大數據視域下的城市公共危機案例庫建設研究

劉翔

〔摘要〕面對城市危機事件的頻繁發生，結構化研究資料匱乏等問題的日益突出。大數據技術的發展為城市公共危機案例庫系統的研究提供了新的機遇。基于大數據技術的案例庫系統研究顯得十分重要。分析大數據的內涵、思維模式及基于大數據技術的實體研究，構建大數據視域下的城市公共危機案例庫系統，包括功能設計、系統架構、系統實現等。將大數據的關聯思維、總體思維、容錯思維、智能思維等引入到案例庫的構建中，從技術實現和功能需求上為城市危機管理的減緩工作提供了一些新的思路，嘗試解決傳統案例處理模式無法實現的功能。

〔關鍵詞〕大數據；城市公共危機；案例庫

DOI：10.3969/j.issn.1008-0821.2016.08.011

〔中圖分類號〕G203〔文獻標識碼〕A〔文章編號〕1008-0821（2016）08-0061-05

〔Abstract〕In the face of the city public crisis which occurs frequently，the problems of the shortage of structured research data are increasingly prominent.The development of big data provided new opportunities for the study of city crisis case base.This paper expounded the connotation and thought patterns of the big data and the factual research based on the big data technology，and the paper constructed the functional design，systems architecture and system implementation of city crisis case base based on the big data.The innovation of the paper was that relevant thinking，overall thinking，fault-tolerant thinking and intelligence thinking of big data was introduced into the construction of the case base，filling in the coordination work of the functions of the case base.

〔Key words〕big data；city public crisis；case base

城市公共危機管理問題的研究已經進展多年，有關專家和學者在理論與實踐層面都進行了深入的研究。學者Birch和Guth把危機管理劃分為事前、事中、事后等3個階段，并且分別論述了3個階段危機管理的應對策略[1]。Robert Heath提出了危機管理的4R模型，并將公共危機事件應對過程分為減弱、就緒、響應、恢復等4個階段，提出了不同階段的風險管理理論[2]。王傳清、畢強提出了政府危機信息管理聯動系統模型等[3]。

然而，人、機、物三元世界的高度融合引發了公共危機案例數據規模的爆炸式增長和數據模式的高度復雜化，世界已進入大數據時代[4-5]。僅僅依靠傳統案例處理模式、聯動處理模式等是無法完全支撐公共危機管理的問題的。由于大數據隱含著巨大的社會、經濟、科研價值，已引起了各行各業的高度重視[6-7]。城市公共危機事件中多形態、多信源、高沖突的危機數據可能與大數據的特征相吻合，在構建數據庫、系統模型等方面嘗試融入大數據的研究和應用，可能會為城市公共危機案例庫的建設和應用帶來更大的發展空間，為更好地解決城市公共危機的管理問題提供相關理論借鑒和經驗嘗試。

1文獻綜述

通過文獻研究發現，城市公共危機案例管理系統、平臺建設方面的研究尚比較弱，相關文獻也僅限于相關模型的構建、數據挖掘模式的構建、關鍵技術的支撐等。實體研究方面例如蘭州大學共危機信息管理研究團隊組織研發的《中國公共危機事件案例知識庫》[8]，該系統收集了2007年以來我國發生的四級以上關于自然災害、事故災難、公共衛生、社會安全以及網絡輿情的突發公共事件案例等。北京天演融智軟件公司研發的《中國危機事件與管理案例庫》[9]，該系統為各類型組織提供一個學習型的集成化危機預警與輔助決策支持平臺。但是系統模式、功能模塊的構建還需引入大數據思維。

大數據比較有代表性的定義是3V定義[10]，即大數據的特點可以總結為3個V：規模性（Volume）、多樣性（Variety）和高速性（Velocity）。面向大數據的思維是多維的，研究者所關注的點不同，思維方式也不同，大數據思維主要有定量思維、總體思維、容錯思維、相關思維、智能思維、實驗思維等[11]。

大數據在城市應用領域有著迅速的發展，目前基于大數據技術的城市研究機構有：北京大學智慧城市研究與規劃中心，該中心致力于智慧城市理論研究與技術攻關、時空間行為大數據研究及智慧城市規劃管理應用[12]；龍瀛博士創建了北京城市實驗室BCL，BCL是致力于采用多學科結合的定量方法進行城市研究的非官方學術研究網絡[13]；上海同濟城市規劃設計研究院成立了可持續智慧城市實驗室SU-SMART CITY LAB，SSCL是一個以集成數據與原創研究為依托的城市研究與規劃設計機構[14]；北京清華同衡城市規劃設計研究院成立了北京西城—清華同衡城市數據實驗室UDL等[15]。網站也開始重視大數據和城市應用研究領域，例如城市數據派UDParty[16]；城市規劃云平臺CITYIF等[17]。

目前在城市公共危機管理的研究中，大數據思維模式下的城市公共危機案例庫建設尚比較弱，在建設中引入大數據思維，構建城市公共危機案例庫，嘗試突破傳統思維造成的信息壁壘，利用大數據所集成的數據挖掘、機器學習等前沿技術，利用大數據定量分析、智能判斷等優勢，實現對城市公共危機案例管理的智能化、大數據化等具有深刻的意義。

2城市公共危機案例庫功能設計

基于相關理論與實踐研究，依據相關案例庫的用戶需求，結合大數據技術，構建大數據視域下的城市公共危機案例庫系統。城市公共危機案例庫系統的總體框架由危機案例數據獲取模塊、危機案例大數據處理模塊、危機案例檢索與決策支持模塊3個功能模塊和案例庫、工具庫、規則庫等相關數據庫構成。功能模塊和功能數據庫協同工作，實現危機案例庫系統的設計功能。系統的總體結構框架如圖1所示。

21危機案例數據獲取模塊

城市危機案例信息采集是整個城市公共危機案例庫建設的基礎，也是案例分析及大數據處理的前提和條件。傳統數據分析我們主要使用樣本分析法，這是在有限的技術條件下無法獲取全部數據的無奈選擇。舍恩伯格認為：“在大數據時代進行抽樣分析就像在汽車時代騎馬一樣。”[18]為了實現大數據的總體數據思想，模塊中設置城市數據信息采集、危機案例數據采集、城市危機案例采集引擎等功能項，這一功能主要由人機交互共同實現。

城市是一個多因素、多層次、多功能的大系統，案例庫中城市數據信息的采集不是簡單的信息任務上傳，采集的數據也不都是結構化的數據，很多數據信息是動態的、隱性的，分析城市危機案例，首先要把城市的全部基本數據信息進行采集存儲，這是研究城市公共危機案例的基礎。城市數據信息采集功能項需要在大數據的總體思維下把城市的基本數據信息進行全方位采集并存儲，這部分主要由人工采集存儲。

在現實社會中，危機一般是指對一個社會系統的基本價值和行為準則架構產生嚴重威脅，并在時間壓力和不確定性極高的情況下必須作出關鍵決策的事件[19]。城市危機不但具有突發性、不可預測性、高度不確定性等危機的一般特性，而且還具有突發性與緊急性并存、公共性與災難性并存、共振性與復雜性并存、不確定性與時間的有限性并存等特點[20]。危機案例數據采集功能項需要在大數據的總體思維下把城市公共危機事件數據進行全方位采集并存儲，重點解決半結構化和非結構化信息數據的采集，這部分主要由人工采集和計算機智能采集存儲。

由于大數據的量大，案例庫設置城市危機案例采集引擎。該采集引擎注重信息源及其內容的全面性，數據來源包括各大網站、論壇、博客、微博等；采集的內容包括文字、圖片、音頻、視頻等。采集引擎借鑒互聯網搜索引擎技術，代替人工智能采集城市公共危機事件，重點采集半結構化和非結構化事件數據、隱性危機信息數據、價值密度低數據等，強調采集數據的完整性。

危機案例數據獲取模塊經3個功能項獲取大量數據后，經過數據集成形成最初的危機案例數據庫，該數據庫是大量數據的聚集地，沒有經過系統處理和加工，交由危機案圖1城市公共危機案例庫系統結構圖

例大數據處理模塊進行處理。

22危機案例大數據處理模塊

由于大數據時代數據處理發生了重大轉變，處理數據的流程也相應發生了變化。大數據普遍適用的處理流程分為采集、導入和預處理、統計和分析、數據挖掘四部分。危機案例庫可以借鑒大數據處理數據的流程和大數據思維設置大數據處理模塊。

經過危機案例數據獲取模塊集成的數據導入到分布式案例存儲集群，經過專業化信息工具處理進行簡單的數據清洗和處理，分布式數據庫及計算集群對存儲于存儲集群的大數據進行數據分析和分類匯總等，形成具備一定功能形態的城市危機案例庫。例如把非城市公共危機范疇的數據進行篩除，對自然災害危機、意外事故危機、公共衛生危機、社會安全危機等案例進行分析和分類匯總等。

由于危機案例庫更多的要體現大數據思維，更重要的在功能上還要體現智能化，所以要進一步應用大數據視域下的核心思想，引入大數據的關聯思維、容錯思維及智能思維對城市危機案例庫進行深層次地數據挖掘。與簡單的數據清洗和分析分類不同，數據挖掘在過程上具有發散性，主要是對數據進行各種算法的計算，為了更好地滿足高級別數據分析的需求。

221關聯數據挖掘

在小數據時代，人們常常關注城市公共危機案例的因果關系，試圖通過有限樣本案例來分析總結其中的內在機理，但是這些有限的危機案例樣本數據不能很好地、全面地反映出案例之間的相關關系。在大數據時代，可以通過大數據技術挖掘危機案例之間的隱性關系，獲得更多隱性數據的顯性化，利用顯性化的數據信息可以幫助決策者進行數據獲取和數據預測，從而進行更加準確的決策推理。在大數據處理模塊引入關聯挖掘技術，可以幫助案例庫用戶檢索案例、檢索決策、進行決策推理、向用戶推送信息等。

222容錯數據挖掘

由于小數據時代人們獲取的危機案例樣本量比較少，所以比較注重危機案例數據的結構化和精確化。舍恩伯格指出：“只有5%的數據是結構化且能適用于傳統數據庫的。如果不接受混亂，剩下95%的非結構化數據都無法利用，只有接受不精確性，我們才能打開一扇從未涉足的世界的窗戶”[16]在大數據背景下，引入容錯思維，適當忽略一定層面上的精確性，接受一定程度的錯誤和混雜，可能在數據的宏觀層面獲得更多隱性數據的顯性化，幫助決策者進行數據獲取和數據預測等。在大數據處理模塊引入容錯挖掘技術，可以幫助案例庫用戶進行決策推理、向用戶推送信息等。

223智能數據挖掘

大數據時代要求數據庫處理數據從線性等簡單的思維向智能思維轉化，這是大數據處理的顯著特征和核心內容。在大數據背景下，引入智能思維，可以對城市公共危機案例數據進行邏輯分析、智能判斷、科學預測等。大數據處理模塊引入智能挖掘技術，可以更好地支撐危機案例庫的數據處理功能，為各項功能的協調運行提供智能化支撐。

在關聯挖掘、容錯挖掘、智能挖掘等相關大數據處理技術的支撐下，對城市危機案例庫進行大數據處理形成城市危機智能案例庫。該庫可以有效支撐案例庫用戶的案例檢索、決策檢索、決策推理等功能。

23危機案例檢索與決策支持模塊

危機案例檢索與決策支持模塊主要實現用戶的檢索需求與決策推理需求。由城市危機智能案例庫中的案例數據庫、決策數據庫、決策推理模塊等構成。數據庫和功能模塊協同工作，實現用戶檢索與決策推理的設計功能。由智能決策推理形成的新決策方案充實到決策數據庫中。用戶的檢索效果與決策推理效果反饋到案例庫的數據獲取模塊與大數據處理模塊。

3城市公共危機案例庫系統實現

基于城市公共危機案例庫的功能設計，結合大數據技術，給出城市公共危機案例庫的系統實現。

31案例庫的系統架構

在構建城市公共危機案例庫系統功能等研究的基礎上，提出案例庫的系統架構，其核心部分如圖2所示。圖2城市危機案例庫的系統架構圖

案例庫系統通過各種不同的連接器，實現對各類數據庫、系統、第三方應用的數據進行數據采集；案例庫系統對采集的案例數據進行清洗、抽取、處理等操作，生成案例數據索引；案例庫系統是通過分布式系統建立數據倉庫，并利用大數據技術提供數據挖掘功能；數據服務層為其上的數據應用層提供各類數據接口。用戶權限系統可以從數據的各個層面進行嵌入。

32案例庫系統的交互環境

在案例庫系統功能、系統架構等研究的基礎上，構建案例庫系統的交互環境案例庫交互環境中的案例檢索的部分功能實現如圖3所示。

在案例檢索交互界面中，設置快速檢索和高級檢索等功能。輸入關鍵詞進行檢索，在檢索界面的左側，設置危機屬性、危機描述、利益相關、案例分析等功能鏈接。以“2015年8月12日天津大爆炸”為例，危機屬性包括天津爆炸的時間、地點、主要影響、危機領域、危機類型、所屬行業、危害程度等各項數據；危機描述包括天津爆炸案例的前兆、緊急、持續、結果等階段的具體數據描述；利益相關主要是指危機利益相關者數據分析等；案例分析主要是對危機案例數據進行大數據處理后進行處理結果的展示，包括案例數據對比分析、案例數據統計分析、數據宏觀指導、數據智能判斷等，例如港口爆炸案例數據分析、圖3案例檢索交互測試界面

化學品爆炸案例數據分析、智能爆炸案例數據統計等。

4總結和展望

本研究依據案例庫設計的理論和實踐研究，結合大數據技術，構建了城市公共危機案例庫的功能結構和系統實現，在案例庫中嵌入了大數據思維，從技術實現和功能需求上為城市危機管理的減緩工作提供了一些新的思路。

但是系統實現方面還有很多挑戰，例如如何在這些數據庫之間進行負載均衡、如何實現大數據的智能算法等問題是需要深入思考的，在后續研究中，需要進一步研究功能模塊的系統性、精確性、效用性等；工作流程的邏輯性、系統性、規則性等；案例庫系統實現的穩定性、實用性、創新性等。

參考文獻

[1]張巖.非常規突發事件態勢演化和調控機制研究[D].合肥：中國科學技術大學，2011.

[2]Henth R.危機管理[M].王成，譯.北京：中信出版社，2004：18-21.

[3]王傳清，畢強.政府危機信息管理聯動系統模型構建[J].圖書情報工作，2012，（9）31-36.

[4]李國杰.大數據研究的科學價值[J].中國計算機學會通訊，2012，8（9）：8-15.

[5]James Manyika，Michael Chui，Brad Brown et al.Big Data：The Next Frontier for Innovation，Competition，and Productivity[Z].McKinsey Global Institute，2011.

[6]Divyakant Agrawal，Philip Bernstein，Elisa Bertino et al.Challenges and Opportunities with Big Data[EB/OL].Cyber Center Technical Reports，February，2012.http：∥docs.lib.purdue.edu/cctech/1.

[7]Pattern-Based Strategy：Getting Value from Big Data[Z].Gartner Group Press Release，2011.

[8]蘭州大學.中國公共危機事件案例知識庫[EB].http：∥ccm.lzu.edu.cn/.

[9]麥尼哲中國危機管理資源網[EB].http：∥www.crisismanagement.com.cn/index.aspx.

[10]Grobelnik，M..Big-data Computing：Creating Revolutionary Breakthroughs in Commerce，Science，and Society[R/OL].http：∥videolectures.net/eswc2012grobelnik-big-data/，2012-01-02.

[11]張義禎.大數據帶來的四種思維[N].學習時報，2015-01-26.

[12]北京大學城市與環境學院智慧城市研究與規劃中心[EB].http：∥www.smartcity.pku.edu.cn/intro/info-5000.shtml.

[13]Beijing City Lab[EB].http：∥www.beijingcitylab.com/.

[14]可持續智慧城市實驗室（SSCL）[EB].http：∥116.236.160.182：1310/SmartCity/SuSmart/lab/FirstPageCN.

[15]清華同衡城市數據實驗室UDL[EB].http：∥xc.urbandatalab.com/.

[16]城市數據派UDParty[EB].http：∥www.udparty.com/

[17]城市規劃云平臺[EB].http：∥www.cityif.com/.

[18]維克托·邁爾-舍恩伯格.大數據時代[M].杭州：浙江人民出版社，2013-01-01.

[19]Rosethal Uriel，Chares Michal T.，ed.Coping With Crises，the Management of Disasters，Riots and Terrorism[M].Springfield：Chares C Thomas，1898.

[20]趙妮婭，葉靜.建立健全預警和應急機制：政府應對突發事件的關鍵[J].甘肅行政學院學報，2004，（1）：26-28.

（本文責任編輯：孫國雷）