彭曉 梁艷 許立言 李迪華

基于“12345”市民服務熱線的城市公共管理問題挖掘與治理優(yōu)化途徑

彭曉 梁艷 許立言 李迪華?

北京大學建筑與景觀設計學院城市治理優(yōu)化實驗室, 北京 100871; ?通信作者, E-mail: dihuali@pku.edu.cn

以海南省三亞市的“12345”市民服務熱線數據為研究對象, 通過提取熱線數據記錄中的空間信息進行地理編碼, 結合熱線記錄的原始信息, 刻畫市民來電的時間、空間和類別特征。利用高頻詞分布及其相關性網絡來歸納城市公共管理中的主要問題, 分析各類問題的時間變化特征和空間分布模式。用不同類型興趣點(POI)反映城市功能, 用道路網反映城市結構, 探討影響城市問題發(fā)生的因素。結果表明: 1)熱線記錄以周為單位波動, 周中數量大于周末; 2)城市問題發(fā)生數量前 5 類依次為噪音、建設施工、通信與網絡、城市用水和停車, 且噪音與建設施工問題聯系緊密; 3)不同城市問題在時間上有不同的發(fā)生模式, 空間上集中分布在城市活動密集的區(qū)域; 4)城市問題的發(fā)生與道路網密度關系不大, 與城市功能中的公共設施、交通設施和科教文化 POI 密度顯著正相關, 與風景名勝、體育休閑和政府職能 POI 密度顯著負相關。研究結果驗證了“12345”市民服務熱線在挖掘和刻畫城市問題方面的有效性, 并提出利用大數據優(yōu)化城市治理的途徑(包括城市數據積累與分析、融合多源數據以及提高數據共享程度等), 對推動城市精細化治理和智慧城市建設具有迫切意義。

“12345”市民服務熱線; 城市問題; 文本挖掘; 空間分析; 城市公共管理

快速城鎮(zhèn)化正極大地改變著居民的生活方式, 層出不窮的城市管理問題也伴隨而來, 如交通擁堵和占道經營等會降低城市的運轉效率, 噪聲和空氣污染等會嚴重影響居民的生活及身心健康, 亂貼廣告和垃圾隨意堆放等會影響城市形象, 等等。形形色色的城市問題阻礙城市品質的改善和居民福利的提升, 解決城市管理中的突出矛盾和問題, 提高城市管理和公共服務水平, 已成為品質城市和新型城市治理體系建設過程中的迫切議題[1–2]。

然而, 城市問題的出現存在高度的時空不確定性, 如何準確地刻畫各類城市問題的發(fā)生狀況, 甚至提前判斷城市問題的發(fā)生風險一直是城市公共管理領域的難題。傳統(tǒng)的方法(如人工執(zhí)法和衛(wèi)星執(zhí)法等)由于成本高、時效性不強等問題, 難以反映整個城市范圍存在的問題。隨著城市數據的積累以及智慧城市建設的推進, 利用各種來源的大數據對城市運行狀態(tài)進行實時和全面的感知, 模擬城市運行, 預測城市狀態(tài), 進而輔助城市決策和城市管理, 已成為越來越普遍的現象[3–4]。

在城市研究和管理中使用的多源異構大數據可分為商業(yè)公共數據和政府政務數據兩個類別[5]。前者主要包括商業(yè)網站(如大眾點評和攜程旅游)數據、地圖開放平臺(如高德地圖和 Open Street Map)數據和社交媒體(如新浪微博和 Twitter)數據等, 后者主要涉及政府各部門監(jiān)測并收集的車輛運行信息、河湖水情和在施工工程等數據。這些數據被用于刻畫城市中的人群行為模式、經濟活動分布和社會空間分異等, 如用手機信令數據、浮動車數據(車載 GPS、公交刷卡和地鐵刷卡)等量化人群的通勤行為, 反映交通的方向和流量[6]; 結合城市 POI (point of intrest, 興趣點)數據, 對城市街區(qū)的功能類型進行識別[7]。同時, 大數據也逐漸應用于公共設施、交通管理、治安管理以及災害防范等城市管理領域。美國加州電網使用大數據傳感器進行電網運營管理, 用以平衡電力的供應和需求, 同時對潛在危機做出響應[8]。紐約、波士頓以及南卡羅萊那州使用大數據收集犯罪線索, 預測犯罪行為可能發(fā)生的概率和區(qū)域, 以便提前響應[9]。手機 APP 可以提供用戶的位置和目的地, 能夠實時跟蹤停車位數量變化,有效緩解了大城市停車困難的問題[10]。利用紐約市“311”投訴熱線, 對噪聲的空間分布和產生原因進行推斷與分析[11]。

國內學者近幾年在城市管理領域做了大量探索, 依托智慧城市建設, 推進公眾參與系統(tǒng)、攤販管理、風險預警以及精細化管理等[3,12]; 嘗試城市網格化管理和電子政府等一系列城市數字化治理新模式, 通過與物聯網、視聯網和數聯網等感知平臺對接, 增強對市民需求和城市管理問題的感知能力, 提升城市治理水平[13]。作為一種政務數據, “12345”市民服務熱線是對城市中各種問題的直接反映。已有的研究主要關注“12345”熱線提升城市政府治理能力[14]、熱線的標準化流程建設[15]以及熱線能否促進政府服務型理念的實踐[16]等方面, 未見利用熱線記錄的信息對城市問題本身進行刻畫。挖掘“12345”熱線內容, 可以有針對性地對城市問題的具體類型、地理位置及嚴重程度進行及時監(jiān)測與量化分析, 準確地獲取城市問題發(fā)生的時空狀態(tài)及關聯要素, 促進城市精細化管理的效率與質量。

本文以海南省三亞市為研究對象, 通過 184567條“12345”市民服務熱線記錄, 識別城市問題, 刻畫問題的時空分布規(guī)律, 分析城市問題產生的原因, 探討城市治理的優(yōu)化路徑。

1 研究設計

1.1 研究對象

由于海南省三亞市的“12345”數據開放程度與完整性較高, 本文選取三亞市(圖 1)作為研究城市問題時空特征和影響規(guī)律的范例。三亞市的城鎮(zhèn)建設和社會經濟活動主要分布在環(huán)島外圍的濱海區(qū)域, 這些區(qū)域成為熱線投訴的高發(fā)區(qū)域。

1.2 數據來源及預處理

1.2.1 數據選取及來源

“12345”熱線記錄數據來自三亞市政府服務熱線網站(http://12345.sanya.gov.cn)。該網站公開最近 3個月經過文本化的“12345”熱線記錄, 包括來電標題、來電內容、來電時間、來電類型、工單分類和處理情況等。本研究獲取 184567 條熱線記錄, 時間范圍為 2018–10–02 至 2019–02–15。

為分析城市問題與城市特征之間的關系, 選取興趣點(point of interest, POI)數據反映城市的功能特征, 選取道路網反映城市的結構特征。POI 數據選取北京大學開放研究數據平臺的高德地圖興趣點數據(https://doi.org/10.18170/DVN/WSXCNM), 為截至到 2018 年 9 月的全量數據, 分為餐飲服務、公共設施和交通設施服務等 13 個類別, 在三亞市共有38 萬余個數據點。道路網數據來自 OpenStreetMap平臺(https://www.openstreetmap.org), 獲取時間為2019 年。POI 和道路網數據與熱線記錄數據在時間上較接近, 可滿足分析時效性的要求。

1.2.2 數據預處理

數據預處理主要包括兩個部分。

1)利用熱線記錄數據, 生成文檔詞條矩陣(do-cument term matrix, DTM): 將從原始網頁表單中獲取的內容整理為結構化數據, 對熱線記錄的來電標題進行分詞、停用詞處理等, 生成 DTM。該矩陣包括每條記錄中每個關鍵詞出現的次數, 熱線記錄來電標題中的內容轉化為DTM的行向量。

2)位置提取和地理編碼: 對熱線記錄的來電標題和來電內容, 以方位介詞(如“對面”、“里面”、“下面”、“前”、“后”和“樓下”)和地點代詞(如 “店”、“路”、“樓”、“門”等)為匹配標志, 經過多輪提取, 獲得含地名信息的記錄 125867 條, 占所有記錄數的 68%。利用百度地圖的地理編碼 API, 查詢地名對應的經緯度, 并進行坐標系轉換, 將含地名的熱線記錄可視化到地圖上。

1.3 研究方法

在數據預處理的基礎上, 采用高頻詞及相關性網絡, 識別城市熱點問題, 分析各類熱點問題的時空分布特征; 對城市問題發(fā)生密度與 POI 及路網數據進行回歸分析, 尋找影響城市問題發(fā)生的要素。

1.3.1 高頻詞相關性與城市熱點問題提取

基于 DTM, 計算高頻詞之間的相關系數矩陣, 并可視化為高頻詞相關性網絡。

針對城市問題的提取方法, 目前研究較少, 尚未建立完整的城市問題譜系, 缺乏統(tǒng)一的城市問題分類和識別方法。本文利用熱線記錄的高頻詞相關性網絡, 用相關的一組高頻詞, 確定某一類問題。比如“噪聲”、“噪音”、“大聲”和“吵鬧”等高頻詞, 如果在相關性網絡中有較強的聯系強度, 則劃分為一類城市問題, 并以居于相關性網絡中心位置的詞語(如“噪聲”)進行命名。若某條記錄含有該類問題中的某些高頻詞, 則將該記錄歸為該類問題。

1.3.2 空間格網化和多元回歸分析

為建立統(tǒng)一的分析單元, 將三亞市的行政區(qū)域范圍離散化為 1 km 的格網。

從時間成本和方法驗證的角度考慮, 本文選取發(fā)生數量最多的前 5 類問題, 計算每個格網中的問題點數量, 并作為每類城市問題的密度(個/km2)。同樣地, 將 POI 數據中原有的 13 個類別作為城市不同的功能類別, 計算每個格網中每類 POI 點的數量, 并作為 POI 密度(個/km2); 計算道路網的長度, 并作為道路網密度(m/km2)。對 5 類城市問題密度與 13 類 POI 的密度、道路網密度進行多元回歸, 分析不同類型的城市問題發(fā)生與城市不同功能的密集程度和道路網密度的關系, 判別影響城市問題發(fā)生的因素。

研究中采用的分析工具包括 Python 語言(2.7版)、R 語言(3.4.3 版)和 ArcGIS(10.2 版)。地圖采用WGS1984 坐標系和橫軸墨卡托投影。

2 結果分析

2.1 熱線記錄的時空特征

2.1.1 時間分布特征

本文選取 2018–10–02 至 2019–02–15 共 137 天的熱線記錄, 采用逐日、逐周和逐小時 3 個時間尺度, 分析熱線記錄在時間上的分布特征(圖2)。

如圖 2(a)所示, 2018/10/01 為周一, 記錄數量呈以一周為周期的波動, 表現為周末下降, 周中上升。此外, 記錄數量在假期處于下降趨勢。以日均熱線數量 1000 作為標準, 除少數周末外, 平時的記錄數均在 1000 以上, 而國慶、元旦和春節(jié)3個假期的記錄數基本上在 1000 以下。從圖 2(b)可以看出, 除國慶等 3 個假期外, 每周的數量變化趨勢基本上相近, 周末的記錄數量普遍少于周中, 在日均 1000左右波動; 周中記錄數在日均 1500 左右波動。從圖 2(c)可以看出, 一天內的記錄數量存在兩個高峰, 分別是上午 9—11 點, 下午 15—17 點。

2.1.2 空間分布特征

在所有來電熱線記錄中, 有 12 余萬條記錄含位置信息, 如圖 3 所示。熱線記錄中投訴問題的位置與道路網在空間上有高度的匹配關系, 表明社會經濟活動密集區(qū)域是投訴問題的高發(fā)區(qū)域。

2.2 熱點問題識別

2.2.1 高頻詞分析

熱線記錄來電標題高頻詞的前 50 位統(tǒng)計結果見圖 4。高頻詞分布可以反映熱線記錄中的關注重點, 如咨詢與投訴是撥打“12345”熱線的兩類主要目的, 所反映的問題集中在民生領域, 如“小區(qū)”、“擾民”、“噪音”、“施工”等關鍵詞反映出市民對周邊生活環(huán)境的關注。

2.2.2 熱點問題提取結果

高頻詞的相關性網絡見圖 5。可以看出幾個明顯的聯系中心, 如高頻詞“車輛”與“停放”、“車道”、“違?！?、“停車場”和“車位”等具有較高的聯系強度, 將該類語義集群確定為一類城市問題, 即停車問題; “噪音”與“音響”、“音樂”和“唱歌”有較強的聯系, 同時也與“工地”、“施工”有較強的聯系, 由于本文只考慮問題的表現形式而不考慮造成問題的原因, 所以將噪聲定義為一類問題, 將建設施工定義為另一類問題, 對于施工和工地造成的噪聲干擾這種交互式問題在后續(xù)研究討論。

結合圖 4 和 5 以及對原始熱線記錄的判讀, 提取出熱線記錄中涉及的主要城市問題, 如表 1 所示。在投訴的問題方面, 噪聲記錄數量最多, 其次是建設施工和通信網絡等問題。

具體而言, 在交通出行方面, 除停車問題外, 關于公交車和出租車的記錄也很多; 非機動車中, 對電動車和三輪車有較多投訴, 文本中沒有自行車這一關鍵詞, 說明相關舉報較少。在交通場所方面, 車站和機場作為關鍵詞出現, 由于三亞市未修建地鐵, 故地鐵未出現在關鍵詞列表中; 交通存在擁堵現象, 但不嚴重; “黑車”也有一定數量的反映。在生活設施方面, 城市用水和城市用電是反映的主要內容, 包括停水、停電等具體問題以及關于水質、水壓的投訴與咨詢等; 對城市用氣也有一些提及。在環(huán)境方面, 垃圾是提及最多的板塊; 存在反映環(huán)境污染的記錄, 但數量不大; 對空氣質量有一定的關注, 特別是對一些區(qū)域臭味、異味等的反映; 城市積水在記錄中有少量提及。

圖3 含位置信息的熱線記錄空間分布

2.3 熱點問題的時空特征

為刻畫不同熱點問題的特點, 進一步選擇噪聲、建設施工、通信與網絡、城市用水以及停車這 5 類記錄數最大的問題, 統(tǒng)計在時間和空間上的分布, 分析不同問題的發(fā)生規(guī)律。

2.3.1 時間分布

1)日際變化: 5 類熱點問題每日的數量變化如圖 6 所示。可以發(fā)現, 雖然不同熱點問題的時間變化模式不盡相同, 但都具有周期性波動, 與總體記錄數的變化趨勢相近。

具體而言, 建設施工類和噪聲類問題的記錄較多, 基本上在每天 100 條以上波動, 其余 3 類問題基本上在日均 100 條以下波動。建設施工問題在春節(jié)期間迅速下降, 反映春節(jié)期間建設施工量的減少。此外, 城市用水問題的時間序列有一些極高的峰值, 可能是由于城市停水而引發(fā)大范圍的投訴和詢問, 這類區(qū)域性問題與噪聲、停車等局部性問題發(fā)生的時間存在明顯的差異。

2)小時變化: 按一天 24 小時統(tǒng)計 5 類問題在每小時上的數量, 如圖 7 所示?？梢钥闯? 5 類問題的變化模式明顯分為兩個類別, 第一類是建設施工和噪聲, 特點為夜間的記錄數比白天多; 第二類為通信網絡、停車和城市用水問題, 體現為白天數量較多, 且波動趨勢類似總體記錄, 同樣在上午 9—11點和下午 15—17 點出現峰值。

此外, 噪聲與建設施工問題的記錄呈現非常相似的變化趨勢, 特別是在夜間。由此推斷, 很多噪聲問題是由建設施工引起的, 特別是夜間的建設施工會引發(fā)大量的噪聲類投訴。

2.3.2 空間分布

2.4 城市問題影響要素分析

從以下兩個層面展開城市問題的影響要素分析: 1)熱點問題與道路網和 POI 總體密度的關系; 2)熱點問題與不同類別 POI 的關系。

2.4.1 熱點問題與道路網和 POI 的關系

1)熱點問題與道路網密度。對熱點問題密度與道路網密度進行普通線性回歸,2為 0.0224, 說明問題發(fā)生與道路網密度的聯系比較弱。分別對 5 類熱點問題與道路網密度進行回歸分析, 得到的結果相近, 都表明與道路網密度的關聯較小。這個結果證明了熱點問題與城市道路網之間是一種間接關系, 熱點問題的出現受其他因素的影響。

2)熱點問題與 POI 密度。對 5 類熱點問題的單個密度以及總體密度與 POI 密度進行回歸, 分析結果如圖 9 所示。停車問題密度與 POI 密度的2為0.6238, 噪聲與 POI 密度的2為 0.5156。鑒于 POI密度在某種程度上反映社會經濟活動的強度, 而停車和噪聲等問題在經濟強度較大時容易發(fā)生, 該結果符合實際情況。建設施工密度與 POI 密度的2為 0.2829, 在 5 類問題中最低, 表明建設施工活動不會在 POI 高度密集區(qū)域(城市核心繁華區(qū)域)進行。城市熱點問題的總體密度與 POI 密度的2為0.2093, 低于 5 類熱點問題分別的回歸結果。

表1 熱線記錄中的主要城市問題

2.4.2 熱點問題與不同類別 POI 的關系

將 5 類熱點問題的單個密度和整體密度與各類型 POI 密度進行回歸分析, 結果如表 2 所示。可以看出, 產生噪聲問題的 POI 類型有交通設施、科教文化、商務住宅和生活服務, 抑制噪聲產生的類型有金融保險、政府機構及社會團體和住宿服務。建設施工問題在交通設施和科教文化集中的區(qū)域最突出, 在金融保險和政府機構集中區(qū)域最少。通信網絡問題在科教文化和政府機構集中區(qū)域最多, 在體育休閑區(qū)域較少。城市用水問題在公共設施、科教文化和商務住宅集中的區(qū)域最多, 在政府機構集中區(qū)域較少。城市停車相關問題在風景名勝、體育醫(yī)療和政府機構等區(qū)域較少。整體而言, 公共設施、交通設施和科教文化集中區(qū)域最易引發(fā)城市問題, 風景名勝、體育休閑和政府機構及社會團體所在區(qū)域引發(fā)的城市問題較少。值得注意的是, 政府機構和團體類型的 POI 密度在所有回歸結果中都在 0.01 水平上顯著, 除與通信網絡的回歸系數為正值外, 與其余城市問題的回歸系數均為負值。

表2 各類熱點問題與POI類型的回歸結果

注:*表示顯著性水平為0.1, **表示顯著性水平為0.05, ***表示顯著性水平為0.01。

3 “12345”等大數據用于優(yōu)化城市治理的途徑討論

3.1 重視城市數據生產與積累

城市中有大量的數據, 除“12345”熱線記錄外, 通過布設攝像頭和傳感器等, 可以收集與城市有關的人流、車流、氣候、污染等各方面數據, 實時監(jiān)測城市的運行體征, 刻畫城市各類活動的時空模式。

企業(yè)在有效實施內部控制的評價工作，不僅能夠將企業(yè)一定時間內的各項決策的實施成果進行相應的反應，并且能夠改正其中不足之處，進而有效防止企業(yè)浪費人力資源現象的出現。另外，實施企業(yè)內部完善的財務控制，能夠將準確的數據提供給上級的主管部門進行一定程度的統(tǒng)一管理。要求企業(yè)必須按照企業(yè)自身的實際經營發(fā)展情況建立專業(yè)內部控制評價隊伍，還要在發(fā)展中對企業(yè)內部的不足進行充分揭示。

通過積累這些數據, 可以分析并持續(xù)跟蹤城市發(fā)生的主要問題, 獲取不同類別城市問題的時空分布特征, 進而對城市空間和功能進行調整, 優(yōu)化政府的資源投入配置。比如, 三亞市“12345”熱線中反映問題最多的類別為建設交通類, 因此可傾斜對建設交通的投入, 優(yōu)化政府資源的配置。Wang 等[17]利用社交媒體數據中反映的內澇信息, 進行城市內澇風險制圖。同樣地, 市民熱線中也有反映城市積水問題的記錄, 并有對積水點位置的描述, 因此可以通過內澇風險分析, 對易積水位置的市政設施和用地屬性等進行調整。

3.2 融合多源數據

重視對城市中產生的多源異構數據的積累和整合[18], 構建統(tǒng)一的數據平臺。以空間位置為紐帶, 整合“12345”市民服務熱線、街景圖片、房價、土地利用類型等不同來源、不同類型的城市特征數據, 形成城市數據的統(tǒng)一分析和管理平臺。

利用多源的城市特征數據, 分析城市問題發(fā)生的影響因素。在明確各種因素作用機制的基礎上, 結合城市中歷史問題的發(fā)生情況、基礎地理數據、社會經濟和人口數據等, 采用張量分解、卷積神經網絡和長短期記憶模型等時空推斷技術, 預測城市未來問題發(fā)生的區(qū)域和可能性, 有助于對城市問題進行預警和提前應對。

“12345”市民熱線中反映出一些影響范圍較大的事件, 會在一段時間內引發(fā)市民的普遍關注和投訴, 在停水、停電和停氣等事件上, 可以通過手機短信和網絡發(fā)布等渠道, 提前向特定區(qū)域的市民發(fā)布通知, 避免大面積的投訴和詢問, 改進溝通服務水平。

3.3 提高城市數據共享程度

利用大數據和人工智能技術, 建立城市各個部門的溝通與合作機制, 減少部門條塊化分割帶來的信息封閉與重復行動。在某類具體城市問題發(fā)生后, 各部門能根據明確的權屬和職責, 高效地協(xié)調解決問題。如建設施工管理部門和城市規(guī)劃部門可以根據城市功能區(qū)域的不同, 差異化地制定夜間建設施工的時間, 避免噪聲對周邊市民生活的干擾。

逐步提高城市數據的開放和共享程度, 賦能城市管理和公共服務供給市場, 利用大數據的信息開放, 為政府由管理向服務轉型提供平臺與保障。同時, 需要注意數據開放可能發(fā)生的個人隱私泄露等問題[19], 塑造開放、共享、公平和高效的新型城市治理體系。

4 結論

本文通過對海南省三亞市“12345”熱線記錄數據的分析, 驗證了“12345”數據用于城市公共管理問題挖掘方面的有效性, 能夠從城市問題譜系形成、時空模式刻畫及影響因素分析等方面, 促進對城市問題的認識與城市的精細化管理。進一步地結合城市中的多源數據, 推斷城市問題發(fā)生的可能區(qū)域和概率。在統(tǒng)一的數據共享平臺上逐步提升數據開放程度, 完善城市功能, 提高定向服務水平, 推動城市治理體系的優(yōu)化。

城市是一個復雜的系統(tǒng), 在時間上具有隨機性和即時性特征。城市問題的發(fā)生受多種因素的綜合影響, 所以僅使用路網和 POI 數據還不能充分反映問題發(fā)生的機制, 總體解釋程度偏低。未來的研究需要結合土地利用、城市功能、社會經濟和人口數據等, 通過多種途徑對城市問題進行刻畫, 對基于大數據等技術方法得到的城市時空模式進行驗證和評估, 從而更周密地探究城市問題的影響機制。

致謝 北京大學建筑與景觀設計學院研究生司雨田參與數據處理, 在此表示感謝。

[1] 施雪華. “服務型政府”的基本涵義、理論基礎和建構條件. 社會科學, 2010(2): 3–11

[2] 安體富, 任強. 公共服務均等化: 理論、問題與對策. 財貿經濟, 2007(8): 48–53

[3] 鄔倫, 宋剛, 王連峰, 等. 從數字城管到智慧城管: 系統(tǒng)建模與實現路徑. 城市發(fā)展研究, 2017, 24(6): 114–121

[4] 宋剛, 張楠, 朱慧, 等. 城市管理復雜性與基于大數據的應對策略研究. 城市發(fā)展研究, 2014, 21(8): 95–102

[5] Tsakalozos K, Johns C, Monroe K, et al. Open big data infrastructures to everyone // IEEE International Conference on Big Data. Washington, DC, 2016: 2127–2129

[6] 龍瀛. 城市大數據與定量城市研究. 上海城市規(guī)劃, 2014(5): 13–15

[7] 鐘少穎, 岳未禎, 張耘. 基于公交刷卡數據和興趣點數據的城市街區(qū)功能類型識別研究——以北京市朝陽區(qū)為例. 城市與環(huán)境研究, 2016(3): 67–85

[8] 王忠, 安智慧. 國外城市管理大數據應用典型案例及啟示. 現代情報, 2016, 36(9): 168–172

[9] Zanella A, Bui N, Castellani A, et al. Internet of things for smart cities. IEEE Internet of Things Journal, 2014, 1(1): 22–32

[10] Debnath A K, Chin H C, Haque M M, et al. A methodological framework for benchmarking smart transport cities. Cities, 2014, 37(2): 47–56

[11] Zheng Y, Liu T, Wang Y, et al. Diagnosing New York City’s noises with ubiquitous data // Proceedings of the 16th ACM International Conference on Ubiquitous Computing. Seattle, 2014: 715–725

[12] 熊競. 大數據時代的理念創(chuàng)新與城市精細化管理. 上海城市管理, 2014, 23(4): 23–26

[13] 簡逢敏, 王劍. 數字城市群若干問題的思考——以長三角城市群發(fā)展為例. 上海城市規(guī)劃, 2011(5): 95–102

[14] 吳國玖, 金世斌, 甘繼勇. 政務熱線: 提升城市政府治理能力的有力杠桿——以南京市“12345”政府公共服務平臺為例. 現代城市研究, 2014(7): 98–102

[15] 曹現強, 顧偉先. 政府服務熱線標準化與整體性政府的構建——以濟南市 12345 熱線為例. 公共管理與政策評論, 2014, 3(3): 36–45

[16] 雷望紅. 被圍困的社會: 國家基層治理中主體互動與服務異化——來自江蘇省 N 市 L 區(qū) 12345 政府熱線的鄉(xiāng)村實踐經驗. 公共管理學報, 2018,15(2): 43–55

[17] Wang R Q, Mao H, Wang Y, et al. Hyper-resolution monitoring of urban flooding with social media and crowdsourcing data. Computers & Geosciences, 2018, 111(2): 139–147

[18] Zheng, Y. Methodologies for cross-domain data fu-sion: an overview. IEEE Transactions on Big Data, 2015, 1(1): 16–34

[19] 薛孚, 陳紅兵. 大數據隱私倫理問題探究. 自然辯證法研究, 2015, 31(2): 44–48

An Approach for Discovering Urban Public Management Problem and Optimizing Urban Governance Based on “12345” Citizen Service Hotline

PENG Xiao, LIANG Yan, XU Liyan, LI Dihua?

Laboratory of Optimal Urbanism, College of Architecture and Landscape, Peking University, Beijing 100871;? Corresponding author, E-mail: dihuali@pku.edu.cn

This paper puts forward a new approach for analyzing the problems of urban public management based on the data collected from “12345” citizen service hotline. The research sets up the geocoding by the extraction of the spatial information from the call logs of Sanya City, Hainan Province. Meanwhile, the characteristics of time, space and categories of inquiries are documented and depicted by combining the original information of hotline records with the geocodes. By using high frequency word distribution and correlation network, the research reveals the major problems of cities, and analyzes the featured spatial-temporal distribution patterns of corresponding problems. The factors which affect the occurrence of urban problems are discussed with the combination of other urban characteristics including various types of point of interest (POI) representing urban functions and road network representing urban structure.The results are as follows. 1) The frequency of calls fluctuates on a weekly basis, and the total number of records in midweeks is larger than that of the weekends. 2) The hottest five categories of urban problems are noise, construction, communication and network, urban water use and parking issues, among which the noise and construction problems are closely correlated. 3) Different urban problems undergo distinct temporal patterns, while all of them are distributed in urban activity-intensive areas. 4) The occurrence of urban problems is not significantly relative with the density of road network, but positively relative with the POI densities of public facilities, transportation facilities, and educational and academic facilities, and significantly negative with the POI densities of scenic spots, sports and entertaining utilities, and administrative offices. The results demonstrate the effectiveness of “12345” citizen service hotline in urban problem discovery and depiction. Furthermore, this paper proposes several pathways for the optimization of urban governance using big data. For instance, the accumulation and analysis of urban data, the integration of multi-source data, and the enhancement of the degree of data share should be seriously appreciated. It’s necessary to utilize these data to support the fine urban governance and promote the construction of smart city.

“12345” citizen service hotline; urban problem; text mining; spatial analysis; urban public manage-ment

10.13209/j.0479-8023.2020.041

2019–08–03;

2019–09–19