劉彤?左琦

摘? 要：[研究目的]數(shù)字化治理是指利用數(shù)字技術(shù)和數(shù)據(jù)來提高治理效率和效果，提高公共服務(wù)和治理的質(zhì)量、效率和可持續(xù)性。當前，人工智能（AI）技術(shù)賦能智慧城市數(shù)字化治理已成為不可逆轉(zhuǎn)的時代發(fā)展趨勢，而對于AI賦能的技術(shù)路徑，還存在進一步解讀的必要。[研究方法]在總結(jié)智慧城市相關(guān)共性需求的基礎(chǔ)上，闡述了人工智能如何與數(shù)字化治理關(guān)鍵技術(shù)相結(jié)合，并給出了相關(guān)人工智能技術(shù)賦能數(shù)字化治理的典型案例。[研究結(jié)論]重點闡述人工智能技術(shù)在這些領(lǐng)域中進一步提升智能分析、視覺識別、智能監(jiān)管、輔助決策效能的具體方法，表明人工智能技術(shù)與數(shù)字化治理技術(shù)的結(jié)合，能夠為智慧城市應(yīng)用帶來更高效、更精準的工具及方法，尤其在基于自然語言處理以及跨模態(tài)應(yīng)用的領(lǐng)域中能夠發(fā)揮重要作用。

關(guān)鍵詞：數(shù)字化治理；人工智能；精細化管理；風險評估；大模型

中圖分類號：TP391 文獻標識碼：A DOI：10.19881/j.cnki.1006-3676.2024.05.08

2023年，中共中央、國務(wù)院印發(fā)了《數(shù)字中國建設(shè)整體布局規(guī)劃》（以下簡稱“《規(guī)劃》”），《規(guī)劃》指出，按照“2522”的整體框架進行布局，即夯實數(shù)字基礎(chǔ)設(shè)施和數(shù)據(jù)資源體系“兩大基礎(chǔ)”，推進數(shù)字技術(shù)與經(jīng)濟、政治、文化、社會、生態(tài)文明建設(shè)“五位一體”深度融合，強化數(shù)字技術(shù)創(chuàng)新體系和數(shù)字安全屏障“兩大能力”，優(yōu)化數(shù)字化發(fā)展國內(nèi)國際“兩個環(huán)境”[1]。因此，“用數(shù)據(jù)說話，用數(shù)據(jù)決策，用數(shù)據(jù)管理，用數(shù)據(jù)創(chuàng)新”成為公共管理和國家治理的重要準則。

城市作為國家經(jīng)濟發(fā)展、社會治理、公共服務(wù)的單元，是推進數(shù)字中國建設(shè)的綜合載體。隨著城鎮(zhèn)化進程的推進，城市構(gòu)件數(shù)量日益龐大，城市區(qū)域更加寬闊，社會要素高速流動，要素之間的異質(zhì)性增強，城市成為非常典型的復(fù)雜系統(tǒng)。技術(shù)變革的驅(qū)動力、治理生態(tài)的不確定性、治理問題的復(fù)雜性以及治理需求的多樣性共同驅(qū)動著城市治理的數(shù)字化轉(zhuǎn)型，讓經(jīng)驗治理轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動的數(shù)字化治理、技管結(jié)合的多元治理成為不可逆轉(zhuǎn)的時代發(fā)展趨勢。但在AI如何賦能、在解決關(guān)鍵問題的技術(shù)路徑方面，還存在進一步解讀的必要。因此，本文將從AI賦能智慧城市數(shù)字化治理的必要性、AI對關(guān)鍵技術(shù)的提升方式等方面進行闡述，并通過案例講述AI提升智慧城市精細化治理效能的具體做法。

一、AI賦能智慧城市數(shù)字化治理的必要性

數(shù)字化治理是指利用數(shù)字技術(shù)和數(shù)據(jù)來提高治理效率和效果的方式，包括了公共服務(wù)和公共管理等領(lǐng)域的數(shù)字化轉(zhuǎn)型的治理。數(shù)字化治理的目標是提高公共服務(wù)和公共治理的質(zhì)量、效率和可持續(xù)性，促進政府機構(gòu)的信息化、智能化和透明化，增強公眾參與和監(jiān)督的能力[2]。

智慧城市實質(zhì)上是新一代信息技術(shù)發(fā)展和城市化進程加速的產(chǎn)物。當前，我國雖然在城市基礎(chǔ)設(shè)施和信息系統(tǒng)建設(shè)上取得了長足的進步，但還存在以下共性需求。

（一）政策服務(wù)的智能化水平待提高

多方位、多層次的政策體系，對政策服務(wù)的時效性、準確性、關(guān)聯(lián)性有很高的要求。由于政策主題覆蓋范圍廣且會隨時更新調(diào)整，因此要保證政務(wù)咨詢的實時同步和關(guān)聯(lián)問答難度很大。相關(guān)政策服務(wù)系統(tǒng)在理解民眾咨詢的語義含義和深層次意圖、并指導(dǎo)相關(guān)部門職能發(fā)揮方面還有所欠缺。

（二）綜合情報匯聚研判能力待加強

情報來源的綜合化、社會化程度有待提高。在匯聚事中監(jiān)管等業(yè)務(wù)信息、相關(guān)委辦局信息、網(wǎng)絡(luò)輿情等情報，并通過對案件情報的數(shù)據(jù)分析、研判、預(yù)警來提升治理水平等方面仍需加強。

（三）數(shù)據(jù)資源價值挖掘待深入

相當一部分智慧城市應(yīng)用系統(tǒng)數(shù)據(jù)僅實現(xiàn)了核心的統(tǒng)計，但普遍缺乏對數(shù)據(jù)的深度分析研判，智能化工具輔助支撐有限，數(shù)據(jù)資源反哺業(yè)務(wù)流程的能力需進一步提升。

（四）智能感知、人機協(xié)同的工作機制待完善

城市治理數(shù)據(jù)種類多、規(guī)模大，還包括海量的視頻數(shù)據(jù)，需要構(gòu)建并不斷完善智能感知、人機協(xié)同的工作機制，實現(xiàn)事件自動識別、主動上報、智能派發(fā)，提高跨部門協(xié)作效能。

上述情況集中體現(xiàn)了相關(guān)智慧城市應(yīng)用對智能化技術(shù)的需求，即在國家治理體系和治理能力現(xiàn)代化的進程中，智慧城市建設(shè)需要實現(xiàn)治理轉(zhuǎn)型及治理效能的提升，表現(xiàn)在公共服務(wù)高效化、政府決策科學(xué)化、數(shù)據(jù)資源價值化、社會治理精準化等方面，需要運用人工智能等新興技術(shù)實現(xiàn)對智慧城市相關(guān)數(shù)據(jù)的智能處理和挖掘，提供更為科學(xué)和精準的決策支持。人工智能技術(shù)既是數(shù)字化治理手段不斷提升的推動力，也是破解相關(guān)難題的關(guān)鍵所在[3]。

二、AI對智慧城市數(shù)字化治理三項關(guān)鍵技術(shù)的提升

（一）跨域時空數(shù)據(jù)治理與價值挖掘技術(shù)

數(shù)據(jù)信息之間的融合、關(guān)聯(lián)、挖掘與應(yīng)用是建設(shè)新型智慧城市的核心與基礎(chǔ)。隨著城市物聯(lián)感知設(shè)備和手持移動設(shè)備等的普遍應(yīng)用，以及遙感衛(wèi)星和地理信息系統(tǒng)等的顯著進步，智慧城市應(yīng)用獲取了大量的時空數(shù)據(jù)。隨著物聯(lián)感知設(shè)備和智能終端的普及，數(shù)據(jù)來源更加廣泛，采集方式也更加便捷，包括衛(wèi)星遙感數(shù)據(jù)和城市感知設(shè)備采集的設(shè)備源源不斷地匯入數(shù)據(jù)底座中；得益于算力的提升和算法的日益豐富，數(shù)據(jù)分析手段也更加多樣，數(shù)據(jù)應(yīng)用者可以對各類數(shù)據(jù)進行軌跡分析、全時段分析，甚至能夠?qū)珙I(lǐng)域數(shù)據(jù)進行相關(guān)性分析。但數(shù)據(jù)極大豐富的同時也帶來了新問題—如何進行數(shù)據(jù)對齊。與智慧城市相關(guān)的海量數(shù)據(jù)中，時間與位置信息是相關(guān)應(yīng)用中所有數(shù)據(jù)關(guān)聯(lián)、融合的唯一指針。從這些非線性、海量、高維和高噪聲的時空數(shù)據(jù)中提取出有價值的信息并用于商業(yè)應(yīng)用的要求，使得時空數(shù)據(jù)挖掘具有額外的特殊性和復(fù)雜性（如圖1所示）。與時空數(shù)據(jù)相關(guān)的智慧城市應(yīng)用需要以城市多元、多時態(tài)信息的互聯(lián)互通為基礎(chǔ)，通過空間計算能力將大規(guī)模多樣化的數(shù)據(jù)進行融合、使用和呈現(xiàn)。

針對智慧城市這一復(fù)雜巨型系統(tǒng)缺乏統(tǒng)一數(shù)據(jù)模型、跨系統(tǒng)數(shù)據(jù)融合等難題，需要構(gòu)建基于“分級抽取—關(guān)聯(lián)分析—虛實映射”的數(shù)據(jù)邏輯模型和跨系統(tǒng)全時空信息數(shù)字感知體系，形成集運行狀態(tài)、空間信息、裝備狀態(tài)、風險信息等于一身，具備多參量、多尺度、全時空特性的數(shù)據(jù)感知方案。其中，數(shù)據(jù)關(guān)聯(lián)與圖挖掘算法、規(guī)則挖掘算法、主題模型（LDA）等人工智能算法的應(yīng)用是數(shù)據(jù)模型構(gòu)建的關(guān)鍵，對于模式、規(guī)則和知識的生成與發(fā)現(xiàn)具有重要作用。

（二）城市運行模擬仿真與風險研判技術(shù)

城市安全新興風險、傳統(tǒng)產(chǎn)業(yè)風險、區(qū)域風險等積聚滋生、易發(fā)多發(fā)；對此，需要匯聚融合與城市安全運行相關(guān)的各類數(shù)據(jù)，以“一張圖”形式呈現(xiàn)城市整體運行情況和風險態(tài)勢，形成全方位、多層級、立體化的城市風險監(jiān)測預(yù)警平臺以及多主體、大聯(lián)動的應(yīng)急管理協(xié)同處置機制，提升城市安全綜合風險管控能力。

城市運行仿真模擬與風險研判是指在城市大數(shù)據(jù)的互聯(lián)互通和數(shù)據(jù)安全的基礎(chǔ)上，通過構(gòu)建合適的空間數(shù)學(xué)模型，開發(fā)多源數(shù)據(jù)的融合增值應(yīng)用，以科學(xué)的手段提升城市治理的精細化和決策的科學(xué)性，并利用分類、聚類、關(guān)聯(lián)、比對等大數(shù)據(jù)分析方法，基于城市運行規(guī)律構(gòu)建行業(yè)分析算法和風險研判模型，進行城市運行的模擬仿真推演和自學(xué)習、自優(yōu)化[4]，系統(tǒng)可根據(jù)具體應(yīng)用需求調(diào)用相關(guān)算法，并對其適用性進行評估。其中，利用機器學(xué)習算法進行數(shù)據(jù)挖掘和趨勢預(yù)測，是仿真模擬過程中的重要組成部分。此外，基于特征工程方法，按照輿情指標、檢查指標、違法指標、失信指標、生產(chǎn)經(jīng)營指標等指標體系對相關(guān)數(shù)據(jù)進一步分析比對，研判風險等級，并將風險研判結(jié)果輸出給風險分類處置及跟蹤模塊，是基于數(shù)據(jù)融合、分析挖掘和系統(tǒng)級協(xié)作的智能決策分析、指揮調(diào)度和AI賦能的另一重要體現(xiàn)。

基于指標多維建模技術(shù)實現(xiàn)指標多維模型的構(gòu)建，可以對指標定義、指標描述信息、指標值、指標體系進行統(tǒng)一管理，滿足實際應(yīng)用中指標多維度、多版本的管理要求，并形成適用于聯(lián)機分析處理的多維結(jié)構(gòu)模型，大大提高決策支持的效能，使得指標利用更加直接有效。在系統(tǒng)運行過程中可根據(jù)設(shè)置的指標反映系統(tǒng)運行情況，并利用指標可視化圖表及預(yù)警算法，實現(xiàn)指標數(shù)據(jù)時空維度的下鉆、聚合，最終讓用戶能夠查看不同層次的數(shù)據(jù)，增強指標可視化程度，提升用戶實際應(yīng)用體驗，同時預(yù)警城市發(fā)展問題，讓有關(guān)部門能夠及時制定并持續(xù)優(yōu)化應(yīng)對措施（如圖2所示）。

（三）知識表示與推理模型構(gòu)建技術(shù)

知識表示與推理是人工智能領(lǐng)域的重要分支之一，主要研究如何將自然語言或圖形等形式的知識表示為計算機易于處理的形式，并通過推理或查詢等方法，利用這些知識來解決具體問題。在智慧城市應(yīng)用中，存在著大量將現(xiàn)實世界中的自然語言或圖形進行結(jié)構(gòu)化、抽象化、向量化處理，并與智能算法結(jié)合，在進行有效的推理和推斷后形成智慧服務(wù)的需求，知識表示與推理模型可以幫助機器理解和處理知識并從多源信息中凝練和關(guān)聯(lián)語義[5-6]，利用機器學(xué)習和深度學(xué)習等人工智能技術(shù)，自動地從文本和非結(jié)構(gòu)化數(shù)據(jù)中抽取和構(gòu)建知識圖譜[7]。近年來，以大模型為代表的復(fù)雜推理、多層訓(xùn)練模型的快速應(yīng)用，進一步擴大了知識表示和知識服務(wù)的范圍。

基于知識工程的各類智慧城市應(yīng)用，如12345事件轉(zhuǎn)派、公眾政策咨詢等，都可以充分應(yīng)用知識表示和推理模型構(gòu)建技術(shù)。這類應(yīng)用都可以結(jié)合大模型的生成能力與NLP語義分析能力，集成“主題分類標簽+聯(lián)庫搜索+文檔問答”“提示詞模板匹配”“意圖識別+主題關(guān)聯(lián)+Text2SQL”等功能，進行意圖分類和知識關(guān)聯(lián)，提升對話意圖繼承能力，實現(xiàn)基于知識聚合的關(guān)聯(lián)答案獲取，提高后續(xù)多輪問答和任務(wù)轉(zhuǎn)派的準確性：如在語義層面對待派文件和議題進行深度分析和“三定”職能的比對、對承辦單位篩選排序、對主辦會辦單位的確認，從而實現(xiàn)精準轉(zhuǎn)派和跨部門聯(lián)動。

三、AI賦能智慧城市數(shù)字化治理案例

本文將以所在單位承擔的相關(guān)項目為例，說明人工智能技術(shù)是如何進一步提升數(shù)字化治理技術(shù)在空氣治理精細化管理、食品安全、城市安全及政策服務(wù)場景中的應(yīng)用程度。

（一）“摳微克”時代的空氣質(zhì)量精細化管理

隨著大氣污染防控的深入，空氣質(zhì)量精細化治理要求越來越高，容易治理的都治理了，但PM2.5大幅下降后，空氣質(zhì)量還要繼續(xù)改善。空氣質(zhì)量精細化進入“摳微克”時代，要求以“一微克”行動為主線，綜合運用科技+執(zhí)法+管理等手段，對大氣污染展開精準治理。同時，臭氧污染問題日益突出，一次排放前體物和臭氧、二次PM2.5間的復(fù)雜響應(yīng)關(guān)系需要運用更先進的工具手段；城市交通和生活源的貢獻占比增加，點散、無組織排放需要更精細的研究和管理，而基層管理工作者夯實減排工作需要更科學(xué)實用的管理工具手段助力。

針對基層空氣質(zhì)量管理“如何直觀展示轄區(qū)精細空氣污染分布、傳輸規(guī)律和來源貢獻并指導(dǎo)空氣污染精準防控”等問題，筆者所在單位承擔國家重點研發(fā)項目（政府間合作專項）《基于哥白尼觀測的街區(qū)尺度空氣質(zhì)量精細化管理工具開發(fā)和示范應(yīng)用》，基于“一張圖”理念、HPC+云計算混合架構(gòu)和大數(shù)據(jù)與AI算法，開發(fā) “監(jiān)測—預(yù)測—排放—溯源—減排決策”全環(huán)節(jié)系列可視化便捷工具，提供高精度小區(qū)域（街區(qū)、工業(yè)園區(qū)）空氣質(zhì)量監(jiān)測地圖、預(yù)測地圖、污染源分布地圖、溯源地圖、交互式減排效果預(yù)測地圖等5張圖和一張污染源清單，綜合數(shù)據(jù)分析、防控督查調(diào)度信息，實現(xiàn)街區(qū)空氣污染“現(xiàn)狀—趨勢—溯源—措施效果”的全面動態(tài)可視化，推送“一點一策”“一街一策”報告（如圖3所示）。空間尺度覆蓋全國—區(qū)域—城市—街區(qū)，空間精度最細達10米，時間精度為1小時，預(yù)報時長為未來5天，減排情景效果預(yù)測時間達到分鐘級。成果已在北京陶然亭街道、亞運村街道、滄州、武漢、邯鄲等多地落地應(yīng)用。

該項目在研發(fā)過程中大量采用了人工智能技術(shù)，如使用計算機視覺技術(shù)進行車輛類型和數(shù)量的識別，計算出典型路口的交通源排放量，并用Yolov5神經(jīng)網(wǎng)絡(luò)提取不同種類車輛圖像的特征和位置信息，實現(xiàn)對車輛的分類與統(tǒng)計，同時，參照《道路機動車大氣污染物排放清單編制技術(shù)指南》和國家統(tǒng)計年鑒[8]，根據(jù)北京的溫度、濕度、車輛組成結(jié)構(gòu)對VEIN模型中的排放因子進行本地化調(diào)整，創(chuàng)建本地化排放因子數(shù)據(jù)庫，對北京市西城區(qū)的機動車排放量進行了系統(tǒng)性的計算，共估算了58種機動車類型所排放的133種大氣污染物，使相關(guān)工作人員能夠通過實際視頻觀測和AI識別算法有效獲取任一時間段的各類型道路上車型、車速及車流量信息。此外，該項目還通過深度學(xué)習的代理模型有效縮短了情景組合的模擬計算時間（少于5分鐘），為近實時會商與決策提供了支持。

（二）基于計算機視覺的智能快篩技術(shù)在食品安全領(lǐng)域的應(yīng)用

通常而言，農(nóng)藥殘留檢測大都由專業(yè)人員在實驗室完成，檢測結(jié)果通常需要一到兩天才能出具。然而，這種成本較高的檢測方式不適合現(xiàn)場及流通領(lǐng)域快速檢測的需求。從政府部門到企業(yè)、消費者都亟待快速、準確地檢測農(nóng)藥殘留。先通過快速篩查發(fā)現(xiàn)農(nóng)藥殘留，再送去實驗室進一步地確證可以大大增加檢測效率。筆者所在單位與中國農(nóng)科院合作研發(fā)了識別并校正六邊形的方法，開發(fā)了計算機視覺算法對試紙條顯色情況進行識別，最后將算法封裝后通過微信小程序執(zhí)行。用戶使用時可以通過下載微信小程序，對托盤上顯色之后的試紙條進行拍照，5分鐘便可同時完成多種化學(xué)農(nóng)藥殘留的檢測，檢測結(jié)果直接顯示在手機上。對于消費者來說，手機上可以只顯示陽性或者陰性。對于政府和企業(yè)來說，檢測時可按照殘留限量要求，設(shè)置顯示超標還是未超標的檢測結(jié)果。普通手機拍照后可得到吡蟲啉、克百威、戊唑醇、啶蟲脒、腐霉利、毒死蜱、多菌靈等農(nóng)藥殘留的數(shù)值。目前市場上銷售的主流品牌智能手機均可使用這一檢測方式，檢測系統(tǒng)的準確性與專業(yè)試紙條讀卡儀基本一致，整體系統(tǒng)已應(yīng)用于實際檢測。

（三）基于城市安全大數(shù)據(jù)的多尺度區(qū)域綜合風險評估

黨的十八大以來，黨中央將風險管理工作擺在更加突出的位置。為此，需健全公共安全綜合風險管理體系，強化多災(zāi)并發(fā)和災(zāi)害鏈式反應(yīng)風險分析，不斷完善城市風險地圖[9-10]；全面梳理各種風險源、風險點、危險源、事故隱患，建立排查、登記數(shù)據(jù)庫和信息系統(tǒng)。

基于城市安全大數(shù)據(jù)的多尺度區(qū)域綜合風險評估是指綜合運用新一代信息技術(shù)，進行安全風險大數(shù)據(jù)的采集、清洗、整合、分析等，在全面收集企業(yè)上報數(shù)據(jù)、事故數(shù)據(jù)、執(zhí)法業(yè)務(wù)數(shù)據(jù)、網(wǎng)絡(luò)輿情數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)的基礎(chǔ)上，全面辨識反映企業(yè)安全生產(chǎn)狀態(tài)的指標和模型，對影響企業(yè)安全生產(chǎn)的因素進行切實有效的分析和處理。應(yīng)用數(shù)據(jù)智能提取技術(shù)，利用海量安全生產(chǎn)數(shù)據(jù)進行研判、清洗、挖掘，構(gòu)建遞階層次的安全生產(chǎn)風險評估綜合指標體系[11]，有效進行安全生產(chǎn)形勢分析與趨勢預(yù)測預(yù)警，可以提前發(fā)現(xiàn)、分析和判斷影響安全生產(chǎn)狀態(tài)的信息，量化表示企業(yè)、行業(yè)、區(qū)域生產(chǎn)安全狀態(tài)。筆者所在單位構(gòu)建多種基于數(shù)據(jù)要素的云服務(wù)，涵蓋安全生產(chǎn)大數(shù)據(jù)分析、政府監(jiān)管安全風險預(yù)防控制一張圖等，實現(xiàn)了基于企業(yè)、行業(yè)、區(qū)域的智慧城市風險防范一張圖。筆者所在單位研發(fā)了“點線—整體—區(qū)域”風險評估技術(shù)體系，從點源線源、單位整體、區(qū)域三層次明確監(jiān)管的重點區(qū)域、行業(yè)、場所，為政府安全監(jiān)管部門實行分級分類監(jiān)管提供參考。這一風險評估技術(shù)體系基于風險精準感知、區(qū)域經(jīng)濟、事故、應(yīng)急能力、監(jiān)管能力、發(fā)展?jié)摿Φ葦?shù)據(jù)，通過安全生產(chǎn)畫像、態(tài)勢分析等技術(shù)實現(xiàn)了數(shù)據(jù)融合和分析。

該系統(tǒng)服務(wù)于北京市應(yīng)急局的北京市城市安全風險云服務(wù)，引入16個一級行業(yè)領(lǐng)域共計91個行業(yè)領(lǐng)域標準，全面支撐了北京16區(qū)以及經(jīng)濟技術(shù)開發(fā)區(qū)的城市風險評估工作。目前已有19萬余家企業(yè)通過本系統(tǒng)采集了近60萬條風險源，100多萬條來自各方面應(yīng)急資源。同時該系統(tǒng)在全國范圍內(nèi)首次發(fā)布了“企業(yè)風險隱患二維碼”，利用移動端APP首次實現(xiàn)了對小微企業(yè)風險辨識評估管控工作。

該系統(tǒng)服務(wù)于成都市應(yīng)急局的成都市城市安全風險系統(tǒng)，共采集了2萬余家單位的36萬條風險源，16萬余條各方面應(yīng)急資源；共支持22個區(qū)，300余個鄉(xiāng)鎮(zhèn)街道進行了區(qū)域風險評估，支撐了全市的風險評估重點工作。該系統(tǒng)還配合完成和成都市水務(wù)局、成都市理政中心、成都市應(yīng)急局大數(shù)據(jù)平臺的對接，有力支撐了成都市安全風險評估工作。

（四）北科政務(wù)服務(wù)大語言模型應(yīng)用

北科政務(wù)服務(wù)大語言模型是充分利用大模型人工智能處理自然語言的能力，基于大語言模型和政務(wù)知識庫構(gòu)建的多項政務(wù)智能服務(wù)的集合，具有自動問答、政策解讀、知識查詢、報告編寫、內(nèi)控管理、員工培訓(xùn)等功能，可應(yīng)用于移動端、一體機、網(wǎng)頁端、大屏端，為社會公眾、工作人員提供精準服務(wù)和主動服務(wù)的模型。其中，增強搜索（Retrieval-Augmented Generation，RAG）是提升模型對專業(yè)知識的理解和生成能力的重要技術(shù)[12-13]。相關(guān)工作涉及專業(yè)文本數(shù)據(jù)集的建設(shè)、文本向量化技術(shù)、本地知識庫的構(gòu)建方法，以及智能問答中的應(yīng)用等技術(shù)。文本向量化是實現(xiàn)語義檢索的關(guān)鍵步驟和文本相似性的基礎(chǔ)，在其基礎(chǔ)上，可將句子映射到n維密集向量空間，用于句子嵌入、文本匹配或語義搜索等目的[14]。

北科政務(wù)服務(wù)大語言模型利用增強搜索RAG技術(shù)，對向量化的用戶問題與知識庫中的向量進行對比和搜索，以找到與問題最相似的topK個（即排序前K個）向量，從而提供相關(guān)的知識信息。通過先檢索相關(guān)知識，再基于這些信息生成回答，從而提高了回答的準確性和相關(guān)性。通過設(shè)置“閾值”參數(shù)，可以設(shè)置用戶問題與知識庫中數(shù)據(jù)向量比對相似性的基準，而通過設(shè)置“獲取結(jié)果數(shù)量”這一參數(shù)，可決定當知識庫中數(shù)據(jù)與用戶問題多條向量都大于閾值時，獲取的相似性最高的數(shù)據(jù)條數(shù)。

目前，北科政務(wù)服務(wù)大語言模型實現(xiàn)了全國產(chǎn)化運行環(huán)境適配改造，使得大模型生成式AI的能力能夠應(yīng)用于安全、私密的垂直應(yīng)用環(huán)境。具體來說，北科政務(wù)服務(wù)大語言模型可運行于全國產(chǎn)軟硬件環(huán)境中，操作系統(tǒng)、處理器、高性能計算加速卡、服務(wù)器等均可采用國產(chǎn)品牌，解決了“卡脖子”問題；可在離線內(nèi)網(wǎng)環(huán)境構(gòu)建可更新、可維護的專業(yè)領(lǐng)域智能應(yīng)用，確保政務(wù)服務(wù)的安全性和可控性；可實現(xiàn)基于法律法規(guī)、相關(guān)制度、會議紀要等文本數(shù)據(jù)的多輪問答，實現(xiàn)數(shù)據(jù)溯源，確保政務(wù)應(yīng)用的準確性與嚴肅性；其具有的強大數(shù)據(jù)整合和分析能力，可以幫助公眾更好地理解政策，通過多輪對話分析和引導(dǎo)，提高服務(wù)質(zhì)量和響應(yīng)效率，實現(xiàn)了中文自然語言到SQL查詢語句的合成，讓用戶在政策服務(wù)場景中能夠通過自然語言對數(shù)據(jù)庫進行檢索，提高了咨詢服務(wù)的實時性。大模型不但可以分析問題中所含的具體要素，還能對這些具體要素進行對比分析。

四、總結(jié)和展望

新型智慧城市作為落實數(shù)字中國戰(zhàn)略的重要載體，是推動城市數(shù)字化轉(zhuǎn)型的重要路徑，也是促進新型城鎮(zhèn)化、發(fā)展數(shù)字經(jīng)濟和推進高質(zhì)量發(fā)展的關(guān)鍵抓手。當前，我國新型智慧城市正從“大數(shù)據(jù)”為代表的“數(shù)據(jù)智能”向“大模型”為代表的“知識智能”轉(zhuǎn)型。人工智能的蓬勃發(fā)展在機器視覺、自然語言處理、機器學(xué)習等領(lǐng)域提供了很多可供選擇的算法、模型及與各種應(yīng)用場景相結(jié)合的寶貴經(jīng)驗。尤其是AI大模型的崛起，已經(jīng)在基于自然語言處理，以及跨模態(tài)應(yīng)用的領(lǐng)域中發(fā)揮了重要作用。本文總結(jié)和展示了人工智能技術(shù)在智慧城市相關(guān)領(lǐng)域的應(yīng)用，重點闡述了人工智能技術(shù)是如何進一步提升智能分析、視覺識別、智能監(jiān)管、輔助決策的效能，表明人工智能技術(shù)與數(shù)字化治理技術(shù)的結(jié)合，能夠為智慧城市應(yīng)用提供更高效、更精準的工具及方法[15-16]。

參考文獻：

[1] 中共中央 國務(wù)院印發(fā)《數(shù)字中國建設(shè)整體布局規(guī)劃》[EB/OL].（2023-02-27）[2024-01-11].https：//www.gov.cn/zhengce/2023-02/27/content_5743484.htm.

[2] 楊鳳華，李彥皓.政府數(shù)字化治理水平測度及提升對策研究：以南通市為例[J].生產(chǎn)力研究，2024（3）：87-92.

[3] 張夏恒.類ChatGPT人工智能技術(shù)嵌入數(shù)字政府治理：價值、風險及其防控[J].電子政務(wù)，2023（4）：45-56.

[4] 高艷麗，陳才，張育雄.數(shù)字孿生城市的智能中樞[J].中國建設(shè)信息化，2019（21）：13-17.

[5] 張新長，華淑貞，齊霽，等.新型智慧城市建設(shè)與展望：基于AI的大數(shù)據(jù)、大模型與大算力[J].地球信息科學(xué)學(xué)報，2024，26（4）：779-789.

[6] 唐斯斯，張延強，單志廣，等.我國新型智慧城市發(fā)展現(xiàn)狀、形勢與政策建議[J].電子政務(wù)，2020（4）：70-80.

[7] 楊易，莊越挺，潘云鶴.大數(shù)據(jù)人工智能下的多重知識表達：框架、應(yīng)用及案例研究[J].Frontiers of information technology electronic engineering，2021，22（12）：1551-1559.

[8] 鮑靜，范梓騰，賈開.數(shù)字政府治理形態(tài)研究：概念辨析與層次框架[J].電子政務(wù)，2020（11）：2-13.

[9] 林文棋，蔡玉蘅，李棟，等.從城市體檢到動態(tài)監(jiān)測：以上海城市體征監(jiān)測為例[J].上海城市規(guī)劃，2019（3）：23-29.

[10] 溫宗勇.北京“城市體檢”的實踐與探索[J].北京規(guī)劃建設(shè)，2016（2）：70-73.

[11] 康俊芳.空間視域下的城市智慧治理研究[D].徐州：中國礦業(yè)大學(xué)，2022.

[12] 彭海艷.人工智能背景下政府數(shù)據(jù)治理體系研究[D].湘潭：湘潭大學(xué)，2022.

[13] 陳名楊，張文，陳湘楠，等.群體知識圖譜：分布式知識遷移與聯(lián)邦式圖譜推理[J].智能科學(xué)與技術(shù)學(xué)報，2022，4（1）：55-64.

[14] 王萌，王昊奮，李博涵，等.新一代知識圖譜關(guān)鍵技術(shù)綜述[J].計算機研究與發(fā)展，2022，59（9）：1947-1965.

[15] 劉濤，范毓婷.人工智能時代智慧城市與城市大腦建設(shè)的挑戰(zhàn)與局限性[J].信息通信技術(shù)與政策，2021，47（5）：22-25.

[16] 周新民，胡宜桂，劉文潔，等.基于多模態(tài)多層級數(shù)據(jù)融合方法的城市功能識別研究[J].計算機科學(xué)，2021，48（9）：50-58.

Key Technologies and Typical Applications of AI Empowering Digital Governance in Smart Cities

Liu? Tong1，2? ?Zuo? Qi1，2

（1. Beijing Computing Center Co.，Ltd，Beijing，100094；2. Beijing Key Laboratory of Cloud Computing Key Technologies and Application，Beijing，100094）

Abstract：[Research purpose] Digital governance refers to the use of digital technology and data to improve governance efficiency and effectiveness，as well as to enhance the quality，efficiency，and sustainability of public services and governance. Currently，empowering digital governance in smart cities with artificial intelligence technology has become an irreversible trend in the era. There is still a need for further interpretation of the technological path of AI empowerment. [Research method] On the basis of summarizing the common needs related to smart cities，this article elaborates on how artificial intelligence can be combined with key technologies of digital governance，and provides typical cases of AI technology empowering digital governance. [Research conclusion] This article focuses on the specific methods by which artificial intelligence technology can further enhance the efficiency of intelligent analysis， visual recognition，intelligent supervision，and decision-making assistance in these fields. It indicates that the combination of artificial intelligence technology and digital governance technology can bring more efficient and accurate tools and methods for the application in smart cities，especially playing an important role in the fields based on natural language processing and cross modal applications.

Key words：digital governance；AI；refined management；risk assessment；large model

作者簡介：劉彤，女，1975年生，博士，研究員，研究方向為大數(shù)據(jù)智能。左琦，女，1983年生，碩士，高級工程師，研究方向為大數(shù)據(jù)智能。