上觀智庫：大數據技術如何破解城市災害風險精細化治理難題

2019年6月19日，上海市安全生產委員會辦公室印發《第二屆中國國際進口博覽會城市應急管理工作方案》，以「主動防範化解重大安全風險，堅守安全生產底線，穩妥處置生產安全和自然災害領域突發事件」為工作目標，為進博會的圓滿成功舉辦提供安全保障與良好環境。對於每一個城市來說，每一次大型活動的舉辦，都是對風險應對、社會心態、城市治理等要素的綜合檢驗。

隨著城市現代化與城市功能的提升，城市規模逐漸擴大，城市人口多元複雜，導致了城市中社會風險的快速擴大，城市災害頻發。災害給予相關決策部門以經驗與教訓，構成城市防災抗災減災的「大數據」參考。大數據的到來，使得城市災害風險治理模式出現了重大變革。根據過去已經發生的災害風險分析把握現在、預測未來成為可能，也為破解傳統城市災害風險治理中出現的事後型、粗放式、一律化、行政化治理難題提供了難得的契機。

大數據風險治理過程包括風險辨識、風險預警、風險分析、風險評估和風險決策五個階段。大數據技術的日趨成熟，為基於多維度、多層次、多群體、多因素的巨型數據分析提供了可能。由於大數據技術的分析、預判功能，治理主體可以運用大數據、雲計算等現代技術平台, 充分收集目標信息, 通過對海量數據進行綜合分析, 挖掘和精確甄別潛在風險,識別城市風險管理中的重點人群與重點區域，從而提前預知將要發生的危機和風險, 及時制定預案予以化解。建立風險預警指標體系，設立風險預警紅線，能夠在數據分析與監測中實時預警作出反應，縮短城市災害風險治理中的時間差，降低風險發生概率。

2019年6月17日，四川長寧發生6.0級地震。由於地震發生在深夜，當地大部分居民已進入夢鄉，當地應急管理部門利用電視、手機、專用地震預警終端等提前向宜賓、樂山、成都等地發出了預警提示，很大程度地減少了人員傷亡情況，達成良好的災害風險預警效果。大數據與人工智慧技術的結合提升了風險預警的精確性與準確性。利用專業化技術手段，自動識別受災地區圖像，提升公共建築與設施、交通、人群密集度等要素的識別與監測能力，儘快做出應對與決策措施，進而最大限度地減少損失並挽救生命。2018年颱風「山竹」登陸4天之前，相關政府機構與部門就已經對其登陸時間與路徑做出準確的預測，並及時做出預防與應對措施，儘可能地避免人員傷亡與經濟損失。氣象部門通過採用大數據、雲計算、人工智慧等技術，建立了天氣預報專家系統、智能天氣信息採集系統以及應用在天氣預報中的人工神經網路等，依據採取圖像識別和機器學習的辦法，預報與預測天氣的精準概率比純人工操作提高了至少20%。

大數據技術的應用不僅僅體現在預警與預測災害風險方面，更在減災救災、災後重建、受災地區疾病預防等方面扮演重要角色，它使城市災害發展過程中個體觀點與行為、態度與情緒、隱形風險的監測與分析成為可能。2017年8月8日21時19分四川九寨溝縣發生7.0級地震，21時37分15秒中國地震台網新聞機器人就自動編寫並完成了有關地震災害的新聞報道，更加引起人們注意的是，這則新聞僅用25秒完成。相比於同時段的其他媒體，該則新聞內容更為豐富、詳盡，並配有地震參數圖、地形圖等科學可視化信息，一定程度上社會的災害風險感知與理解。在自然環境差、交通阻塞等不利情況下，利用無人機與衛通系統等技術手段，獲取受災地區、人群等圖像傳至應急指揮與決策部門，提高災後救濟、發現險情、搶救生命、現場指揮等工作效率。同時通過演算法推薦系統，設立專門救災平台，通過多元媒體渠道，及時公布有關災情信息，如尋人啟事、救災物資訴求、救援服務等，提升災情信息的公開性與透明性，助力災害風險溝通與救助救援。

在災害風險信息核實方面，技術的成熟發展促進了災情信息的「自動化事實核查」（automated fact-checking）與「精準闢謠」。2016年事實核查慈善機構Full Fact開始開發自動事實核查工具，利用演算法對海量內容進行有選擇地識別、核查與校正，實現事實核查的智能化與自動化。2017年，今日頭條推出「精準闢謠」功能，通過「機器演算法 用戶反饋」，高效識別虛假信息。據統計，機器通過收集分析各類用戶反饋識別虛假信息的準確率達到60%，結合人工複審可進一步提升到90%。當數目較多的用戶舉報同一篇內容為虛假信息或謠言時，或者在某篇內容的評論區中密集出現「假新聞」「謠言」等類似的關鍵詞時，機器便可自動識別，對謠言和虛假信息進行甄別之後，停止對該信息的推送，避免謠言傳播帶來衍生災害風險。在颱風「山竹」登陸深圳後，通過網路媒體平台的傳播，出現「山竹」時速堪比高鐵、颱風「山竹」中心呈水果山竹剝開後的樣子、「港珠澳大橋」扛不住17級颱風、美國太空總署拍攝到「世紀最強太平洋惡魔風暴山竹」謠言，引發公眾一定程度的心理恐慌。面對不實信息，相關部門及時識別、核查、闢謠並說明真相，安撫了社會不良情緒，減少災害風險進一步的延伸與惡化。

大數據技術實現了災害信息的自動化識別與核查，並在災情信息溝通共享與協同服務中發揮重要作用，進而有針對性地幫助災後精準救援工作。微軟公司設立「人道主義行動AI」（AI for Humanitarian）項目，利用機器學習訓練不同類型災害的AI模型，從而準確預測可能的災害風險時空信息與嚴重程度，並通過聊天機器人Hakeem幫助救助人員與不同語言的受災人群進行信息溝通與共享。谷歌也開始在谷歌搜索與地圖等即時服務APP中設置SOS警報，基於人工智慧系統對災害風險發生概率進行量化評估，以便在災害期間提供交通疏散路線、避難場所及相關救助服務信息。日本政府則利用手機位置信息的「大數據」，通過人工智慧技術整理出相關災情信息繪製相關「電子地圖」，面向手機用戶推出災情預警服務與通訊服務等，能夠在災害發生時，確認其所在地、家庭或團體成員是否安全，並為受災人群提供「SOS」報警功能。通過對災害前後社會情緒與情感的監測，建立相應的指標體系與評價模型，對災區人群的情感與利益訴求實時監測，達成災害風險系統的平衡狀態及健康程度，對災後社會心態進行評估與及時疏導。在分析城市公眾情緒的基礎上，促進多元主體參與其中，從而更好地進行災害風險的科學決策與治理創新。

在城市災害風險治理與決策方面，依託海量信息聚成系統平台，通過歷史災害的經驗總結，建立「城市災害事件資料庫」及「城市災害風險決策支持系統」。整合多種信息技術，聚合、兼容、打通各類數據，對多來源、多維度與多層次的信息進行數據清洗和融合，從城市全局視角建立災害綜合風險數據倉庫，構建大數據環境下城市災害風險動態監測體系、風險分析系統和預警體系，特別針對易受災區域的風險重點評估與預警，實現「災前-災中-災後」風險的全方位實時把握、全要素風險治理。

規模龐大、類型多樣、更新頻繁、價值巨大的大數據為城市風險治理提供了新可能。面對有關城市的海量數據，如何系統整合，綜合分析風險，將大數據技術與科學決策有效銜接，成為城市社會治理工作中的新機遇和新挑戰。同時，以數據為基石的城市風險治理需要發揮長效機制，《上海市生活垃圾管理條例》的實施便是在出台法律法規和培養市民環保意識的同時，創新垃圾分類回收管理體系，從日常生活中不斷完善與改進，真正實現城市的精細化管理。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！