智慧城市是怎样建成的

随着我国进入转型升级的发展阶段，城市发展建设面临更高的质量要求，应用大数据、人工智能、虚拟现实等信息化技术，辅助城市的管理决策，成为广泛共识，但所谓的“智慧城市”是否就是相关技术的简单堆砌，技术背后是否存在更加深层次的运行逻辑？

城市是一个复杂巨系统，很大程度上无法完全精细解读，技术必须在深刻理解城市运行规律的基础上寻求合理解决路径

城市内部按照人的活动参与多少分为两类系统：一类是大量的自封闭技术系统，如给水、排水、供热、供电、供气等所有能联网、联线的工程性支撑系统，一类是有大量人为因素影响的复杂巨系统，如交通、环境、产业等难以完全量化的城市运行系统。基于两类系统的不同基础特征，需要采取不同的“智慧化”路径。

1.1自封闭工程性支撑系统，基于信息技术，实现完全自动化

工程性支撑系统由于本身能够精准量化、统一规制，并且自封闭循环，因此不管它的枝枝节节深入到什么层面，相对来说仍然是个简单系统，可以通过信息化手段，实现数据精细采集、精准监控和实时分析、反馈、调节，即“智慧”全自动化。

1.2复杂城市运行系统，基于大数据为支撑的集总效应判断，实现人机交互下的决策支撑

城市是一个复杂巨系统，在很大程度上无法精细解读，它注重的是大数据为支撑的集总效应判断。对于城市中的众多复杂系统来说，以异构融合的多维时空数据为纽带，构筑跨学科的大数据运算平台，来支撑尽可能多的点状的应用，实现对系统间集总效应的耦合分析，进而进行情景模拟，为治理决策提供支撑，这是其实现“智慧”的正确路径。

对于复杂系统，简单的数据罗列和逻辑判断难以精确描述其运行规律，需要在对既有城市发展模型的深入理解的基础上，实现数据的智能化、全链条深度应用，这也恰恰是现在所有的以IT为核心的数据公司，最缺乏的一环，因为他们不了解城市运行的规律，又缺乏与相关领域专家、资源的合作途径。

必须以空间数据为核心来搭建统一平台，基于全三维化的地理信息系统，构建“智慧城市”运行的基准平台

时空关系是所有判断要素中最核心的，是治理平台的基准。基于空间坐标，其他信息才有真实意义，才能真正在决策过程中发挥效力，这一理念已经在全球范围内形成广泛共识。所有城市治理的底层平台必须以土地和建筑信息为核心，相关属性信息、感知信息都是基于空间信息叠加的。由此，基于空间基准平台建立统一的数据采集体系，可以有效抑制重复性投资和碎片化投入。各类数据的采集、分类、整理、筛选、清洗等，都应该在这个体系上完成。

明确以社会治理而非数据链为核心，建立智慧城市顶层设计

必须明确数据只是后台技术问题。尽管目前还存在不同部门数据格式不一样、体例不一样、属性数据跟图形数据之间关联性不强等一系列技术问题，但这些并不是智慧城市面临的核心难点。很多城市已经实现了将跨部门数据，整合到一个仓库里，建立“数据仓库”。但这些不同部门数据之间的关联关系，数据背后逻辑链条的确定才是真正关心的复杂问题。因此，整个系统的搭建必须由城市的管理者主导，基于社会治理的内涵，梳理从宏观治理一直到微观社区治理的完整逻辑链条，而不是在数据层级、数据流的交互这些基础技术层面反复推敲。

1.1以治理为逻辑，建立统一的数据采集分配机制

将社会治理中涉及的各类复杂问题，集中到一条逻辑线上，通过统一智慧基础设施实现智能化的感知、事件应对等。以城市街道公共空间的综合治理问题为例，首先将现有的复杂管控体系进行系统梳理集成，通过有限的信息采集点，实现对整个区域的有效监控和空间的有效利用。在此基础上调整城市治理体系，运用项目审批、财政支持等手段实现城市运行数据的归口采集和统一调配，并进一步建立一整套信息跟踪反馈的智慧管理机制。

1.2从“数据仓库”到“数据联动”到“数据联勤”

这不是一个简单的数据架构设计问题。很多城市已经建立了跨部门“数据仓库”，但数据之间没有建立逻辑关联，实现“数据融合”，其深层次原因是对治理体系缺乏理解。所有政策并不是孤立的，某一政策必然产生多方面的相互影响，治理雾霾可以通过关闭企业落实，但相关的代价是什么？这些问题都需要联动分析。

进一步，在“数据融合”的基础上，每项部门决策的制定，都需要综合考虑相关部门的数据和工作，从而实现“数据联勤”。单一部门的某项工作与其他部门间是什么关系？相关部门需要同步采取什么措施才能把这一决策落实，同时把这一工作的负效应和外部成本降到最低？最终，在“数据联勤”的基础上，才能够真正实现跨部门的多目标综合决策。

建立以大数据为支撑的闭环评估反馈机制，不断优化技术路线，解决痛点问题

基于空间数据基础，结合逐步完善的感知系统、数据采集系统，建立智慧平台的闭环评估反馈机制，打开公共的需求通道，从而保证技术能够真正地聚焦于社会治理的痛点和难点问题，而不是为了单纯的技术炫耀，最终建立集成-智能-交互的治理科学决策支撑系统。这里，将重点关注平台以下几个方面的能力：

第一、信息化的感知能力。通过铺设完善地感知性信息基础设施，提升对于城市运行状态地实时感知能力，同时通过信息反馈机制的完善，实现所有的信息点到点的正向、反向可回溯，从而减少政策实施以后的时滞效应，为政策的快速迭代修正奠定基础。

第二、实时监测评估。基于采集、反馈的数据信息，对比社会治理的普遍底线（如公共安全、环境保护、违法犯罪等），一旦突破底线，实时提示报警。由此，实现对于影响社会治理公共底线行为的实时监测评估和预警分析。

第三、发展情景模拟。城市以及社会发展一定是非线性或者超线性的，背后有一系列的复杂模型支撑。近年来，随着图形拓扑算法和图形耦合算法的广泛应用，复杂的数理模型逐渐从后台的决策工具转变为前台的公共参与工具。社会发展的情景模拟可以通过计算机媒体直观展示，保证所有内行、外行都可以参与评价，虽然其并不一定了解城市治理背后的复杂逻辑关系。因此，未来的城市发展模型，不仅仅是一种科学工具，而是一种直观展示、公众参与、民主决策的平台。

第四、形成决策运行新闭环。在治理决策支撑过程当中，通过整合交互式的反馈评价系统、智能化的参谋咨询系统、集成化的数据情报系统，建立新规则闭环，促进治理模式的转变，建设人民满意。围绕精细管理、精准服务、动态监测和高效协同四个服务目标，综合运用大数据分析、人工智能等技术支撑手段，实现多目标综合决策、动态交互、时空融合。

综合来看，城市治理最终是一个决策研讨的过程。大量针对复杂系统的研究都明确得出，城市治理难以线性模拟并通过机器实现所谓的“人工智能”决策。究其根本原因，是价值观、美学、情感等等构建人类社会的最基本的因素都无法量化。“智慧城市”最高效的决策模式是“人机交互研讨”，即通过计算机的情景模拟服务人的综合判断，从而实现人机交互、辅助决策。因此，智慧城市不是技术的堆砌；人的价值判断、城市的运行逻辑才是技术背后更加关键的基石。