整合城市数据资源，支撑城市精细治理
科大讯飞大数据研究院执行院长 谭昶
现在的世界是复杂化的，必须要用智能化的手段去管理、治理。管理和治理，最重要的根基是人工智能、互联网所拥有的共同基础， 也就是数据或者是大数据。如何整合城市里的数据资源来实现对于城市的精细治理呢？
建设“数字中国”需要依赖大数据、人工智能这些新兴的科技， 要去服务于实体经济，要去用大数据辅助社会治理和政府的管理。在这样的思路之下，对于整个城市当前的信息化水平应该有一个正确的认识。最早的时候人和物理空间的交互是通过自己的双眼和双手，中间没有任何信息化的行为，没有任何的机械装置，等到技术发展到了一定水平的时候，拥有了大量的信息化手段，我们就从原来人和城市的交互变成了人通过信息化的系统去管理一个城市。但是信息化系统在人工智能的概念提倡之前，大家知道信息化的系统是垂直的，是数据孤岛，处理的问题比较简单。如果仅仅依赖于这样的信息化系统， 最终所有的工作、所有的决策还是人来完成。有没有可能使用一些新的手段来代替人完成一些简单的劳动呢？人工智能给了我们这样的可能性，我们可以把信息化系统升级为智慧化的信息化系统，它有一定的自主决策能力，对于一些简单的问题它可以自动判断这个问题应当如何处理，应当怎么样执行，人已经不是一个在决策闭环里的决策者，而是在决策闭环之外的监督者。只要监督整个信息化系统是否犯错就可以，这样的系统就可以处理大量的数据，大量的问题。
比如人脸识别开门，如果保安站在那里开门，这就是最早的人和物理世界之间的交互，如果是保安通过摄像头看到了一个人到这里， 看这个人是我们小区或者办公室的人，他点了一个按钮，那个门开了，这就是 HCPS 信息化系统。但如果保安坐在那里，前面有一套人脸识别的人工智能系统，人走路到这里，站在那里，人工智能系统自动就识别出来这是谁，然后打开了门，保安只是监督它有没有犯错。这样既提升了整个信息系统的智能化和自动化的水平，同时又减轻了人力劳动，这才是我们追求的终极目标。
在这样的目标之下就会发现实际上有很多问题需要处理，比如说刚才提到的人脸识别的概念，人脸处理在哪儿？比如说信息化系统， 摄像头和人脸门禁、红绿灯有没有打通，这些问题都必须要在数据整合、信息系统整合的基础上来实现。具体到讯飞的方法论来讲，我们希望人和物的所有数据通过无处不在的网络能够连接到一个统一的数据平台，在统一的数据平台里经过加工整合，经过人工智能的学习、分析、判断，然后再通过各种各样不同的行业应用去服务于人和物的管理和治理，这样的方法论之下我们也就提出了对于城市数据的管理和使用模型。
最基本的一定是要有统一的汇聚层，现在数据来源很丰富了，怎么样把城市中的各种传感器、各种企业、各个部门建设的信息化系统数据有效的收集起来，必须要有强大的数据汇聚层面，在数据汇聚层面上要进行数据的融合和分析。我们可能从很多个部门都拿到了同一个小区、同一个家庭用电的数据、供水的数据、煤气使用数据和家庭租住的人数，我们要按照时空，按照不同的业务主体把它汇集整合起来，整合之后需要用人工智能判断哪些数据需要分析，哪些数据需要学习，哪些数据一旦发生了或者一旦变化了，我们相应的智能处理过程就需要紧密的跟进，快速地给出结论。给出结论之上就是服务于具体的某个行业，这是服务于方法论。
服务于方法论基础之下，第一步怎么干？以城市数据中心，数据大平台为抓手来整合数据。整合的原则有几点：要按照空间的地理位置整合数据，也就是 GIS 系统；按照城市三维的空间整合，就是 BIM 数据；要整合物联网数据，要整合各个行业的大数据；还要把数据进行统一的管理、统一的编制，建立统一的资源目录。
简单地讲两个例子：
第一，各个地方面临着小升初报名问题。牵扯到学生住在哪里、户籍在哪里、租的房子在哪里，这样的数据分散在不同的部门，如果没有有效的整合就是前面的状态，数据不整合，60% 的用户需要线下确认，需要带着大量的证件去证明我住在这里，我可以在这里上学。但如果有平台就全部可以在线实现，我们在芜湖 2018 年 99% 的数据比对可以线上实现。
第二，公租房分配，通过身份证号码能够查出他有没有房子，配偶有没有房子，家庭收入如何等，这些数据整合起来之后，我们就可以在同一个平台上一次性通过同一个号码获取所有的数据，给出相应的结论。
从业务流程到数据驱动，我们需要有一个换位的思维，需要去打破部门之间的数据壁垒，去整合数据。怎么样完成这样的工作呢？我们也提出了五步法的思路：
首先，要有专家的基本指导意见，建立数据架构、数据框架，在这个框架之下应该具备数据的关联关系，有相应的实际应用案例去证明数据的有效性和数据使用过程，去产生创新应用。创新应用收集到了更多的数据，形成新的建设数据和建设指导意见。
比如说交通，对于城市的拥堵，分析出来的问题不仅仅是交通， 可能旁边有新的三甲医院建设和旁边有新的中小学建设了，这是由教育者和医疗卫生部门提供的数据，这些数据整合和分析才能发现城市各种问题的源头，才能基于源头去解决问题。
数据整合目的是什么？现在有市场监管部门的“三证合一”“五证合一”方便企业办事。但我们在杭州做到了 27 个部门 95 个办事项合一。也就是说当一家店想开企业，需要办 95 个证，牵扯到旅馆经营许可证、餐饮经营许可证等，可以在同一个窗口、同一个部门办理，甚至都不需要跑一次，可以完全在线的办理，这就是数据挖掘、数据打通实现的非常大的价值。
通过数据整合之后，对社会治理更加精细化，比如打击传销组织可能需要用租住房间里水电异常消耗数据，比如创建文明城市需要闯红灯和人脸识别结合起来，现在形成很多地方闯红灯就把头像公示出来等，都需要数据整合来实现。
最后，我们不仅仅要在网络空间里实现数据的整合，我们还要在线下的实体空间里形成业务流程的整合，这也是我们现在对很多城市的建议，不仅仅要建数据中心，还要建服务中心，还要建管理中心， 应该在一个实体里面实现我们对于城市所有的管理、所有的运营整合，比如说城市的客服中心，110、120、119 能不能合在一起，还有市长热线 12345 能不能合在一起，合在一起他们收集到的市民需求、市民反馈，能不能第一时间反馈到城管、环保、环卫等不同的部门去，那就必须要求我们去统一整个城市里的管理治理模型，统一所有管理治理的相关业务，统一人员、统一场地，去建设一个真正的城市大脑。
它应该是一个城市的协同中心，城市的大脑，既是城市数据的汇集中心，又是这个城市所有服务治理的业务统一处理和智能分配的中心。它不仅仅是为我们的居民提供服务，还为城市管理者提供战斗的阵地。
统一了服务出口之后，我们就可以对城市里管理治理城市的各个部门，比如城管、环卫、公安、交警，都可以把它统一进行考核，所有的协同工作在一个部门完成，可以想象它的效率一定比跨部门协作要高得多，这样的手段可以让整个城市的治理精细化水平再提高一个层次。就像数据共享一样，我们也实现了城市治理的业务共享。
最后，我们怎么样从数据的共享、业务的共享到人工智能智慧化的治理？首先要形成数据共享的时空记忆，整个城市的类似数据，时间、空间数据要统一融合、统一分析；我们要对数据进行深度贯穿、深度分析，关联的知识、结合专家经验要发现里面的关联问题，比如说拥堵治理，哪个路口是影响我们的核心关键点，人可能不能发现， 但是数据可以发现；发现之后要让人、专家判断发现的问题要不要处理，处理的优先级如何，哪件事情可以先处理，哪件事情可以后处理，更新了这些知识之后，人工智能算法模型就可以不断地学习进步，持续的成长，最终能够让人逐渐成为人工智能的监督者，用人工智能让我们的城市更美好。