大數據智能背景下突發事件態勢感知研究綜述與展望

楊繼君 曾子軒

摘? 要：態勢感知是突發事件應對的重要環節，是有效開展應急處置和救援的基礎和前提。文章首先對突發事件態勢感知研究的相關工作展開綜述與評價；隨后對大數據智能技術在突發事件態勢感知中的應用進行歸納和總結，并從大數據智能技術、應急管理工作機制和人才培養三個方面指出突發事件態勢感知研究與應用中存在的問題和挑戰。在此基礎上，提出利用大數據智能技術和方法解決突發事件態勢感知問題的設想和技術方案，以期提高突發事件態勢感知的速度和精度。

關鍵詞：大數據；人工智能；突發事件；態勢感知；態勢應對

中圖分類號：TP391? 文獻標識碼：A? ? 文章編號：2096-4706（2023）17-0021-06

Review and Prospect of Situation Awareness Research on Emergency under the Background of Big Data Intelligence

YANG Jijun1，2， ZENG Zixuan3

（1.School of Public Administration， Guangdong University of Finance and Economics， Guangzhou? 510320， China; 2.Institute of Artificial Intelligence and Safety， Tianjin University， Tianjin? 300072， China; 3.Guangxi Key Laboratory of Cross-border E-commerce Intelligent Information Processing， Guangxi University of Finance and Economics， Nanning 530007， China）

Abstract： Situation awareness is an important part of emergency response， and it is the basis and premise of effective measures of response and rescue. Firstly， this paper reviews and evaluates the related works of situation awareness research on emergency. Then the application of big data and Artificial Intelligence on emergency situation awareness is summarized， and the problems and challenges of research and application on emergency situation awareness are put forward from three aspects which include big data and Artificial Intelligence， work mechanism of emergency management and talent training. On this basis， the idea and technical scheme of using technology and methods of big data and Artificial Intelligence to solve the problem of emergency situation awareness are proposed， so as to improve the speed and accuracy of emergency situation awareness.

Keywords： big data; Artificial Intelligence; emergency; situation awareness; situation response

0? 引? 言

關于態勢感知（Situational Awareness，SA）的定義，被學術界普遍所接受的仍是Endsley[1]首次給出的定義：態勢感知是在一定的時空條件下，對環境因素的獲取、理解以及對未來狀態的預測（態勢）；隨后又進一步提出了的動態決策環境下態勢感知框架模型（如圖1所示）[2]。從圖1可知，態勢感知的核心理念可以理解為一個漸進明晰的過程，它分為態勢要素提取、態勢理解和態勢預測三個層次。通過態勢要素獲取（數據提取），獲得必要的數據，然后借助數據融合進行態勢理解，進而實現對未來的態勢預測。

從基本定義可知，態勢感知是一種基于環境、動態、整體地洞悉風險的能力，是以大數據為基礎，從全局視角提升對威脅的發現識別、理解分析、響應處置能力的一種方式，最終是為了決策與行動。態勢感知最初是為了分析空戰環境信息、快速判斷當前及未來形勢，以做出正確反應進而提升空戰能力所進行的研究；此后在核反應控制、網絡安全、空中交通監管等領域得到廣泛研究。鑒于態勢感知理論能夠對事件演化態勢早期研判提供理論指導，因此，近些年來越來越多的學者關注態勢感知理論在突發事件應急管理領域的應用研究。同時，隨著大數據智能時代的來臨，“大數據智能技術+突發事件+態勢感知”三者結合的趨勢也越來越明顯。本文首先對國內外突發事件態勢感知研究現狀進行綜述并指出存在的問題；隨后對大數據智能技術與突發事件應急管理相結合的研究狀況進行分析，在此基礎上指出大數據智能技術在突發事件態勢感知應用中的機遇與挑戰；最后總結了迎接挑戰的技術解決方案和相關設想。

1? 突發事件態勢感知研究現狀

1.1? 國外研究現狀

國外學者圍繞態勢感知對突發事件應急管理展開了較為充分的研究。Turoff等[3]首次提出把信息的態勢感知引入到突發事件應急管理中。Feng等[4]開發了由共享的態勢感知和獨立行為主體構成的決策支持系統模型。Patrick[5]認為在應對校園恐怖襲擊事件中，新興技術的應用可增強決策者的態勢感知能力。Hannes等[6]對應急處置與救援行動中態勢感知共享的影響因素進行了研究。Luokkala[7]開發了時間約束條件下危機態勢感知的信息系統。Archie[8]以2014年悉尼恐怖襲擊事件為例，運用態勢感知理論分析了社交媒體如何影響恐怖分子的決策行為。Leonardo等[9，10]為了提高操作人員的態勢感知能力，提出了應急態勢感知下的信息質量評估方法即通過使用可靠的元數據豐富態勢知識，提高態勢感知系統的能力，后來又設計了一個多源信息融合的應急態勢評估系統。Syed等[11]利用馬爾可夫邏輯網絡構建面向火災事故與緊急疏散的態勢感知模型。

1.2? 國內研究現狀

就國內而言，對于突發事件態勢感知的研究雖不多見，但近幾年也慢慢多了起來。王強[12]借助通用態勢圖的思想和技術建立了各部門之間的應急聯動態勢圖，進行應急聯動的實時態勢感知。趙新勇等[13]在設計交通突發事件態勢感知路網拓撲結構的基礎上構建了交通突發事件態勢理解模型。陳凌等[14]結合Endsley的態勢感知框架模型對政府危機決策的生命周期各階段信息活動進行了研究。楊戌初[15]利用改進的態勢感知算法對社交網絡中的突發事件進行監測和預測。楊繼君等[16]將態勢感知引入非常規突發事件應急決策之中，以序貫博弈為工具構建了基于態勢預測的非常規突發事件應急決策模型。竇珊等[17]提出了一種多源異構數據融合的危險識別方法，實現園區的危險態勢感知。張海濤等[18]在分析情報智慧賦能態勢感知的邏輯與優勢的基礎上，從態勢要素提取、態勢理解、態勢預測三個層面構建了重大突發事件的態勢感知模型。王施運等[19]從三元世界視角解析國家安全事件的場景情報源，在此基礎上提出基于“時間—空間—主題”模型的多維態勢分析方法體系。王秉等[20]從安全情報角度出發，構建了安全情報視域下的安全態勢感知理論模型。

1.3? 研究評述

國外學者有較多關于突發事件與態勢感知的相關研究，而國內學者關于突發事件態勢感知的直接相關研究較為不足，且多為特定領域，比如網絡安全和軍事領域。而有些領域的研究成果極為少見，比如，且尚未檢索到與極端氣象災害態勢感知相關的研究文獻。

2? 基于大數據智能技術的突發事件態勢感知分析

2.1? 國內外大數據智能技術與突發事件應急管理的研究

社交網絡、移動設備和物聯網的暴發性成長，云計算、人工智能的實現，使得“大數據”成為當前最重要的時代特征，也成為當前學術界研究的一個前沿熱點。學術界對于大數據的定義給出了多種解釋，比如，Doug[21]首先給出了大數據的3V模型即Volume（規模性）、Velocity（快速性）和Variety（多樣性），后來擴展為4V模型即添加了Value（價值性）。Gartner[22]對大數據的定義為：大數據是一種具有大容量、高速率、高多樣性的信息資產，這種資產需要新的處理方法以增強人們的決策能力、探索發現能力。美國國家科學基金會將大數據[23]定義為：由科學儀器、傳感設備、互聯網交易、電子郵件、音視頻軟件、網絡點擊流等多種數據源生成的大規模、多元化、復雜、長期的分布式數據集。

隨著大數據智能技術的廣泛應用，已有專家學者將大數據應用到突發事件應急管理的各個領域。比如，在反恐領域，David等[24]主要從反恐的角度利用大數據分析了推動國家安全活動的戰略性框架。Akhgar等[25]應用大數據技術快速識別恐怖主義網絡和社區內的激進分子，從源頭上增加反恐策略的有效性。在災害管理領域，Belaud等[26]認為對于自然災害應急管理首先要考慮風險管理，而風險管理則需要建立在大數據平臺之上。Shelton等[27]探索颶風桑迪事件中只占大數據一個很小的子集的Twitter信息如何產生巨大影響，以及反過來通過繪制Twitter的響應圖判斷颶風桑迪事件的整體威脅情況。Moulik等[28]利用大數據和云計算等工具開發了智能應急疏散系統以便為緊急疏散決策提供支持。Choi等[29]通過Twitter抓取、分析社會大數據而設計了基于社會大數據的災害實施監測系統。在信息安全領域，Alvaro等[30]將大數據作為安全工具引入軍備競賽的攻擊和防御網絡之中。Talabis等[31]提出了基于大數據的信息安全分析技術，該套技術能夠有效地挖掘和識別任何安全數據中的模式和關系。Aiiad等[32]為解決大數據泄露問題而設計了基于信息安全的訪問認證控制方法。

在國內，大數據相關研究已經取得蓬勃發展，但與國外研究者的思路不一致的是：在社會科學研究領域，國內大數據的研究側重于對策層面，較少的涉及應用層面。李國杰等[33]認為基于大數據的網絡行為機理識別研究可以在社會化網絡環境的海量、多源、動態數據中提煉大數據環境中典型的行為模式，準確識別個性化的行為特征，為管理決策提供微觀行為理論支持。俞立平[34]則認為大數據是對傳統經濟學的挑戰，并且提出了大數據經濟學的概念。徐宗本等[35]對大數據資源管理與政策、基于大數據的管理與決策創新、大數據技術的信息科學基礎、大數據分析與處理的數學與計算基礎4個主要領域的前沿課題進行了梳理，以期推動相關研究和實踐發展。李銀娥[36]探討了大數據時代如何形成多元主體協同共治局面、如何利用大數據技術提升對法治客體的科學認知以及如何提升法治過程的公開互聯等問題。黃璜等[37]在對大數據的內涵和外延進行詳細梳理的基礎上討論大數據的興起對公共政策的影響，并由此說明公共政策不僅要挖掘大數據的價值來提高政策水平，還必須適應日益數據化的社會環境。陳潭[38]認為大數據不僅是推進國家治理體系和治理能力現代化的重要戰略資源，也是提升社會治理能力和水平的重要創新工具，為此構建了大數據驅動社會治理的新模式。張璐[39]提出利用大數據從三個方面解決公共文化服務供給中存在的問題。許歡等[40]圍繞數據的匯聚、整合、共享、開放和應用，從理念、制度、技術、保障等方面為政府治理方式創新提出對策和建議。邱國棟等[41]針對現代決策環境的復雜性特征，提出了基于大數據的“數據—智慧”決策模型。趙娟等[42]對我國應用大數據創新社會治理的實踐經驗、模式和成效進行認知歸納，發現大數據在社會治理領域的創新項目有助于政府自身重塑公共決策方式、政府對社會的智能化治理有助于提升公眾滿意度、改善政民互動模式。韓麗華等[43]利用數據挖掘和數據分析以及新興的智慧服務，構建了較為系統的信息資源管理模式。在自然科學領域，大數據的研究文獻在2013年得到一個爆發性的增長，在信息安全特別是網絡安全領域出現了大量的研究成果[44-49]。大數據在應急管理領域的研究較為少見，不過也有學者做了嘗試性研究。張倩[50]認為大數據的應用有利于決策方法和評估經驗的知識共享，豐富突發事件決策知識庫，提升政府突發事件決策的整體能力。黃國平等[51]建立面向災害的大數據預警信息高速處理的規則引擎，這對于推動基于大數據的預警和應急技術開發具有基礎性的作用。馬奔等[52]在大數據戰略、大數據開放政策、大數據在應急管理中具體應用形式等方面給出了對策建議。孫欣欣[53]通過分析城市突發水澇災害防控及發生過程的大數據及其特點，設計了基于Hadoop的城市突發水澇災害混合大數據分析工具。周利敏等[54]在總結“陽江模式”經驗基礎上構建了大數據災害預警理論框架及大數據災害預警系統模型。王興鵬[55]從理念、體制、制度法規、平臺四個方面提出了構建大數據驅動的應急決策體系的實現路徑。郭春俠等[56]運用文獻研究法總結了國內外大數據應急決策的研究進展和應用領域，并分析大數據應急決策面臨的挑戰，在此基礎上提出了發展建議。楊繼君等[57]以極端氣象災害中的臺風災害為例，首先設計了災害態勢要素提取框架，在此基礎上采用大數據分析方法構建了極端氣象災害態勢要素提取模型，為極端氣象災害態勢感知提供支持。

2.2? 國內外大數據智能技術與突發事件態勢感知的研究

關于利用大數據技術研究突發事件態勢感知問題，通過對中英文相關數據庫和平臺進行文獻檢索，僅有曾大軍、董青嶺、Vouros等學者利用大數據智能技術和方法對突發事件態勢感知進行過開創性探索，具有十分重要的理論意義。曾大軍等[58]在歸納突發事件大數據應用需要解決的關鍵技術難點基礎上，提出了一套應用大數據實現突發事件態勢感知與決策支持的理論解決方案。董青嶺[59]構建了基于關聯共現關系和機器學習的大數據安全態勢感知系統，隨后以英國恐怖襲擊為例，利用2013—2017年的新聞報道數據和社交網絡數據，對感知系統進行預測能力驗證。Vouros等[60]以海上發生的各類突發事件為研究對象，采用大數據技術建立海上突發事件態勢感知系統，實現對突發事件的演化態勢進行實時監測和預測。

2.3? 研究評述

當前對于大數據、人工智能的研究，呈現出百花齊放的態勢，取得了諸多研究成果。但從與突發事件和態勢感知研究的關聯性來看，還存在如下幾個方面的不足：

1）對于大數據與突發事件的研究，國外側重于從大數據技術和大數據處理方法的角度，進行大數據公共安全平臺、系統、模型、數據采集融合等研究，并將機器學習等人工智能技術與大數據結合，以促進大數據在突發事件應急管理中的應用。而國內主要采取定性研究，尤其針對大數據與突發事件應急管理的對策性研究，大多都是趨向于“宏大敘事”而無實質性的可操作性的成果，故研究過于表面化，不夠深入。

2）許多標稱“大數據智能技術應用于突發事件”的研究文章，尤其是國內的研究文章，大多使用的仍是傳統和基礎的統計和數據發掘方法。嚴格意義上說，難以納入“大數據”研究的范疇。因為它們并沒有涉及“大數據革命”的核心之一：對于海量實時數據處理方法的革新。

3）“大數據智能技術+突發事件+態勢感知”三者融合的研究成果雖然比較少見，但也有學者做了開創性研究。將大數據智能技術與態勢感知理論應用到突發事件應急管理領域之中有望形成一系列理論上的銜接和融合，有助于促進公共管理學、計算機科學等學科的交叉融合發展，這將吸引更多的學者進行深入探索。

3? 大數據智能技術在突發事件態勢感知應用中的問題與挑戰

近些年來，我國突發事件呈現高發頻發態勢，危及社會安全的各類隱患、風險也日趨凸顯，這就迫切要求轉變應急管理觀念即向主動有效的全方位體系化防護工作模式轉變，威脅感知、主動防范、源頭治理等應該要成為應急管理工作的重點。提高突發事件態勢感知能力有助于快速、精準地識別影響事態演化的各類隱患和風險，從而進行有針對性的處置和救援。隨著大數據、云計算、5G、人工智能等新一代信息技術的飛速發展，為突發事件災害態勢實施快速感知提供了技術支撐。不過，由于突發事件獨特特性和數據量的爆炸式增長，致使大數據智能技術在突發事件態勢感知應用中面臨諸多問題和挑戰，阻礙了突發事件態勢感知能力的提升。

1）通常情況下，突發事件具備突然性、破壞性、復雜性和高度不確定性等特征，并且突發事件所產生的數據具有海量、異構、多源等典型大數據特征。就目前的大數據智能技術來說，要對這些可信度差、價值密度低和滯后明顯的海量災害數據進行實時采集、分析和處理并快速感知突發事件演化態勢還存在一定的難度。

2）突發事件應急管理往往涉及多個部門和單位，從應急管理工作機制上講，突發事件應急管理工作要求各部門、單位協同配合并實現數據、信息等資源共享，而現實情況往往存在比較嚴重的脫節現象，比如，在我國應對新冠疫情前期，一面是公共衛生部門忙得暈頭轉向；另一方面應急管理部門好像又使不上勁，其結果是在武漢不可避免地出現了比較嚴重的混亂局面。導致這種被動局面的主要原因之一就是各類疫情風險數據沒有實施真正的全面共享，無法對疫情態勢做出準確判斷，科學合理的有針對性的處置與救援措施也就無從談起。

3）大數據智能技術人員缺乏突發事件應急管理理論與實戰經驗將嚴重影響突發事件態勢感知的效果。目前，由于人才培養與實際需求的脫節，常常出現的情況是：精通大數據智能技術的專業人員對突發事件應急管理缺乏理論與實踐經驗，而懂突發事件應急管理的工作人員卻對大數據智能技術又不甚了解，二者之間的偏差限制了大數據智能技術在突發事件態勢感知領域的研究和實際應用。

4? 結? 論

重點綜述了突發事件態勢感知研究和基于大數據智能技術的突發事件態勢感知研究，并指出其存在諸多問題和挑戰。目前，隨著大數據、云計算、人工智能等新一代數字技術的發展和成熟，突發事件態勢感知技術迫切需要一場基于大數據智能驅動的變革，以滿足時代的需求。

1）構建基于三維空間的突發事件態勢感知大數據智能技術應用解決方案，為突發事件深度感知提供技術支持。突發事件基本上會涉及社會空間（人）、信息空間（機）和物理空間（物）三元空間，人機物三元空間的集成融合分析是對突發事件進行科學感知、突破理解的主觀性、實現突發事件精準研判的基礎。隨著大數據智能技術的飛速發展，促使人機或物機二元世界融合向以人機物三元世界融合演進。在此背景下，提出與研究基于三元空間的突發事件態勢感知大數據智能技術解決方案具有重要理論和實踐意義。

2）強化突發事件應急管理工作機制，徹底實現災害數據、信息等資源的共享。態勢感知是突發事件應對的重要環節，是有效開展搶險救援行動的前提和依據，而災害數據又是突發事件態勢感知的基礎，災害數據不足或缺乏勢必會嚴重影響事件感知的速度和精度。當前，災害數據無法做到真正意義的全面共享是影響突發事件快速感知和精準研判的主要瓶頸，這在疫情防控中具有明顯體現。比如，一旦出現封城（武漢封城、西安封城、上海封城等），老百姓就會因為物資供應不足或不及時而怨聲載道，致使地方政府壓力巨大。解決該問題的根本辦法就是徹底打通應急、衛健、公安、交通、民政、工信、人社、商務、市場監管、物資儲備等領域數據并利用大數據智能技術進行快速處理和分析，識別災害事件的當前狀態和發展趨勢，在此基礎上制定完備的應急預案（比如一個完備的應急資源保障預案必須能夠清楚回答這些問題：整個城市有多少人、結構與分布情況怎樣；當前應急物資和生活必需品有多少、能維持多久、存儲在哪兒、由誰負責管理；一旦出現封城，可從哪些省或城市調度應急物資和生活必需品、運到后存儲在哪兒、誰負責管理和配送、配送人員又如何管理，等等）。

3）促進大數據智能技術人才培養模式轉變即由高校被動“推向”模式向市場驅動的 “拉向”模式轉變。大數據智能技術人才培養的目標不僅在于知識的突破，更在于推動經濟社會發展，因此大數據智能技術人才的培養需要以市場需求和未來需求為導向，促使政府、高校、企業三方充分合作的前提下，借助政府強大的引導能力和企業敏銳的市場洞察能力，將高校教育深度融入企業需求，培養滿足經濟社會發展的綜合性高素質技術人才。

參考文獻：

[1] ENDSLEY M R.Design and Evaluation for Situation Awareness Enhancement [J].Proceedings of the Human Factors Society Annual Meeting，1988，32（2）：97–101.

[2] ENDSLEY M R. Toward a theory of situation awareness in dynamic systems [J].The Journal of the Human Factors and Ergonomics Society，1995（1）：32-64.

[3] TUROFF M，CHUMER M，WALLE B V. The design of a dynamic emergency response management information system [J].Journal of Information Technology Theory and Application，2004（5）：1-35.

[4] PATRICK M O. Enhancing situational awareness when addressing critical incidents at suburban and rural schools [D].California：Naval Postgraduate School，2012.

[5] FENG Y H. Modelling situation awareness for context-aware decision support [J].Expert Systems with Applications，2009（1）：455-463.

[6] HANNES S，JAANA M，PEKKA L，et al. Developing shared situational awareness for emergency management [J].Safety Science，2013（6）：1-9.

[7] LUOKKALA P，VIRRANTAUS K. Developing information systems to support situational awareness and interaction in time-pressuring crisis situations [J].Safety Science，2014（4）：191-203.

[8] ARCHIE B. Tweeting situational awareness during the Sydney siege [J].Journal of Policing，Intelligence and Counter Terrorism，2016（1）：14-29.

[9] LEONARDO C B，JESSICA O D S，FABIO R J，et al. Methodology for data and information quality assessment in the context of emergency situational awareness [J].Universal Access in the Information Society，2017（16）：889-902.

[11] SYED N D，JENNIFER S，FAISAL K，et al. Situation awareness modeling for emergency management on offshore platforms [J].Human-centric Computing and Information Sciences，2019（9）：1-26.

[12] 王強.公共安全應急聯動態勢圖的研究 [D].鄭州：解放軍信息工程大學，2006.

[13] 趙新勇，安實，叢浩哲.基于路網抗毀可靠度的交通突發事件態勢分析 [J].交通運輸系統工程與信息，2013，13（5）：79-85.

[14] 陳凌，孫曉宇.政府危機決策的態勢感知研究初探 [J].圖書館學研究，2015（14）：94-97.

[15] 楊戌初.社交網絡中突發事件的態勢感知算法研究與實現 [D].北京：北京交通大學，2018.

[16] 楊繼君，曾子軒.基于態勢預測的非常規突發事件應急決策模型構建 [J].統計與決策，2018，34（18）：43-47.

[17] 竇珊，張廣宇，熊智華，等.基于多源數據融合的化工園區危險態勢感知 [J].化工學報，2019，70（2）：460-466+789.

[18] 張海濤，周紅磊，張鑫蕊，等.情報智慧賦能：重大突發事件的態勢感知 [J].情報科學，2020，38（9）：9-13+22.

[19] 王施運，李白楊，白云，等.面向國家安全場景的態勢感知與分析方法研究 [J].情報理論與實踐，2021，44（7）：178-183.

[20] 王秉，史志勇.安全情報視域下的安全態勢感知研究：一個理論框架 [J].情報理論與實踐，2022，45（9）：15-21+5.

[21] DOUG L. 3D data management：controlling data volume，velocity and variety [EB/OL].[2023-01-29].http：//blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf.

[22] GARTNER S E. 10 critical tech trends for the next five years [EB/OL].[2023-01-29].http：//www.forbes.com/sites/ericsavitz/2012/10/22/gartner-10-1519critical-tech-trends.

[23] HILBERT M，LOPEZ P. The worlds technological capacity to store，communicate and compute information [J].Science，2011 （6025）：60-65.

[24] DAVID R，KIM L，JASON E，et al. Harnessing data for national security [J].SAIS Review of International Affairs，2014（1）：121-128.

[25] AKHGAR B，SAATHOFF G B，ARABINA H R，et al. Application of big data for national security：a practitioners guide to emerging technologies [M].UK：Butterworth-Heinemann，2017.

[26] BELAUD J P，NEGNY S，DUPROS F，et al. Collaborative simulation and scientific big data analysis：illustration for sustainability in natural hazards management and chemical process engineering [J].Computers in Industry，2014（3）：521-535.

[27] SHELTON T，POORTHUIS A，GRAHAM M. Mapping the data shadows of Hurricane Sandy：uncovering the sociospatial dimensions of big data [J].Geoforum，2014（52）：167-179.

[28] MOULIK S，MISRA S，OBAIDAT M S. Big data-based decision making for emergency evacuation [J].IEEE Cloud Computing，2015（3）：58-65.

[29] CHOI S，BAE B. The real-time monitoring system of social big data for disaster management [J].Computer Science and its Application，2015（330）：809-815.

[30] ALVARO C，PRATYUSA K M，SREERANGE P R. Big data analytics for security [J].IEEE Security and Privacy，2013（6）：74-76.

[31] TALABIS M，MCPHERSON R L，MIYAMOTO I. Information security analytics：finding security insights，patterns，and anomalies in big data [M].Syngress Media Inc.，2014.

[32] AIIAD A，VIJEY T. Analytical techniques for decision making on information security for big data breaches [J].International Journal of Information Technology & Decision Making，2018（2）：527-545.

[33] 李國杰，程學旗.大數據的研究現狀與科學思考 [J].中國科學院院刊，2012（6）：647-657.

[34] 俞立平.大數據與大數據經濟學 [J].中國軟科學，2013（7）：177-183.

[35] 徐宗本，馮芷艷，郭迅華，等.大數據驅動的管理與決策前沿課題 [J].管理世界，2014（11）：158-163.

[36] 李銀娥.全面推進依法治國的大數據之維 [J].理論觀察，2015（12）：51-52.

[37] 黃璜，黃竹修.大數據與公共政策研究：概念、關系與視角 [J].中國行政管理，2015（10）：25-30.

[38] 陳潭.大數據驅動社會治理的創新轉向 [J].行政論壇，2016，23（6）：1-5.

[39] 張璐.大數據時代公共文化服務智慧化供給路徑探析 [J].中共濟南市委黨校學報，2017（6）：80-84.

[40] 許歡，孟慶國.大數據推動的政府治理方式創新研究 [J].情報理論與實踐，2017，40（12）：52-57.

[41] 邱國棟，王易.“數據-智慧”決策模型：基于大數據的理論構建研究 [J].中國軟科學，2018（12）：17-30.

[42] 趙娟，孟天廣.大數據驅動社會治理創新：政策擴散的視角 [J].政府治理評論，2018（2）：3-13.

[43] 韓麗華，魏明珠.大數據環境下信息資源管理模式創新研究 [J].情報科學，2019，37（8）：158-162.

[44] 陳明奇，姜禾，張娟，等.大數據時代的美國信息網絡安全新戰略分析 [J].信息網絡安全，2012（8）：32-35.

[45] 劉蘭，林軍，蔡君.面向大數據的異構網絡安全監控及關聯算法研究 [J].電信科學，2014，30（7）：84-89.

[46] 江常青.大數據對國家網絡安全的風險評估 [J].中國信息安全，2015（5）：53-54.

[47] 牟明福，蘇正泉.大數據發展的信息安全風險防御探析 [J].中國安全生產科學技術，2017，13（9）：66-71.

[48] 楊敏，何海濤，趙瓊.流量大數據安全分析平臺的設計與實現 [J].通信學報，2018，39（S1）：104-109.

[49] 焦冬艷，吳永，賀桂英.大數據分析下異構網絡安全的關聯算法研究 [J].計算機技術與發展，2019，29（12）：111-115.

[50]張倩.大數據在突發事件政府決策中的應用[J].東北農業大學學報：社會科學版，2013，11（6）：73-79.

[51] 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，2014，24（4）：239-242.

[52] 馬奔，毛慶鐸.大數據在應急管理中的應用 [J].中國行政管理，2015（3）：136-141+151.

[53] 孫欣欣.城市突發水澇災害大數據分析技術研究 [J].科技通報，2016，32（4）：196-201.

[54] 周利敏，龍智光.大數據時代的災害預警創新——以陽江市突發事件預警信息發布中心為案例 [J].武漢大學學報：哲學社會科學版，2017，70（3）：121-132.

[55] 王興鵬.大數據下突發事件應急決策體系重構 [J].安全，2018，39（1）：1-3.

[56] 郭春俠，杜秀秀，儲節旺.大數據應急決策研究評述與發展思考 [J].情報理論與實踐，2019，42（1）：153-160.

[57] 楊繼君，曾子軒，鄭琛.大數據驅動的極端氣象災害態勢要素提取模型與優化 [J].中國人民公安大學學報：自然科學版，2022，28（4）：100-108.

[58] 曾大軍，曹志冬.突發事件態勢感知與決策支持的大數據解決方案 [J].中國應急管理，2013（11）：15-23.

[59] 董青嶺.大數據安全態勢感知與沖突預測 [J].中國社會科學，2018（6）：172-182.

[60] VOUROS G A，ANDRIENKO G，DOULKERIDIS C，et al. Big data analytics for time-critical mobility forecasting：event processing for maritime situational awareness [M].Springer，2020.

作者簡介：楊繼君（1972—），男，土家族，湖南石門人，教授，博士，天津大學智能科技與安全研究院兼職研究員，紐卡斯爾大學訪問學者，主要研究方向：大數據智能與應急管理；通訊作者：曾子軒（1992—），女，漢族，湖南澧縣人，副研究員，博士，研究方向：風險管理。