監管有新招 “智”理更高效

◎本報記者 沈 唯

編者按 近年來，大數據、雲計算、區塊鏈、人工智能等前沿技術不斷發展，城市治理也變得更智慧、更高效。日前，由北京市政務服務和數據管理局等單位主辦、北京市長城企業戰略研究所等單位承辦的2024北京市智慧城市場景創新需求清單（第一批）暨成果發佈會上，一批涉及數字政務、城市治理等重點領域的國內首創場景成果亮相。即日起本版推出“智慧城市場景”系列報道，展現這些首創場景，為智慧城市建設提供借鑑。

正值客流高峯，管理人員在北京西站地區感知大數據平台的顯示屏幕前，即時掌握站前廣場、進站口、出租車候車區等各個區域的客流情況。一旦平台監測到某處客流量大、人員擁擠，管理人員便能迅速響應，排除安全隱患。這是在北京西站落地的智能監測監管場景。

兩大智能監測監管場景——大流量客流智能監測場景和基於大模型的實驗室非現場監管場景，被列入北京市11項國內首創場景成果。面對更加複雜多元的監測監管需求，智能監測監管場景的落地，讓城市管理更省人力、更有效率。

增強感知能力 加大監測力度

作為特大型綜合性立體交通樞紐，北京西站具有空間面積大、客流量大、室內外區域多等特徵。它也是城市級複雜場景的縮影。

“在與場景開放單位北京市重點站區管理委員會溝通後，我們搭建了北京西站地區感知大數據平台，並將其接入北京西站應急指揮中心，作為大流量客流智能監測場景建設的重要組成部分。”北京數原數字化城市研究中心城市感知技術負責人唐舟進説。

大流量客流智能監測場景集成了多項技術。唐舟進舉例道，利用多模態數據融合技術，場景可引接北京西站已有設施中的海量數據，構建包含文本、圖像、視頻等數據的即時全域多模態數據集。場景中的北京西站數字孿生模型則通過時空大模型技術構建，實現了“一張圖”容納“人、物、場”全要素表徵，有效提升了場景中感知的時間連續性、語義一致性、區域顆粒度和精度確定性。

大流量客流智能監測場景，無需增加感知硬件，便可輕鬆實現客流監測、大客流預警、人員定位、軌跡跟蹤、車流感知。該場景不僅擁有“無線+視覺”的多模態感知能力，還能巧妙利用北京西站原有的攝像頭和無線設備，為每一位旅客的安全保駕護航；同時它也能通過多模態感知手段，準確識別潛在安全風險，並及時向管理調度人員發出預警。

唐舟進介紹，目前，大流量客流智能監測場景已在北京西站重點區域落地。場景覆蓋面積約8.4萬平方米，即時接入40路視頻數據，採集127個Wi-Fi接入點和3個温濕度傳感器數據，每日處理超過億級無線消息和TB級視頻數據，日客流監測峯值約30萬人。

節省人力資源 提高監管效率

作為北京市唯一的國家級經濟技術開發區，北京經濟技術開發區（以下簡稱“北京經開區”）的監管對象分類及其涉及的業務領域眾多。“尤其是實驗室數量多、分佈廣，需要檢查的內容專業、詳細、嚴格。”北京宏誠創新科技有限公司副總經理韓思淼説，在與場景開放單位北京經開區綜合執法局溝通需求時，他們瞭解到，面對龐大的實驗室數量，監管人力明顯不足，傳統的現場核查核實監管手段費時費力，監管效率難以提升。

按照北京經開區綜合執法局和北京經開區營商環境建設局的需求，北京宏誠創新科技有限公司依託北京經開區亦智政務大模型能力，研發實驗室重點事項非現場監管系統，助力基於大模型的實驗室非現場監管場景落地，為智慧城市的非現場監管探索了新路徑。

韓思淼介紹，場景集成了多源異構數據採集技術和深度學習等人工智能技術，採用多系統對接、跨部門共享、物聯採集等方式，彙集了運輸備案、危廢處置等多源多模態異構數據，並運用自然語言處理、影像分析等手段對數據進行自動處理，調用風險模型篩查問題事項。

過去需要人工審核的備案文件，在新場景中可被自動分析識別。一旦出現與現行政策、標準不符的條款或缺失的關鍵內容，就會迅速形成改進建議和監管執法線索，有效提升實驗室整體監管效能與管理水平。為防範化解實驗室潛在安全風險，以危險化學品管理為例，新場景通過整合多源監管數據，對“進”“用”“出”三端信息進行智能AI篩查比對，實現跨領域自動採集與智能分析，發現問題數據，生成執法線索，為監管部門提供高效非現場監管支撐。

基於大模型的實驗室非現場監管場景，形成了“監管數據多源匯聚、問題線索智能篩查，現場執法非現場驅動”的閉環監管模式，做到“無事不擾、無處不在”。目前，該場景已在北京經開區落地，監管範圍覆蓋數百家實驗室，使問題發現率提升70%。

“新的監管場景讓監管人員能有的放矢發現問題，也減少了對被監管企業的擾動，雙方都能從中獲益。”韓思淼説。

持續開放場景 促進供需平衡

智能監測監管場景建設初見成效，兩大場景也有望在更大範圍內推廣。大流量客流智能監測場景的監測效果得到北京市重點站區管理委員會的認可；基於大模型的實驗室非現場監管場景也展現出可複製性，通過物聯感知等多元數據接入、創新數據挖掘以及風險模型矩陣的擴展，可在危廢管理、職業衞生監管等更多領域發揮作用。

在推進場景落地的同時，唐舟進也提出了場景建設中存在的問題。經過在北京西站的實踐探索，北京數原數字化城市研究中心發現，預訓練大模型往往難以滿足行業應用的具體需求，需要通過微調訓練和蒸餾進行模型增強。這就需要依託用户私有數據構建訓練數據集。

視頻監控信息、人員身份信息等私有數據具有強安全、強隱私屬性，模型訓練只能依託本地有限的數據開展。但不同場景下的數據，即使類型和屬性相近，也難以構建統一數據集。因此，唐舟進認為，在確保安全隱私的前提下，構建面向大模型的多模態公共數據集，對於智能監測監管類場景未來的進一步建設非常重要。

而在韓思淼看來，場景建設前期，場景供需雙方密切溝通、共同打磨場景，是促成智能監測監管場景順利落地的重要保障。

“智慧城市場景創新需求清單的發佈，讓我們對技術的應用場景有了新的認知。也正是因為場景開放單位提供了平台，我們的技術成果才有了更多實踐和優化的機會。”韓思淼説，希望有監測監管需求的相關部門，能夠繼續加大場景開放力度，為企業提供更多場景機會。