【精品】智慧城市解决方案--以智慧城市运营中心IOC为例

智慧城市建设方案

--以智慧城市运营中心IOC为例中移（雄安）产业研究院

目录

1概述 (1)

1.1 建设目标 (1)

1.2 建设内容 (2)

2项目建设方案 (5)

2.1 总体设计方案 (5)

2.2 支撑平台方案 (6)

2.2.1 数据治理平台 (6)

2.2.2 可视化平台 (19)

2.2.3 城市感知平台 (22)

2.3 应用系统方案 (26)

2.3.1 综合监测系统 (26)

2.3.2 事件管理系统 (32)

2.3.3 联动指挥系统 (35)

2.3.4 辅助决策系统 (39)

2.3.5 运维管理系统 (48)

1概述

1.1建设目标

智慧城市运营中心方案建设目标应符合国际智慧城市战略规划，满足智慧城市建设的需求。

智慧城市运营中心建设以需求为先，以提升公共服务能力为目标，聚焦慧政惠民的重点项目建设，让智慧成果惠及全民，让公众有直接的体验和感受；从解决实际问题入手，提供科学可执行的方案体系和保障体系，通过运营管理中心的建设使城市综合竞争优势明显提高，民生服务得到显著改善，城市网路安全取得显著成效，并能够引导城市管理改革创新。

智慧城市运营中心建设框架全面覆盖城市综治、交通、应急、环保、旅游、气象、安监、民政、工商、城管、公安、司法、人社等运行领域，融合城市业务、先进信息计算技术、海量数据，实现跨部门、跨地域、跨层次、跨行业的协同管理和数据共享。通过整个框架体系实现各领域数据的集中汇聚整合、治理分析，从而做到城市数据互联互通，并基于数据进行研究分析，发现内在规律和运行趋势，从而为领导管理者提供辅助决策支撑。

智慧城市运营中心在业务范围、系统架构、系统功能、技术实现达到先进的理念，以城市管理、社会管理和应急管理的业务需求为导向，以实战应用为核心，实现对城市范围内的体征监测、事件监控、信息报告、综合研判、可视化指挥调度、紧急救援、移动应急指挥、辅助决策等主要功能；建成“机制

领先、信息灵通、研判精确、指挥高效、技术先进”的现代化城市智能运营中心。

1.2建设内容

1.建设运行监测系统，实现城市动态监控

建设城市运行综合监测系统，及时全面的掌握城市的运行态势。城市运营管理中心应实现城市运行信息的全面整合共享和跨部门、跨区域、跨层级的信息互通和智能分析。城市管理可以对多部门、多单位的各类信息的态势有整理的掌握，从而以最有效的方式进行掌控管理。城市运行综合检测是对城市运行中的关键要素（空气、森林、气象、交通、水质、特种设备、重点人群、视频等）进行实时的监测，可以智能判断和预测城市运行中异常情况，做到提前预防、主动应对，降低事件对城市运行的影响。

2.建设城市体征体系，实时掌控城市态势

通过对各领域应用系统的城市运营各项数据的采集，将数据统一汇总到城市公共数据中心，运营中心通过公共信息平台共享接口服务，从海量数据中抽取各种的资源数据，依据运营中心的应用逻辑，梳理出与城市日常管理、应急管理相对应的支撑数据。如：城市人口年龄结构、性别比例、新增人数；法人数量、新增法人数量；城市经济情况、GDP；医院位置、数量、床位数量、空闲床位数；学校位置、数量、人数；重要企业事业单位位置、类型；城市环境指数、温度、风力、风向、天气情况；城市事件数量、未处置数量；扶贫人数、分布；景区游客数量等。

3.建设调度指挥体系，协同联动办理事件

建设统一的系统调度指挥体系，实现城市事件的快速响应与协同联动。协同联动系统统一接入预测预警信息和各部委上报的事件信息，以城市日常运行管理调度和重大事件联动指挥为核心，实现跨部门、跨区域事件的统一受理、统一分拨、协同调度、联合指挥、过程监督和考核评价，构建全面覆盖、反应灵敏、协调有序、联动高效的城市运行协同调度指挥系统，全面提升城市协同治理过程中快速响应、分析研判、动态管控、联动处置和事后评估的能力。

4.建设决策分析体系，辅助城市规划治理

城市运营管理中心要充分分析、挖掘、发挥城市运行中海量信息的价值，通过城市动态监控数据，城市体征数据，结合空间大数据分析技术和专业分析模型，为管理者提供决策依据和辅助分析服务，为城市领导者提供城市发展规划的综合智库，以此提升城市运营管理水平。

5.建设数据治理体系，实现数据互联互通

城市运营管理中心集中整合治理、监控管理城市运行中数据资源，并通过实际需求面向社会共享开放，通过政府各部门、各企业、民众各界开发和共享应用，强化社会监督、推进政府透明，促进群体智慧和多方协同的价值塑造，激发市场活力，发挥数据在智慧城市中的战略作用。

6.建设处理考核体系，全链跟踪事件过程

主要对城市管理的日常事件、突发应急事件进行处置的全过程监督跟踪管理和考核。实现投诉、上访、舆情、宜居、安

全等相关事件的派遣，跟踪部门的处置情况。当突发应急事件发生时，通过应急指调度指挥系统完成事前预案制定，事发预案快速启动。

7.建设信息管理体系，实现信息统一发布

实现城市运营管理信息智能化发布，为市民提供更加及时准确的生活出行信息，主要包括预警信息，预测信息，告警信息等。同时向上级部门推送日常保送信息，以及重大突发应急事件。

1.3建设步骤

1.调研定位

中国移动团队对领导进行系统的访谈，收集相关背景资料，对各项规划进行解读。对产业现状、景区现状、信息化现状有了总体认识，支撑了后期整体规划和运营中心建设。

2.梳理规划

在调研定位的基础上，梳理规划，明确各项需求，提出了总体目标，设计总体架构。梳理规划将指导后期的运营中心建设。

3.运营中心建设

以5G+AICDE构建泛在智能基础设施，建设统一运营中心，赋能信息应用升级，统一接入，实现数据互通、应用互联。4.数字孪生运营

实现所有物理部件的数字孪生；物理与数字孪生同步运行、闭环智能、智慧决策，实现的智慧、智能运营。

2项目建设方案

2.1总体设计方案

城市运营管理系统依托城市一体化大数据中心，聚合各级政府部门、社会和商业服务机构的服务资源，通过各类智慧型应用对城市的综合监管提供全方位的服务内容和资源，将智慧城市运营中心打造成智慧城市建设的核心功能聚集地与展示平台，中心整体框架如下图所示：

图1：整体架构图

其中底层是利用城市云平台计算技术，实现虚拟化软硬件的资源管理与调度；

数据层汇聚融合包括物联网感知数据、政府数据、互联网数据、社会数据等城市数据，并完成对数据的治理、管理和监控；

平台层通过对各类数据资源，应用大数据分析等信息化技术手段，构建数据可视化、数据分析、城市感知等支撑平台，统一为应急联动指挥、辅助决策、运维管理、城市运行监测等

提供数据支撑和计算支撑。

应用层包括联动指挥、辅助决策、运维管理、城市运行监测展示等四个方面的专题应用。

2.2支撑平台方案

2.2.1数据治理平台

城市数据治理平台可依托市政务数据汇聚共享平台，汇聚分布在各委办局部门的离散数据，运管中心与汇聚共享平台建立数据对接通道来获取数据。运行综合管理中心数据平台支持接口上架方式将数据汇聚到市数据汇聚共享平台，并提供ETL 同步工具对接市数据汇聚共享平台，将数据实时或定时同步至数据资源池。对存储在“数据资源池”中的数据和市数据共享平台提供的API接口，运管中心数据平台提供统一的数据共享服务接口，将数据通过文件下载、API接口调用、消息订阅等多种形式实现城市运行综合管理中心各智慧应用的共享。

数据治理平台通过与市政务数据汇聚共享平台的对接，对辖区内各种各类网络中不同信息节点的数据清洗、分析，形成涵盖城市管理、公共安全、产业发展、民生服务、生态环保的各个领域、各行业、各业务的数据集合。平台具有对这些错综复杂、数据结构各异的数据进行分类、清洗、抽取、挖掘、分析、汇集、共享、交换的功能。平台为城市运行监测系统等智慧应用提供信息与数据的展现、查询、调用、应用，为市各级行政主管部门领导在制定战略决策、编制行政文件和行业计划、资源分配等工作时提供信息与数据支撑。

2.2.1.1总体架构设计

图2:数据治理平台架构设计

数据标准规范：提供质量标准、编码标准、安全标准、共享交换标准、数据字典等一些列标准建设，为数据平台各环节执行提供规格依据；

数据监控：对平台的数据生产全过程、数据服务、数据溯源流向进行监控；对用户行为和系统日志进行监控，保证数据平台每个节点的跟踪监管。

数据汇聚：通过与市数据汇聚共享平台建立数据对接通道来获取数据，运行综合管理中心数据平台支持接口上架方式将数据汇聚到市数据汇聚共享平台，并提供ETL同步工具对接市数据汇聚共享平台，将数据实时或定时同步至数据资源池；

数据治理：通过数据资源数据交换传输作为通道，实现数据的交换、数据采集、数据检测、数据清洗加工、数据脱敏等功能，与已建汇聚共享平台对接，再通过本平台自身数据采集、检测、清洗、加工来实现市数据的整合工作；

管理平台：质量管理包括检测规则和任务，对数据质量进行检测，提高数据质量；安全管理对数据进行脱敏保证数据安全性；数据资源管理包括数据目录、元数据目录、服务目录管理、通用管理、资源管理、服务管理等；组件管理包括基础组件、用户服务组件、系统管理和监控管理组件；

展现层：通过统一的平台门户，为用户提供数据服务，包括数据展现、数据分析、信息推送、数据查询，提供友好的界面展示系统功能、接收用户请求，并以统一的API接口形式实现城市运行综合管理中心各智慧应用的共享。

2.2.1.2大数据平台管理

大数据平台管理功能是支撑平台的基础应用，保障系统安全、可靠运行。主要功能包括基础服务组件、系统管理组件、用户管理组件及监控管理组件等功能应用。

2.2.1.2.1基础服务组件

实现把存储、数据库、中间件、分布式计算、搜索、消息推送等资源和能力以云服务的形式提供给用户，为各类应用提供云计算模式的存储和计算服务。

2.2.1.2.2系统管理组件

包括系统维护、服务日志管理。

1、系统维护

系统维护主要完成系统功能管理、数据字典的维护。

系统功能管理：系统功能菜单的管理维护，方便根据喜好调整系统功能菜单。

数据字典：数据字典的维护管理。

2、服务日志管理

服务日志管理提供给系统管理人员进行查看服务管理库存储的服务管理系统的服务的日志，包括对服务情况、服务目录查看、对外提供服务调用等记载的日志记录，并对这些日志提供相应的管理和维护功能。

2.2.1.2.3用户管理组件

1、行政区划

支持行政区划树的管理，支持中央、省、市、县、乡镇、村委会6级行政区划管理，能够较好的支持行政区划管理及导航的需要。

2、组织机构

支持组织机构树的管理，支持自定义组织类型，能够较好的支持组织内人力资源管理的需要。

3、用户管理

用户基本信息管理包括账号管理、电子档案、用户关系管理及用户权限等功能。账号管理包括账号基本信息、头像信息、第三方账号绑定管理、提醒设置等；电子档案是用户在线的档案管理中心，用户可以上传、变更、删除个人的电子档案，上传的电子档案，经用户授权后，可供其他业务系统使用。

4、权限管理

权限管理是将用户、角色、应用(组件)、访问资源四个主体形成的角色矩阵管理，将用户的访问权限控制在应用资源访问上。

5、统一认证

用户的认证分为三个级别，分别是一般注册用户、准实名制用户、和实名制用户。

图3：用户认证流程

6、安全管理

安全管理中心提供账号安全设置功能，平台可根据用户的安全设置自动评估出用户的账号安全度，账号安全度低的用户可以通过安全设置提高自己的账号安全度，另外，为了检查账号是否有登录异常，用户可以查看自己的登录历史，一旦发现存在非本人的登录记录信息，用户可以及时修改密码。

7、实名认证

网络实名制就是指在现有网络环境中，用户不再实行匿名或自编名的方式发表言论，而是将用户的真实姓名、身份信息与用户言论进行关联，必要时可以了解到作者的背景资料等信息。互联网环境的虚拟性、开放性和无强制性使得人们可以在网上无所顾忌，任意发布传播虚假、不良信息，网络实名制将使这种现象受到制约；网络实名制有利于清除网络上各种垃圾信息，增加信息的可信度和网民之间的信任度；还可以减少恶意的谣言、中伤、人肉搜索等给现实生活中的人带来的伤害。

8、单点登录

用户管理中心提供了多种单点登录集成方式，针对不同的业务系统可以根据实际场景选择相应的集成方式。单点登录为数据平台提供了统一的身份验证功能，实现一站式登录。

目前，用户管理单点登录集成方式包括域内共享session 方式、域内共享cookie方式、跨域SAML集成方式及oauth单点登录方式。

➢共享session方式

共享session方式适用于域内，并且技术实现相同的业务系统，如数据平台应用接入平台与数据平台用户云空间属于同一个父域，并且都是基于javaWeb技术开发的，应用接入平台就可以与用户云空间通过共享session方式进行单点集成。➢共享cookie方式

共享cookie同样仅适用于域内，但是对于技术实现没有限制，ASP、.NET、javaWeb、PHP程序都可以通过该方式与数据平台用户云空间进行单点登录的集成。

➢跨域SAML方式

跨域SAML单点集成对于是否跨域、技术实现是否相同均无限制，任何web业务系统理论上都可以与用户云空间进行单点集成。

➢Oauth登录方式

Oauth登录方式是第三方应用集成用户系统最常用的方式，基于oauth标准协议完成用户认证。

2.2.1.2.4监控管理组件

1、数据监控

➢采集监控

对于ETL数据采集过程的每一步，提供可视化的在线监控系统。通过监控系统，可以查看所有正在运行的转换任务、故障历史等。监控记录中详细描述了数据采集的成功数目、失败数目，转换时长、日志明细等。

➢数据审计

为实施防抵赖，对于用户在使用系统期间的关键操作进行审计记录，主要包括用户的数据上传记录、下载记录、修改记录、数据管理的关键操作步骤等，管理员可以根据需要实时查看审计日志，监控系统资源的使用情况，以防范和化解系统安全风险。

2、服务监控

服务监控完成服务系统中已发布服务的服务调度、以及运行监控管理。

监控管理中心是监控管理逻辑节点及部署在逻辑节点上面的项目、服务、组件及业务流程等运行状况的集中管理监控环境。通过监控管理中心，用户可以查看逻辑节点及部署在逻辑节点上面的项目、服务、组件及业务流程等运行状态、日志信息等，并能够对所监控的对象进行如启动/停止等控制。

➢运行监控

运行监控对服务目录中的所有服务进行数据和图形化的监控，包括对服务的启动/停止，对服务的状态，使用情况等进行监控，同时集成业务流程引擎、消息中间件、应用服务器等运

行支撑环境的监控管理功能，实现整个服务管理系统的运行监控。

➢服务调度

实现对服务目录中所有服务进行调度的功能，包括：服务的中止、服务运行中的强制退出、服务的定时关闭和启动、服务的条件触发等。

2.2.1.3大数据治理服务

2.2.1.

3.1数据标准规范建立

摸清信息资源的现状和特点。通过全面调查政府部门的业务、数据和信息化情况，掌握并理清信息资源的类型和属性，明确数量和当前状态，使信息资源目录发挥资源“台账”的作用。将信息资源细化，目录中的信息资源要细化到文档表单和重要指标项，今后通过目录的持续升级，最终细化到所有指标项，并对重要指标项建立统—规范。

2.2.1.

3.2数据标准管理

数据标准是基于对数据的梳理，整理出数据元对应的数据字段的格式标准。不同字段对应的数据元可以由系统自动识别和匹配，同时也可以做自定义设定。平台自动识别和匹配的格式标准也可以根据实际需求做个性化的设置和调整。

2.2.1.

3.3数据资源管理

数据质量的好坏决定了数据价值的高低。高质量的数据可以保证数据应用、数据服务的质量。高质量的数据已成为组织最具价值的资产之一。数据的流通面临数据质量的问题，只有高质量的数据才能保证数据应用和服务的价值。针对信息资源

的数据质量和数据安全，我们通过数据标准、数据检测、数据清洗、数据加工、数据脱敏等功能来提升数据的价值。

2.2.1.

3.4数据脱敏

敏感数据，又称隐私数据，常见的敏感数据有: 姓名、身份证号码、地址、电话号码、银行账号、邮箱地址、所属城市、邮编、密码类 ( 如账户查询密码、取款密码、登录密码等 )、组织机构名称、营业执照号码、银行帐号、交易日期、交易金额等。数据脱敏又称数据漂白、数据去隐私化或数据变形。百度百科对数据脱敏的定义为：指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。这样，就可以在开发、测试和其它非生产环境以及外包环境中安全地使用脱敏后的真实数据集。

2.2.1.4大数据生命周期管理

处理采集过来的数据，实现数据的清洗、转换、加载功能，一方面保障采集的数据能正确、完整、规范地加载到目的地；另一方面，实现数据整合过程中的异常处理机制，如：处理传输异常、数据加载异常、数据结构与质量异常等。

数据处理是数据中心的核心内容，系统需提供基础数据服务，主要步骤包含数据抽取、数据清洗、数据转换和数据加载等功能。

数据处理是数据比对整合系统的核心，作为一个面向服务的平台，数据清洗整合应用就是由多个数据服务组成的，其中包括一系列预定义的基础数据处理，这些基础数据处理包括以下几个：

2.2.1.4.1数据抽取

数据抽取就是从数据中心的中心库中获取业务数据的过程。数据来源为业务系统和文件系统,抽取方式为根据具体业务进行全量抽取或增量抽取,根据具体业务制定抽取的时间、频率、这些参数都是可配置的。

抽取方式:

1.全量抽取：该抽取方式一般在数据初始化的时候使用。将数据源中的数据原封不动的从数据库中抽取出来。

2.增量抽取：我们采用基于时间戳的增量抽取。

1）建立数据库连接

2）定义一张数据字典表，定义需要进行处理的任务，其中主要包括业务数据库和目标数据库的表名、字段列表、以及条件等。

3）对比源表和目标表的目前最大时间，抽取数据时间断为【目标表的最大时间】一【原表的最大时间】

4）根据设置的抽取频率循环抽取。

2.2.1.4.2数据清洗

数据清洗指对前端抽取过来的数据进行清洗处理，包括数据过滤、数据剔重、类型转换、编码映射、文件拆分与合并、维度转换等功能。数据清洗的任务主要是进行不一致的数据转换、数据粒度的转换、数据去脏和一些转换规则的计算。其中不一致转换过程是数据整合的过程，侧重于将来源于不同业务系统的相同类型的数据进行统一处理；数据粒度转换需要对数据进行统一归整；转换规则计算按照设计的计算归则对数据进行重新计算。系

统支持批量清洗和实时清洗，针对批量离线数据进行分布式并行清洗转换，针对实时数据进行不落地清洗转换。

数据清洗主要是针对源数据库中出现二义性、重复、不完整、违反业务或逻辑规则等问题的数据进行统一的处理，一般包括如：NULL值处理，日期格式转换，数据类型转换等等。在清洗之前需要进行数据质量分析，以找出存在问题的数据,数据质量问题具体表现在以下几个方面：

正确性：数据是否正确的表示了现实或可证实的来源

完整性：数据之间的参照完整性是否存在或一致

一致性：数据是否被一致的定义或理解

完备性：是否所有需要的数据都存在

有效性：数据是否在定义的可接受的范围之内

时效性：数据在需要的时侯是否有效

可获取性：数据是否易于获取、易于理解和易于使用

对主要数据质量问题的清洗策略：

2.2.1.4.3数据转换

数据转换可以看作是数据整合和数据清洗过程的结合，数据源的数据按照一定的转换规则生成新的数据并存放至目的数据源中。数据转换支持数据字段之间一对多，多对一，以及多对多的映射关系。

转换规则：

1. 数据合并：多用表关联实现，大小表关联用lookup，大大表相交用join；

2. 数据拆分:按业务规则进行数据拆分；

3. 行列互换；

4. 排序/修改序号；

5. 去除重复记录。

2.2.1.4.4数据加载

数据加载主要指将抽取与清洗转换的数据，准确、及时地存储到不同基础库中，依据数据的加载方式包括文件加载、流加载、压缩加载、不落地加载等。

依据数据加载技术特点，可分为全量数据加载、流式（实时）

数据加载、文件落地双加载、内存不落地加载。

对于不同的数据库加载、不同的方式加载，在数据加载过程的工作原理基本相同，数据加载能力包含：

1.默认情况下提供基础通用的加载控件，支持将数据源加载到不同的数据库中，加载的数据支持接口、文件加载策略或流式策略。

2.加载方式支持全量或实时方式，全量加载方式则采用落地加载策略，并且需要结合运用不同平台的加载工具；实时加载与实时采集必须配套使用，二者之间共享内存实现同步数据交换，通过引入插件机制来屏敝不同数据源差异性。

3.支持加载时事物提交的参数配置，允许设定数据文件相关输入路径与加载文件匹配规则等信息，由数据装载完成发现文件、文件获取、加载数据、数据校验等操作流程后完成数据入库操作。

4.在加载实现过程中支持提供 SQL、HQL、SHELL等不同类别的行为定义脚本，数据加载执行组件将根据定义行为脚本类型调起相应的脚本执行来加载到数据。

5.数据加载结束或失败时，都需要记录操作日志，为后续数据稽核与问题排查提供详细信息。

6.在加载触发模式上支持自动加载与手工执行的二大类型。支持数据自动加载的设计与执行，当数据加载出错时，应提供操作界面以人工干预的方式来重新启动数据的接收和加载。

2.2.1.5数据对接

实现与市数据汇聚共享平台的数据资源对接，包括：数据、