应急管理中的“大数据秘笈”

付艳　刘晓洋

如何在大数据时代更加精确地收集和分析危机信息、预测和处置突发性事件，成为衡量政府管理能力的一项重要指标。

大数据时代深刻改变了人们的思维定式、商业模式和生活方式，并将革命性地影响公共管理的运行模式。如何在大数据时代更加精确地收集和分析危机信息、预测和处置突发性事件，成为衡量政府管理能力的一项重要指标。

自然灾害事件预测

日本是自然灾害多发国，其国土面积仅占世界陆地面积的0.25%，但地震等自然灾害却占世界灾害总量的20%，对灾害的预防和抗灾就显得尤为重要。在2011年东日本大地震中，由于受灾地区范围较广，日本政府无法及时准确的掌握灾害信息，因此错失了许多及时救援工作的开展。

为了减少自然灾害对城市造成的损害，很多国家也在尽力尝试完善和提高自然灾害的预测和预警能力，从源头上控制灾害带来的危害。日本政府就打算同一些企业合作，借助大数据技术预测自然灾害，通过电台、电视台和手机网络等及早将预警和疏散等信息发送给地方政府和居民，一旦发生地震或海啸，智能手机用户就可以凭借手机定位功能，接收疏散路线和交通状况等信息，从而降低自然灾害带来的伤害。日本政府计划在2016至2017年正式推出这项服务。

中国一直探索自然灾害其中的奥秘，现在也开始尝试在研究中引入大数据技术。《中国文化地理》的作者陈正祥，一个文化的地理学家，在香港中文大学任教的时候多次接到联合国联盟组织的邀请和要求，就中国的蝗虫灾害问题使用大数据的方法去探讨。他重新阅读3000种所拥有的地方治理，发现一个就标志个点，最后他点出了中国蝗灾分布图，与历史事实非常吻合，得到联合国的高度评价。

从以上的例子可以很明白地看到，大数据技术已经逐渐步入自然灾害治理的过程，并且在预测、防灾、抗灾等灾害治理过程中发挥着重要的作用。通过大量数据的分析，寻求灾害事件的相关性，得出事件发生的规律，以预测事件下一次的发生，大大增加了人们应对灾害事件的时间限度，降低灾害带来的伤害。

面对大自然，我们只能心怀敬畏，不可能阻止自然灾害的发生，重要的是要知道什么情况下灾害会发生，希望大数据在防灾减灾方面多做贡献。

事故灾难事件概率分析

2014年8月2日，江苏昆山市中荣金属制品有限公司发生特别重大爆炸事故，至少造成75人死亡，185人受伤。事故调查组确定，粉尘浓度超标，遇到火源发生爆炸，昆山爆炸是一起重大责任事故，当地政府领导责任和监管责任落实不力。

类似事故灾难突发事件时有发生。在事件发生前，如何做出预测，从而有效防止事故的发生？事件发生后，如何搞清事故的来龙去脉，从而清晰地界定责任？对于政府来说，这是很大的挑战，而大数据在这方面大有可为。

曼哈顿有大约51000个沙井盖和服务设施，因沙井盖内部失火，纽约每年有很多沙井盖会发生爆炸。重达300磅的沙井盖在轰然塌在地上之前可以冲出几层楼高。为纽约提供电力支持的爱迪生电力公司，每年都会对沙井盖进行常规检查和维修。但在过去，这完全看运气。

联合爱迪生电力公司向哥伦比亚大学的统计学家求助，希望他们通过对一些历史数据的研究，比如说通过研究以前出现过的问题、基础设施之间的联系，进而预测出可能会出现问题并且需要维修的沙井盖。如此一来，他们就只要把人力物力集中在这些沙井盖上。

哥伦比亚大学将杂乱的数据整理好给机器处理，发现了大型沙井盖爆炸的106中预警情况。在布朗克斯的电网测试中，他们对2008年中期之前的数据都进行了分析，利用这些数据预测了2009年会出现问题的沙井盖。预测效果非常好，在他们列出的前10%的高危沙井盖名单里，有44%的沙井盖都发生了严重的事故。

其实早在1931年，美国的安全工程师海因里希就提出了著名的“事故金字塔”理论，通过分析55万起工伤事件的发生概率，得出了事故前后发生的相关性，可以很好地用来预测事故的下一次发生，也证明了大数据技术在事故灾害中的应用可以减少或者消除不安全的状况，对现代很多事故灾害的治理有着启发性作用。

同樣，在美国也有大数据技术介入事故灾害的案例：美国矿难追责。2010年美国西弗吉尼亚州发生29人死亡的矿难，在确认究竟是煤矿安全健康局还是出事煤矿所属公司去承担主要责任时出现争议。事故煤矿所属公司在追责过程中被爆“岌岌可危”，随时都有“引爆”的可能。这个说法的依据来源就是海量的安全生产数据。正是因为逾千条监管记录的完整保存，为事故的追责提供了重要的证据，最终确认煤矿安全健康局无监管失职问题。由此可见，大数据的保存在事故灾害追责中的重要性。

通过建立计算机大数据模型，对生产过程中的多个参数进行分析比较，从而找到事故发生的规律、预测未来，有效地对事故的伤害降低至最小，甚至能有效防止事故的发生。但我们也应该认识到，大数据的来源必须要有保证，才能保证追责有充足的证据。

大数据在事故灾害处理中可以提供高技术的支持，充足的数据让事故的来龙去脉清晰地呈现在人们眼前，让人们更有把握去面对事故灾害。

公共卫生灾害趋势图

有数据显示，随着全球人口不断增长和城市化进程的日益加快，疾病随着人口的增长以及人们频繁的区域流动而传播着。特别是中国正处转型发展时期，大量人员的流动加剧了流行病发生、传播、蔓延的几率及传播速度。公共卫生灾害对城市的发展有着巨大的制约作用，对民众的身心健康造成了巨大的威胁，公共卫生灾害的治理迫在眉睫。

不仅是中国，世界很多国家包括美国，都承认基于互联网大数据的流行病监测就变得非常重要且非常紧迫。美国管理咨询公司麦肯锡全球研究院（MGI）就预测：如果美国的医疗行业能够有效利用不断增长的大数据来提高效率和质量，那么每年可创造超过3000亿美元额外价值，可以挽救无数本可不应该失去的生命。

人们一直在用大数据探索病毒流传的“秘密”，以求找到应对病毒来袭的“秘笈”。在《大数据时代》就记载了谷歌是如何运用大数据来预测病毒爆发的，谷歌的工程师们想到了从大数据的筛选来预测流感，这个筛选过程异常复杂，毕竟谷歌是全球最大的搜索引擎，每时每刻都有上百万用户在使用谷歌提供的搜索服务，其中搜索健康信息的人不在少数。

2008年谷歌就推出了“谷歌流感趋势”（GFT），这个工具根据汇总的谷歌搜索数据，近乎实时地对全球当前的流感疫情进行估测，但当时并没有引起太多人的关注。直到2009年H1N1爆发的前几周，谷歌公司的工程师们重新介绍了GFT，并成功预测了H1N1在全美范围的传播，甚至具体到特定的地区和州，而且判断非常及时，与官方数据的“滞后性”形成鲜明的对比，让大数据发挥了巨大的优势作用。

现今，大数据技术在公共卫生灾害方面的应用越来越广泛，日本京都大学的荒牧研究室也运营了一个名叫“流感君”的网站，它通过对感冒信息的检索来预测到流感发生的具体状况。此外，日本国立感染症研究所将会对来自全国约5000 个医疗诊所的流感患者的大量数据进行分析、研究、统计并发布预测结果。

利用大数据所特有的功能可以有效地预测流感等公共卫生灾害事件的发生，就如在流感最严重的时候，每天会有成千上万条相关信息流出，通过对这些大量相关数据的分析也能保证分析结果的精准度。

大数据技术的介入可以进一步改善公共卫生状况，帮助公共卫生部门对重大流行疾病等灾害作出及时响应，快速地检测出新的传染病和疫情。并通过提供准确和及时的公众健康回应，不断提高公众健康风险意识，降低传染病感染风险。

社会安全事件数据模型

据中国《社会蓝皮书》不完全统计，近年来，每年因各种社会矛盾而发生的群体性事件多达数万。群体性事件的爆发能够点燃民众郁积的不满情绪，并对社会的稳定和发展造成冲击，影响巨大。

伴随大数据时代的到来及飞速发展，信息的传播速度更快、更敏捷，因此，在信息时代的危机处理中有其特有的复杂性，必须引起政府的高度注意。如何有效地抑制信息失控与危机升级，对政府的危机管理提出了重要的挑战。

2009年，中国科学院建立以GIS系统为基础的群体性事件数據库，不仅能够选取、管理、整理大量的群体性事件数据，而且能够将种类繁多的数据资料加以整合，实现在纷繁复杂，看似孤立的群体性事件中，挖掘和寻找到其内部规律性，以达到群体性事件研究的目的。群体性事件数据库是建立在GIS平台之上，有效地针对群体性事件的时间属性、空间属性和专题属性加以整合、分析，符合当前国内外社会科学发展的最新趋势。

“911事件”之后，恐怖袭击的阴影弥漫全球。根据全球恐怖主义数据库的统计，2000-2012年，全世界发生的恐怖袭击事件共计达到25903起，平均每年发生2000起左右，每天发生5余起。因此，提高和掌握应对恐怖事件的科学方法势在必行。大数据技术的介入或许能给社会突发事件灾害的处理提供强有力的技术支持，促进灾害事件的快速高效解决。

在2013年4月15日的美国波士顿马拉松赛中，两场爆炸造成3人死亡，数十人受伤，在这之后不到24小时里，美国联邦调查局就搜集到了少量的手机基站日志，短信，社交媒体数据，照片和视频监控录像，试图通过数据分析快速找出嫌疑人。这种基于大数据挖掘的办案思路已经逐步在世界范围内传播开来。

随着电子眼、互联网等数据搜集渠道的丰富，一方面，让警方能及时掌握社会治安动态；另一方面，越来越多的数据将加入犯罪预测模型，帮助警方在如何影响犯罪率这一问题上得到更准确的结论，有助于更具针对性地锁定犯罪易发点，高效打击犯罪。

大数据技术在社会突发灾害事件治理过程中关键是建立起相关模型，但在实践中还需要加入数量行为模型，要考虑很多外界因素的影响作用。对恐怖事件的大数据分析也是要先建立起特定模型，再对数据进行分析研究，最后将对应的数据代入特定模型中，进而得出分析结果。比如，可以利用大量的数据来分析对方的背景、势力支持、组织依靠等情况，然后以点带面，得到其他势力的相关信息，对打击恐怖犯罪有巨大的帮助作用。

（作者单位：广州大学公共管理学院）