大數據災害預測與警情流轉機制*

勇素華 楊傳民 陳芳

（1.南京信息工程大學馬克思主義學院 江蘇 南京 210044）

（2.南京信息工程大學公共管理學院 江蘇 南京 210044）

（3.南京信息工程大學中意網絡侵權研究所 江蘇 南京 210044）

大數據災害預測與警情流轉機制*

勇素華楊傳民陳芳

（1.南京信息工程大學馬克思主義學院 江蘇 南京 210044）

（2.南京信息工程大學公共管理學院 江蘇 南京 210044）

（3.南京信息工程大學中意網絡侵權研究所 江蘇 南京 210044）

經濟4.0時代的大數據災害預測與警情流轉機制具有提高預警正效率、發掘預警客觀規律、增加預警精細度等特殊優勢。實際運作過程中暴露出原始數據量值偏低、災害預測誤差明顯和警情發布錯漏百出等嚴重影響有序預警的諸多風險。亟待通過建立預警閾值標準體系與交互共享系統、構筑相關法律保障體系以及創設預警人力資源平臺等舉措形成科學高效的大數據災害預警框架。

大數據；災害預測；警情流轉；機制

1 引言

隨著全球人口無序增長、高耗能產業壟斷市場與消費結構不斷調整，人類反復違背和諧共存規則。對自然的擾動經過蝴蝶效應而放大反饋，驅動災害風險因子演化因素多變耦合，持續動態易引起多發性災害事件，成災因素日趨復雜，及時且準確地預測突發性災害事件成為新世紀以來預警機制建設的核心目標。然而，社會系統的復雜性不斷提升致使“受災人群的心理與行為，應對災害的資源需求與資源結構，事件承載體的承受狀況以及周邊環境的抗風險能力都會發生變化”，也大幅增加了災情精準預測與迅速警示的難度。

大數據時代信息與通信技術不斷提升和革新應用導致涉災資訊規模急劇膨脹并迅速提升災情流轉活性。立足多類型孕災信息存儲與高效風險資訊提取的巨量災害數據評估、預測與警示模型，逐步構筑精準分析災害因子并進行可信警情傳播的最優化平臺。以通過無時序、跨地區或跨行業開源共享災害物理監測設備與海量關聯信息資源池等，逐步提高多渠道廣域災害監測效率，形成完備的災情甄別與災后估測方案。

行之有效的預警系統是降低自然災害風險，挽救眾多生命和財產利益的重要助力，評判預警成效的黃金指標是身處危險區域的居民能否及時獲知準確的災情狀況與合理的應急建議。迅速堆伐的高附加值數據處理元次引擎為準確預判和有效流轉警情奠定堅實基礎，亟待基于殊別微觀環境與差異群體需求構建高量級、高速率與高實效的功能完善且形式多樣的大數據災害預測與警情流轉機制，實現信息共享、技術共享、資源共享。通過宏觀定性災害分布規律、合理圈化災害多發區域并等級量化災害防減措施等，“推動共同發展、促進共同繁榮”。

2 大數據災害預警的特殊優勢

傳統的災害預測與警情流轉機制受到分散監測與多頭管理、技術壟斷與遲延報送、人力物力資源投入不足以及受災居民缺乏有關災害成因、表征及響應錯漏的基本認知等不良因素的持續侵蝕，陸續暴露出孕災因子監控不全、預測數據獲取片面化以及警情信息流轉欠完善等嚴重問題。數據海嘯背景下“已從簡單的健康統計拓展到商業決策直至政治競爭”的大數據技術，逐步成為“加強虛擬與現實聯系、推進廣域合作、提高真相挖掘效率與預測精準度”，“依靠科技創新，共同應對未來”的利器。基于巨量涉災數據采集與處理的洪情地圖、磁場監測與野火跟蹤等不僅降低災害預測成本，亦切實提高災害風險因子識別精度，增加多元預警標識獲取、管理、共享與交互的科學性、及時性與統一性，重構穩定高效的災害應急管理系統，推進人與自然和諧共進。

2.1 提高災害預警正效率

長久以來，不僅集中掌握分布式異構化涉災因子數據的各級政府部門將之視為不可公開的“陽光下的‘陰影’”，持有零散的非結構化涉災因子信息的分散組織和個人亦將之看作不宜廣域傳播的有限資源。處于多方利益博弈焦點的災害預測與警情流轉時空跨度大、監測任務重且協同難度高等導致難以有效分配涉災資源。

大數據戰略供應鏈深刻影響了社會生活的方方面面，海量數據挖掘技術在災害致因采集、管理與加工中的廣泛運用有利于整合各類軟硬件資源、避免重復投資并及時獲取信息源，助力各級災害管理部門及其工作人員、相關組織機構和社會個體等形成彼此制約且無縫鏈接的權限控制、物資調度與信息監測方案。遍布全球的不同級別和類型的緊急災害數據庫（EM-DAT）、再保險公司及私人災害信息中心等共享海量涉災資訊與數據處理模型，“提前以最有效、最快速、最便捷的方式”向各級各地災害管理部門、處于危險區域的單位和個人傳遞災害頻率、變化趨勢、成因及影響等。例如，泛網大數據災害警示平臺的巨量數據網格化單元管理的“一鍵發布系統”在“3.11東日本大地震”中快速的全覆蓋警情傳播爭取到的“12秒”避免了新干線脫軌災難，切實提高了防減自然災害的正效率。

2.2 發掘災害預警客觀規律

極端災害事件的多變性與不同區域緩進式生態惡化的差異性導致預警人員面對的均是不同以往的新情況，如亞太地區與北美區域的洪災、地震和火山噴發的狀況完全不同。災害預測與警情流轉過程受制于處理者的知識儲備、既發預警事件的個別化處理傳統以及不同地區的殊別自然環境、經濟政治與社會文化等致使偏差預測與錯漏警示頻繁發生。充分發揮大數據分析自海量多變的非結構化孕災數據中分離識別一般規律的強大能力是集中創造受災群體有效開展抗災減災活動的重要條件。

2.3 增加災害預警精細度

不同歷史時期、殊別地理區域與社會政治經濟環境下多樣化災害事件的具體表征持續變動。實踐中預測人員難以客觀準確地判定風險要素預警信號的標識閾值，往往依賴經驗與直覺進行決策，造成巨大的生命財產損失。超出傳統的獲取、存儲、管理與分析數據集成的大數據運作的預測準確性遠勝于傳統數據分析，能夠從包含編碼各異且分類龐雜的災害物理信息、地理空間信息、災情信息與救災業務信息等寬域資源池中提取關涉災害風險的堆集數據。海量涉災數據中凝煉的具有連續性、實時性與動態性等特征的分級評估預警閾值是針對特定災害現象發展趨勢的精確預測，大幅降低了警示信號標識的誤差率，實現預警決策從假設推動到數據推動的長足飛躍，有助于公眾廣泛參與災害預測與警情流轉。如，四川成都高新減災研究所鏈接全國地震資源的大數據震警系統不僅在“雅安地震”中發揮了重要的預測作用（為雅安主城區爭取了5秒，為成都主城區爭取了28秒，避免了巨額生命財產損失）；“云南滄源地震”中更在提前93秒向昆明預警之余，第一時間基于海量傳感器提取與受災居民通過鏈接預警數據庫的終端設備（如手機、平板電腦、手提電腦等）上傳的地表晃動、房屋損壞和人員傷亡等情況繪制成“烈度速報”和“人工災情采集”應急數據圖，為災害管理相關部門的決策工作、社會各界人士的救援活動與受災居民的自救行為提供了重要參考。

3 大數據災害預警的風險評估

“強化預報預測準確率和精細化水平……確保把潛在的自然災害損失降到最低。要切實加強災害預警信息發布應用。”需持續深入分析復雜孕災環境并立足海量致災因子的綜合評估優化預測與警示方案的大數據災害預警機制在信息報送、處理與傳達過程中面臨的技術限制、利益失衡與秩序紊亂等導致的嚴重影響整個系統精確部署與平臺健康發展的諸多風險因素。

3.1 原始信息量值偏低

近年來，數據資源“已經變成生產原材料，是巨大的經濟與社會價值的新來源”。基于巨量級假設驗證海量致災數據之間相關關系構建大數據災害預測與警情流轉機制必須嵌入足量原始數據。目前，中國氣象局、中國地震局、公安部、民政部、衛生部等災害管理關聯部門各自累積災害數據的條塊分割式信息處理模型導致結構不一的原始數據資源池之間難以建立長效信息互通關系。

原始信息資源交互共享是數據挖掘效益最大化的基礎。雖然整合云計算、人工智能及其他諸多高新技術的大數據采挖模式能夠從非結構化的涉災零散數據中提取警示標識，卻存在處理成本過高、耗時過多且結果缺乏科學性等問題，惟有切實提高大數據輪動的透明度，保證各級各地災害管理部門與直接承受災害損失的組織和個人盡早獲知準確的警情信息，才能提早部署救災物資安排、轉移安置人口并開展其他應急工作。目前多頭管理且未向社會公開的復雜原始數據存取系統導致分離報送的信息總量偏低且類別單一，難以滿足大數據災害預測與警情流轉機制良性循環的基本需要。

3.2 災害預測誤差明顯

具備災害管理職能的公權機關與積極參與災害預警的民間組織和個人等普遍受制于技術能力與成本考量，常常將災害預測與警情流轉平臺的構建與維護外包給騰訊、谷歌或互聯通訊等高新企業。追求利潤最大化的數據挖掘方不僅不會主動通報數據存儲設備的物理位置、安保狀況及運作詳情，還妄圖借助諸多強大的復雜分析工具僅提取有利自身發展需求的特殊信息要素，或者運用廣域探查聚合技術達到賺取公權機關、其他組織或受災群體巨額利潤之目的（或者肆意悄然簡化數據挖掘程序以節約費用）。事實上，大量致災因子數據、承災體數據、災情數據和救災工作數據等分散掌握在不同主體手中導致捕獲的原始數據資源過度片面化，嚴重影響災害預測的客觀性與真實性。

3.3 警情發布錯漏百出

目前，多地陸續出現多個智能化災情流轉系統。平臺之間的交叉聚探大幅拓展了預測結果與警示數據的綠色傳達渠道，加快了災害管理部門、其他相關單位及受災群體預警信息傳達速度并提高覆蓋面。然而，初步崛起的大數據技術自身不成熟、中國互聯網絡及各類傳感器并未全境覆蓋以及風險對象多樣化和預警信息動態化等導致大數據災害警情信息發布中錯漏百出。有必要進一步加強涉災物理設備建設并拓展警情范疇，不僅關注災害風險預測與基本警情流轉，亦需要傳輸救災儲備、轉移安置與其他個性化應急防御信息。

4 大數據災害預警的框架設計

立足海量涉災原始資料集成處理的大數據災害預測與警情流轉機制是科學技術在災害防減領域的創新發展與有效應用，是有計劃地組織協調與指揮控制災害應急管理底層架構的重要舉措。海量數據采集、存取與處理過程中通過長期監測巨量數據資源的常態緩變與異常突發，能及時、靈敏且準確地昭示風險前兆，改變災害防御思維模式與工作范式，最大限度地減少損失并推動有限資源高效利用，避免災情信息采集與流轉不暢導致的二次損毀與重復浪費。而構筑超前反饋的“以人為本”的災害預測與警情流轉框架，必須從建立海量預警閾值標準體系、完善預警信息交互共享系統、構筑災害預警法律保障機制以及創設預警人力資源平臺等方面入手。

4.1 建立災害預警閾值標準體系

全球互通的網絡傳輸系統、遍布各地的專業監測設備與廉價傳感器（尤其是依托多樣化的移動和可穿戴設備，將所有受災個體轉化為社會傳感器）使得“海量的、基于位置的移動軌跡數據和社交網絡數據……為人流移動的分析、建模以及災害應急管理提供了新的方法。”例如，中國、日本、美國等大量國家和地區的眾多居民在地震、海嘯、龍卷風等極端災害事件發生后借助網絡平臺發表的自身感受、建筑物震害程度以及地表和生命線破壞狀況等巨量涉災數據是快速驗證與修正災害應急指揮舉措的重要參考。但由于災害預測系統是典型的非線性系統，普通大數據評測模型內嵌的簡單統計分析方法難以精準判斷災情趨勢，巨量混雜涉災數據的深度挖掘與增值應用亟待通過科學合理的預警閾值標準體系避免誤警與漏警等。

基于海量涉災數據源、多類型機器學習與大規模計算的大數據災害預警閾值平臺成本低廉且分析能力超群，有條件細化出數十層次（如0-50風險等級序列）的危險區域數值指標并拓展復合確定因素與多元隨機概率因素的定性預警范疇。通過充分發揮大數據挖掘特殊的量級、速率與成本優勢，以及建立微差的具體指標臨界值域體系以減少災害預測錯漏風險，增加定位流轉效益，提高廣大居民對災害預警的信任度，推動災害警情流轉機制良性運作，降低整個社會災害防減的物資與人員損耗。

4.2 完善災害預警的交互共享系統

國內外災害信息的全方位有效共享是“降低減災成本……推進生產力與競爭力有序增長”的重要助力。龐雜的巨量原始數據為災害精準評測提供了足量信息資源池，先進的挖掘算法自通聯的區域級、國家級和地方級災害數據庫中提存數據尺度、類型、時間跨度及其他涉災資訊并發掘潛藏規律與災情趨勢等，大幅提升綜合預判災害應急管理成效的能力。

災害數據是重要的災害信息資源”，全球范圍的海量災害預警數據交互共享系統既有利于涉災管理部門、其他組織機構和個人更好地制定與實施備災救災計劃，亦有助于增強社會公眾的警情認知與反應能力并降低災害防御與救助的成本和難度。亟待建立全球協調一致的基于大數據技術的災害預警交互共享系統。由各國商建的國際性專門機構負責制定及實施數據子庫建設規范與標準；借助互聯網分布式互操作技術突破各獨立數據庫（如國內災害數據庫、各主要國家的自然災害數據庫與聯合國人道主義協調事務網等）的信息壁壘，整合形成無縫鏈接警情資訊的星云網絡，擴大信息存儲與流動的渠道，建立起全球市場集塊化的價值鏈條；完善大數據預警信息高速處理邏輯與數據分離并單獨提取邏輯規則引擎以保障宏觀指導、分類管理并切實鼓勵災害御減公開化。

4.3 構筑災害預警的法律保障體系

傳遞及時、覆蓋面廣且復播率高的災害預警模式是有效開展災害防救工作的核心環節。大數據災害預測與警情流轉機制雖然在一定程度上擴展了自然災害評估與風險信息傳遞的范圍與速度，但各參與主體話語權不平等與殊別利益需求（如部分地區的氣象部門和運營商分成天氣預報收入導致災害氣象預警短信僅發送給訂制了付費天氣預報的手機用戶）、密鑰規范不健全（如原始涉災數據的存取缺少雙向密匙保障，難以控制數據權人、持有者與挖掘者等偽造篡改或肆意處理）與責任承擔不完善（如某些區域災害預警錯漏事件均無條件認定為當事人不承擔責任的意外損失）等會嚴重影響災情預測與警情傳輸的及時性、高效性與正影響力。

法律保障是大數據災害預測與警情流轉機制建設的必然組成部分。亟待制定與完善明確各級各類災害管理部門、諸多大數據關聯企業、其他組織機構及社會公眾災害預測與警情傳達中具體權責分配與溯源問責方案的法律規范體系，避免侵害數據產權、知情權、隱私權、公平受益權與競爭權等的人為偽預測與虛假警情傳播，保障科學性、持續性與準確性的預警標識識別與采集、警示產品制作與處理以及警情數據的發布與流轉等。

4.4 創設災害預警人力資源平臺

大數據挖掘技術是尋找涉災數據資源前瞻性應用途徑的重要工具。通過關聯算法有效識別和利用固態物理設備、諸多移動終端及廣布各行各業的海量傳感器中提取的原始數據，需要專業能力與綜合素質兼優的復合型從業隊伍保駕護航。

一方面，基于大數據災害預警參與組織與個人的能力評估與結果驗證，制定具有針對性的操作培訓方案并有效協調監測團隊，有利于避免具體災害事件預警過程中人員不到位或能力不足的惡劣狀況。另一方面，通過建立嵌入大數據災害管控平臺的人力資源管理信息系統，全方位優化人員數據搜集、處理、存儲與發布流程，形成人才決策、協調、控制與分析的差異化開放式管控機制，確保涉災因素獲取、審查、處理與傳輸全程的最優化。

5 結語

科技是第一警災力。構建依托新生智能技術集成分布的高績效大數據災害預測與警情流轉機制有利于促進災害防減數據交互融合，提高災害預警透明度與安全性，推動實現社會利益與受災個體利益有機平衡并切實提高災害應急管理成效，促進生存環境的全面、協調與可持續發展。

［1］陳安，陳寧，倪慧薈等.現代應急管理理論與方法［M］.北京：科學出版社，2009:232.

［2］Jaroslav Mysiak.Targeting the Global Efforts to Reduce Disaster Risk［J］.Review of Environment，Energy and E-conomics.2015（3）.

［3］Levs Fainglozs.Problems of Data Collection，Processing and Use of Informal Venture Capital［J］.Social and Behavioral Sciences，2014（150）.

［4］習近平.讓工程科技造福人類、創造未來——在2014年國際工程科技大會上的主旨演講［EB/OL］.［2015-04-03］.http://news.xinhuanet.com/2014-06/03/c_111096 6948.htm.

［5］Thomas Edsall.Let the Nanotargeting Begin［EB/OL］.［2015-04-03］.http://campaignstops.blogs.nytimes.com/2012/04/15/let-the-nanotargeting-begin/.

［6］蔣潔.大數據聯動的負面效應及對策研究［J］.情報資料工作，2014（4）：11-15.

［7］張福芳.利用科技創新推進洪水災害預測預報發展［N］.湖南日報，2015-03-28.

［8］鄭煥斌.自然災害預測：科學做到了什么程度？［N］.科技日報，2013-01-20.

［9］章劍生.陽光下的“陰影”——《政府信息公開條例》中“不公開事項”之法理分析［J］.政法論叢，2009（6）:12-20.

［10］Ann Washington.Can Big Data Be Described as a Data Supply Chain？［R］.The Working Report of George Mason University，2014.

［11］鄒銘，范一大，楊思全，等.自然災害風險管理與預警體系［M］.北京：科學出版社，2010:72.

［12］司瑞潔，溫家洪，尹占斌，等.EM-DAT災難數據庫概述及其應用研究［J］.科技導報，2007（6）：62-69.

［13］雅安7.0級地震大數據上陣助建預警機制［EB/OL］.［2015-04-03］.http://www.afzhan.com/news/detail/2624 7.html.

［14］Yuvraj Dilip Patil.Disaster Affected Environmental Refugees and Human Rights［EB/OL］.［2015-04-03］. http://papers.ssrn.com/sol3/papers.cfm？abstract_id=2002 497.

［15］Joost Buurman，Ruben Dahm，Albert Goedbloed.MonitoringandEarlyWarningSystemsforDroughts: Lessons from Floods［R］.The Working Report of National University of Singapore，2014.

［16］Tor Lillegraven.Untangling the Ambidexterity Dilemma Through Big Data Analytics［J］.Journal of Organization Design，2014（3）.

［17］James Manyika，Michael Chui，Brad Brown.Big Data: The Next Frontier for Innovation，Competition，and Productivity［EB/OL］.［2015-04-03］.http://www.mckinsey.com/insights/business_technology/big_dta_the_next_ frontier_for_innovation.

［18］Rick Swedloff.Risk Classification’s Big Data Evolution［J］.Connecticut Insurance Law Journal，2014（21）.

［19］柴會群，田香凝.成都減災所雅安預警之辨［N］.南京周末，2013-04-25.

［20］成都高新減災研究所快速繪制云南滄源地震“兩張圖”［EB/OL］.［2015-04-03］.http://www.sc.xinhuanet. com/content/2015-03/03/c_1114501627.htm.

［21］魏恒.加強氣象災害預警信息發布形成防汛抗災合力［N］.廣西日報，2014-05-20.

［22］Omer Tene，Jules Polonetsky.Privacy in the Age of Big Data:A Time for Big Decisions［EB/OL］.［2015-03-03］. http：//www.stanfordlawreview.org/online/privacy-parado x/big-data.

［23］Wolter Lemstra.Wi-Fi the Next Decade［EB/OL］.［2015 -04-03］.http://papers.ssrn.com/sol3/papers.cfm？abstract _id=2585420.

［24］Aleksandar Hudic.Data Confidentiality using Fragmentation in Cloud Computing［J］.International Journal for CommunicationNetworksandDistributedSystems，2012（1）.

［25］Yutaka Matsuo.Tweet analysis for real-time event detection and earthquake reporting system development［J］.IEEE Trains.Knowl.Data，2013（25）.

［26］董翔，肖蘭喜，杜憲宋，等.基于網絡的山東地震災情收集分析處理系統［J］.華北地震科學，2007（3）：8-12，35.

［27］張靜.氣象大數據時代真的到了嗎？［N］.中國氣象報，2014-05-06.

［28］Erik Brynjolfsson.Strength in Numbers:How Does Data-Driven Decision-making Affect Firm Performance？［EB/OL］.［2015-04-03］.http://ssrn.com/abstract=18194 86.

［29］黃國平，武旭紅，張宏.面向災害大數據預警信息高速處理的規則引擎［J］.計算機技術與發展，2014（4）：245-248.

［30］吳潔.氣象局：氣象災害預警信息不會收費［N］.南方周末，2012-08-01.

Study on Hazard Prediction and Warning Signal Spreading with Large Dataset

Hazard prediction and warning signal spreading with large dataset in Economy 4.0 have advantages in improving efficiency，mining regularities and increasing accuracy of hazard prediction.There are many risks that include the lower total information，the error hazard prediction，and the howler warning signal dissemination.It is urgent to form a scientific and efficient framework of hazard prediction and warning signal spreading with large dataset by establishing the mass threshold standard system，improving the sharing system of hazard prediction information，conducting the legal protective mechanism of hazard prediction and creating the human resource platform，etc.

big data；hazard prediction；warning signal spreading；mechanism

D035-39

A

10.11968/tsygb.1003-6938.2015041

勇素華（1977-），南京信息工程大學馬克思主義學院副教授，南京信息工程大學中意網絡侵權研究所研究員；楊傳民（1987-），南京信息工程大學馬克思主義學院研究生；陳芳（1973-），南京信息工程大學公共管理學院副教授，南京信息工程大學中意網絡侵權研究所研究員。

*本文系2009年度教育部人文社會科學研究青年項目“1949年以來臺灣地區自然災害危機管理與對策研究”（項目編號：09YJCGAT002）、中國氣象局氣象軟科學項目“大數據時代氣象信息傳播的規制研究”（項目編號：2014MC03）與江蘇省法學會項目“大數據挖掘的侵權風險及對策研究”（項目編號：SFH2014D19）研究成果之一。

2015-04-11；責任編輯：魏志鵬