第六章
智慧政府：大數據應用麵麵觀
從未有一個時代像今天這樣，出現過如此大規模的數據爆炸。政府，甚至整個管理領域，已經變成漂浮在數據海洋上的巨輪。
2012年2月，《紐約時報》撰文稱，大數據正在對每個領域都產生影響，決策行為將日益基於數據分析做出，而不是像過去更多的是憑借經驗和直覺。通過數據整理與分析，政府管理者對管理過程中產生的無序數據進行挖掘，便能夠預測民眾的下一步公共服務需求，進而提供更加智能與高效率的管理和服務。
下麵，我們通過梳理前沿的大數據公共管理最佳實踐，與各位學習討論，大數據如何在全球各地的發達國家和發展中國家落地生根，建設快速反應的公共安全管理、數據化調控的公共交通、以人為本的社會管理、智慧監測下的公共衛生與醫療，以及創意與實用兼備的環境保護係統。
快速反應的公共安全管理
恐怖襲擊、社會犯罪和食品安全是3項備受社會關注的安全隱患，也是近年來政府一直在努力提升管理效果的公共領域。由於公共安全危機具有高突發性、強破壞性、波及麵廣、強傳導性等特點，一旦發生安全事故，無辜市民將麵臨巨大的生命財產安全威脅，而且如果處理不及時，社會大眾的問責風暴壓力也將令政府難以應對。
要提前預測危機並快速應對，涉及方方麵麵的數據與信息彙聚，而且這些數據分布在不同的空間與時間，搜集難度大，對政府協同應對的能力要求極高。進入大數據時代，其在公共安全管理上的應用將帶來以下改善。首先，利用大數據有助於提前預測危機、精準打擊犯罪。目前，美國數據研究人員正在用超級計算機以及大量數據幫助警方監測恐怖襲擊的苗頭，定位那些最易受到不法分子侵擾的街區。其次，利用大數據共享可以改善民眾的信息不對稱問題，讓民眾參與到安全環境建構中。美國的商品召回係統和鼓勵市民參與的食品安全網站就是基於此的嚐試。最後，大數據開發和應用還有助於完善危機救災係統，來自微博、微信等互聯網渠道以及基於電子眼、衛星的數據係統提供的尋人信息和危機數據將為救災工作的開展提供多渠道的決策支持。
多渠道數據采集：高效打擊犯罪
在2013年4月15日的美國波士頓馬拉鬆賽中，兩場爆炸造成了3人死亡、數十人受傷，在這之後不到24小時裏，美國聯邦調查局就搜集到了海量的手機基站日誌、短信、社交媒體數據、照片和視頻監控錄像，試圖通過數據分析快速找出嫌疑人。這種基於大數據挖掘的辦案思路已經逐步在世界範圍內傳播開來。
隨著電子眼、互聯網等數據搜集渠道的豐富，一方麵，讓警方能隨時、及時掌握社會治安動態，另一方麵，越來越多的數據將加入犯罪預測模型，幫助警方在如何影響犯罪率這一問題上得到更準確的結論，有助於更具針對性地鎖定犯罪易發點，高效打擊犯罪。
蘇州因“上有天堂，下有蘇杭”而馳名，既有典雅秀麗的風景，也是江蘇省重要的經濟、對外貿易、工商業中心，而這座充滿經濟活力的城市也因為人口的增多導致社會治安和城市安全麵臨嚴峻的考驗。
2012年，蘇州宣布實際居住人口超過1 000萬，成為超大型城市。而2013年，這個數字更是迅速增至1 300萬。如此大的人口壓力下，蘇州卻連續10年被江蘇省評為“社會治安安全市”，實現全國社會治安綜合治理優秀地市“六連冠”，蘇州的打擊處理案件數、刑拘轉捕率、技術支撐率均為全省最高，現行命案破案周期已經縮短為5天，命案破案率達99.16%。
多渠道的大數據采集和最快捷的數據處理是保證蘇州破案效率的最重要手段。一般來說，城市路麵通常有4組治安力量：一是便衣，二是派出所24小時巡邏警力，三是社區警力，四是跨區域巡邏警力。2012年，在這四組力量的協助下，蘇州市公安係統采集到的信息數據總量累計65億條，平均每天增加700餘萬條。
在蘇州昆山的城區公路上，所有的紅綠燈、電子警察抓拍已經全部改建成卡口式電子警察，每部車輛每行駛3公裏，至少會被抓拍到2次，離開昆山城區的出城道路上，每輛車至少會被抓拍到1次。這些紅綠燈、電子警察和高清攝像頭就構成了蘇州的立體防控網，蘇州警方用了10年時間建起了一個覆蓋整個城鄉的信息化防控網絡。在基層派出所，民警借助派出所警務工作平台，一次上門即可完成多警種下派的信息采集任務；借助GPS、3G無線網絡等技術，每一輛出租車的行駛軌跡都可以事後追溯；密布城鄉的近30萬個社會視頻監控探頭，集
第一時間做出決定，解救受害者。
大數據應用的一個重要特征便是數據采集和處理的快速實時與開放共享，來自事件現場的第一手數據借助危機指揮中心和信息聯動係統，可以迅速同步給涉及救援需求的所有部門。政府在數據的支持下組織協調各部門、各行業、各救援機構、各民間組織和廣大民眾，動員一切需要的資源，以最快的速度組織應急疏散、緊急救援和危機控製，盡可能減少危機造成的損失。
2004年3月11日，西班牙馬德裏市的3個火車站以及附近地區連續發生10餘起爆炸，從11日15點8分起，每分每秒都不斷有無辜的生命在這起恐怖襲擊事件中喪生。
這次係列爆炸共造成200人死亡，另有1 800多人受傷，這是西班牙，也是歐洲國家有史以來遭受的傷亡最多的一次恐怖襲擊。
也許會有市民質疑，馬德裏這座經濟發達、管理完善的城市為何麵對恐怖襲擊如此脆弱？在11日恐怖襲擊事件爆發後，為什麼還會在12日不斷出現傷亡？在傷痛之餘，馬德裏警察局確實該好好反思這次恐怖襲擊留下的深刻教訓。
馬德裏警察局坦承，當時沒有用於協調的通信係統是造成這種結果的主要原因之一。因為當時他們並不知道警察局和其他機構是否有足夠的資源可供調配，對於應對恐怖襲擊資源的管理缺乏一個同步溝通的平台，警察局也無法在第一時間將預警信息和救援需求共享給其他部門，間接導致了這場恐怖襲擊不斷惡化。
在這次嚴重的恐怖襲擊事件之後，馬德裏警察局認識到需要優化各個部門的協作方式，在不同的機構之間準確傳遞信息，這樣才能確保在突發危害公共安全的事件之後，迅速應對並展開救援。在2004年遇襲之後，馬德裏警察局借助SOA（麵向服務的體係結構）實現轉型，成為全球最具創新性的應急呼叫中心。
SOA實際上是一個溝通不同部門數據的組件模型，它將應用程序的不同功能單元（可理解為不同部門）按照一定規則聯係起來，使得不同部門的數據和信息可以一種統一和通用的方式進行交互、共享和分配。
建立起該係統後，馬德裏警方便可在8分鍾內到達全市81%的地方，而8分鍾則是衡量救援的黃金時間標準。
馬德裏市過去有3類應急中心：當地警察局、消防隊員以及醫療服務機構和救護車。現在通過SOA，已經可以將這些視為一個集中的部門，工作人員可以實時應對突發情況。他們可以通過新係統實時了解市內不同地方正在發生的事件。此外，警察局有一個可以顯示城市地圖的應用程序，上麵標出了所有市內的突發事件，所有巡邏隊、消防車和救護車的位置信息。真正實現了掌握每秒正在發生的事情的真實情況。
一旦有人撥打電話報告意外事件，救援行動就會開始。警察局有每分鍾發生的事件的登記，同時定位來電，並確定優先次序。在對來電進行分析後，工作人員就立即將信息傳遞給指揮中心，指揮中心負責製定解決問題的最佳應急方案，跟蹤事情的進展並獲得有關響應狀況的信息。
在火災發生的第1分鍾，也許隻要1杯水就可以撲滅；如果過去了5分鍾，可能就需要1桶水；10分鍾過後，也許需要4 000桶甚至5 000桶水。借助大數據的處理，快速響應緊急事件為這座美麗而古老的城市增加了一道有力的防護牆，馬德裏警察局也表示多年來他們一直在追求的主要目標之一就是將反應時間再縮短一點兒。
聯合行動：跨部門數據共享
對安全危機的管理，無論是危機的預防、準備，還是危機的應對，必須建立在及時、準確和全麵的信息基礎之上。傳統的行政管理體製存在條塊分割、協調不暢等弊端。職能部門之間基本沒有建立橫向信息整合網絡，在公共危機爆發時，涉及救援需求的關鍵人員仍習慣以部門為單位逐級上報，缺乏相關部門之間的整合溝通與應對協調，而信息報到政府綜合部門後，又要返回相關部門核查、會審或會簽，嚴重影響了危機救援的效率。若要在公共安全領域發揮數據的最大價值，數據必須是公開、共享、互聯和相關的。由此看出，數據的跨部門共享與公開是一件有必要且有待解決的事情。
裏約熱內盧是巴西第二大城市，該市城市地理環境複雜，頻發的暴雨常造成山體滑坡，導致人員傷亡。加之種族構成相對複雜，社會貧富懸殊，城市治安問題突出。這一切的管理難題都讓裏約熱內盧的市政工作人員傷透腦筋，也成為製約城市發展的痼疾。
兩年前夏天的一場特大暴雨促使裏約熱內盧市長下定決心，要加強城市的運營管理能力。那天早晨，裏約熱內盧市長收到了報告：暴雨引發一些貧民區房屋倒塌，許多人麵臨危險；暴雨造成的洪水來勢凶猛，轎車和卡車被衝入不斷暴漲的水中……但裏約熱內盧市內找不到一個地方能讓市長實時監視災難狀況，指揮落實應急措施。
裏約熱內盧市長在隨後的采訪中說：“我當時意識到，我們太被動了。”為了使裏約熱內盧在下一次災難應對中可以做得更好，他做了一個重要決定。一個月後，他會見了IBM的智慧城市團隊。這個團隊通過大家所熟知的大數據倉庫和挖掘技術幫助城市管理者消除城市職能部門之間的信息孤島，整合每個職能部門的數據為整個城市運營管理提供支持。裏約熱內盧市長說：“其實我們一直在利用這些信息，隻是我們未能將其整合，並以智能化的方式重新加以利用。”
不久後，裏約熱內盧的智能化市政運營中心建立了，那是一間布局和設施都很像美國國家航空航天管理局指揮中心的控製室。身穿白色套裝的市政機構管理人員坐在控製室內巨大的屏幕牆前工作，屏幕上播放著裏約熱內盧城市動態監控視頻，包括：各個地鐵站、主要路口的交通狀況，通過複雜的天氣預測係統預報的城市未來幾天的降雨情況，交通事故處理狀況，停電處理狀況，以及其他城市問題處理及其進展等狀態。
2月，巴西狂歡節即將熱熱鬧鬧開始，世界各地的遊客興致高昂地參與到這個快樂的節日中。過去，對於市政運營中心的城市管理者來說，狂歡節的開始也是天天加班的開始，每天高度緊張地準備應對各種的突發狀況，但是有智能化的市政運營中心後，官員們相對從容和輕鬆。在狂歡節準備工作上，這個城市麵臨的最大挑戰是街道的通行能力。據籌備官員介紹，狂歡節期間的4個周末，在350個不同的地點大約要舉行425場桑巴舞遊行表演，有幾百萬人參加活動。利用運營中心，市政機構可以協調18個不同部門進行同步計劃。這些部門可以共同分配街道的表演時段並設計遊行路線，同時製訂安全、街道清理、人群控製及滿足其他城市管理需求的計劃。
“過去，每個部門都單獨製訂計劃，相互之間幾乎不溝通。”官員介紹說。
狂歡節的一天晚上，裏約熱內盧某區高檔購物街發生火災。一些參加狂歡節的人取出智能手機拍照。還不到晚上7點，住在附近的一位女演員就開始在網上向她的粉絲發出報警。幾分鍾後，運營中心就在網上發出了改道的通知。
另外一個例子是，自從兩年前發生山體滑坡後，裏約熱內盧在66個貧民區安裝了警報器，以無線方式連接到市政運營中心。同時，市政中心開展了大量演習，誌願者在演習中幫助疏散居民。
在實際發生山洪的情況下，運營中心可以決定何時發布何種警報。這一決定是由城市運營中心係統智能預測的，通過超級計算機、係統模型、算法運算預測一平方千米範圍內的降雨量，計算結果比標準氣象係統準確得多。當係統預測出強降雨時，運營中心向不同部門發送相應預警信息，便於各部門做出應對準備。
市政人員認為，市政運營中心還成為裏約熱內盧吸引投資的一個名片。裏約熱內盧市長表示，市政管理人員可以利用市政運營中心最大限度地緩解或減少城市中的不便，吸引外來投資。
數據開放：為食品安全護航
2010年8月，美國沙門氏菌汙染事件導致了1 000多人染病，5.5億枚雞蛋被召回。美國消費者保護組織認為，除了雞蛋危機，美國在近幾年發生的花生醬汙染、毒菠菜以及病牛肉等食品安全問題，都反映了美國食品安全監管方麵長期存在的缺陷，即食品安全監管沒有跟上食品行業快速發展的步伐。
化工合成技術、微生物技術的發展以及廣泛應用於生產實踐、食品生產中的各種防腐劑、添加劑、穩定劑的使用遠遠超出普通消費者的認知能力範圍，廣大消費者無從辨識商品的安全性。因為信息不對稱，消費者在購買商品時幾乎無法知道食品背後的任何信息。有時，廣告宣傳和產品信息甚至包含十分明顯的惡意欺瞞。雖然傾注了大量的精力，政府開通食品質量公共監察熱線，出台食品監管法律，整治食品類企業，但往往還是陷入被動的管理，政府部門無法及時統計與追蹤層出不窮的食品生產和質量信息，更無法及時地將這些信息開放給公眾，提醒消費者選擇健康合規的商品。
麵對觸目驚心的食品安全問題，美國在2009年上線的商品召回查詢係統對於食品安全信息管理和開發具有重要的指導意義，對於中國日益堪憂的食品安全管理問題也具有重要啟示。
塗子沛曾在其書中介紹過，美國聯邦政府共有農業部、食品藥品監督管理局、消費者利益委員會等6個部門涉及商品質量和產品召回的管理工作。早期，這6個部門在各自網頁上公開其管轄範圍內的問題商品的召回記錄。2009年，為了方便用戶查詢，美國內務部決定：在整合這些數據的基礎上，開設一個專門的商品召回查詢網站（recalls.gov），消費者注冊後，可隨時收到最新的商品召回信息。在網站上，消費者和經銷商都可以直接下載相關的商品召回信息。消費者也可以追蹤某項商品，獲得以電子郵件發送的提示信息。
這個係統還可以在智能手機上使用。消費者在智能手機上鍵入產品的名稱及型號，可以直接查看該商品是否有質量問題和被召回的曆史記錄。消費者可以隨時了解自己購買的食品及超市正在架上的食品有哪些是不安全的。如果消費者懷疑該商品存在問題或者是被召回產品的漏網之魚，還可以立即在線舉報。
美國政府還有一個專門的食品安全監察網站（foodsafety.gov），該網站會及時公布食品召回信息，供消費者查詢。根據該網站公布的信息，美國食品召回有企業主動召回和政府強製召回兩種形式。如果企業發現食品安全問題，可以彙報給美國食品安全檢驗局和美國食品藥品監督管理局，主動申請召回。同樣，有關部門發現食品安全問題，也會要求企業召回。通過數據開放，構建起一張全民監管的食品安全之網。
數據化調控的公共交通
1885年10月，卡爾·奔馳設計製造了世界上第一輛三輪汽油汽車，汽車從誕生之日起就被視為自由的象征，但是他應該沒有料到，一百年後，汽車的發展卻呈現出物極必反的逆轉現象—人們幾乎把時間都浪費在了道路擁堵和等待紅綠燈上。
隨著經濟發展和城鎮化的加速，人、車、路的矛盾日益突出，交通擁堵和交通汙染嚴重、交通事故頻發，這些早已成為各大城市亟待解決的問題，尤其是交通擁堵問題已經成為影響城市居民生活質量的主要原因之一。傳統的治理交通擁堵的方法一般是加大基礎設施投入，即通過不斷拓寬道路、增加道路裏程以增強交通通行能力，但這種做法會受土地資源和經濟預算的限製，並非解決問題的根本。現在，在及時、全麵、海量的數據基礎上建立的科學分析交通管理體係可以實現在不擴大路網規模的前提下，增強交通路網的通行能力。
數據化調控成為高效改善城市交通的關鍵所在,將信息技術應用於公共交通，利用大數據從問題解決框架和製度層麵提高信息資本利用率，減少對諸如土地等外部資源的依賴，合理分配資源，成為更加切實可行解決交通問題的方案。
暢通無阻：大數據式治堵
根據一份對包括北京、紐約和倫敦等在內的12個大城市交通情況調查，按乘車族對擁堵的煩惱製定“痛苦指數”，最高為100，北京為99，約翰內斯堡為98，莫斯科和新德裏分別為82和78，由此可見，擁堵問題已經成為影響全球居民生活質量的罪魁禍首之一。
讓交通暢通無阻，降低廣大乘車族的“痛苦指數”，增強城市居民幸福感成為公共交通管理者努力改善擁堵現狀的根本動力。交通管理改善涉及工程量大，治堵成本高，而大數據的大體積特性則有助於解決這種困境。隨著數據庫攝入更多數據，所消耗的計算工作量則遞減。換言之，在對公共交通的車輛進行配置的過程中，配置成本會隨著大數據的聚合而降低。引入大數據信息化手段後，所有車輛的行駛狀況都能通過某種技術手段進行數據彙總和共享，這種高效配置能增加車輛的有效路段裏程，進而提高交通運輸效率，大大降低治堵的成本。通過建立交通數據智能管理係統，使駕駛員獲得實時路況信息，避開擁堵，也便於管理者及時發現異常路況和交通事故，提前通知後續車輛分流，這種通過提高信息資本利用效率的大數據式治堵遠比單純的拓寬道路方案更具實踐價值。
根據英國《每日郵報》網站2011年的一篇報道，英國布裏斯托大學的埃迪·威爾遜博士發現，一名司機急刹車或超車可能引發一場“交通海嘯”，受影響路段長達80公裏。
威爾遜的研究對象是英國最繁忙公路—伯明翰附近的M42公路，借助這條路上安裝的密集電子眼、攝像頭等交通監視裝置，威爾遜與同事完整搜集到了這條路上的所有交通狀況和擁堵情況的數據。通過對海量數據的分析和挖掘，他們發現造成擁堵的起因一般是一些司機的急刹車、變道以及超車等行為。如果有一位司機突然改變車道將導致後續尾隨的所有車輛減速，同時，這些細微的行為會產生多米諾骨牌效應，迫使後麵的車輛轉向、刹車，一旦恰逢車輛彙集路口，將可能擁堵得一塌糊塗。日本及北美的其他交通研究專家也得出了與威爾遜相仿的結論。美國天普大學研究學者也提出，當車流超過瓶頸水平時,任何一個小的因素都會導致擁堵的產生，所以最明顯的緩解辦法就是削減車流量。然而要在上下班高峰期或者節假日限製車流似乎不太可能，雖然北京已經開始通過實行尾號限行政策限製車流，但也未從根本上改變北京的交通擁堵情況。那麼是否還有其他更加有效的辦法？
英國公路局通過數據觀察發現，利用駛入匝道調節車流技術能適當調整入口處及主行車道上的車流量；不停地更新電子信息標誌，通知司機有關路況及事故，並允許他們在高峰期利用路肩增加車流量，能夠大幅提升道路的通行能力，降低交通擁堵發生的概率。但是這些舉措都依賴於管理者能快速地對前方交通狀況的數據進行監測與分析，並實時判斷未來5分鍾後或者30分鍾後的道路狀況。2012年，IBM與法國裏昂市合作開發了一款智能係統，名為“決策支持係統優化器”，基於實時交通報告偵測和預測擁堵。當交管人員發現某地即將發生交通擁堵，這套決策係統便可以智能地調整信號燈使車輛以最高效率通行，真正讓道路交通暢通無阻。
目前，一場依靠大數據尋求適應個人交通出行的最佳方案的商業及技術競賽正在展開，英國技術戰略委員會出資讚助12項由行業牽頭的工程以幫助個人獲得出行信息。當前，這個市場還不太健全，但在日趨成熟。有人會設計出一種極易使用的裝置整合各種形式的出行數據，最終通過大數據式治堵實現暢通無阻的目標。
在西方，大數據除了應用在擁堵治理上，還有一個重要的價值便是減少道路安全交通事故（這也是導致交通擁堵的原因之一），美國交通安全管理局從1966年開始建立的交通事故死亡分析報告係統也已經演變為一個在線分析係統，任何人都可以上網查詢事故的原因及其分析，在網上查詢和獲知交通狀況，實時更新預警，避開危險路段。
全景式調控：數據化的智能交通係統
城市交通車流量大，運輸需求高，自行車、公共交通、小客車等不同類型交通方式的出行空間疊加，造成道路交通係統極為脆弱，稍有擾動就會形成突發性交通擁堵或者交通安全事故。利用大數據的智能交通管理係統不僅能滿足海量數據處理和實時分析的需求，還能24小時覆蓋所有網絡，通過全景式交通狀況觀察，及時檢測交通堵塞和報警，甚至實現跨區域信息共享。
在新加坡這種人口密度大的國家，交通問題尤為嚴重。新加坡是麵積比紐約市還小的島國，但生活著近500萬人口。新加坡陸路交通管理局通過創新以及部署戰略性技術，建立了係統的ITS（智能交通係統）。
ITS是利用現代計算機和通信技術對現存城市交通網絡實施係統性、整體性管理和監控的有效途徑，主要通過實施動態的組織管理策略，並提供及時、全麵的交通信息引導交通流的合理分布，最終優化係統的運行效率，提高交通服務水平。新加坡以其在經濟、技術方麵得天獨厚的條件，在ITS的發展方麵已經走在世界的前列。這套係統主要包括四個有機組成部分：