申请专栏作者
您的当前位置:主页 > 大数据 > 正文

大数据赋能 精准整治“散乱污”

来源: 时间:2019-04-12
请点击下面的广告后浏览!

在天河区东圃镇莲溪村,如今穿村而过的左支涌边的家具加工企业已全部清空,村道正在实施硬底化改造。

可思数据-AI,人工智能,深度学习,机器学习,神经网络

位于天河区东圃镇与黄埔区交界的莲溪村里,曾经聚集有大量的家具制造工厂,穿村而过的左支涌旁更是密布木材、石材加工厂,打磨带来的粉尘与路旁堆积的废料一度让这里的村民避之不及,“没什么事就尽量不走河涌边,路过也要捂住口鼻。”52岁的村民梁结平说,如今村子里的工厂已全部清空搬走,河涌也变得焕然一新,“我会经常来河边散步。” 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

莲溪村村容村貌的变化,是广州市从2018年以来强化“散乱污”场所清理整治取得的诸多成果的一个缩影。

可思数据-AI,智能驾驶,人脸识别,区块链,大数据

自去年9月起,由广州市工业和信息化局(下称“市工信局”)牵头,全市开展了新一轮“散乱污”清理整治工作。“市工信局推动建立‘网格化’工作机制,采取等信息化手段创新开展‘散乱污’场所排查,并实现智慧监管。”市工信局副局长张宏伟表示,截至今年3月底,全市新一轮排查出“散乱污”场所超过1.8万个,其中已基本完成对涉及污水违法排放的“散乱污”场所的关停取缔,取得了阶段性成效。

可思数据-AI,人工智能,深度学习,机器学习,神经网络

2 可思数据-AI,人工智能,深度学习,机器学习,神经网络

统计分析用电量创新设立大数据监控系统

可思数据

一直以来,广州“散乱污”场所存在量大、面广的问题,使得在排查和整治过程中存在着诸多难点,主要体现在排查难度大和易死灰复燃。大部分“散乱污”场所具有规模小、转移快、隐蔽性强的特点,部分藏匿于民宅违建之中,要做到排查无死角难度较大,而且数据呈现动态变化。同时,“散乱污”场所违法建设生产成本低,场所业主为了谋利,容易在原场所继续引入违规经营者,使得“散乱污”场所易死灰复燃。 可思数据-人工智能资讯平台

“以往针对‘散乱污’场所整治管理手段缺乏长效机制,容易死灰复燃,因此,市工信局会同广州供电局建成了‘散乱污’场所大数据监控系统,整合用电数据等信息,用大数据手段对各区、镇(街)、村、工业园区的用电等情况进行统计、分析和监测。”张宏伟表示,大数据监控系统的建立,为排查清理整治“散乱污”场所提供了有力的研判依据。 内容来自可思数据

“我们了解到‘散乱污’场所多有月用电量大、用户用电负荷与普通用户不一致以及主要集中在城中村地区和工业园区这几个特点。于是将目标区域内抄表周期电量在3000度以上的用户进行建模筛选,搭建起一个‘数据工厂’,将疑似‘散乱污’场所的清单提供给各区、镇(街)进行核查处理,为发现隐匿在民宅和违建当中的‘散乱污’场所提供了方向。”广州供电局穗能通综合能源服务有限公司创新孵化中心主任袁超介绍,通过“数据工厂”的加工筛查,大数据监控系统从全市580万个数据总量中,提取出26万个疑似“散乱污”场所数据,大大增加了相关排查工作的精确性。

可思数据-AI,人工智能,深度学习,机器学习,神经网络

张宏伟介绍,市工信局重点运用大数据监控系统梳理的名单进行排查,并实行“清单制”“台账制”“网格化”管理,摸查生产经营场所用水用电、污水排放量等数据,通过各区组织镇(街)等单位核实,排查“散乱污”场所;对于已完成清理整治的场所,继续应用该系统监控其用电等情况,防止“散乱污”场所死灰复燃或转移到本市其他区域,形成长效监管机制。

内容来自可思数据

作为“散乱污”场所清理整治工作的配合部门,市生态环境局也根据督查需求和内容,在微信上开发了环保信息采集相关功能。“该信息化系统方便了督查人员现场录入‘散乱污’场所信息,统一了‘散乱污’场所信息的填报规范,这些数据经过汇总并加以研判,大大提高了督查效率。”市生态环境局环境监察支队副支队长解文武表示,这套信息报送小程序为大数据监控系统提供了实时数据,优化现有“散乱污”场所的数据建模监控,成为遏制“散乱污”场所死灰复燃的重要手段。

可思数据-人工智能资讯平台

采取“三个一批”整治措施对“散乱污”场所不搞“一刀切” 可思数据-人工智能资讯平台

番禺区、海珠区、白云区、增城区、花都区是全市11个区中“散乱污”场所数量分布较多的区,其中白云区面临的“散乱污”场所清理整治压力尤为明显。笔者于9日走访了位于白云区的太和镇,该镇面积达220平方公里,相当于两个半的天河区,聚集了近60万人口和3万个生产经营单位。

本文来自可思数据,转载请联系本站及注明出处

“太和镇不仅区域面积大,而且有一半是山区,这使得一些规模小、转移快的‘散乱污’场所隐匿在民宅之中,隐蔽性非常强,使得单纯靠人工手段排查非常困难。”白云区太和镇环安办主任李静表示,该镇从2017年起便实施365天、24小时不间断值班,并重点针对夜间餐饮档口经营和企业偷排行为,开展“地毯式”排查。他表示,依靠大数据监控系统提供疑似“散乱污”场所的当地用电大户名单,执法人员排查工作变得更加具有针对性。 可思数据-AI,人工智能,深度学习,机器学习,神经网络

笔者来到太和镇米龙村,这里曾有一家从事化工涂料生产的“散乱污”厂房。“对该厂房的排查,便是依靠了大数据监控系统提供的用电异常数据,并结合执法人员现场核查与周围群众的相关投诉。”李静说。笔者从现场看到,“散乱污”厂房现已清理拆除,未来这里将按照规划予以合理利用。

本文来自可思数据,转载请联系本站及注明出处

对于“散乱污”场所清理整治工作,张宏伟表示,市工信局对于经大数据筛查、“拉网式”“地毯式”排查出的“散乱污”场所,不搞“一刀切”处理,而是按照“关停取缔一批、整合搬迁一批、升级改造一批”的整治措施采取了一系列创新做法,取得了较好成效。 内容来自可思数据

位于天河区东圃镇的莲溪村,曾大量分布有家具加工制造工厂,一度形成了“前店后厂”的经营结构。“木材、石材加工给周边环境带来了大量粉尘,村民出入都要戴口罩;粉尘随着雨水进入河涌更是污染了周边水体。”天河区前进街道办副主任鄢程表示,从去年9月份起,街道办针对莲溪村涉及家具加工制造、印刷、金属加工等172家“散乱污”场所实行整治,82家石材、木材厂全部清空,仅在村内保留家具展示功能的门店,极大地改善了当地的村容村貌。

可思数据

“接下来,对于经整治腾出的建筑面积达15万至18万平方米的空间,街道办已向天河区递交‘三个一’升级改造方案,即一条路、一个众创空间、一个微改造,提升土地价值,为当地村民带来增收。”鄢程说。笔者在莲溪村看到,位于左支涌一旁的道路正在开展硬底化工程,不久一条全新的环村道路将建成。 可思数据

落实“网格化”管理机制6月底前完成“关停取缔类”整治 可思数据

笔者从市生态环境局和市工信局了解到,去年9月和12月,两局会同相关部门抽查全市11个区的87个镇(街)266个村(居)的“散乱污”场所1739家,从督查情况看,各区按照时序进度,基本完成了对涉及污水违法排放的“散乱污”场所关停取缔。“截至今年3月底,全市新一轮排查出‘散乱污’场所超过1.8万个,基本完成对涉及污水违法排放的‘散乱污’场所的关停取缔,取得了阶段性成效。”张宏伟说。 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

以白云区太和镇为例,李静表示,2018年该镇共清理整治“散乱污”场所2141家,今年第一季度清理整顿555家,占区下达的989家年度清理任务的56.1%。“近期,我们在白云区村级工业园工业企业排查行动中,发现71家违法排放生产废水的‘散乱污’工业企业,占园区5700多家企业的1.2%。”解文武表示,白云区政府已对这71家“散乱污”场所实施停产,坚决杜绝污水偷排、直排等违法行为。 可思数据

对于排查发现的属于“关停取缔类”“散乱污”场所,相关部门将采取“两断三清”措施,即切断工业用水、用电,清除原料、产品、生产设备。“市生态环境局将以每季度至少一次的频率开展督查,重点督查‘两断三清’措施落实情况,杜绝死灰复燃。”解文武表示,该部门也将深入调研“整合搬迁”和“升级改造”类“散乱污”场所整治中存在的困难,指导各区开展相关整治工作。 可思数据-www.sykv.cn,sykv.com

“除了排查难度大、易死灰复燃,‘散乱污’场所清理整治也存在着搬迁缺去处、管网建设历史欠账多、手续办理难等难点,这些都需要在后续清理整治工作中加以解决。”张宏伟表示,接下来,市工信局将会同市生态环境局继续抓督办、抓排查、抓示范、抓验收,提升大数据监控系统针对重点区域、重点领域的筛查精准度,在今年底前推动创建一批“散乱污”场所清理整治典型镇(街)或村居,示范带动全市“散乱污”场所加快清理整治。 可思数据-人工智能资讯平台

按照今年2月实施的《广州市2019年强化“散乱污”场所清理整治工作要点》要求,6月底前各区要完成辖区内“关停取缔类”整治,基本做到“两断三清”,基本完成“升级改造类”整治,对“整合搬迁类”整治提出具体搬迁计划;今年底前,各区完成“散乱污”场所清理整治验收工作的街镇数量不少于街镇总数的50%;2020 年,全市所有街镇全面完成整合搬迁和升级改造工作,“散乱污”场所清理整治行动全面通过验收,形成较完善的控源、截污、纳管的水污染源头控制体系。 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

  内容来自可思数据

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2019 Sykv.com 可思数据 版权所有    网站地图   联系我们  

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部