统筹城市级多源数据融合治理、智能算法研发及政务服务/应急管理核心场景落地,构建数据驱动的城市治理决策体系,推动“城市大脑”从“数据汇聚”向“价值输出”转型。
- 主导构建**城市级一体化数据中台**,针对公安、交通、城管等12个部门数据标准不统一、共享壁垒高的问题,采用Apache Spark进行批量数据清洗(处理脏数据约800万条)、Flink实现实时数据同步,同步搭建基于Apache Atlas的动态元数据管理系统,定义1800+数据项标准规范(含人口、法人、空间地理等主题),推动跨部门数据可用率从65%提升至92%,为城市大脑“态势感知”“智能决策”模块奠定核心数据基础。
- 核心牵头**政务服务时效优化智能算法研发**,针对政务办理流程冗余、时效预测不准的痛点,创新采用微众银行FATE联邦学习框架解决跨部门隐私计算问题,结合XGBoost(筛选12个关键特征如“材料完整性”“环节衔接时长”)与LSTM时序模型,构建“政务办理时效预测模型”,覆盖社保转移、企业注册等3个高频事项;通过模型输出优化流程节点(减少2个重复审核环节),推动事项平均办理时长从11个工作日缩短至8个工作日(降幅28%),群众办事满意度从84%提升至91%(基于1.2万条评价数据统计)。
- 推动**城市大脑应急管理场景落地**,针对暴雨内涝预警滞后问题,搭建基于GraphDB的**风险知识图谱**(整合气象、水文、1200+隐患点、历史灾情等4类数据),融合GIS地理信息与随机森林机器学习算法,开发“暴雨内涝风险预测模型”,实现未来72小时内1km×1km网格级风险预测,准确率达89%;上线后提前预警12次强降雨内涝事件,联动应急处置队伍转移群众800余人,减少直接经济损失约1500万元(据市应急管理局事后评估)。
- 建立**数据驱动的城市治理闭环机制**,设计“指标监测-问题定位-策略输出-效果评估”全流程体系——基于Tableau搭建城市运行可视化看板(涵盖15个核心维度、50+指标如“公交准点率”“管网压力异常率”),每月输出《城市运行数据分析报告》;针对报告中“公交站点覆盖空白”问题,联动交通部门调整3条公交路线、新增12个站点,覆盖3个大型社区,日均客流量从2.1万人次提升至3.3万人次(增幅57%),相关成果被纳入市政府《年度数字治理典型案例集》。