金维伦  李 践 等

随着上海市城市建设飞速发展和城市人口的持续增长，无序设摊这一城市市容管理的难题顽症倍受瞩目，并且与城市交通、市容环境、民生之间的矛盾日益凸显。

政府相关管理部门高度重视无序设摊综合治理工作，专门设立了“无序设摊管控情况社会发布指数”的专项研究课题，要求在当前大数据时代，相关管理部门能够依据无序设摊综合治理标准及在其动态数据基础上建立起来的无序设摊指数模型，向社会发布反应设摊状况的目标指数，从而有效提升无序设摊综合治理工作效能，降低管理成本，实现对无序设摊问题进行系统化、标准化、精细化、数字化管理。

一、无序设摊管理要求

2015年对无序设摊进行严格管控是市容环境卫生管理的重点和难点之一，市政府和市绿化市容局对此做了专门的部署和安排，其中的一项重要工作就是无序设摊管控指数的研究以及无序设摊指数的大数据库建立和运行。

为了切实落实无序设摊管控情况社会发布指数的研究任务，市绿化和市容管理局举行了专题会议，布置和推进相关工作，并明确了项目建设的具体要求，强调了设摊指数信息化平台建设相关的8个方面：

1．投诉受理系统相关数据的链入；

2．反映本市无序设摊现状的数据；

3．城管执法相关数据；

4．集市菜场等商业网点的规划布局情况；

5．区与区之间结合部、学校周边、医院周边、地铁出入口周边等问题易发区域的设摊管控情况；

6．年度重点销项管理工作的实效情况；

7．区域人口等辅助数据；

8．基层工作平台机制的建设和运行情况。

这是课题研究的导向，也是研究中数据采集和量化的依据。

二、指数模型的信息化框架与初步实现

本课题为大数据整体项目的一部分，研究成果并不仅仅作为理论储备，而应较快投入实践，并以此为依托，设计开发智慧化建设中的相关应用系统。

为此，课题组考虑将信息化需求分析研究前移，与指数计算研究相结合，一方面可在信息化开发研究中尽可能地贴近实际应用，另一方面也可以通过信息化方面的技术支持进行繁琐的数据统计运算和验证工作，降低课题组的工作强度，减少重复劳动。

（一）监测数据的采集

原则上采用相关业务单位大数据来源与第三方数据相结合的方式采集数据，对于大数据来源不及时或来源不明晰的信息，将以第三方数据信息为主。

从信息化需求角度，对一线数据采集工作来说，只需提供采集范围内的设摊数量，并将摊位数量按大小等级分类上报即可，即应用前台提供数据输入界面。对大数据来源，考虑到兼容性，一方面需要预留远程数据库调用的接口，同时也需管理后台提供数据批量转换导入功能。

在有大数据支持保障的前提下，一方面人工输入数据可以尽可能精简，如：只需输入道路名称和起止位置，后台可根据大数据对应自动配置路段长度、路段管控类型等；另一方面考虑到录入的准确性和大数据的完善度，在输入界面中仍需保留人工修正的应用功能。  

（二）参数设置

模型参数大致分为相对固定数据和监测变动数据两类，前者主要由客观条件、地域、行政区划、业务管理等决定；后者主要由每周期监测情况与大数据联动决定。考虑程序开发的灵活性和前瞻性，建议监测变动数据设置前台配置功能，相对固定数据设置后台配置功能，并在后台保留对库结构的修改功能。

相对固定数据包括：各街镇常住/流动人口数量，行政化面积，景观区域面积，严禁、严控和控制区域路段长度，各街镇权重系数，各区权重系数。

监测变动数据包括：设摊路段名称，规模系数，路段类型系数，摊位业态系数，周边社区系数，时段系数，感受系数，污染系数，疏导系数。

（三）数据计算

在一周期监测数据获取之后，依据前章的样本生成公式可以得出样本值xn，随之可根据当时的业务权重等参数设定，依据街镇指数公式计算得出街镇管理指数m，再根据相对固定的背景数据权重得出区、市两级的发布指数。

（四）数据输出

1．各级指数输出：包括街镇、区县、市三级指数的当期和历史结果数字及直观效果图显示和比对（如环比、同比等）。

2．基于指数的数据统计分析和大数据挖掘功能：充分表现影响各级指数的成分因子及样本波动与指数之间的关联度，以及随指数周期性变化正相关或逆相关的各种客观变化条件的分析统计。

（五）指数模型应用系统的初步实现

课题组在较短时间内完成了一个基于excel和aspx单机版街镇指数生成系统，可接受批量输入监测数据，对各路段配置参数后，输出单一街镇单周期工作管理指数。

图2-1  参数设置界面

系统界面如图2—2：

图2-2  系统界面

计算结果界面如图2—3：

图2-3  计算结果界面

三、指数模型的试运行与验证

在初步开发出一个测试版应用系统后，课题组已经具备选取若干街道的监测数据试运行计算的条件，以测试街镇管理工作指数模型。该测试的主要作用有两点：一方面作为样本指标细化与参数修正的依据；另一方面印证当前模型生成指数与实际感受的偏差度。课题组综合考虑街镇的代表性、面积大小与路段长度相似度、监测数据的完整性、详细程度以及监测数据易取得程度各方面因素，选定普陀区的长寿路街道和闸北区的芷江西路街道做为指数模型试运行街道。

为切合实际情况，在具体选取上，课题组测试选取的监测周期与当前实效检测的周期一致，为一个月；课题组根据业务经验，选取外部人为因素对设摊情况影响较小的九月监测数据用于导入计算。

在试运行参数设置上，相对固定数据根据各测试街道实际情况选定填入；监测变动数据则由课题组依据权重序列原则及相关业务经验拟定若干测试用暂设值。

监测变动数据参数权重设置见表3-1。

长寿路街道的单点统计汇总表（部分）见图3-1，监测值统计数据见表3-2，芷江西路的单点统计汇总表（部分）见图3-3，监测值统计数据见表3-3。

图3-1  长寿路街道单点统计汇总表（部分）

表3-2  长寿路街道监测值统计数据

2015年9月长寿路街道设摊

严禁设摊道路检查情况

五类区域检查情况

计算得出长寿路街道9月无序设摊指数为12.25，即在统计意义上，可视为全月该街镇路段平均100米计有相当于12.25个标准摊位的无序设摊情况。

长寿路街道计算界面及结果见图3-2

图3-2  长寿路街道计算界面及结果

图3-3  芷江西路路街道单点统计汇总表（部分）

表3-3  芷江西路街道的监测值统计数据

2015年9月芷江西路设摊

严禁设摊道路检查情况

五类区域检查情况

2016年本市无序投摊综合治理工作现场推进会

计算得出芷江西路街道9月无序设摊指数为1.52，即在统计意义上，可视为全月该街道路段平均100米计有相当于1.52个标准摊位的无序设摊情况。

芷江西路街道计算界面及结果见图3-4。

通过上述两个街镇的计算值与当月监测值统计表比较，可以得出模型计算结果与监测到的情况符合性较好。其中，无序设摊总量方面，长寿路街道是芷江西路街道的4倍（272：64）；餐饮类设摊数量为7倍（34：5）；严禁区设摊数量为2倍（27：13）。故而，计算结果明显权重加成将指数比放大为近8倍（12.25：1.52），确实起到重点路段、重点时段、重点业态需严格管控的指数模型生成初衷。同时，对比这两个街镇的同周期无序设摊实效检查数据，由于指数比值实际是“缺陷水平”比值，较好地符合了两个街镇实效数据与满分（100）的差值比，这样的结果也充分验证街镇级指数指导管理工作的应用价值。可以说，街镇级指数的模型已经具备充分的现实性，达成了用于生成区、市两级发布指数的基础。

鉴于无序设摊指数本质是“缺陷指数”，故课题组参照实效测评评定与空气污染的等级评定方案，建议设定指数在10以下作为优秀（基本无乱设摊）；20以下作为良好（设摊有效管控疏导）；40以下作为合格（无序设摊基本管控）；100以下作为相对无序设摊；100以上作为严重无序设摊。

四、结论

对照本课题的研究目标，并通过研究，课题组获得了以下成果：

1．通过资料查找、现场采样和社会调查，明确影响无序设摊的各方面因素，确定了量化指标的范围。

2．参照实际管控疏导工作和监管要求以及模型运算的需要，确定数据采集的方法及其频率。

3．依据不同道路区域的质量等级标准、现场实际状况、公众关注程度、专家和主管部门的意见等方面考虑，引入全市各类城市治理大数据，确定不同道路景观区域以及各个样本因素的权重系数。

4.选择简便易行的加权方程为指数计算的基础模型，将不同街镇区域的监测数据汇总为区县的管控指数（二级指数），并在此基础上，整合生成全市的发布指数（一级指数）。

初步拟定评价等级为：10以下，基本无乱设摊；20以下，设摊有效管控疏导；40以下，无序设摊基本管控；100以下，相对无序设摊；100以上，严重无序设摊。

5．运用建立的模型框架，验证计算一个月的两个街镇无序设摊指数，与实效测评结果符合得较好。

6．经过初步开发的程序模拟计算，运行输出效果吻合性较好，本课题所建立的模型框架具有较好的可靠性和可信度，为进一步构建设摊管理大数据平台提供了有效、有用的基础。应用于市容环境治理的实际工作中，模型输出结果（指数值）可以比较直观和客观地综合评价从街镇到全市的无序设摊情况。

（作者：金维伦，上海市绿化和市容管理局市容处处长；李践，中环环境工程技术有限公司高级工程师。本文摘自上海绿化市容局2015年调研课题《无序设摊管控情况社会发布指数模型框架研究》，作者为课题组正、副组长）

(本文供图/资料库)