导读
合意城市
打12345投诉问题，为啥时灵时不灵？事实是，虽然12345热线是智慧城市体系的一部分，但其运作其实并没有那么“智慧”。转机在于基于数据深入挖掘的知识发现。在自然语言处理、时空模式分析、时空运筹等方法的支持下，不但可实现投诉的自动化推送，推送准确率也从26.2%提高到了85.4%，更能厘清政府职能结构、简化问题处理流程、降低行政负担，最终实现“像绣花一样治理城市”。
01
引言
现实世界总是不够完美的。城市每天都会遇到大大小小的问题。及时有效地解决这些问题是城市管理者的重要任务。
解决问题的前提是发现问题。监控探头和城管巡逻人员反馈的信息无疑是城市问题发现的重要渠道。然而，任何观察世界的单一视角都有其局限：监控探头不可能覆盖全部城市空间，城管人员更是如此，且不说人总有主观的行动偏好了。显而易见，一种更加直接反映市民对城市问题切身体验、自下而上的“社会感知”观测途径是必要的。
“12345”热线完美符合“社会感知”的理想。其投诉直接来自市民群众，反映了与人民生活直接相关的城市问题。典型的投诉信息中包括对城市问题的描述，及其发生时间地点的信息。原则上，热线平台在收到这些信息之后，将形成工单，依据问题类别推送给政府相应职能部门，并将处理结果反馈给投诉者（表1）。由此形成了城市管理中问题发现——解决的闭环。
表1：典型“12345”热线投诉的内容
然而，正如大家能感受到的，“12345”投诉并不总是好用的。诚然，有些城市问题牵涉面广，解决难度大——这一点我们姑且不论，但“12345”热线运作中的某些操作性因素的影响也不可忽视。例如，热线投诉量很大，所投诉的问题是以文字形式描述的，依赖人工分析，而处理人手总是不足，且问题处理的效率取决于接线员的业务能力，人际差别很大。受这些问题困扰，“12345”数据在城市治理中的潜力还远未得到充分发挥，其应用往往停留在简单信息统计式的“周报”、或简单聚合可视化的“数字大屏”或“领导驾驶舱”层次，并不足以支持真正精细化的城市治理应用。
图1：周报（左）和领导驾驶舱（右）等12345数据的简单应用
时空智能技术为“12345”数据的深入挖掘带来了新的机遇。北京大学时空智能与智慧城市实验室的研究指出，借助自然语言处理、时空模式分析、时空运筹等方法，可对“12345”数据进行深入的知识挖掘，从而更加有效地满足城市问题的准确分类、精准推送、乃至城市政府职能结构优化等精细化城市治理的需求。
本研究以东部某大城市为例，探讨“12345”数据的深入应用途径，并提供了一个整合各类技术方法、综合实现各项服务内容的原型系统。本研究使用的数据涵盖了该市从2018年10月2日到2019年2月15日的184567条热线投诉记录，均取自政府网站公开数据。
02
城市问题的精细化分类
困扰“12345”数据应用的第一个挑战是对投诉所反映的城市问题进行正确分类。准确的问题分类是后续精准推送和处理的前提。然而，问题分类正是困扰“12345”热线运行的核心问题之一。
当前的城市问题分类体系大致依据国家标准《城市市政综合监管信息系统 管理部件和事件分类、编码及数据要求》（CJ/T 214-2007），经过十余年的实践已略显陈旧。特别是其对与市民生活直接相关的“事件”类城市问题仅规定了6个类型和66个子类型，已不能适应日新月异的当代城市实际。此外，“12345”平台的运作流程中实际上并不存在独立的“问题分类”环节。接线员在将市民投诉推动到处理部门之前，是在其脑海中完成问题归属判断的。这不仅不可避免地带来了主观性和低效率（例如，东部某省会城市需要300个人工座席和400名工作人员来对每天近10000个热线投诉进行分类），更导致我们甚至无法直接评估其分类准确率。一个间接指标是，平均有约70%的投诉没能被即时推送给职能部门，实现“接诉即办”，而是被临时搁置在前台留待后续处理。这个数字一定程度上反映了问题分类的低准确性。
事实上，“12345”热线投诉记录反映了市民对城市问题最鲜活的切身体验，本身就包含了丰富的城市问题信息。通过适当的数据挖掘，完全可据此梳理出准确、细致的城市问题分类体系。本研究即以“12345”投诉记录为原始语料，采用自然语言处理（NLP）中的主题模型、分层聚类等技术进行数据挖掘，构建了一个全新的、可扩展的分类体系，其中包括7大类、34子类，共计105个具体类型的城市问题，从而弥补了现行国标对“事件”类城市问题分类颗粒度过粗的缺憾。与此同时，我们训练了基于有监督机器学习的问题自动分类器，初步实现了对市民投诉的高效、准确分类。
图2：基于“12345”投诉数据挖掘的城市问题分类新体系
03
政府职能结构优化
在现代政府的科层结构下，将各类城市问题准确匹配到相应职能部门，对其高效应处来说是非常必要的。匹配失当将导致某些问题找不到适当的处理部门（以占所有投诉比重最大的交通和污染相关的问题类型为例，73.8%的此类投诉案件在初次推送尝试中没有找到直接责任部门），或造成常见的“踢皮球”现象，即问题在各部门间打转直至最终不了了之。
我们认为该问题主要是由现行城市政府职能结构不合理、问题责任清单不明确导致的。为此，我们构建了问题类型——应处部门矩阵（图3c），并分析了部门间问题归属的相关性（图3d）。数据显示，每个部门处理的问题类型平均数为7，且14%的部门对的相关系数高于0.5，可见，的确存在同类问题由不同部门处理，且同一部门处理多个部门的混乱情况。
根据城市问题的精细化分类，我们可对政府各部门的问题应处职能清单进行优化。优化过程考虑到问题类型——部门功能的匹配，以及对零散类型问题的适当归并等。通过这种优化，每个部门处理的城市问题类型的平均数量下降到2.4（图4），从而大大厘清了政府体系中的城市问题应处权责关系。
图3：城市问题的类型分布特征与政府各部门职能的不明确性
图4：城市政府各部门的问题应处职能优化
04
投诉精准推送
在问题精准分类和政府职能结构优化的基础上，即可实现投诉的精准推送。“精准”自然意味着问题类型与部门权责的正确匹配。然而，城市治理的实际情况对投诉推送提出了更高的要求，即各部门的问题应处工作量应尽可能平衡，且由特定部门处理的案件在时空上的分布应相对集中，从而避免因资源紧张或浪费导致的低效。
对城市问题类型和时空分布的分析显示，城市问题类型呈高度偏态的指数分布（图5）。事实上，各类城市事件的偏态分布是城市科学早已指出的普遍现象。这一规律意味着，如果简单根据问题——部门的“最佳”匹配决定投诉推送去向，则将对各部门的问题应处工作量平衡提出挑战。
图5：城市问题的类型分布
类似地，城市问题的时空分布也呈现偏态特征。以时间分布为例，图6给出了各问题类型的发生时间及其相关矩阵，其中显示了明显的聚集模式，即矩阵中的两个蓝色条带，分别对应噪声和公共安全类型的城市问题，前者的投诉集中在夜间，而后者则相反，并在上下午呈双峰分布。
图6：城市问题时谱与分布特征
总之，在考虑部门工作量平衡和问题类型、时空分布平衡的前提下，可结合城市治理的经验性知识设计投诉推送规则，其效果如图7所示。可见，相比优化前的情况（图7左半部分），优化后的问题推送体系显得清晰明了。从指标上说，该系统将初次推送失败率从73.8%降低到14.6%，同时亦通过减少“踢皮球”和提高人力资源利用率实现了问题应处效率的进一步提高。
图7：优化前后的投诉推送体系
05
“12345”热线投诉自动处理平台
我们开发了一个综合的“12345”热线投诉自动处理的原型系统（图8），其整合了上述问题自动分类、投诉精准推送、乃至城市问题预测预警等功能。平台采用开放架构，并引入了贝叶斯调优机制以实现基于增量学习的功能自我进化。真实世界测试表明，平台实现了91%的初次推送成功率，而大多数失败的案例可归因于城市问题分类不准确，其根本原因是训练数据中相应类型的投诉数量不足，此问题可通过上述增量学习机制得以逐步优化解决。仅就其目前的表现而言，该系统在效率和准确性方面已经远优于通行的人工处理流程。
图8：“12345”热线投诉自动处理平台原型
06
结语
本文展示了时空智能技术支持下的“12345”热线数据深入挖掘为城市治理带来的价值，并在功能模块和系统平台两个层面提供了可行的技术解决方案。研究成果不仅有助于“12345”热线服务质量的提升，更在城市政府的职能组织优化、城市问题分类的标准构建等方面对城市精细化治理事业提供了有益的参考。
本文也对后续研究提出了有趣的问题。其最要者，我们所构建的城市问题分类体系依然有着树状结构。然而，“城市不是一棵树”（C·亚历山大）：很多城市问题牵涉到诸多政府职能，难以在现有的科层治理体系下得到彻底解决。例如考虑如下投诉：“有人在一家无证经营商户里赌博，该商户隐藏在一间违建车库里，而这个车库地处控规规定的制造业地块上”。这个案件应属于哪种问题类型，又应由哪个部门负责处理？事实上，这个案例并不是虚构的。现实中，公安局（赌博）、市场监督局（无证经营）、住建局（违章建设）、以及规划局（违规用地）先后介入进行了相关调查，但最终还是由城管局以“三不管问题”做出了最终定性和执法处理——一个完全谈不上高效合理的解决方案。本质上，现代“高频”城市（M·巴蒂）具有鲜明的复杂系统特征，其有效治理要求超越传统机械论哲学思想指导下的科层制结构。我们愿为此与学界同行共同努力。
联系客服
