災害響應2.0：大數據時代的災害治理
——基于“陽江經驗”的個案研究

周利敏，童 星

(1.廣州大學 公共管理學院，廣州 51006；2.南京大學 政府管理學院，南京 210093)

一、緣起：“災害響應2.0”時代的大數據治理

災害影響著每個國家，有效的災害治理已成為全球性挑戰。隨著智能手機、全球移動互聯網接入及社交媒體的出現，人類響應災害的方式發生著重大變化，應對災害的能力正處于歷史拐點。2010年海地地震中大數據驅動的災害響應標志著“災害響應2.0”分布式智能應對模式的形成[1]，也預示著大數據驅動災害治理新時代的來臨。

近年來，大數據技術在災害治理領域中迅速興起，作用日益突顯。海地地震中，國際志愿者建構了“數字技術社區”，大數據驅動危機響應而形成新型的“數據人道主義”，谷歌(Google)啟動“人民搜尋器”，允許任何人更新失蹤人員狀況或現場信息；2011年東日本大地震中，大數據預警為新干線爭取到寶貴的12 秒；2013年“桑迪”颶風中，社交大數據提供了許多有價值的救援信息；2014年馬來西亞航空的飛機失事后，短短幾天內800萬網民通過登錄地圖網站Tomnod標記超過1500萬個有關失聯的衛星圖像；2015年尼日利亞地震中，社交大數據幫助數百個緊急服務組織、慈善組織、救災組織、志愿者與災民及其親人聯系；2015年尼泊爾地震中，谷歌和臉書(Facebook)啟動幫助民眾跟蹤災區親人的大數據系統。在2017年美國伊爾瑪特大颶風，社交大數據在監測及救援中的出色表現令人印象深刻。2018年9月，美國新伯爾尼市佛羅倫薩颶風襲擊，市政府和受困居民使用推特有效轉移到安全地帶。

在我國，2012年北京7·21暴雨發生時，被困人員通過微博平臺求助，民眾對相關人員、時間、地點等信息進行讀取，同時在微博上添加位置數據進行地圖定位，為救災提供信息；2013年四川蘆山地震中，成都高新減災研究所鏈接全國震警系統，為雅安主城區爭取5 秒，為成都主城區爭取28 秒；2015年云南滄源地震中，民眾通過鏈接預警數據庫終端設備上傳地表晃動、房屋損壞和人員傷亡等情況，為昆明主城區爭取93 秒，同時繪制“烈度速報”和“人工災情采集”應急數據圖；2016年“妮妲”臺風中，中科院深圳先進技術研究院利用大數據挖掘技術，對其登陸時間、地點和所經路線等進行較為準確的預測；2016年貴州降雨強度大及城鎮內澇嚴重，依靠“水利云”洪水大數據預測，災害預警從過去20分鐘提前24小時以上；2017年四川九寨溝地震發生后，中國地震應急搜救中心立刻啟動互聯網+地震LBS大數據應用平臺展開救援行動；2018年9月，在廣東“山竹”臺風中，社交媒體及社交大數據在抗災與救援發揮了重要作用。

當前大數據已成災害治理研究的新領域，它適用于災害全生命周期(即預防、備災、應對和恢復)各階段。災害社會科學四大理論流派(即結構功能主義、社會脆弱性、社會建構主義和災害韌性)在研究方法上都呈現出跨學科、仿真模擬及大數據研究三大趨勢。近年來，大數據不僅成為災害社會科學研究的新興方法，而且也成為其重要的理論來源。基于此，本文將聚焦于以下幾個問題：災害大數據研究前沿動態如何，其基礎知識有哪些，廣東省陽江市的創新經驗具體情況如何，如何建構大數據災害治理模型，其具有哪些治理前景與陷阱？

二、災害大數據：前沿綜述及研究思路

大數據災害治理是指有效利用大數據抓取、挖掘與分析技術對巨量災害信息進行處理，以達到有效監測、預防、應對及恢復等目的。與傳統災害治理相比，它強調災害治理動態過程及主體多元化，提倡多中心、平等及合作關系，同時注重精英智慧與民眾智慧的結合。災害大數據不僅源于專業傳感器，還來自多用途的大眾傳感器；既來自政府的正向信息傳遞，也來自民間的反向信息傳遞；既包括與災害直接相關的數據，也包括間接相關的數據。大數據災害治理還將物聯網技術引入其中，實現網絡世界智慧與物理世界執行力的有效結合(如表1)。

表1 傳統災害治理(傳統1.0)與大數據災害治理

從性質上分，災害大數據分為常規與非常規兩類，后一類又稱“危機大數據”，特指在危機或大規模緊急情況下收集的大數據，旨在利用大數據分析技術及數字平臺對危機作出高效反應。從結構上分，災害大數據分為結構化和非結構化兩極，最大的技術挑戰就是從巨量非結構化或半結構化信息中提取結構化信息。從來源上分，災害大數據則分為即時生成的共享在線和智能傳感器兩類。

(一)前沿綜述

將大數據與災害、風險、危機和安全等關鍵詞結合起來，進行多角度中英文獻收集、梳理，發現有四種研究視角(如圖1)。

一是“工程-技術”視角，這方面的研究較多。如貝洛莫(Bellomo)等認為在緊急情況下運用大數據工具和數學動力學方法，能有效提高災害應對水平[2]。美代志(Miyoshi)等指出“大數據同化(BDA)技術”在天氣數值預報中具有潛在影響[3]，卡迪爾等發現在海地地震中 “數字人道主義者”使用了諸如網絡閱讀、大數據分析、“參與式繪圖”、“眾包翻譯”、社交媒體和移動技術，創造了“大數據危機分析技術生態系統”[1]。大數據技術還有一個有趣的分支即視覺分析，它結合了計算機視覺、地理信息和空間技術，主要用于危機圖像和視頻大數據處理。

二是“社會-治理”視角，強調災害治理應注重風險預防、預警及預控，將大數據反映出來的風險信息作為民眾參與災害治理的基礎，也是政府調動社會資源的依據。如海莉(Hayley)等認為大數據具有顯著的風險感知、預警與預防功能，為社會風險治理變革提供重要契機[4]，“云治理”則成為災害治理的新模式，博戈莫洛夫(Bogomolov)等堅信社交大數據具有很好預測功能[5]，為災害治理提供了“反向通信”功能，有利于建立新的“雙向通信”治理架構。

三是“管理-制度”視角，認為大數據有利于推動科層式災害管理體制變革，提高非政府組織管理效率。如松尾(Matsuo)認為通過全球網絡傳輸系統、專業監測設備與傳感器，大數據為應急管理提供了新方法[6]。“大數據應急管理系統”(Asyem)分為傳感器、本地傳輸、網絡和管理等四個層次，亞歷克西斯(Alexis)等指出目前政府和民眾運用“應急管理信息系統”(EMIS)尚不充分，仍有巨大潛力可挖[7]。如果在社會危機管理領域使用大數據，則能更好地制定政策以應對不可預知的危機。

四是“政治-經濟”視角，認為大數據不僅對災害治理具有積極作用，也對國家安全和經濟發展產生重要影響。如克蘭普頓(Crampton)等發現大數據通過“隱私重新認識”和“算法安全性”兩種方式對政治產生重大影響，地緣隱私被揭示為地緣政治組合，以“智能安全監控”為例，它代表地緣政治組合(包括國家、軍隊、立法機構、企業界和知識生產者等)內的利益關系，這些關系不容易彼此被分離，它們能被組合與集體審視以追溯因果關系及流動趨向[8]。

災害大數據這一通用說法，具體到不同學科表現為不同概念。災害是自然工程領域的基本術語，在社會科學領域稱為風險，到了管理學領域則稱為危機[9]。同樣，在大數據與災害關系研究中，不同學科也各自使用不同概念。

第一，“工程-技術”視角中的“遙感(空間)大數據”。災害大數據本是地理學和工程學等領域常用說法，又以遙感(空間)大數據為代表。奧佛利(Ofli)等認為人類社會已進入“遙感大數據時代”，通過“混合眾包”和“實時機器學習技術”快速處理大量遙感數據而領先未來挑戰[10]。在流行病學中，空間大數據對健康風險溝通具有積極影響。空間大數據分析系統與危險地圖連接，能有效彌補傳統危險地圖之不足，為災害治理提供現場動態及情境地圖[11]。隨著空間大數據挖掘技術發展，決策人員能分析空間數據庫中隱含關系及特征，同時探討災民在緊急情況下行為以有效監測緊急情況及減少災害沖擊。

第二，“社會-治理”視角中的“社交大數據”。路透(Reuter)等發現每次大規模災害中社交媒體使用情況都成為人們關注的話題，主要包括公開辯論、災害監督、延伸管理、群眾采購、合作發展、創造社會凝聚力、促進應急和加強研究等[12]。菲茨休(Fitzhugh)等認為通過微博及社交網站等在線及“非正式溝通”方式，可以有效應對“復合災害”面臨的治理挑戰[13]。凱瑟琳(Kathleen)等發現推特(Twitter)等社交媒體提供的巨量信息，有利于災害規劃、早期時空預警和及時響應[14]。社交大數據著重于“全球脈搏”，它在“全局脈沖”中累積匿名信息，可以幫助政府預測自然災害及其引發的人類行為。但肉桂(Cinnamon)等指出，社交大數據也存在測試和評估等局限，尤其可能忽視弱勢群體問題[15]。

第三，“管理-制度”視角中的“公共大數據”。卡迪爾等指出越來越多的政府正采用公共大數據促進災害管理創新及加強問責制[1]，“e-政府”通過大數據災害響應系統，不僅能有效地進行預測、預警、預防和應急等，還能及時了解民眾需求和安撫其焦慮情緒，進而為其提供系統性安全和個性化服務。同時，由于公共大數據的“開源趨勢”(盡管并不總是公開)，公共組織和非營利組織能通過搜索和機器可讀方式有效利用它，從而提高其參與積極性或者促進二者進行更好的合作以改善治理。

第四，“政治-經濟”視角中的“安全大數據”。網絡大數據是安全大數據的重要組成部分，克蘭普頓認為網絡犯罪、網絡恐怖主義和網絡戰爭對國家安全構成重大威脅[8]。社交媒體也是安全大數據的重要來源，穆罕默德(Mohammad)等指出自上而下的遙感大數據與自下而上的社交大數據為安全管理引入了一種“新穎的方式[16]，即個人主義和恐怖主義團體利用社交平臺傳播極端主義意識形態及組織犯罪活動。斯托切夫(Stoycheff)則認為2013年斯諾登(Snowden)披露美國國家安全局有爭議的在線監控計劃，這對國家安全產生了重要影響[17]。

圖1 災害大數據綜述的邏輯關系

綜上所述，這些研究體現出幾個特征：① 研究比較分散，大多側重于技術、管理和應用，很少有專門針對災害治理(disaster governance)的研究。②不同學科的研究之間缺乏交流和對話，基本的共識尚未形成。③研究的廣度和深度還有欠缺，大多停留在理念與概念層面，案例研究少見，量化研究不足。④許多研究取自上而下之勢，集中于管理、制度和政策設計，較少自下而上的提煉，雙向的結合更為少見。⑤主要做描述性(發生了什么)、診斷性(為什么發生)及應用預測性(會發生什么)分析，缺乏在此基礎上深入的理論研究。⑥國內與國外的研究對話不足，國內學界雖應立足于現有國情與社情，但大數據是一場全球范圍內的技術與思維革命，國外的研究成果仍有許多可借鑒之處，否則難以擺脫國內研究相對滯后的現狀。

(二)研究思路

本研究以治理為切入點，主要是因為：首先，大數據成為災害治理中可能現實途徑，為政府和民眾提升治理技術、理念及治理能力。其次，治理視角有利于多學科交叉與融合，可以將遙感、社交、公共、風險及安全等不同學科大數據統一納入治理框架。最后，災害治理是災害研究的歸宿，無論什么學科、什么視角，研究災害的目的都是為了更好地治理災害。本研究的基本思路如下：首先，梳理相關文獻以確定研究問題，本研究定位于探索性研究；其次，在研究方法層面選用案例法，通過總結廣東陽江實踐經驗，以論證大數據災害治理之可能性；再次，對陽江經驗做理論提升，探討其內在機理和運作邏輯，構建理論模型；最后，展望大數據災害治理的未來趨勢及可能陷阱。

圖2 研究思路

三、陽江經驗：方法選擇及案例簡介

(一)方法選擇

之所以選擇案例法，主要基于幾方面的考慮：第一，探索性研究一般以質性研究為主，目的是為后續深入研究作鋪墊；況且大數據還沒有成為災害治理的普遍現象，不宜進行大規模問卷調查。第二，自然災害具有難以預測、無法重復、復合型及非線性等特征，往往很難發現存在明顯的因果關系，不宜進行抽樣研究。第三，大數據雖然具有量化特征，但本研究聚焦于治理而非技術，側重于大數據理論的實踐運用。

本研究選取廣東省陽江市氣象災害治理為案例，主要是因為：首先，大數據概念出現之前，最接近大數據的就是氣象數據，即以各種傳感器輸送的巨量龐雜數據。其次，廣東省自然災害主要以氣象災害為主，占比80%以上，陽江市更是如此。最后，氣象大數據越來越被普通民眾所接受。2016年初，中國氣象網對網絡用戶進行問卷調查，發現“氣象大數據”已不再是陌生概念，已走進普通民眾生活(1)欒菲，公眾期待智慧氣象和大數據應用改變生活[Z].中國氣象報社，2016年02月16日。。

那么，“陽江經驗”具有多大的類型學意義？第一，就區域代表性而言，2012年3月，廣東省與國家氣象局簽署《關于加快氣象現代化試點省建設合作備忘錄》。2015年11月，《廣東省氣象信息化實施方案》出臺，目標是到2016年底初步建成支撐省、市、縣三級業務應用的“氣象云”平臺，同時探索建立基于云計算和大數據技術基礎上的氣象大數據試驗平臺；2017—2020年加快推進氣象大數據應用研究，構建和發展具有廣東特色的智慧氣象(2)謝青林、余佳，廣東：氣象大數據納入省促進云計算創新發展[Z].中國氣象報社、中國氣象局官網，2015年11月5日。。第二，就實踐效果而言，廣東省已有90%的市、縣(區)成立了三級突發事件預警信息發布中心，陽江市應急指揮中心率先建成，成為廣東省災害治理的品牌。第三，陽江市境內災情復雜，災種較全。第四，在應急指揮中心建設方面，廣東實行的是“三模”分類推進策略，陽江市則是“三模”中難度最高的“一模”典型(3)“一模”是指整合應急、三防、氣象和地震等多部門監測站點資源，工作平臺在政府或部門，委托氣象局代管，發布自然災害、事故災難和公共衛生事件預警信息，實現預防、預警和預案工作一體化。“二模”即整合應急和氣象等部門，工作平臺在部門，發布自然災害類突發預警信息，突出預防和預警工作。“三模”是僅發布氣象災害類突發事件預警信息。。

(二)案例簡介

陽江市應急指揮中心(以下簡稱為“中心”)承擔災害治理、應急管理、安全生產和防震減災等職能，統一發布自然災害、事故災難、公共衛生事件和社會安全事件四大類突發公共事件預警信息。它的發展分為四個階段(如圖3)。

圖3 中心發展歷程

一是萌芽階段(2013年3月以前)。2011年11月，國家氣象局與廣東省政府共同確定廣東為率先基本實現氣象現代化四個試點省份之一。2012年3月，廣東省與國家氣象局簽署“合作備忘錄”，將創新體制與健全突發事件預警發布體系作為合作重點。2012年8月，《廣東省突發事件預警信息發布管理辦法》出臺；省長提出在全省加快推進突發事件預警信息發布體系建設；陽江市委市政府開始醞釀成立市預警信息發布中心。

二是初步建立階段(2013年3月至2014年12月)。2013年3月，陽江市突發事件預警信息發布中心成立，由市氣象局代管，先建基礎設施，再建“五區六崗”氣象數據云平臺，氣象數據共享率達100%。

三是正式建立階段(2014年12月至2016年4月)。2014年8月，陽江市機構編制委員會批準市應急指揮中心機構編制方案，加掛市突發事件預警信息發布中心牌子，同時整合應急、三防、氣象和地震等應急管理機構資源。2014年12月，“中心”正式建成并投入使用，各項工作機制與制度初步建立，市“三防辦”法定職責不變，與“中心”合署辦公。所有下轄縣(市)、鄉鎮也仿照市，相繼對應急單位進行整合。

四是深入發展和完善階段(2016年5月至今)。“中心”進一步推進與其他部門的整合，將離散的預警信息如交通和水文等部門數據接入，實現巨量災害信息“開放共享、到底到邊、管用好用”的目標；繼續加快平臺輔助決策指揮系統建設，完善三防預警決策支持信息系統建設，新建三防視頻會議系統。未來，“中心”還將加強軟件建設，從技術層面切實提高大數據處理水平，從政府與社會層面增強大數據治理意識與能力。

四、大數據驅動下的陽江災害治理創新實踐

陽江市的大數據災害治理主要通過專用和多用途傳感器進行數據抓取、挖掘與分析，為災前、災中與災后提供治理決策支持(如圖4)。

(一)互聯網、統一平臺與開源數據

為了實現災害信息“第一聲音和權威發布”，“中心”借鑒國際及香港等地成熟做法，把突發事件預警信息發布中心、市三防辦和市地震局相關科(室)等18個不同部門整合在一起，在“中心”統一進行數據存儲與處理，形成以“信息共享”為目標的應急平臺，按照“五區六崗”進行設置，強調組織、人員、信息和資源等全要素協同治理。目前，“中心”已具備災害數據統一采集、聚合、分析、處理和管理等功能，形成災害治理“一張網”和“一張圖”，綜合協調和統一發布災害信息。快速共享的數據庫對于災害治理非常重要。“中心”具備了“開源數據”特征與趨勢，這些數據能夠在不同部門之間被搜索、閱讀及共享。盡管目前“開源數據”只是在體制內相關部門之間共享，但已初步與大數據治理新趨勢相吻合。這一趨勢如在海地地震中，各地志愿者將世界衛生組織地圖中的衛生設施信息和太平洋災害警察設施中心數據繪制在開源平臺上，為政府和私人援助提供最可靠的信息。“數據開源”廣泛受到業務部門和社會各界的歡迎，成為未來災害治理的新方向。但是，災害大數據可能涉及敏感或機密數據，如何在“脫敏”“脫密”情況下實現數據開放，這是未來大數據治理的重要難題。

圖4 陽江災害治理創新實踐

(二)遙感大數據、專業傳感器與無人機計劃

“中心”通過GPS設備、視頻監控設備、衛星遙感、電子顯示屏、個人電腦、智能手機和數碼相機等各種專業的和大眾的傳感器接入固定網、移動網和因特網，實現災害大數據實時傳輸。目前，陽江市已在各個區域建立了自動監測站點和專業探測網，加上水利、電力和海洋等相關部門觀測站點的共建共享，大數據收集設施日趨完善。“中心”還整合各部門現有基層信息員、氣象信息員、地震信息員、海洋信息員、災害信息員、群測群防員等隊伍資源，利用地理、氣象衛星技術和空間技術等進行應急處理，初步形成多向互動數據空間及無縫隙(seamless)遙感大數據整合機制。由于地球觀測傳感器系統快速發展，巨量接近實時或實時生成的大數據有利于各類自然災害的動態監測和決策分析。Terra Seismic公司對衛星數據和環境因素進行實時監測，聲稱對世界上任何地方地震預測準確率達到90%以上。無人機(UAV)捕獲空中圖像在災害治理中也發揮越來越重要的作用，通過對空中圖像進行自動分析，不僅能為災害治理提供情境意識，還有利于加強政府的治理責任。同時，如果某一地點成為“信息孤島”，無人機可以補充數據采集，確保民眾、官員及救助人員永不失聯，“中心”暫未采用無人機搜集信息，但已明確將其列為未來工作計劃。

(三)社交大數據、通用傳感器與非正式渠道

“中心”在新浪、騰訊和移動等影響力大的網站開通“陽江天氣”官方博客、微博、微信和APP“天氣管家”等，通過社交媒體將災害信息及時向公眾發送。公眾也可以根據自己需求，通過手機下載APP氣象預警信息軟件，定制“氣象信息共享包”，選擇自己喜歡的數據服務方式，免費獲得即時天氣狀況服務，扮演定制員、采集員和分析員角色。民眾通過社交媒體獲取的“個人資料”或“我的數據”(My Data)，不僅能隨時隨地了解災害信息及個性化解決方案，而且增強了自身安全及危機參與意識。事實上，具有“反向通信”功能的社交媒體在災害信息共享方面已無所不在，既有政府自上而下的信息發布與管理，也有非政府組織及民眾通過大數據平臺的參與甚至主導災害治理。民眾作為災害的“直接目擊者”，收集與分享災害事件照片、視頻或短信，與官方社交媒體站點及現場社交媒體輿論領袖協調，對災害治理產生至關重要的影響。智能手機正迅速成為人們生活中的中央電腦和通訊設備，這種基于通信技術聯網的手機產生了巨量數據，主要通過虛擬和物理兩個維度收集與分析數據。智能手機在實時和持續監測人員位置及其行為方面非常有效，手機追蹤已被納入風險傳播評估范疇，不僅可以預測人們的行為，還能有效引導民眾直接參與災害應對。傳統的災害管理大多將管理責任歸為政府的事情而與民眾無關，民眾通常被認為是需要被搶救的人而不是積極的參與者。由于大數據分析技術的創新，尤其隨著社會移動應用程序的普及，災害治理已出現了重大變化，民眾不僅能獲取或提供詳細的災害信息，還能對災害進行“人群智慧”分析，促使其越來越主動地參與到治理行動中來。

(四)橫向到邊、縱向到底與全覆蓋治理

陽江市實現了橫向部門之間的聯動與聯運，市、縣應急指揮中心通過多樣化網絡手段為橫向部門提供災害信息，在傳播對象、手段及行動上實現“橫向到邊”。在2013年“尤特”、2014年 “威馬遜”、2016年“彩虹”和2017年“南瑪都”等臺風災害中，“中心”都及時將信息傳遞到民眾和各個部門，為實現災害“零死亡”提供重要信息與行動保障。“縱向到底”則是指“中心”向上連接省甚至國家氣象局，向下通過“五區六崗”與鄉鎮站點互聯，將信息接收端下沉到基層行政村，實現無縫對接，使信息及時傳遞到各級政府責任人、監測人及基層群眾，解決信息發布“最后一公里、關鍵一小時”問題。大數據能有效解決偏遠地區基礎設施稀缺、需求量大及資源配置困難等問題，通過“時空過濾技術”實現高密度人口地區傷亡事件與偏遠地區最小破壞事件的信息全覆蓋。

(五)實時監控、時空情境與動態治理

“中心”實施“五區六崗”建設：五區是將指揮區、聯動區、審核區、發布區和傳播區整合成“五位一體”的功能區，“六崗”是指值班主任崗、考務崗、審核崗、發布監控崗、評估崗和通管崗同時設立在“中心”。災害預警由相關單位根據法規及部門職能發出，通過網絡傳到中心“聯動區”；對于準備發布的預警信息，工作人員在規定時間內在“審核區”審核；根據相關法制裁決和決策，依據“指揮區”決策信息，由“發布區”通過多渠道及時準確發布；“傳播區”確保互聯網將“發布區”的信息“傳得順”，傳得暢”。“五區六崗”做到在線監督、在線預報、在線預警、在線服務、在線管理和在線保障。在此基礎上，“中心”形成“應急一張網”和“應急一張圖”，可以直接指揮到災害現場，實現跨時空情境下相關部門及人員的溝通。“中心”還對災害隱患點、變化狀態、預警點和逃生路線等進行三維動態監控。在大數據支持下，決策者可以借助動態鳥瞰圖指導災害應對，包括治理決策及資源分配。“中心”決策具有情境性、動態性和智能性等特點，顯著改變了傳統治理或者說創造了新的治理模式。

(六)物聯網、數字通信與真實世界

“中心”通過物聯網有效且合理調配救災資源，使網絡信息與物理部門之間得到整合。例如，2016年12月，“中心”舉行地震應急救援綜合演練，包括以下10個科目：現場地震應急指揮、架設流動地震臺和現場震害調查；疏散人員、搶救被困人員和消防滅火；傷員急救、運送及衛生防疫；安置災民、發放救濟物資；開展安全保衛、維護震區治安；架設臨時通信設施；供電線路搶修；供水管道搶修；天然氣管道搶修；交通要道搶修等。參演單位通過物聯網開展生動逼真的應急救援行動，實現了線上與線下、網絡與現實、虛擬與實體的結合。物聯網是由大數據支撐、數字通信設備普及和普通人群無所不在的互聯網接入而形成的新領域，它在大數據災害治理中具有不可或缺的重要地位。物聯網將物理世界的執行能力與計算世界的智慧聯系起來，提升真實世界風險防范的能力，增強網絡世界風險防范功能的實用性。在災害應對過程中，“中心”對應急人員、物資和場所進行分析，通過物聯網快速傳給相關人員，促使救災資源及行動從模糊向精準轉變。

五、基于陽江經驗的大數據災害治理模型建構

(一)陽江經驗的進一步提煉

第一，陽江經驗表明了大數據為災害治理帶來新機遇，WEB2.0時代的災害治理不僅是一種前沿理念，也是一種現實可能。它有助于政府部門之間及政府與民眾之間及時溝通，幫助政府與民眾了解最準確、最有效的災害信息及最有利的救援方案，暴露并消除傳統災害治理的冗余性和低效率。大數據也有利于合理配置防災減災救災資源、優化救援過程及實現協同應對，幫助決策者識別和服務核心人群。大數據不僅有利于及時搶救災區生命，還有利于發現與保護潛在高風險區。

第二，陽江經驗體現了政府與民眾傳播技術和能力的進步。“中心”改變了傳統使用單一專業傳感器的局限，集成了專用和多用途傳感器大數據。專用傳感器可以及時檢測物理環境的變化，高端社交媒體傳感器正迅速被低成本定制或通用傳感器所補充。多用途傳感器以簡單的方式建立了管理者、災民和普通民眾之間的直接溝通渠道，民眾本身也成為一種傳感器即“民眾傳感器”。大數據災害治理旨在組合與運用來自不同類型傳感器提供的巨量數據，決策者通過利用這些信息具備了監控人們在災害中行動的能力，從而有利于制定更好的治理策略。

第三，陽江經驗表明來自專用傳感器的“遙感大數據”目前仍然起主導作用，為準確決策提供了重要支持。社交大數據現階段還存在許多不足，特別是政府利用社交大數據進行災害治理的能力還很欠缺。同時，社交大數據本身也存在許多不足，如傳感器位置的不可預測性及對每個設備的控制不足都會導致數據質量問題，因此需要專業傳感器的配合。雖然目前社交大數據在陽江實踐中尚未得到充分有效的運用，但無庸置疑，它在災害治理中發揮的作用將越來越大，國內外微信、推特及臉書等實時服務已被廣泛引入災害治理領域。這是政府在未來災害治理中需要重視的議題。

第四，陽江經驗強調手機大數據在災害治理中具有重要作用，尤其在不發達地區，通過短信上傳災害信息的能力與服務就更為重要。手機主要通過“緊急通信網絡”(ECN)為災害治理提供基本信息，其數據來源由災害中的民眾直接產生，不僅為災害事件提供了現場報道和情境意識，還能對災區民眾當前位置進行定位并預測其未來的行動軌跡。手機大數據已經成為災害治理的重要數據來源，它改變了災害治理的現行思維模式與治理實踐。

第五，陽江經驗發現大數據有利于加強災害治理的情境意識。情境意識在現代災害治理中發揮了關鍵作用，當“中心”將基礎設施損害地圖與其他信息結合時，有助于決策者更好地了解災害情境及各種細節。“情境決策模式”克服了傳統災害治理的靜止性、滯后性和操作性缺乏等局限，有助于管理者作出更加明智的決策，例如在緊急救援、現場撤退及分配資源等方面。在未來，如果“中心”能進一步結合社交大數據或“社會GIS數據”，還能更好地實時了解不熟悉區域民眾及救援人員的位置，同時對其行為作出有效的監督。

第六，陽江經驗強調大數據治理的關鍵是如何將人群智慧和機器決策結合起來，同時又不犧牲決策速度，進而形成災害治理決策自動化。人類與機器的聯合決策能更好把握巨量非結構化信息，如何設計、評估和運用人群輸出和機器輸出的“聯合決策”模式就成為理論與現實的難題。有學者提出“人機界面和機器智能混合方法”[1]，與此相對應的是可視化技術。陽江經驗中已形成“應急一張圖”和“應急一張網”，決策可視化取得一些進展，但決策自動化還需要努力探索。

(二)大數據災害治理模型建構

陽江經驗為理論模型建構奠定了實踐基礎，基于實踐經驗演繹出的理論模型具有三方面優勢：首先，避免理論模型脫離現實世界；其次，符合科學認識規律，理論源于現實；最后，彌補局部實踐的不足，理論高于現實，才能指導現實。我們在總結陽江經驗、借鑒國內外各地成功案例的基礎上，結合大數據的治理思維與技術，將大數據災害治理框架分為以下6個維度(如圖5)。

1.平臺維度：從分散數據源到統一數據存儲

大數據需要將不同部門、不同領域的分散數據源整合共享，實現不同傳感器數據自動收集和統一存儲。許多部門及數據擁有者往往不愿意分享信息，使得災害信息零星化、片面化和原子化，造成災害治理的低效率。災害治理涉及遠程位置之間的大數據交換和分析，需要特別強調統一平臺的作用及優勢。有學者提出“自動化災害預警系統統一平臺”概念，通過建立統一網絡平臺及利用地理空間信息而形成綜合、獨立與統一的信息平臺[18]。由于大數據平臺是“開放的”，根據需要還可以加入新的傳感器及附加數據，從而促進整個治理平臺實現最佳性能。可見，建立統一大數據工具及平臺，實現自動化集成和共享大數據，建立大數據應用程序，從而有效響應各類災害事件，這是大數據災害治理的前提。

圖5 大數據災害治理模型

2.專用傳感器維度：從科學治理到戰略治理

基于衛星和專用傳感器形成的空間(地理)大數據，能在災前預防、災中應急及災后重建中發揮重要作用。專用傳感器是大數據災害治理的科學基礎，也是戰略治理的關鍵，如地震儀就是精密的專用傳感器，來自地震儀的數據被連續反饋進入地質模型，幾秒鐘內就能快速找到或發現地震震動。遙感大數據與普通危險地圖結合也能提供實時數據，航空圖像是基于遠程協作技術基礎上實現的“空間數據集成”，在航空圖像處理中，高性能及云中布置的大量計算機(遠程服務器網絡)使得建立更為復雜的風險模型成為可能。與此相關的是視覺分析，它借鑒了計算機視覺和地理空間技術處理危機圖像與視頻，目的是通過視覺界面支持推理分析，這在航空圖像(通過無人機或衛星收集)專業分析中體現尤為明顯。

3.多用途傳感器維度：從正向通信到反向通信

在傳統災害治理中，人們往往只重視自上而下的政府正向信息發布。迄今為止，基本上現有的災害管理系統的信息發布是一種“單向通信”，強調政府在災害治理中的核心作用[19]。與(封閉的)政府單向數據相比，(開放的)社交大數據來源于多用途傳感器網絡。在災害及其破壞的環境中，個人主要通過非正式人際渠道相互交流信息，經常超出公職人員和新聞界提供的官方資料。在Web 2.0時代，由于手機、電腦及社交媒體應用程序的簡易化，使得民眾更容易提供與分析災害信息，也使得社交大數據(包括文本和視覺數據)具有反向通信的功能，能為政府及民眾提供及時、可驗證與可操作的信息。尤其是現場事件的最新資料，能有效洞察社會現象和市民意見，及時幫助政府決策及受災害影響的民眾。

4.人群智慧維度：從精英治理到民眾治理

與傳統治理不同，大數據災害治理強調“人群智慧”。人群智慧是指由一群不同個體形成的集體意見，它好于或至少等于好的專家，有利于提高民眾災害認知及參與意愿。人群智慧包括“眾包”和“人群計算”兩種方式。眾包是指通過開放動態網絡應用程序以協作潛在人群在線解決分布式問題，它強調通過社交網絡充分挖掘人群智慧。眾包分為人群搜索、微型任務、公民科學、快速翻譯、數據清理和驗證、開發ML分類器和選舉監測等，眾包技術能幫助人們收集信息、報告信息、志愿者幫助、請求幫助或重新播放(轉發)有用信息。眾包的通常表現形式是“微任務”，即將大任務分解成系列可完成的小任務，如在菲律賓“巴勃羅”臺風災害中，通過“人群制作”(Crowd Crafting)分解災害救援微任務，有效分擔政府救援工作[20]。2016年，卡塔爾計算研究所(QCRI)開發了微型地圖(Micro Mappers)，這是一個為人道主義定制的應急微型平臺。眾包的另一表現形式是“參與式繪圖”，通過自愿生成的地理內容為民眾提供地理位置信息服務，也被稱為“Web 2.0時代民主參與繪圖方法”[21]。與眾包相對應的是“人群計算”，這是一種利用人群解決復雜問題的技術，通過整合社交網絡和運用互聯網鼓勵人群合作。

5.動態維度：從靜態治理到情境治理

專用和多用途傳感器的結合能克服傳統靜態治理的局限，危機響應在動態環境中運行，響應者也必須通過動態手段及時獲取任務執行所需的重要信息。例如，通過衛星捕獲危機地區的高分辨率圖像即“危機地圖”，這一技術被稱為“危機映射”，為有關部門提供近乎實時情境的危機狀態[21]。在危機情境中，通過使用文本、圖像、語音、視頻、地圖、眾包數據和正式報告等，可以幫助人們找到緊急住宿、食物、水、疏散路線及失蹤人員等。同時，社交網絡產生的信息流動也為緊急演練或救援行動提供重要的信息來源，大大提高決策速度與準確性[22]。此外，“危機映射”是新開發的跨學科研究領域，通過給出動態鳥瞰圖指導災害治理工作，從空間和時間維度提供了動態的情境意識。

6.物聯網維度：從網絡智慧到物理世界

隨著物聯網興起，物聯網大數據將很快匹配甚至超過社交大數據，在災害治理中發揮越來越重要的作用。物聯網強調線上與線下整合及“以人為中心”的理念，通過網絡將人類行動和物質資源納入災害治理之中，將感測技術、傳感器與物理世界執行能力結合起來，實現遙感、“網絡感知”和“參與式感應技術”相結合。在災害期間，通過無人地面/空中/海上搜索和救援，運用智能交通系統將個人汽車與網絡和物理基礎設施連結，為災害疏散和應急響應提供物聯網手段。

綜上，大數據災害治理模型以統一平臺為基礎，將大數據來源分為專用傳感器網絡(又稱物理傳感器)和多用途傳感器網絡(又稱社會傳感器)，前者支持政府自上而下的治理，后者協助民間自下而上的參與。這一模型將人群智慧作為災害治理的核心，強調動態治理是其優勢；也強調物聯網在災害治理中的重大作用，使虛擬網絡智慧與現實執行能力得以有效整合。

六、討論：大數據災害治理前景與陷阱

大數據為災害治理提供了無限潛力，促進了治理思維及治理技術的重大變革，同時也存在“陷阱”，需要學界、決策者及民眾嚴肅面對。大數據災害治理前景主要體現為以下方面：

圖6 治理前景與陷阱

第一，實時、動態與新穎分析。大數據能克服傳統災害治理滯后性及片面性等局限，有利于實現實時監控與動態治理。在災害治理過程中，時間決策至關重要。動態變化的災害環境使得數據迅速變得過時，過時的數據不僅無用、而且有害。傳統的GIS工具和系統對分析各種地理信息非常有用，但并不是為處理動態數據流而設計的。手機、衛星和社交媒體都有大量特定的位置數據，對緊急救災組織的最大挑戰就是如何擁有這些動態的大數據。未來大數據技術將會日益完善，能夠使用高容量、高速度和高品質數據以保持數據的相對新穎性，盡管開發和驗證實時數據模型是一項有挑戰性的任務。

第二，安全、可靠與容災分析。大數據面臨品種(包括專用和多用途傳感器在內的多數據源集成)和真實性(通過大數據大噪聲過濾技術實現高質量信息)挑戰，災害特殊性需要確保大數據計算和分析系統具有高度容災性(可靠性和可用性)，也就是備份的冗余系統，確保某一系統受損時另一系統可替代使用，從“正常”操作模式切換到“災難模式”也能正常運行。這就要求系統擁有可靠性機制并能承受災害導致的極端不利條件，私有云和公共云都要規避諸如黑客、火災、洪水和地震等導致的數據丟失風險。

第三，基于人工智能(AI)預測/上下文(ML)感知的危機分析。隨著AI技術的進步和互聯網、GPS、智能手機的廣泛使用，將上下文感知的個性化危機信息推向危機影響者或受害者。機器雖然能利用精心制作的各類災害問題算法，但精確算法對于許多問題是未知的，AI與ML分析方法的結合是適當且必須的。對于活躍的手機用戶，通過使用危機響應分析系統，從而為用戶推送適當的逃生路線。AI / ML技術能自動處理并從危機大數據中提取有用的信息(以彌補專家的缺失)，是一種用于檢測可能對災害響應有利的特定事件及信息的新分析方法，未來有望形成基于感知、捕獲和分析災害大數據基礎上的“智能災害治理”。

第四，多模態災害大數據信息分析。由于技術、經歷和方法的不同，同樣的大數據可能導致不同看法甚至誤差。為了更全面了解危機，未來需要為每個人提供獨特的現場窗口，同時結合不同形式的危機信息(如文本、圖像、語言、視頻、地圖眾包數據和正式報告)，形成多模態災害分析以減少分析誤差。大數據包含了巨量數據及其來源，多模態大數據分析代表了大數據研究的真正前沿，有望成為未來災害治理研究的多產領域。

相對于傳統的災害治理，大數據具有極其光明的前景，但對它的局限性討論也未曾停止過。因此，需要正確認識與跨越大數據陷阱，才能進一步促進其在災害治理中的有效應用。

第一，復雜性陷阱。由于網絡規模龐大、檢測系統密集部署、信息量巨大及連續收集，災害大數據變得非常復雜，理解這些復雜數據也極其困難。在2013年波士頓馬拉松爆炸事件中，社交媒體通過眾包進行考察研判，結果卻提供了錯誤的信息及打擊方向。對于空間大數據而言，它有可能將災害情境下的媒體活動空間簡化為或等同于需要救濟的地區，還可能加劇離線的社會不平等現象。

第二，開源數據中的噪音陷阱。大數據來源的多樣性使得數據內容可靠性面臨著噪音挑戰，開源大數據噪音源分為有意和無意兩類，例如電子郵件中的垃圾郵件有意部署了多種形式的錯誤信息和欺騙性信息，包括網絡釣魚與鏈接農場等。與自然災害直接相關的多為無意的噪音源，例如社交網絡中傳播的災害謠言、迅速變化的災害環境及社交媒體放大信息的能力等。大量未經過濾的數據還可能受到隱私威脅(例如姓名、地址和社會保險號碼)。

第三，大數據體積和品種陷阱。大數據來源渠道眾多，規模海量呈現，決策者是否有能力管理好這些巨量數據集？桑迪颶風發生后的一個星期內，有關桑迪主題的標簽推文超過2000萬條，遍布加勒比海和美國東海岸，給人道主義分析與運用帶來巨大困境。大數據需要分析相互關聯的各種異構數據集，處理多種傳感器提供的不同類型數據，這些大數據體積和品種的信任度和可靠性往往存在運用風險。

第四，真實性、驗證性與有效性陷阱。通過多個數據傳輸渠道(如第一響應者、傳感器、衛星網絡或社交媒體)收集大數據，如何確保其真實有效？由于災害大數據涉及許多數據源，決策者需要過濾數據以保證信息質量(真實性)。為了提高數據源可信度，還需要對災害/危機數據進行驗證，因為公民在極度壓力下往往有夸大傾向，而且公開記錄(如社交大數據和互聯網交易)很容易被操縱。此外，災害信息具有低價值和低密度特征，大量“垃圾”數據充斥其中。由于數據量龐大，有時無法進行合理的統計分析，也可能沒有捕捉到一些更加有用的數據。

第五、政策挑戰、隱私與濫用陷阱。某些類型的災害大數據具有敏感性，例如應急救援中的人員位置及醫療狀況往往高度隱私、具有保密性。在私有云或公共云中實施大數據戰略，必須保護數據所有權、隱私權、數據安全并避免數據丟失。在大數據時代，常常遇到錯誤的人掌握敏感的數據，從而導致災難性后果。例如，塔利班曾威脅要使用危機大數據對付人道主義組織，迫使后者不得不限制使用“人群來源的危機地圖”。當受到大數據損害的人們無法追責時，惡果可能是極其深遠的。

總之，由于大數據具有可視化、分析和預測等功能，不僅為全球災害治理開辟了新的可能，也為我國災害治理創新提供了重要契機。盡管大數據存在許多陷阱，但政府、實務工作者及民眾對大數據采取了負責任和積極支持的態度，這在實踐中是難能可貴的，我們在陽江經驗中看到了這樣的驚喜。