随着城市规模的不断拓展,城市管理要求的不断提高,提高城市管理的现代化水平迫在眉睫,智慧城市应运而生。然而,智慧城市要落地,数字城管是基础。目前,国内不少城市的数字城管已基本建成并运营了不少时间,也极大提高了城市管理水平,积累了一定的数据量。如何利用这些数据,进一步提高数字城管的管理效率,建立科学、合理的绩效评估体系,构建一个基于数字城管历史数据的科学决策方法,具有重要意义。这就是本论文的产生背景。论文首先介绍了数字城管国内外的研究现状,分析了目前数字城管存在的问题,概述了论文将使用的相关技术;其次,综述了聚类算法、聚类相似性度量、聚类有效性评估方法,分析了K-means聚类算法,针对其对初始簇心的选取敏感,需要人工指定聚类个数的问题,引用Kruskal算法和轮廓系数法对其进行了改进,利用UCI数据集当中的Glass Identification数据集验证了改进的K-means聚类算法的可靠性和自适应性;再次,综述了均衡性、离群点检测,分析了LOF离群点检测算法,针对其检测集体离群点效果差的问题,引用DBSCAN算法对其进行了改进,利用UCI数据集当中的Iris数据集验证了改进的LOF离群点检测算法能够从全局和局部检测出点离群点和集体离群点。论文以重庆市某区数字城管为应用案例。首先,分析了该区数字城管的应用场景,设计了改进的数字城管的软件结构、软件功能结构、数据结构;其次,根据该区数字城管的数据特征,采用ETL技术对数据抽取、清洗、转换并加载到数据仓库中;最后,利用OLAP技术、改进的K-means聚类算法和改进的LOF离群点检测算法,开展了多维分析、聚类分析、均衡性分析,并形成分析结果,此结果能提供给该区市政管理相关人员进行辅助决策。