AI賦能智慧城市數(shù)字化治理的關(guān)鍵技術(shù)與典型應(yīng)用

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(dāng)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(shí)代發(fā)展趨勢(shì)，而對(duì)于AI賦能的技術(shù)路徑，還存在進(jìn)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(diǎn)闡述人工智能技術(shù)在這些領(lǐng)域中進(jìn)一步提升智能分析、視覺識(shí)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?yàn)橹腔鄢鞘袘?yīng)用帶來更高效、更精準(zhǔn)的工具及方法，尤其在基于自然語(yǔ)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(xì)化管理；風(fēng)險(xiǎn)評(píng)估；大模型

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.19881/j.cnki.1006-3676.2024.05.08

2023年，中共中央、國(guó)務(wù)院印發(fā)了《數(shù)字中國(guó)建設(shè)整體布局規(guī)劃》（以下簡(jiǎn)稱“《規(guī)劃》”），《規(guī)劃》指出，按照“2522”的整體框架進(jìn)行布局，即夯實(shí)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(jìn)數(shù)字技術(shù)與經(jīng)濟(jì)、政治、文化、社會(huì)、生態(tài)文明建設(shè)“五位一體”深度融合，強(qiáng)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(guó)內(nèi)國(guó)際“兩個(gè)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(guó)家治理的重要準(zhǔn)則。

城市作為國(guó)家經(jīng)濟(jì)發(fā)展、社會(huì)治理、公共服務(wù)的單元，是推進(jìn)數(shù)字中國(guó)建設(shè)的綜合載體。隨著城鎮(zhèn)化進(jìn)程的推進(jìn)，城市構(gòu)件數(shù)量日益龐大，城市區(qū)域更加寬闊，社會(huì)要素高速流動(dòng)，要素之間的異質(zhì)性增強(qiáng)，城市成為非常典型的復(fù)雜系統(tǒng)。技術(shù)變革的驅(qū)動(dòng)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(dòng)著城市治理的數(shù)字化轉(zhuǎn)型，讓經(jīng)驗(yàn)治理轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)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(shí)代發(fā)展趨勢(shì)。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(jìn)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(duì)關(guān)鍵技術(shù)的提升方式等方面進(jìn)行闡述，并通過案例講述AI提升智慧城市精細(xì)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(biāo)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(jìn)政府機(jī)構(gòu)的信息化、智能化和透明化，增強(qiáng)公眾參與和監(jiān)督的能力[2]。

智慧城市實(shí)質(zhì)上是新一代信息技術(shù)發(fā)展和城市化進(jìn)程加速的產(chǎn)物。當(dāng)前，我國(guó)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(zhǎng)足的進(jìn)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(duì)政策服務(wù)的時(shí)效性、準(zhǔn)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(huì)隨時(shí)更新調(diào)整，因此要保證政務(wù)咨詢的實(shí)時(shí)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(yǔ)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(bào)匯聚研判能力待加強(qiáng)

情報(bào)來源的綜合化、社會(huì)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(bào)，并通過對(duì)案件情報(bào)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(qiáng)。

（三）數(shù)據(jù)資源價(jià)值挖掘待深入

相當(dāng)一部分智慧城市應(yīng)用系統(tǒng)數(shù)據(jù)僅實(shí)現(xiàn)了核心的統(tǒng)計(jì)，但普遍缺乏對(duì)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(jìn)一步提升。

（四）智能感知、人機(jī)協(xié)同的工作機(jī)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(jī)協(xié)同的工作機(jī)制，實(shí)現(xiàn)事件自動(dòng)識(shí)別、主動(dòng)上報(bào)、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(duì)智能化技術(shù)的需求，即在國(guó)家治理體系和治理能力現(xiàn)代化的進(jìn)程中，智慧城市建設(shè)需要實(shí)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(jià)值化、社會(huì)治理精準(zhǔn)化等方面，需要運(yùn)用人工智能等新興技術(shù)實(shí)現(xiàn)對(duì)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(zhǔn)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(dòng)力，也是破解相關(guān)難題的關(guān)鍵所在[3]。

二、AI對(duì)智慧城市數(shù)字化治理三項(xiàng)關(guān)鍵技術(shù)的提升

（一）跨域時(shí)空數(shù)據(jù)治理與價(jià)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(dòng)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(jìn)步，智慧城市應(yīng)用獲取了大量的時(shí)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(duì)各類數(shù)據(jù)進(jìn)行軌跡分析、全時(shí)段分析，甚至能夠?qū)珙I(lǐng)域數(shù)據(jù)進(jìn)行相關(guān)性分析。但數(shù)據(jù)極大豐富的同時(shí)也帶來了新問題—如何進(jìn)行數(shù)據(jù)對(duì)齊。與智慧城市相關(guān)的海量數(shù)據(jù)中，時(shí)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(shí)空數(shù)據(jù)中提取出有價(jià)值的信息并用于商業(yè)應(yīng)用的要求，使得時(shí)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(shí)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(shí)態(tài)信息的互聯(lián)互通為基礎(chǔ)，通過空間計(jì)算能力將大規(guī)模多樣化的數(shù)據(jù)進(jìn)行融合、使用和呈現(xiàn)。

針對(duì)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(jí)抽取—關(guān)聯(lián)分析—虛實(shí)映射”的數(shù)據(jù)邏輯模型和跨系統(tǒng)全時(shí)空信息數(shù)字感知體系，形成集運(yùn)行狀態(tài)、空間信息、裝備狀態(tài)、風(fēng)險(xiǎn)信息等于一身，具備多參量、多尺度、全時(shí)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(duì)于模式、規(guī)則和知識(shí)的生成與發(fā)現(xiàn)具有重要作用。

（二）城市運(yùn)行模擬仿真與風(fēng)險(xiǎn)研判技術(shù)

城市安全新興風(fēng)險(xiǎn)、傳統(tǒng)產(chǎn)業(yè)風(fēng)險(xiǎn)、區(qū)域風(fēng)險(xiǎn)等積聚滋生、易發(fā)多發(fā)；對(duì)此，需要匯聚融合與城市安全運(yùn)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(yùn)行情況和風(fēng)險(xiǎn)態(tài)勢(shì)，形成全方位、多層級(jí)、立體化的城市風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警平臺(tái)以及多主體、大聯(lián)動(dòng)的應(yīng)急管理協(xié)同處置機(jī)制，提升城市安全綜合風(fēng)險(xiǎn)管控能力。

城市運(yùn)行仿真模擬與風(fēng)險(xiǎn)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(xì)化和決策的科學(xué)性，并利用分類、聚類、關(guān)聯(lián)、比對(duì)等大數(shù)據(jù)分析方法，基于城市運(yùn)行規(guī)律構(gòu)建行業(yè)分析算法和風(fēng)險(xiǎn)研判模型，進(jìn)行城市運(yùn)行的模擬仿真推演和自學(xué)習(xí)、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(duì)其適用性進(jìn)行評(píng)估。其中，利用機(jī)器學(xué)習(xí)算法進(jìn)行數(shù)據(jù)挖掘和趨勢(shì)預(yù)測(cè)，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(biāo)、檢查指標(biāo)、違法指標(biāo)、失信指標(biāo)、生產(chǎn)經(jīng)營(yíng)指標(biāo)等指標(biāo)體系對(duì)相關(guān)數(shù)據(jù)進(jìn)一步分析比對(duì)，研判風(fēng)險(xiǎn)等級(jí)，并將風(fēng)險(xiǎn)研判結(jié)果輸出給風(fēng)險(xiǎn)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(jí)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(biāo)多維建模技術(shù)實(shí)現(xiàn)指標(biāo)多維模型的構(gòu)建，可以對(duì)指標(biāo)定義、指標(biāo)描述信息、指標(biāo)值、指標(biāo)體系進(jìn)行統(tǒng)一管理，滿足實(shí)際應(yīng)用中指標(biāo)多維度、多版本的管理要求，并形成適用于聯(lián)機(jī)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(biāo)利用更加直接有效。在系統(tǒng)運(yùn)行過程中可根據(jù)設(shè)置的指標(biāo)反映系統(tǒng)運(yùn)行情況，并利用指標(biāo)可視化圖表及預(yù)警算法，實(shí)現(xiàn)指標(biāo)數(shù)據(jù)時(shí)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(qiáng)指標(biāo)可視化程度，提升用戶實(shí)際應(yīng)用體驗(yàn)，同時(shí)預(yù)警城市發(fā)展問題，讓有關(guān)部門能夠及時(shí)制定并持續(xù)優(yōu)化應(yīng)對(duì)措施（如圖2所示）。

（三）知識(shí)表示與推理模型構(gòu)建技術(shù)

知識(shí)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(yǔ)言或圖形等形式的知識(shí)表示為計(jì)算機(jī)易于處理的形式，并通過推理或查詢等方法，利用這些知識(shí)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(shí)世界中的自然語(yǔ)言或圖形進(jìn)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(jìn)行有效的推理和推斷后形成智慧服務(wù)的需求，知識(shí)表示與推理模型可以幫助機(jī)器理解和處理知識(shí)并從多源信息中凝練和關(guān)聯(lián)語(yǔ)義[5-6]，利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等人工智能技術(shù)，自動(dòng)地從文本和非結(jié)構(gòu)化數(shù)據(jù)中抽取和構(gòu)建知識(shí)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(jìn)一步擴(kuò)大了知識(shí)表示和知識(shí)服務(wù)的范圍。

基于知識(shí)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(shí)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(yǔ)義分析能力，集成“主題分類標(biāo)簽+聯(lián)庫(kù)搜索+文檔問答”“提示詞模板匹配”“意圖識(shí)別+主題關(guān)聯(lián)+Text2SQL”等功能，進(jìn)行意圖分類和知識(shí)關(guān)聯(lián)，提升對(duì)話意圖繼承能力，實(shí)現(xiàn)基于知識(shí)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(zhǔn)確性：如在語(yǔ)義層面對(duì)待派文件和議題進(jìn)行深度分析和“三定”職能的比對(duì)、對(duì)承辦單位篩選排序、對(duì)主辦會(huì)辦單位的確認(rèn)，從而實(shí)現(xiàn)精準(zhǔn)轉(zhuǎn)派和跨部門聯(lián)動(dòng)。

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(dān)的相關(guān)項(xiàng)目為例，說明人工智能技術(shù)是如何進(jìn)一步提升數(shù)字化治理技術(shù)在空氣治理精細(xì)化管理、食品安全、城市安全及政策服務(wù)場(chǎng)景中的應(yīng)用程度。

（一）“摳微克”時(shí)代的空氣質(zhì)量精細(xì)化管理

隨著大氣污染防控的深入，空氣質(zhì)量精細(xì)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(xì)化進(jìn)入“摳微克”時(shí)代，要求以“一微克”行動(dòng)為主線，綜合運(yùn)用科技+執(zhí)法+管理等手段，對(duì)大氣污染展開精準(zhǔn)治理。同時(shí)，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(yùn)用更先進(jìn)的工具手段；城市交通和生活源的貢獻(xiàn)占比增加，點(diǎn)散、無組織排放需要更精細(xì)的研究和管理，而基層管理工作者夯實(shí)減排工作需要更科學(xué)實(shí)用的管理工具手段助力。

針對(duì)基層空氣質(zhì)量管理“如何直觀展示轄區(qū)精細(xì)空氣污染分布、傳輸規(guī)律和來源貢獻(xiàn)并指導(dǎo)空氣污染精準(zhǔn)防控”等問題，筆者所在單位承擔(dān)國(guó)家重點(diǎn)研發(fā)項(xiàng)目（政府間合作專項(xiàng)）《基于哥白尼觀測(cè)的街區(qū)尺度空氣質(zhì)量精細(xì)化管理工具開發(fā)和示范應(yīng)用》，基于“一張圖”理念、HPC+云計(jì)算混合架構(gòu)和大數(shù)據(jù)與AI算法，開發(fā) “監(jiān)測(cè)—預(yù)測(cè)—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(cè)地圖、預(yù)測(cè)地圖、污染源分布地圖、溯源地圖、交互式減排效果預(yù)測(cè)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(shí)現(xiàn)街區(qū)空氣污染“現(xiàn)狀—趨勢(shì)—溯源—措施效果”的全面動(dòng)態(tài)可視化，推送“一點(diǎn)一策”“一街一策”報(bào)告（如圖3所示）?？臻g尺度覆蓋全國(guó)—區(qū)域—城市—街區(qū)，空間精度最細(xì)達(dá)10米，時(shí)間精度為1小時(shí)，預(yù)報(bào)時(shí)長(zhǎng)為未來5天，減排情景效果預(yù)測(cè)時(shí)間達(dá)到分鐘級(jí)。成果已在北京陶然亭街道、亞運(yùn)村街道、滄州、武漢、邯鄲等多地落地應(yīng)用。

該項(xiàng)目在研發(fā)過程中大量采用了人工智能技術(shù)，如使用計(jì)算機(jī)視覺技術(shù)進(jìn)行車輛類型和數(shù)量的識(shí)別，計(jì)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(shí)現(xiàn)對(duì)車輛的分類與統(tǒng)計(jì)，同時(shí)，參照《道路機(jī)動(dòng)車大氣污染物排放清單編制技術(shù)指南》和國(guó)家統(tǒng)計(jì)年鑒[8]，根據(jù)北京的溫度、濕度、車輛組成結(jié)構(gòu)對(duì)VEIN模型中的排放因子進(jìn)行本地化調(diào)整，創(chuàng)建本地化排放因子數(shù)據(jù)庫(kù)，對(duì)北京市西城區(qū)的機(jī)動(dòng)車排放量進(jìn)行了系統(tǒng)性的計(jì)算，共估算了58種機(jī)動(dòng)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(shí)際視頻觀測(cè)和AI識(shí)別算法有效獲取任一時(shí)間段的各類型道路上車型、車速及車流量信息。此外，該項(xiàng)目還通過深度學(xué)習(xí)的代理模型有效縮短了情景組合的模擬計(jì)算時(shí)間（少于5分鐘），為近實(shí)時(shí)會(huì)商與決策提供了支持。

（二）基于計(jì)算機(jī)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(cè)大都由專業(yè)人員在實(shí)驗(yàn)室完成，檢測(cè)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(cè)方式不適合現(xiàn)場(chǎng)及流通領(lǐng)域快速檢測(cè)的需求。從政府部門到企業(yè)、消費(fèi)者都亟待快速、準(zhǔn)確地檢測(cè)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(shí)驗(yàn)室進(jìn)一步地確證可以大大增加檢測(cè)效率。筆者所在單位與中國(guó)農(nóng)科院合作研發(fā)了識(shí)別并校正六邊形的方法，開發(fā)了計(jì)算機(jī)視覺算法對(duì)試紙條顯色情況進(jìn)行識(shí)別，最后將算法封裝后通過微信小程序執(zhí)行。用戶使用時(shí)可以通過下載微信小程序，對(duì)托盤上顯色之后的試紙條進(jìn)行拍照，5分鐘便可同時(shí)完成多種化學(xué)農(nóng)藥殘留的檢測(cè)，檢測(cè)結(jié)果直接顯示在手機(jī)上。對(duì)于消費(fèi)者來說，手機(jī)上可以只顯示陽(yáng)性或者陰性。對(duì)于政府和企業(yè)來說，檢測(cè)時(shí)可按照殘留限量要求，設(shè)置顯示超標(biāo)還是未超標(biāo)的檢測(cè)結(jié)果。普通手機(jī)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(chǎng)上銷售的主流品牌智能手機(jī)均可使用這一檢測(cè)方式，檢測(cè)系統(tǒng)的準(zhǔn)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(shí)際檢測(cè)。

（三）基于城市安全大數(shù)據(jù)的多尺度區(qū)域綜合風(fēng)險(xiǎn)評(píng)估

黨的十八大以來，黨中央將風(fēng)險(xiǎn)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(fēng)險(xiǎn)管理體系，強(qiáng)化多災(zāi)并發(fā)和災(zāi)害鏈?zhǔn)椒磻?yīng)風(fēng)險(xiǎn)分析，不斷完善城市風(fēng)險(xiǎn)地圖[9-10]；全面梳理各種風(fēng)險(xiǎn)源、風(fēng)險(xiǎn)點(diǎn)、危險(xiǎn)源、事故隱患，建立排查、登記數(shù)據(jù)庫(kù)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(fēng)險(xiǎn)評(píng)估是指綜合運(yùn)用新一代信息技術(shù)，進(jìn)行安全風(fēng)險(xiǎn)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(bào)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(shí)反映企業(yè)安全生產(chǎn)狀態(tài)的指標(biāo)和模型，對(duì)影響企業(yè)安全生產(chǎn)的因素進(jìn)行切實(shí)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(jìn)行研判、清洗、挖掘，構(gòu)建遞階層次的安全生產(chǎn)風(fēng)險(xiǎn)評(píng)估綜合指標(biāo)體系[11]，有效進(jìn)行安全生產(chǎn)形勢(shì)分析與趨勢(shì)預(yù)測(cè)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(fēng)險(xiǎn)預(yù)防控制一張圖等，實(shí)現(xiàn)了基于企業(yè)、行業(yè)、區(qū)域的智慧城市風(fēng)險(xiǎn)防范一張圖。筆者所在單位研發(fā)了“點(diǎn)線—整體—區(qū)域”風(fēng)險(xiǎn)評(píng)估技術(shù)體系，從點(diǎn)源線源、單位整體、區(qū)域三層次明確監(jiān)管的重點(diǎn)區(qū)域、行業(yè)、場(chǎng)所，為政府安全監(jiān)管部門實(shí)行分級(jí)分類監(jiān)管提供參考。這一風(fēng)險(xiǎn)評(píng)估技術(shù)體系基于風(fēng)險(xiǎn)精準(zhǔn)感知、區(qū)域經(jīng)濟(jì)、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(shì)分析等技術(shù)實(shí)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(fēng)險(xiǎn)云服務(wù)，引入16個(gè)一級(jí)行業(yè)領(lǐng)域共計(jì)91個(gè)行業(yè)領(lǐng)域標(biāo)準(zhǔn)，全面支撐了北京16區(qū)以及經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的城市風(fēng)險(xiǎn)評(píng)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(fēng)險(xiǎn)源，100多萬條來自各方面應(yīng)急資源。同時(shí)該系統(tǒng)在全國(guó)范圍內(nèi)首次發(fā)布了“企業(yè)風(fēng)險(xiǎn)隱患二維碼”，利用移動(dòng)端APP首次實(shí)現(xiàn)了對(duì)小微企業(yè)風(fēng)險(xiǎn)辨識(shí)評(píng)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(fēng)險(xiǎn)系統(tǒng)，共采集了2萬余家單位的36萬條風(fēng)險(xiǎn)源，16萬余條各方面應(yīng)急資源；共支持22個(gè)區(qū)，300余個(gè)鄉(xiāng)鎮(zhèn)街道進(jìn)行了區(qū)域風(fēng)險(xiǎn)評(píng)估，支撐了全市的風(fēng)險(xiǎn)評(píng)估重點(diǎn)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(tái)的對(duì)接，有力支撐了成都市安全風(fēng)險(xiǎn)評(píng)估工作。

（四）北科政務(wù)服務(wù)大語(yǔ)言模型應(yīng)用

北科政務(wù)服務(wù)大語(yǔ)言模型是充分利用大模型人工智能處理自然語(yǔ)言的能力，基于大語(yǔ)言模型和政務(wù)知識(shí)庫(kù)構(gòu)建的多項(xiàng)政務(wù)智能服務(wù)的集合，具有自動(dòng)問答、政策解讀、知識(shí)查詢、報(bào)告編寫、內(nèi)控管理、員工培訓(xùn)等功能，可應(yīng)用于移動(dòng)端、一體機(jī)、網(wǎng)頁(yè)端、大屏端，為社會(huì)公眾、工作人員提供精準(zhǔn)服務(wù)和主動(dòng)服務(wù)的模型。其中，增強(qiáng)搜索（Retrieval-Augmented Generation，RAG）是提升模型對(duì)專業(yè)知識(shí)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(shí)庫(kù)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(shí)現(xiàn)語(yǔ)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(yǔ)義搜索等目的[14]。

北科政務(wù)服務(wù)大語(yǔ)言模型利用增強(qiáng)搜索RAG技術(shù)，對(duì)向量化的用戶問題與知識(shí)庫(kù)中的向量進(jìn)行對(duì)比和搜索，以找到與問題最相似的topK個(gè)（即排序前K個(gè)）向量，從而提供相關(guān)的知識(shí)信息。通過先檢索相關(guān)知識(shí)，再基于這些信息生成回答，從而提高了回答的準(zhǔn)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(shí)庫(kù)中數(shù)據(jù)向量比對(duì)相似性的基準(zhǔn)，而通過設(shè)置“獲取結(jié)果數(shù)量”這一參數(shù)，可決定當(dāng)知識(shí)庫(kù)中數(shù)據(jù)與用戶問題多條向量都大于閾值時(shí)，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(yǔ)言模型實(shí)現(xiàn)了全國(guó)產(chǎn)化運(yùn)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(yǔ)言模型可運(yùn)行于全國(guó)產(chǎn)軟硬件環(huán)境中，操作系統(tǒng)、處理器、高性能計(jì)算加速卡、服務(wù)器等均可采用國(guó)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(hù)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(shí)現(xiàn)基于法律法規(guī)、相關(guān)制度、會(huì)議紀(jì)要等文本數(shù)據(jù)的多輪問答，實(shí)現(xiàn)數(shù)據(jù)溯源，確保政務(wù)應(yīng)用的準(zhǔn)確性與嚴(yán)肅性；其具有的強(qiáng)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(duì)話分析和引導(dǎo)，提高服務(wù)質(zhì)量和響應(yīng)效率，實(shí)現(xiàn)了中文自然語(yǔ)言到SQL查詢語(yǔ)句的合成，讓用戶在政策服務(wù)場(chǎng)景中能夠通過自然語(yǔ)言對(duì)數(shù)據(jù)庫(kù)進(jìn)行檢索，提高了咨詢服務(wù)的實(shí)時(shí)性。大模型不但可以分析問題中所含的具體要素，還能對(duì)這些具體要素進(jìn)行對(duì)比分析。

四、總結(jié)和展望

新型智慧城市作為落實(shí)數(shù)字中國(guó)戰(zhàn)略的重要載體，是推動(dòng)城市數(shù)字化轉(zhuǎn)型的重要路徑，也是促進(jìn)新型城鎮(zhèn)化、發(fā)展數(shù)字經(jīng)濟(jì)和推進(jìn)高質(zhì)量發(fā)展的關(guān)鍵抓手。當(dāng)前，我國(guó)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(shí)智能”轉(zhuǎn)型。人工智能的蓬勃發(fā)展在機(jī)器視覺、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)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(chǎng)景相結(jié)合的寶貴經(jīng)驗(yàn)。尤其是AI大模型的崛起，已經(jīng)在基于自然語(yǔ)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(diǎn)闡述了人工智能技術(shù)是如何進(jìn)一步提升智能分析、視覺識(shí)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?yàn)橹腔鄢鞘袘?yīng)用提供更高效、更精準(zhǔn)的工具及方法[15-16]。

參考文獻(xiàn)：

[1] 中共中央 國(guó)務(wù)院印發(fā)《數(shù)字中國(guó)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?dāng)?shù)字化治理水平測(cè)度及提升對(duì)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(jià)值、風(fēng)險(xiǎn)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(guó)建設(shè)信息化，2019（21）：13-17.

[5] 張新長(zhǎng)，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(bào)，2024，26（4）：779-789.

[6] 唐斯斯，張延強(qiáng)，單志廣，等.我國(guó)新型智慧城市發(fā)展現(xiàn)狀、形勢(shì)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(shí)表達(dá)：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(dòng)態(tài)監(jiān)測(cè)：以上海城市體征監(jiān)測(cè)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(shí)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(guó)礦業(yè)大學(xué)，2022.

[12] 彭海艷.人工智能背景下政府?dāng)?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(shí)圖譜：分布式知識(shí)遷移與聯(lián)邦式圖譜推理[J].智能科學(xué)與技術(shù)學(xué)報(bào)，2022，4（1）：55-64.

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

[15] 劉濤，范毓婷.人工智能時(shí)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(jí)數(shù)據(jù)融合方法的城市功能識(shí)別研究[J].計(jì)算機(jī)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(jiǎn)介：劉彤，女，1975年生，博士，研究員，研究方向?yàn)榇髷?shù)據(jù)智能。左琦，女，1983年生，碩士，高級(jí)工程師，研究方向?yàn)榇髷?shù)據(jù)智能。