大数据助力群租治理

文/刘聃

一、绪论

（一）研究背景

上海作为超大城市，就业机会多、人口流动快，群租现象始终是困扰城市管理者的一个难题。群租行为不仅改变了房屋的使用功能，更存在着多方面的问题：一是影响生命安全；二是影响社会治安；三是影响小区卫生；四是侵犯了相邻业主的权益；五是加大了物业管理的难度。

2019年11月习近平总书记考察上海时指出，上海要抓好“两张网”，即政务服务“一网通办”和城市运行“一网统管”。李强书记在调研城市运行管理平台建设后，进一步要求紧扣城市运行“一网统管”的目标方向，在数据汇集、系统集成、联勤联动、共享开放上下更大功夫，加快建设城运平台，探索走出一条具有中国特色的超大城市管理的新路子，对推动高质量发展、创造高品质生活提供有力支撑。

2018年4月，上海市大数据中心正式揭牌，构建了全市数据资源共享体系，并制定了数据资源归集、治理、共享、开放、应用、安全等技术标准及管理办法，从而实现了跨层级、跨部门、跨系统、跨业务的数据共享和交换。

在“一网统管”的大背景下，以上海市大数据中心汇集的“数据湖”为基础，使用大数据分析，使发现群租有了实现的可能。上海市住建委于2018年开始着手调研，2019年5月召集人员集中办公，在网格化升级的基础上，组织开发了群租治理应用场景，以统一的城市管理主题数据库和地图服务为基础，采用自动、主动、被动“三动合一”的发现手段，借助全市16个区的网格力量，针对群租建立了一套从发现到整治的全流程系统。

（二）解决思路

《关于加强本市住宅小区出租房屋综合管理工作的实施意见》（沪房管〔2014〕135号）中对于“群租”的规定是，出租房间的人均居住面积低于5平方米，每个出租房间的居住人数超过2人（有法定赡养、抚养、扶养义务关系的除外）。

通过各种数据来源（包括公安、不动产、自来水公司、供电公司、燃气公司等），获取实有人口、房型、建筑面积、用电量、用水量、用气量、外卖、快递等静态或实时数据，进行清洗、融合、存储及建模后得出分析结果。根据模型设定认定为疑似群租的，进入网格派单系统流转，由执法人员上门检查，确认后责令整改或依法处理。在网格平台中，市、区、街镇三级均可看到辖区内的工单处置状态，可以督查督办。市、区平台协同进行跨区域工单处置。

（三）创新点和难点

以往发现群租大多依靠民警、居委会、物业上门挨家摸排（主动发现）和投诉举报电话（被动发现）两种手段，或是需要大量人力，或是在产生了严重影响后才进行处置。本文介绍的群租发现方式的创新之处在于其将多来源的海量数据进行融合计算，利用各种数据模型自动发现群租现象，既节省了人力，又能及早发现问题。

其主要难点如下：一是数据的获取。计算涉及的数据分散在各个委办局、水电气等国企和快递外卖等各类私企，因此需要与各方协调。二是数据的处理。因为数据来自各方，各自的数据标准不一，因此需要在数据清洗上花费大量的时间和精力。

二、国内相关做法分析

（一）城市案例

1.天津：“利用大数据破解群租房管理难题”。工作人员通过水电气消耗数据分析，发现群租房，然后通过数据变化，监管群租房的使用状态。按照反恐、治安、消防、安全、卫生等46类隐患防范要求，通过大数据分析，把出租房划分为重点户、关注户、普通户。对每一户出租房进行居住信息登记并生成二维码，网格员通过二维码有针对性地采集核查出租房的人员和安全情况。在基础摸查环节，通过政府购买服务等方式，由协管员、社工、社区民警等政府力量与劳动密集型用工企业、小区物业公司、业主委员会、房屋中介机构等协作，共同对辖区内的出租屋进行地毯式摸查，按一户一档的原则建立档案资料，作为原始基础数据。

2.江苏：“大数据+网格化+铁脚板”。泰州治安部门运用大数据技术手段，加快推进租赁住房、房屋租赁中介机构、物业服务企业相关信息以及水电气用量异常等群租房相关数据的采集汇聚和共享应用。发动社区民警把上门走访与健康登记、平台申报、数据推送等有机结合，及时对台账底册进行增删改，力求全面、真实、准确地掌握全市流动人口、租赁房屋特别是群租房的底数。

南京江宁区龙西新寓小区的人脸识别系统让小区内有无群租变得“一目了然”。该小区居民进入小区和单元门都靠“刷脸”，所有居民必须通过人脸识别登记信息，数据直接连通辖区内的派出所，一旦一个房屋内登记人口超过5人，系统就会自动标红，社区民警、网格员等就会上门了解情况。

3.上海：“引入大数据搭建起‘大脑’”。2018年8月，上海市徐汇区田林街道工作人员在“智慧社区”平台上发现了一处群租房，因为数据显示一位居民连续10次刷卡进楼，显然超出了正常频率范围。田林街道一度是群租房“重灾区”，使用“智慧社区”进行治理后，群租房问题得到缓解，2018年1月至8月，该街道群租房数量同比下降76%。

浦东新区建立“一户一档”的大数据系统管控群租房。工作人员分头行动，每家每户上门排摸核实。每栋楼门口都贴着一张“出租房屋信息一览表”，白色为自住房，红色表示有群租嫌疑，绿色则是合格的出租房。信息公开透明，让居民都能参与监督。

（二）案例分析与对比

1.基础数据的获取。各地均以户为单位，建立档案，搜集人口、户籍等基础数据。上海市公安局建设的“智慧公安”现已初显成效，“一标六实”基础数据已建立，人口等基础信息也已做到实时更新共享。

2.水电气数据的应用。天津、江苏都已经将水电气的数据用于发现群租现象，说明此方法切实可行。

3.人脸识别。在试点小区里，人脸识别对发现群租确实有用，但使用人脸识别在上海的小区里并不普遍，尤其是大部分的老小区，另外，人脸识别系统一般是小区自建，市级层面做数据对接存在一定困难。因此，上海没有在全市层面应用人脸识别，而是在区和街镇自建应用里预留了接口，如有需要，可以接入人脸识别和门禁数据。

4.快递外卖数据的使用。在实际应用中，我们发现快递外卖数据分析结果的准确率是最高的，但此方法尚未在上海以外的地区得到使用。

5.借助网格。在各级政府体系中，网格是可以横向打通各职能部门的重要桥梁，所以各地几乎都借助了网格的力量，上海也不例外。

三、数据模型和流程管理

（一）数据模型

群租的发现手段，在传统的上门挨家摸排（主动发现）和投诉举报电话（被动发现）以外，创新性地增加了利用大数据分析的自动发现手段。数据处理平台对相关原始数据的分析包括数据导入、数据清洗、地址标准化、数据融合、数据存储、自定义建模、定制建模、结果输出等。

图1 数据处理平台流程图

数据来源包括实有人口、住宅的房型和建筑面积、用电量、用水量、用气量、外卖量、快递量以及区和街镇的门禁刷卡、人脸识别等数据（所有数据均经过脱敏后使用，不包含个人的隐私信息）。模型有三种：实有人口模型、水电气模型、外卖快递模型。三种模型的计算逻辑如下：

1.实有人口模型。通过实有人口、房型联合分析，将房屋内实有人口与该房型的法定最多居住人数进行比较。实有人口超过房间和客厅数两倍的即视为疑似群租。

2.水电气模型。通过地址标准化，将水电气地址转化为“路-弄-号-室”的标准地址，并进行数据清洗、数据转换、数据关联等处理后入库，对数据进行偏离程度计算、归一化处理，最后将水、电、气数据的权重按照一定比例进行合并计算，得出疑似群租户。

3.外卖快递模型。对同一地址内外卖、快递订单数进行分析，超过一定个数即视为疑似群租（除去商业办公、物业等情况）。

以浦东新区为例，2019年1-8月，共发现群租7601户，已处置7601户。其中，智能（自动）发现占到三分之二左右，是人工（主动和被动）发现的两倍（图2）。

图2 浦东2019年1-8月群租发现数量和比例

（二）处置流程

应用网格平台在发现疑似群租现象后，由市平台推送疑似群租告警到区网格中心，区网格中心指派网格责任人进行疑似群租核实，对核实为群租的予以告警，系统推送群租告警，网格责任人进行依法处置。

网格责任人协调房管、公安、工商、地税等部门，出具《居住房屋违规租赁责令改正通知书》，责令责任人在规定期限内整改，对逾期不整改的，进行行政处罚或集中整治。整改、行政处罚或集中整治完成后，网格责任人在网格平台反馈群租整治结果。

群租核实与整治过程信息通过网格平台推送到市平台，形成管理闭环。对整治异常的情况，可报送城管执法部门进行依法处置。

（三）系统和地图展示

为了更好地实现全流程管理，在网格平台的群租应用

场景系统中加入了每个环节的实时统计，并且以月、半年、年为单位进行数据统计与分析。系统主页展示信息主要包括当年群租自动发现概况、今日群租发现推送告警、当月群租处置情况、超期未反馈群租告警轮播、当月群租发现和处置情况地图撒点分布、当年群租发现和处置情况统计以及处置详情查看、最近半年群租发现趋势分析、当年街镇群租整治效能分析等。值得一提的是，在平台的“全市一张图”上，根据发现和处理结果可以实时展示处置案件的撒点分布（图3），为相关部门采取应对措施和作出决策提供依据。

图3 浦东新区群租发现、处置地图撒点分布

四、主要结论和未来设想

（一）主要结论

群租发现难、处置难。在发现手段上，传统的人工主动排摸和被动接受举报的手段已不能满足城市精细化管理需求。随着技术的进步，上海市大数据中心的成立，使不同来源的大数据能够归集并应用，这才有了实现大数据分析（自动发现）的可能性。在网格化平台升级中，上海市住建委着力打造了“全市一张图”、一个主题数据库，有了地图和数据底座，依靠网格的实体力量，案件经历发现、立案、派遣、处置、核查、结案等网格化六环节，可在地图上实时展现、全流程监督、闭环管理，因此群租治理才会有好的执行效果。

（二）未来设想

如果仅仅依靠大数据分析来加强对群租的发现和处置，对群租治理来说只是治标，并不治本，而且并没有充分利用数据的优势。现在的数据分析只是开始，未来，随着案例的不断积累，可以进一步深挖掘数据价值。例如，通过历史数据的分析，预测群租人员的大致数量，再结合社保数据，计算出他们的平均收入水平，有的放矢地提供相应数量的保障房，既可满足他们的住房需求，又可解决群租难题，一举两得。