基于大模型的城市治理應用場景探索

袁野?孫博?楊政

伴隨著ChatGPT（美國OpenAI公司研發(fā)的聊天機器人程序）的面世，各類大模型也逐漸涌現(xiàn)，成為人工智能技術的最新體現(xiàn)。

新一代人工智能技術的不斷更新迭代和全方位的普及滲透，正在深刻影響和改變著人們的行為方式和生產生活方式。城市治理領域結合泛在感知、機器視覺、數(shù)據(jù)智能、數(shù)字孿生、生成式人工智能技術（AIGC）等技術能力，讓城市會“思考”，更“聰明”。順應城市治理到城市“智”理的發(fā)展浪潮，人工智能已從萬千碎片化的小模型時代走向“百模千態(tài)”的大模型時代。

城市是一個復雜巨系統(tǒng)，城市規(guī)模越大，運行管理的面越寬，各類城市運行的問題和風險就越多。城市生活有多豐富，城市治理就有多復雜。如何以大模型這樣一種最新的人工智能手段為基底，賦能城市治理各項業(yè)務場景，已經成為城市治理行業(yè)亟待破題的關鍵。

一、城市治理大模型賦能城市治理

通用大模型具有出色的泛化性能和通用知識，但在促進數(shù)據(jù)互聯(lián)互通的同時，依然存在意圖理解能力弱、知識割裂離散、泛化適配能力差等特點。如何從“通用”走向“專業(yè)”，大模型需要在應用場景上發(fā)揮更大的價值。城市管理、基層治理、城市安全、民生訴求、法治政府等豐富的城市治理場景給大模型提供了用武之地。

針對特定行業(yè)或領域的需求，要結合特定的行業(yè)數(shù)據(jù)對通用大模型進行優(yōu)化，以適應行業(yè)的特定需求和挑戰(zhàn)。行業(yè)大模型充當著“行業(yè)專家”的角色，更專注于某個特定領域的知識和技能，具備更高的領域專業(yè)性和實用性。在城市治理領域，應該結合城市治理行業(yè)經驗和專業(yè)知識，在通用大模型的基礎上探索與打造城市治理行業(yè)大模型，使其具備專業(yè)的知識問答、語言理解、文本生成、邏輯推理等能力，提升專業(yè)領域的場景應用效果，解決城市管理、基層治理、城市安全、民生訴求、法治政府等行業(yè)場景的痛點問題，賦能數(shù)字政府新變革。

通過城市治理行業(yè)大模型，能夠對城市各類事件進行自動發(fā)現(xiàn)識別、智能研判分析、分類定性，實現(xiàn)“算力”替代“人力”；以大模型為依托，讓運行系統(tǒng)逐步學習人的經驗，通過“大腦”自主研判、智能調度，逐步擺脫對人工經驗的依賴，提高城市治理水平與服務效能；開辟全新的人與智能的“城市對話”交互方式，人機協(xié)同更加自然，政務服務更加親民，城市治理更加智能。

二、精準識別城市治理應用場景痛點及訴求

大模型賦能城市治理的應用場景探索，要以精準識別行業(yè)痛點為原則，以提升城市治理效率為出發(fā)點，更要以輔助城市治理參與者為核心。

城市治理的參與者涉及城市管理、基層治理、城市安全、民生訴求、法治政府等領域，包括與之相關的社會公眾、話務人員、城管人員、執(zhí)法人員、網格員、基層參與者、各級領導等。每類應用場景都存在“范圍廣、事情多、人員少、效率低”等問題，如何面向不同城市治理場景，運用大模型技術精準識別痛點難點，輔助多元參與主體高效開展工作，成為構建城市治理新格局的破題之關鍵點。

在民生訴求方面，市民撥打熱線電話的趨勢逐年遞增。以2022年的數(shù)據(jù)為例，北京市全年工單量7500萬件、上海市2000萬件、廣州市3206萬件、深圳市1200萬件。針對民生訴求“電話占線”的痛點，通過大模型可賦能客服人員，讓熱線接得更快、分得更準、辦得更實，讓百姓訴求“不占線”，從而提升民生訴求工作成效、優(yōu)化市民服務水平。

在法治政府方面，全國的法律、行政法規(guī)、地方性法規(guī)、部門規(guī)章數(shù)量繁多。不僅如此，執(zhí)法機構和執(zhí)法人員規(guī)模龐大，以天津市為例，目前全市執(zhí)法機構2458個，執(zhí)法人員2.5萬人。針對法治政府“精準執(zhí)法難”的痛點，通過大模型技術可服務執(zhí)法人員，解決法律繁多記不住、用不準、法不好“依”的問題，讓執(zhí)法更精準。

在基層治理方面，上面千條線，下面一根針，基層工作人員面臨著巨大的工作壓力。每天都需要開展基礎信息采集、為民服務、重點巡查、特殊人群走訪、社會治安輔助、生態(tài)環(huán)境巡查、矛盾糾紛調解、社區(qū)管理、隱患排查等工作，面臨著多種考核任務的壓力。針對基層治理無法“即刻能用”的痛點，通過大模型可賦能基層工作者，切實為基層減負提質增效，讓基層工作者隨時隨地享受信息化帶來的便利，讓基層的線上化更加簡單。

在城市管理方面，全國目前有近300個地級市、近400個縣級市。針對城市管理“優(yōu)秀經驗復制難”的痛點，通過大模型可賦能城市管理人員，合理有序沉淀管理經驗，同時有效制定城市管理綜合評價方案，提升城市綜合測評水平，最終因地制宜地給出城市管理方向指引。

在城市停車方面，據(jù)公安部統(tǒng)計，2023年全國機動車保有量達4.35億輛，機動車駕駛人5.23億人，然而停車場相關的基礎設施缺口卻達8000萬個。針對城市“停車貴、停車難”的痛點，通過大模型可賦能停車運營人員，切實緩解城市交通擁堵、解決城市停車難的問題，讓停車更便捷。

三、大模型賦能城市治理的應用場景探索

面對不同城市治理場景當中各類參與者的痛點及核心訴求，大模型的應用應結合行業(yè)經驗和專業(yè)知識，打造更符合行業(yè)實際需求的場景應用新范式，賦能城市治理。

（一）大模型賦能民生訴求“優(yōu)服務”

開展民生訴求工作是政府傾聽民眾聲音、打造“服務型”政府的重要手段。然而，如何有效解決“市民訴求雜、人力資源缺、運營成本高、數(shù)據(jù)分析弱、領導關注頻”等問題，成為提升民生訴求工作成效、優(yōu)化市民服務水平的關鍵。上述問題主要體現(xiàn)為：各類熱線都歸并到“12345”市民服務熱線，該熱線受理事項覆蓋廣，對話務員專業(yè)素養(yǎng)有著越來越高的要求；訴求工單量大，電話經常占線，話務員的服務狀態(tài)容易影響市民的滿意度；需要大量的客服人員保障全天候接聽來電，但相關人員技能水平參差不齊；報告報表制作耗時耗力、分析決策建議不足；群體熱點事件無法精準識別；等等。

通過構建基于大模型的智能對話引擎，可以賦能政務熱線，由“數(shù)字人”自動、快速處理各類投訴和咨詢問題，解析政務熱線中的關鍵信息后生成問題工單，服務群眾供水供電、游商占道、住房公積金等方面的需求。相比于傳統(tǒng)人工客服和機器客服，大模型“數(shù)字人”的語義理解更為精準、意圖識別更為到位、應答話術更為靈活、市民服務更加人性。同時基于大模型能力，對民生訴求數(shù)據(jù)進行要素提取、分析，引導式生成不同應用維度分析報告，有望整體革新民生訴求工作方式，更好地服務市民（圖1）。

（二）大模型賦能法治政府“強規(guī)范”

強化執(zhí)法人員能力建設、素質提升，規(guī)范執(zhí)法方式、執(zhí)法流程，規(guī)范訊問筆錄流程、提高訊問筆錄效率，是行政執(zhí)法的關鍵。在法治政府建設當中，執(zhí)法人員行政處罰工作存在執(zhí)法依據(jù)記不住、筆錄制作不規(guī)范、自由裁量運用不當、法制審核人員力量薄弱等痛點。針對此類痛點，通過城市治理行業(yè)大模型賦能，可幫助執(zhí)法人員根據(jù)線索詳情智能識別違法行為，推薦相關案由及違則罰則，完成執(zhí)法立案登記；智能推薦筆錄模板，一鍵填充執(zhí)法文書內容，完成執(zhí)法調查詢問筆錄；智能完成案件審核，實現(xiàn)自查自糾；智能推薦相關的自由裁量建議，輔助執(zhí)法決定（圖2）。

同時，可以嘗試探索基于大模型的數(shù)字人遠程詢問?；诖竽Ｐ偷哪芰χ危梢杂行б?guī)范詢問流程、提高詢問效率、避免直接與違法人員產生正面沖突，探索非現(xiàn)場執(zhí)法的新方式。

（三）大模型賦能城市管理“優(yōu)考評”

綜合評價工作的有效開展是城市管理業(yè)務的重要環(huán)節(jié)，涉及是否能夠客觀、合理評估城市管理成效，是否能夠面向城市管理作出精準決策。然而，當前在城市綜合評價中依然存在著“評價方案制定難、評價指標設計難、決策建議形成難、優(yōu)秀案例復制難”等痛點，阻礙了高質量、高格局地推進城市管理工作。具體體現(xiàn)為：城市管理事項多、綜合評價標準復雜，各地城市因行政管理權責差異，個性化評價方案制定難；綜合評價指標依賴系統(tǒng)上報和現(xiàn)場考察，指標獲取主觀性影響大，評價標準難以落實，方案落地難；各地評價方案各自按需制訂，缺少經驗總結和沉淀，優(yōu)秀案例復制難。

通過構建基于大模型的城市評價方案，可根據(jù)城市規(guī)模、評價目標、工作辦法，關注重點及相關配套機制，構建個性化評價方案；應用大模型賦能，進行智能化采集、智能化分析城市管理高發(fā)問題、高發(fā)區(qū)域，同時根據(jù)評價周期內采集數(shù)據(jù)，客觀評價城市管理情況，找出問題和短板，生成決策建議。大模型的應用，可提升城市綜合測評水平，因地制宜地給出城市管理方向指引，讓經驗被更好沉淀（圖3）。

（四）大模型賦能基層治理“減負擔”

當前，基層治理普遍面臨著“基層工作任務重、業(yè)務系統(tǒng)效率低、基層數(shù)據(jù)分析難”等痛點。具體體現(xiàn)為：基層工作人員同時承擔城管、民政、公安、衛(wèi)計等多個垂直部門下發(fā)的圍繞“人、地、事、物、情、組織”等基礎數(shù)據(jù)采集例行工作，數(shù)據(jù)采集工作量大；各業(yè)務系統(tǒng)存在壁壘，造成數(shù)據(jù)重復采集、數(shù)據(jù)質量參差不齊問題突出，無法滿足基層數(shù)據(jù)快速采集、及時更新的需求，無法實現(xiàn)數(shù)據(jù)采集內容按需定制；采集的數(shù)據(jù)依靠簡單的表格統(tǒng)計分析，無法快速總結提煉以支持領導決策等。

通過充分應用城市治理行業(yè)大模型賦能基層治理，可以實現(xiàn)大模型＋OCR式的語義理解：將圖片直接生成文字，自動完成語義信息提取，抗干擾能力更強，信息填報精度更高；可基于引導詞進行低代碼表單構建，快速構建采集填報表單和數(shù)據(jù)管理系統(tǒng)，無需定制開發(fā)，更為敏捷地響應基層需求；可基于引導詞進行低代碼數(shù)據(jù)分析，快速構建可視化數(shù)據(jù)大屏，動態(tài)展示數(shù)據(jù)采集結果，更為高效地支撐領導決策。跨越模版的鍵值對（表單）提取、低代碼體系的組件化結合，將基于大模型賦能，更好為基層減負、為服務增效（圖4）。

（五）大模型賦能城市停車“提效率”

目前，傳統(tǒng)的停車運營方式存在人力成本高、管理效率低、主觀因素大等問題。智慧停車模式在一定程度上提升了停車運營效率，實現(xiàn)了人力成本降低。

通過構建基于大模型的智能停車對話引擎和管理引擎，可以對歷史停車數(shù)據(jù)進行動態(tài)分析，識別停車高峰時段和高峰區(qū)域；對人員停車需求進行精準研判，智能推薦最優(yōu)停車方案。最終，以“數(shù)字人”的形象，面向不同用戶進行交互式、引導式的精準停車指引服務?；诖竽Ｐ偷脑浦蛋嗍遥梢杂行嵘＼噲龉芾硇?、優(yōu)化停車資源分配、明顯提高車位利用率，并避免車輛亂停放造成的交通擁堵和安全隱患（圖5）。

五、總結與展望

從城市治理的視角出發(fā)，大模型正在成為智慧城市高質量發(fā)展新的推動力。應該結合城市治理行業(yè)經驗，構建城市治理行業(yè)大模型，廣泛應用于民生訴求、法治政府、城市管理、基層治理、城市停車等城市治理業(yè)務場景，推動實現(xiàn)城市治理向城市“智”理的轉變。同時，結合城市服務業(yè)務流程、城市治理實時監(jiān)測數(shù)據(jù)、城市治理行業(yè)案例經驗、城市治理數(shù)據(jù)挖掘與分析等，積極探索基于城市治理行業(yè)大模型的服務優(yōu)化類場景、風險預警類場景、經驗學習類場景，以及決策支持類場景的打造與應用。

針對大模型賦能城市治理現(xiàn)代化的應用場景探索實踐，城市治理行業(yè)大模型要緊密結合專業(yè)的知識庫、微調的模型參數(shù)以及海量的引導詞支撐，開展應用場景的構建。大模型的有效利用，給城市治理帶來了新的治理范式和機會。應該充分利用城市治理行業(yè)大模型的人工智能新優(yōu)勢，打造務實、可落地、高成效的城市治理應用場景，推動城市管理手段、管理模式、管理理念創(chuàng)新，讓城市治理更聰明更智慧，讓群眾生活更便捷美好。

參考文獻

[1]陳水生．城市治理數(shù)字化轉型：動因、內涵與路徑[J]．理論與改革，2022（1）：33-46．

[2]陳敏軍．城市超腦賦能城市治理的應用場景與業(yè)務方案[J]．中國安防，2023（5）：74-76．

[3]易鵬．廣州白云：智慧城管賦能城市精細化治理[J]．城鄉(xiāng)建設，2023（14）：56-57．

[4]董正浩．AI大模型在智慧城市領域的應用與前景[J]．通信世界，2023（17）：39-40．

[5]葉航暉．大模型時代全面加速城市數(shù)字化轉型[J]．數(shù)字經濟，2023（8）：90-93．

[6]朱剛，張美翔，孫浩文，等．ChatGPT帶給智慧城市的啟示：未來城市演進路徑的探討[J]．信息通信技術與政策，2023，49（6）：71-78．

（責任編輯：張秋辰）