人工智能時代我國政府開放應急管理數據的應用研究

朱曉鑫，張廣海，孫佰清，孟 禺（．中國海洋大學管理學院；．哈爾濱工業大學管理學院）

1 引言

近年來，我國各類突發性災害事件的發生周期明顯縮短，發生頻率顯著升高，社會公共安全危機已由非常態化的偶發轉變為近常態化的頻發。［1]為有效提高國家突發事件應急應對能力，國務院和全國人大分別在《國家突發公共事件總體應急預案》和《中華人民共和國突發事件應對法》中強調，應急物資調度配置、運輸保障及應急響應機制等環節為應急管理中的關鍵建設環節。［2,3]2018年3月，中華人民共和國應急管理部的正式設立更是彰顯了國家對應急管理體系構建及應急計劃制定和實施之重視。

人工智能目前的研究思路是基于大數據和深度學習算法的信息處理技術，以機器自身超強的運算精度和數據處理能力為優勢進行機器學習。應急管理數據通常體量小采集難度大，同時對數據質量要求較高，同時，我國應急管理體系以政府為主體，超過80%的數據資源為政府所支配和占有。［4]因此，在大數據和人工智能的新思維背景下，政府應急部門的信息資源數字化轉型是社會發展大勢所向。

由于用戶隱私與便利性的沖突以及數據安全的風險，突發事件數據庫和政府應急部門的公開大數據獲取難度較大。英國、美國、加拿大、新西蘭和澳大利亞等國自2009年起先后制定和實施了符合本國開放模式的數據共享平臺。目前，基于Data.Gov的構建依據，我國還未形成實質性的國家政府數據開放平臺。而“中國政府公開信息整合服務平臺”尚屬各種簡報和通知信息統籌的政務公報范疇，政府數據開放和規范程度還存在很大提升空間，缺乏國家應急管理數據的開放標準和監管機制，較少從應急管理體系關鍵問題的具體研究方法探討政府開發和利用開放數據的有效性和重要意義。鑒于此，文章基于人工智能不同路徑的視角，試圖通過總結應急物資需求預測的國內外理論動態并劃分研究方法，基于大數據機器學習路徑的內部特征，對我國政府應急管理相關數據的開放和共享進行必要性分析，同時從政府開放數據的角度探析了應急管理在人工智能時代的機遇與挑戰，提出政府應急管理數據的開放政策和建議，不僅有利于全面認知應急物資管理的現有研究理論和發展動態，同時為我國應急管理數據共享和利用提供新思維，對未來突發事件應急物資籌集和配置具有一定啟發意義（見圖1）。

圖1 研究路線圖

2 人工智能與應急物資需求預測方法分析

應急物資管理體系主要包含應急物資的需求預測、籌集、調度和配置4個關鍵環節的研究，其中物資需求預測研究是基礎和核心所在。應急物資需求預測量是突發性災害事件發生后，應急決策者對受災民眾提供基本保障所需物資最低臨界值。科學的應急物資需求預測是物資調度和配置的基礎，需求預測過高會造成資源冗余和浪費，大量堆積的物資會阻塞應急疏散通道導致救援不暢；需求預測過低則會導致物資配置不足，可能引發民眾恐慌進而影響社會穩定。由于應急救援面臨著需求目標模糊性和突發性、人力和資本資源缺乏、救災環境不確定性、準備響應零時差以及救援時限性等眾多挑戰，國內外學者對應急物資需求預測研究各持己見，尚未形成較為統一的研究方法。下表列舉了目前應用廣泛的應急物資需求預測研究方法，包括時間序列分析、數學模型、案例推理分析和信息技術分析方法的代表文獻和研究過程。

表 應急物資需求預測方法的研究結果總結

2.1 時間序列理論

時間序列理論由于應用廣泛且操作靈活，常被用于應急物資需求預測研究。目前，常用的時間序列分析方法有：自回歸移動平滑法、獨立同分步法和指數平滑法、差分自回歸移動平均模型（AutoregressiveIntegrated Moving Average Model，ARIMA）。20世紀 70年代，ARIMA模型由Box等人［5]提出，作為時間序列理論中預測應急物資需求最為科學、合理的方法之一，與傳統的時間序列方法相比優勢明顯。傳統的時間序列分析一般針對具有明顯典型特征和趨勢的社會現象或自然現象進行未來走向預測，而現實發生的很多突發事件由于其隨機性和復雜性并不完全具備典型的預測性。此時，ARIMA模型分析方法很好地解決了該限制的不足，更適用于預測在時間序列中較為復雜的突發性災害事件。同時，經ARIMA差分后平穩的時間序列分析更為簡易、可信度較高，其預測結果被專家學者普遍認可。

Holguin-Veras J等人［6]根據各類應急物資的歷史數據構建ARIMA模型，并對2005年卡特里娜颶風事件所需的各種應急物資進行需求預測和相關政策分析；朱曉鑫等［7]以1948年中國發生的重大地震為真實數據庫，通過案例推理（Case-based Reasoning，CBR）和ARIMA相結合的方法，對2008年5月12日發生的汶川地震中其死亡人數和物資需求進行預測。然而，時間序列法同樣存在固有的弊端，震后應急物資需求預測的應用數據常常存在穩定性缺失、模糊不完備等問題，在一定程度上限制了時間序列方法的全面應用。

2.2 數學模型及算法

目前，由于應急物資需求配置多目標、多階段和多屬性等特性，多數研究關注集中于多目標線性規劃和相關算法。主要應用到的數學模型有灰色系統模型、二型模糊系統和支持向量機等。國內大多研究思想多數先運用CBR預測死傷人數，再結合庫存管理知識構建數學模型計算物資需求量。如：張斌［8]通過構建空間量化模型，對災區救援物資的定性需求進行預測，并驗證了模型的科學性和有效性；Jiuh-Biing Sheu［9]針對災情信息不完全可知的情況下，對各地區所需的應急物資數量進行動態預測，其計算目標主要遵循兩個原則，即不斷更新死傷人數和不斷逼近各地域的實際所需；王曉等［10]將線性回歸、神經網絡算法和模糊數學等有機結合，運用CBR對災情信息不完備下的應急物資需求進行預測。

2.3 案例推理（Case-basedreasoning，CBR）

相對于傳統的規則推理（Rule-based Reasoning,RBR）分析方法，作為人工智能領域的一個新興領域，［3]案例推理法在突發事件應急物資需求預測領域得到廣泛的應用和認可。以震災為例，其主要研究思想是對以往的地震歷史案例庫進行搜索，通過相關屬性數據的分析和推理篩選出與待測地震案例最為相似的案例，此時認為搜索到的案例與待預測案例在決策變量上具有一定的相似性和參考性。該方法基于傳統路徑通過模仿人類大腦的思維方式，對待測案例進行推理分析，其應用可以對歷史案例進行實時調整和更新，對于新案例預測具有現實意義。

郭瑞鵬［11]通過案例的模糊推理模型，研究了應急物資的需求及分級，并給出推理實現過程；郭曉汾［12]應用CBR和人工智能技術，根據不同種類應急物資的需求特征，提出應急物資實時需求評估和預測的新方法；郭金芬等人［13]將震災發生時間、抗震強度、震中強度和震級等納入關鍵影響因素，運用BP神經網絡算法首先預測震后死傷人數，又通過庫存管理模型間接計算出受災區域所需的應急物資數量；傅志妍等［14]在原有應急物資需求預測方法的基礎上進行了相應地改進，通過標準化的歐式聚類，搜索待測事件的相似案例，提出了基于案例推理——關鍵因素需求預測模型，并最終通過“5·12汶川地震”進行案例驗證。

2.4 大數據機器學習

大數據是指海量、多樣化且難以在一定時間內完成信息采集、篩選和處理等工作，進而協助管理系統進行有效決策的大規模數據信息。隨著互聯網時代大數據技術和應用的廣泛發展，傳統的預測研究方法面臨全新挑戰，以大數據挖掘、物聯網技術、虛擬現實以及人工智能技術等，基于機器學習路徑的應急物資預測方法已經成為大勢所趨。

隨著互聯網和云計算的發展，以電腦和手機等各種智能設備為數據獲取路徑，應急物資需求預測方面的研究方法趨于人工智能并引起廣泛關注，這些方法以探索需求估計和應急物資的路由調度的特點，從而作出更可行的應急決策。［15-17]目前，隨著衛星和航拍遙感技術的高速發展，一些研究利用了地理信息系統針對災后損失情況進行研究和評估，該結果可以為應急中后期階段的物資需求預測提供決策基礎。［18]大數據處理技術正在以無與倫比的速度優勢和全新思維，通過深入剖析巨大數據進而獲取潛在價值和深邃洞見的新型模式。［19]

3 研究方法與數據分析

3.1 數據來源

2018年10月6 日，通過中國知網CNKI進行文獻檢索，以“主題”為“應急物資”或含“應急資源”并且“預測”進行檢索，發文時間設為2003-2018年，共檢索出226條文獻（見圖2）；其中，2015年發文量最大為33篇，2012年29篇，2013年25篇。通過對相關文獻進行關鍵詞和發文量分析，總結應急物資需求預測的國內外研究方法和人工智能路徑。

圖2 2003-2018年關于突發事件應急物資需求預測的發文量變化

3.2 研究熱點與內容聚類分析

我國在應急物資需求預測研究方面起步較晚。從2003-2006年，我國只有少數學者開始關注突發事件應急物資需求預測的研究，內容多為國外應急物資管理借鑒及我國案例實證分析；2006-2015年，隨著我國對突發事件關注不斷增強及應急救援能力發展日益深入，應急物資需求預測、應急調度配置等受到學者廣泛關注，應急物資需求預測的論文發表量呈現上升態勢，相關研究在修正、深化與發展應急物資理論的同時，也拓展了其研究邊界和運用范圍；2015-2018年，關于應急物資需求預測的發文量呈高位波動態勢，表明該領域研究在我國已進入相對成熟期。

關鍵詞作為論文的重要部分和思想精粹，其共現水平可反映某研究的熱點領域。由圖3可知，2003-2018年間，在中國知網上檢索到的論文應用到的需求預測方法由高到低分別是案例推理分析、BP神經網絡和遺傳算法，而這些同屬機器模擬人腦思維的人工智能范疇。然而，模擬大腦并非是唯一出路，［20-22]該路徑雖在一定程度上解決了應急物資管理的部分需求預測工作，卻對機器學習研究路徑仍未形成統一認知，與大數據背景下智能設備相結合的實用型成果轉化不足。因此，如何將人工智能的模擬大腦和機器學習有效融合，是目前國內外研究的熱點問題。同時，從中國知網收錄的期刊來源看，突發性災害事件應急管理領域雖從屬于政府應急管理的決策范疇，其科研主體并非行業研究機構或政府部門，而是以高等院校為支撐的學術組織。其中，發文量較大、影響范圍較廣的科研主體有西安交通大學（7篇）、大連海事大學（6篇）、南京理工大學（4篇）、哈爾濱工業大學（4篇）、武漢理工大學（4篇）、南京航空航天大學（4篇）等，上述院校共同構成了我國突發事件應急物資管理研究的學術圈。

圖3 2003-2018年發表論文關鍵詞及出現頻次

4 政府開放應急管理數據的必要性和存在的問題

我國應急管理是以政府為主導的國家強制性要求，政府部門掌握著大量應急物資管理相關的數據。與國外相比，我國在政府數據開放方面尚未正式出臺相應政策、法規，在一定程度上制約了我國突發事件應急物資管理研究的發展。根據應急物資需求預測研究方法的內在特征，制定政府數據開放政策將推動我國應急管理體系的深入發展和長足進步。

4.1 基于大數據樣本的機器學習訓練

在人工智能領域，國內外應急管理的研究重點集中于機器學習理論，而多數情況下，大量的案例數據是機器學習完成智能訓練之本。同樣，隨著機器學習逐漸進入應急管理學科的視野，科學合理的應急物資需求預測模型應基于不同變量的綜合性歷史數據，這就要求數據平臺開放突發事件發生時間、災害種類、地理位置、發生強度等屬性詳細完備的高質量數據。而目前我國政府部門的內部數據多為結構化數據，在半結構化和非結構化數據擷取和存儲上亟待提高。另外，部分可查詢數據的準確性和真實性有待考察，數據質量參差不齊，缺乏數據質量管理標準等在一定程度上制約我國應急管理數據的挖掘和利用。

4.2 實時數據精準化需求預測

大規模突發事件發生后，不確定性應急物資需求總量急劇上升，各類應急物資時效性和緊迫性又不盡相同，需求結構（醫療物資、生活基本保障物資、應急救援物資以及恢復重建所需物資四大類物資的相對數量比）較為復雜，不同階段的應急物資需求類型和需求總量發生持續性動態變化，對物資需求預測工作的時間和預測準確性方面均提出了更高的要求。同時，突發事件不同應急時段，應急物資的需求優先級也在實時變化著。因此，實現大數據的實時更新是下一階段物資需求精準預測和優化配置的關鍵。而目前我國突發事件的官方歷史數據獲取難度大，由于災情實時數據信息在線社交網絡平臺的相對易獲取性，國內研究主要關注基于社交媒體的突發事件檢測、網絡輿情擴散監測和規律分析和網絡輿論集群行為等。［23-25]

4.3 完善和更新智庫建設

應急管理數據系統的建立和更新對于完善我國應急管理智庫體系具有重要意義。相關數據顯示，［26]在政府數據管理系統是否有專人維護和管理的問題調查中，一些被調查者表示其所在的政府部門沒有負責系統維護和管理的專門人員，在數據采集和存儲方面也并未設專人負責。缺乏數據管理和系統維護的反饋和改進機制是目前我國政府應急部門數據公開的另一重要問題，由于沒有統一的格式標準和專人管理，各類數據未被統一標準并合理地錄入數據庫。近年來，由于缺乏政府數據支撐而未形成有效的政府數據涉入的研究體系，我國應急管理數據分析大部分來自不同局部的在線信息檢索和搜尋，信息來源的不權威性和不全面性對需求預測的精準度影響頗大，碎片化的數據拼圖在全局意義上不利于應急管理體系的建立和完善。

4.4 人工智能路徑研究的發展

國內外應急管理研究主要側重于人工智能的機器學習路徑，對大數據智能設備相結合的研究路徑關注較少。由于突發事件的復雜性，在事件發生短時間內可能難以直接獲得受災民眾的需求信息，而物資需求預判的主觀性和模糊性使得信息在各個應急時期的更新過程中需要耗費大量的人力和物力。目前在商業、教育和醫療等諸多領域，應用大數據機器學習路徑提高需求預測精準性的人工智能案例值得應急物資管理預判和決策研究領域借鑒。舉例而言，在實際的應急物資需求配置工作中，針對突發事件的受災民眾，可以通過人臉識別進行不同年齡和性別的個性化需求服務，精準定位不同類群進行靶向配置；通過跟蹤識別服務，大數據處理可以及時更新災民各類物資需求，從而進行后續精準定位和配置反饋；通過“端云協同”可穿戴設備深入挖掘更多共性的應急需求情境，針對不同情境推出精準預測、智慧配置等方案，從而豐富和提升傳統的應急情境理論研究。基于大數據的智能設備的開發和探索亟需政府應急部門的權威數據源，數據開放平臺難以通過公開申請獲取在一定程度上阻礙了災害應急管理和人工智能學科的發展。

5 完善我國政府開放應急管理數據的風險和對策

應急管理涉及國家數據安全和用戶隱私，與其稱政府應急部門數據公開和監管為技術問題，不如將其歸于管理問題。政府公開大數據需要應急管理部門完善數據質量、維護國家信息安全和保護人民的隱私，唯有此才能不斷促進政府應急管理數據的良性循環和有效利用。

5.1 加大政府應急管理信息開放平臺的支持度

2012年6 月，上海市政府率先向社會開放和共享政府數據資源，自此全國近20個地方政府開展了政府網站數據共享服務。而這些數據資源大部分都是基于便民和企業經濟發展所用，在國家和地方的應急管理局網站上獲取災害事件相關的開放數據仍然十分困難。在政府應急管理數據開放方面，應當加大政府支持力度，全面整合和統籌應急信息的大數據平臺和共享中心。加強政府信息資源和社會信息資源的關聯度，通過加快構建國家應急管理數據信息共享服務平臺，進而推動政府應急管理、社會救援組織、學術機構和普通民眾的互利互動。

5.2 設立應急信息數據管理專職部門

政府應急管理相關數據的開放服務工作量，涉及信息技術、應急管理和數據統籌等多個部門，為確保政府數據開放工作高效、穩步開展，亟需成立應急管理信息的專職服務部門。2018年3月至今，隨著“中華人民共和國應急管理部”的正式設立，各級地方應急管理廳/局的政務管理工作也循序漸進開展，17個地方應急管理部門陸續掛牌。當下，組建應急信息數據的專職管理部門和一支應急數據管理的專業團隊，并進行明確的職責分工勢在必行。此外，政府應急部門應當提高數據質量（完整性、真實性和準確性）的評估工作，加強高質量數據的評估和開放，促進應急管理體系和災害管理學科的良性循環。

5.3 加強數據安全的風險管理和監督

不同于商業領域的案例大數據平臺開放，應急管理案例大數據體量小卻價值千金，且涉及國家網絡和信息安全，前期準備工作要確保萬無一失。我國政府機構尚未出臺網絡大數據開放和共享相應的法律法規，在個人隱私和數據安全方面的管理和監督體制還有待提升。在數據采集、篩選、錄入、管理和使用環節應建立嚴格的監管和回溯制度，并對開放平臺的服務和效果進行評估和反饋，針對不同問題提出精準治理的方案和對策，嚴禁對涉及數據安全和個人隱私的信息轉載和泄露。另一方面，應當提高政府應急部門和民眾間的互利互動，為各大科研機構和社會公眾的有識之士提供前瞻性和預測性的建議創造條件，針對開放數據向社會征集預測和數據挖掘的分析報告和建議反饋等。

6 結語

應急管理的政府數據是國家重要的戰略資源，面向全社會信息服務平臺的共享和利用，無論是提高政府工作效率、提升政務透明度，還是創新可持續發展社會的政府轉型都具有重要意義。在應急管理的研究方面，國外起步較早，多運用時間序列分析和構建數學模型的方法。自2003年起，國內學者開始基于不同視角進行突發事件應急物資需求預測，雖在應急物資管理研究方面起步較晚，卻在人工智能模擬大腦的傳統路徑技術領域的應用廣泛，主要包括遺傳算法、案例推理分析和神經網絡等，探索和改進基于大數據和智能設備的機器學習路徑研究不足。隨著人工智能的數據化轉型時代拉開帷幕，固步自封并非改進人工智能、優化專家在應急管理領域的有效途徑，開放和共享高質量應急管理數據信息，并因地制宜地應用于應急物資管理研究方法才是應急管理的必經之路。同時，對于政府開放數據平臺的雙刃劍性質，在數據效能利用和數據風險保護之間應做好利弊權衡。隨著國家各級政府大力推動和共建應急管理數據開放及共享平臺，通過激活政府應急管理數據資源的全新方式，人工智能大數據為政、商、民所用，為未來真正實現政府、企業和社會公眾的互惠互動、政府數字化轉型指明模擬人類智能開發和探尋機器人類智能化的未來之路。