jù)進行多維度分析以及事件數(shù)據(jù)分析結果多平臺可視化展示，實現(xiàn)重要網格事件的預警、預判，在寶安城市精細化治理方面取得了顯著效果。

關鍵詞：網格化；事件數(shù)據(jù)；Tableau；精細化治理

DOIDOI：10.11907/rjdk.181666

中圖分類號：TP391

文獻標識碼：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，智慧城市建設已成為當今世界城市發(fā)展不可逆轉的歷史潮流[3]。智慧城市建設在國內外許多地區(qū)已經開展，并取得了一系列成果，國內如智慧上海、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，網格化管理也應運而生。運用網格化管理技術，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，智慧寶安建設采用網格管理方式進行城區(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)務數(shù)據(jù)與地理網格進行關聯(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)政府提出進入“基層治理質量年”，開展“智慧寶安質量提升行動”，工作重心由抓整體推進實施向抓整體質量提升轉變。

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計中有關設計模型與設計原則的若干關鍵問題，為設計師通過可視化設計改善城市生活、解決公共問題提供了理論與實踐指導。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)和計算機輔助設計技術，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)構建，提出系統(tǒng)技術框架和多規(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)技術在智慧城市建設中應用的有效性，并給出了基于大數(shù)據(jù)技術的智慧城市建設建議，為大數(shù)據(jù)技術在智慧城市建設中的應用提供理論參考。胡艷[13]指出大數(shù)據(jù)是實現(xiàn)城市智慧化之關鍵，其支撐政府決策與實施，指導城市產業(yè)布局規(guī)劃及城市的運營與管理。

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

1 寶安區(qū)精細化治理情況

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，已開發(fā)“寶安區(qū)網格化智慧管理平臺”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人劃分一個網格的標準為基礎，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個基礎網格，建成了“1+10+124+4 833”網格化智慧管理體系，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）、消防網格（124個）、安監(jiān)網格（124個）、交通網格（124個）、查違網格（124個）等專業(yè)網格與基礎網格一一對應，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、現(xiàn)狀落到網格，形成“一張圖”，巡查、整治隊伍人手一個移動終端，“人機格物事”一一綁定。

1.3 網格化數(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、公安、規(guī)土事件、環(huán)保水務、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、經驗、儲存危險化學品”、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)分析團隊對采集的網格化事件數(shù)據(jù)進行預處理，進而提取相應場景的數(shù)據(jù)進行可視化分析及信息挖掘，從而分析城市運行的痛點與難點，為領導決策提供科學依據(jù)。

2 城市運行大數(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，內置美觀的可視化圖表。Tableau沒有強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)智慧城市精細化治理大數(shù)據(jù)可視化分析及信息挖掘主要運行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行深入分析，從多個角度、維度對數(shù)據(jù)進行深入細致觀察，結合城市運行的各行業(yè)知識和經驗，找出數(shù)據(jù)相關規(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)域內發(fā)生的重要事件進行對比分析，包括事件巡查總量、辦結量、未辦結量、時間周期分布等。

（2）空間分布。從空間維度對區(qū)域內發(fā)生的重要事件進行對比分析，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)域內發(fā)生的主題事件進行對比分析，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，辦結量為745 118宗，未辦結量1 835宗，辦結率為99.75%。其中，西鄉(xiāng)街道巡查量最多，為135 787宗，辦結量135 738宗，辦結率為99.96%；其次是新安街道，巡查量107 460宗，辦結量107 450，辦結率為99.99%。由辦結率可看出，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行查看。

以往的城市管理往往多是憑經驗和直覺進行“模糊管理”，這種粗放型管理結果是形成了許多城市管理的“死角”和“盲點”，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)十大重點事件進行全時段全空間監(jiān)測管理，猶如一張疏而不漏的大網，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“一網打盡”，及時獲取有效信息，對全區(qū)事件的巡查量、整治量進行把控。

2.2.2 重要事件預警分析

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

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)率遠高于合理值，根據(jù)該結果可建議相關部門加強新安街道的治安管理，同時向市民宣傳增強財產保護意識。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?？杉皶r對萬人案發(fā)率高于正常值范圍的街道進行預警，對于低于正常值范圍的街道可調研該街道治理方法，進而向全區(qū)推廣。

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

2.2.3 事件數(shù)據(jù)分析結果多平臺可視化展示

運用Tableau server將數(shù)據(jù)分析結果發(fā)布到Web瀏覽器共享。通過Web端將數(shù)據(jù)分析結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)分析結果展示與共享，將信息進行全網布局，各職能部門能夠隨時查看城市運行中的問題，避免因信息不暢、不及時而導致管理服務滯后。城市精細化治理大數(shù)據(jù)可視化分析及信息挖掘分析結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。

3 結語

智慧城市精細化治理作為城市發(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，結合寶安區(qū)智慧城市精細化治理理念，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)進行可視化分析及信息挖掘，彌補了憑經驗和直覺進行“模糊管理”存在的不足，準確及時抓取城市運行的“死角”、“盲點”和“痛點”，將城市治理推向精細化、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用相關數(shù)據(jù)，為公眾提供更好的公共服務，大大提高了城市管理質量以及城市居民的生活品質。

參考文獻：

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

[2] 呂淑麗，薛華，王堃.智慧城市建設的研究綜述與展望[J].當代經濟管理，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)劃中的應用[J].環(huán)境與發(fā)展，2018，30（1）：12+14.

[4] 徐振強.中國的智慧城市建設與智慧雄安的有效創(chuàng)新[J].區(qū)域經濟評論，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建[J].宏觀經濟研究，2018（1）：121-128.

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

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

[8] 王紅寶，谷立霞.智慧城市網格化管理評價指標體系構建研究[J].經濟論壇，2017（1）：144-148.

[9] 李謙升.城市信息可視化設計研究[D].上海：上海大學，2017.

[10] 邁克爾·巴蒂，安德魯·哈德遜·史密斯，陳宇琳.城市設計中的可視化分析、智慧城市與大數(shù)據(jù)[J].城市設計，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)構建研究與實踐[J].建設科技，2017（13）：26-29.

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

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

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

[15] 徐振強，劉禹圻.基于“城市大腦”思維的智慧城市發(fā)展研究[J].區(qū)域經濟評論，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，2017（7）：66-80.

（責任編輯：何 麗）