灾害响应2. 0：大数据时代的灾害治理
——基于“阳江经验”的个案研究
周利敏1，童 星2
(1.广州大学 公共管理学院，广州 51006；2.南京大学 政府管理学院，南京 210093)
摘 要： 随着计算技术的进步，人类应对灾害的能力正处于历史拐点，大数据驱动“灾害响应2.0”智能时代即将来临。阳江经验是典型代表，对它的研究发现，专用与多用途传感数据初步得到应用，物联网使虚拟网络智慧与现实物理世界执行能力得到结合，它也存在一个重要问题是如何将人群智慧和机器决策结合起来。政府、实务工作者和民众对大数据灾害治理表现出责任感和积极支持的态度，这是实践中最难能可贵的。
关键词： 大数据；灾害治理；物联网；传感器；人群智慧；阳江经验
一、缘起：“灾害响应2. 0”时代的大数据治理
灾害影响着每个国家，有效的灾害治理已成为全球性挑战。随着智能手机、全球移动互联网接入及社交媒体的出现，人类响应灾害的方式发生着重大变化，应对灾害的能力正处于历史拐点。2010年海地地震中大数据驱动的灾害响应标志着“灾害响应2.0”分布式智能应对模式的形成[1]，也预示着大数据驱动灾害治理新时代的来临。
近年来，大数据技术在灾害治理领域中迅速兴起，作用日益突显。海地地震中，国际志愿者建构了“数字技术社区”，大数据驱动危机响应而形成新型的“数据人道主义”，谷歌(Google)启动“人民搜寻器”，允许任何人更新失踪人员状况或现场信息；2011年东日本大地震中，大数据预警为新干线争取到宝贵的12 秒；2013年“桑迪”飓风中，社交大数据提供了许多有价值的救援信息；2014年马来西亚航空的飞机失事后，短短几天内800万网民通过登录地图网站Tomnod标记超过1500万个有关失联的卫星图像；2015年尼日利亚地震中，社交大数据帮助数百个紧急服务组织、慈善组织、救灾组织、志愿者与灾民及其亲人联系；2015年尼泊尔地震中，谷歌和脸书(Facebook)启动帮助民众跟踪灾区亲人的大数据系统。在2017年美国伊尔玛特大飓风，社交大数据在监测及救援中的出色表现令人印象深刻。2018年9月，美国新伯尔尼市佛罗伦萨飓风袭击，市政府和受困居民使用推特有效转移到安全地带。
在我国，2012年北京7·21暴雨发生时，被困人员通过微博平台求助，民众对相关人员、时间、地点等信息进行读取，同时在微博上添加位置数据进行地图定位，为救灾提供信息；2013年四川芦山地震中，成都高新减灾研究所链接全国震警系统，为雅安主城区争取5 秒，为成都主城区争取28 秒；2015年云南沧源地震中，民众通过链接预警数据库终端设备上传地表晃动、房屋损坏和人员伤亡等情况，为昆明主城区争取93 秒，同时绘制“烈度速报”和“人工灾情采集”应急数据图；2016年“妮妲”台风中，中科院深圳先进技术研究院利用大数据挖掘技术，对其登陆时间、地点和所经路线等进行较为准确的预测；2016年贵州降雨强度大及城镇内涝严重，依靠“水利云”洪水大数据预测，灾害预警从过去20分钟提前24小时以上；2017年四川九寨沟地震发生后，中国地震应急搜救中心立刻启动互联网+地震LBS大数据应用平台展开救援行动；2018年9月，在广东“山竹”台风中，社交媒体及社交大数据在抗灾与救援发挥了重要作用。
当前大数据已成灾害治理研究的新领域，它适用于灾害全生命周期(即预防、备灾、应对和恢复)各阶段。灾害社会科学四大理论流派(即结构功能主义、社会脆弱性、社会建构主义和灾害韧性)在研究方法上都呈现出跨学科、仿真模拟及大数据研究三大趋势。近年来，大数据不仅成为灾害社会科学研究的新兴方法，而且也成为其重要的理论来源。基于此，本文将聚焦于以下几个问题：灾害大数据研究前沿动态如何，其基础知识有哪些，广东省阳江市的创新经验具体情况如何，如何建构大数据灾害治理模型，其具有哪些治理前景与陷阱？
二、灾害大数据：前沿综述及研究思路
大数据灾害治理是指有效利用大数据抓取、挖掘与分析技术对巨量灾害信息进行处理，以达到有效监测、预防、应对及恢复等目的。与传统灾害治理相比，它强调灾害治理动态过程及主体多元化，提倡多中心、平等及合作关系，同时注重精英智慧与民众智慧的结合。灾害大数据不仅源于专业传感器，还来自多用途的大众传感器；既来自政府的正向信息传递，也来自民间的反向信息传递；既包括与灾害直接相关的数据，也包括间接相关的数据。大数据灾害治理还将物联网技术引入其中，实现网络世界智慧与物理世界执行力的有效结合(如表1)。
表1 传统灾害治理(传统1.0)与大数据灾害治理
(Web2.0)比较
从性质上分，灾害大数据分为常规与非常规两类，后一类又称“危机大数据”，特指在危机或大规模紧急情况下收集的大数据，旨在利用大数据分析技术及数字平台对危机作出高效反应。从结构上分，灾害大数据分为结构化和非结构化两极，最大的技术挑战就是从巨量非结构化或半结构化信息中提取结构化信息。从来源上分，灾害大数据则分为即时生成的共享在线和智能传感器两类。
(一)前沿综述
6.物联网维度：从网络智慧到物理世界
一是“工程-技术”视角，这方面的研究较多。如贝洛莫(Bellomo)等认为在紧急情况下运用大数据工具和数学动力学方法，能有效提高灾害应对水平[2]。美代志(Miyoshi)等指出“大数据同化(BDA)技术”在天气数值预报中具有潜在影响[3]，卡迪尔等发现在海地地震中 “数字人道主义者”使用了诸如网络阅读、大数据分析、“参与式绘图”、“众包翻译”、社交媒体和移动技术，创造了“大数据危机分析技术生态系统”[1]。大数据技术还有一个有趣的分支即视觉分析，它结合了计算机视觉、地理信息和空间技术，主要用于危机图像和视频大数据处理。
二是“社会-治理”视角，强调灾害治理应注重风险预防、预警及预控，将大数据反映出来的风险信息作为民众参与灾害治理的基础，也是政府调动社会资源的依据。如海莉(Hayley)等认为大数据具有显著的风险感知、预警与预防功能，为社会风险治理变革提供重要契机[4]，“云治理”则成为灾害治理的新模式，博戈莫洛夫(Bogomolov)等坚信社交大数据具有很好预测功能[5]，为灾害治理提供了“反向通信”功能，有利于建立新的“双向通信”治理架构。
下面进一步研究投资者情绪与股票价格在时间上的先导-滞后关系，故有必要对上述两个变量进行格兰杰因果关系检验，故本文构建滞后2期的格兰杰因果关系检验，结果见表9。
四是“政治-经济”视角，认为大数据不仅对灾害治理具有积极作用，也对国家安全和经济发展产生重要影响。如克兰普顿(Crampton)等发现大数据通过“隐私重新认识”和“算法安全性”两种方式对政治产生重大影响，地缘隐私被揭示为地缘政治组合，以“智能安全监控”为例，它代表地缘政治组合(包括国家、军队、立法机构、企业界和知识生产者等)内的利益关系，这些关系不容易彼此被分离，它们能被组合与集体审视以追溯因果关系及流动趋向[8]。
灾害大数据这一通用说法，具体到不同学科表现为不同概念。灾害是自然工程领域的基本术语，在社会科学领域称为风险，到了管理学领域则称为危机[9]。同样，在大数据与灾害关系研究中，不同学科也各自使用不同概念。
第一，“工程-技术”视角中的“遥感(空间)大数据”。灾害大数据本是地理学和工程学等领域常用说法，又以遥感(空间)大数据为代表。奥佛利(Ofli)等认为人类社会已进入“遥感大数据时代”，通过“混合众包”和“实时机器学习技术”快速处理大量遥感数据而领先未来挑战[10]。在流行病学中，空间大数据对健康风险沟通具有积极影响。空间大数据分析系统与危险地图连接，能有效弥补传统危险地图之不足，为灾害治理提供现场动态及情境地图[11]。随着空间大数据挖掘技术发展，决策人员能分析空间数据库中隐含关系及特征，同时探讨灾民在紧急情况下行为以有效监测紧急情况及减少灾害冲击。
第二，“社会-治理”视角中的“社交大数据”。路透(Reuter)等发现每次大规模灾害中社交媒体使用情况都成为人们关注的话题，主要包括公开辩论、灾害监督、延伸管理、群众采购、合作发展、创造社会凝聚力、促进应急和加强研究等[12]。菲茨休(Fitzhugh)等认为通过微博及社交网站等在线及“非正式沟通”方式，可以有效应对“复合灾害”面临的治理挑战[13]。凯瑟琳(Kathleen)等发现推特(Twitter)等社交媒体提供的巨量信息，有利于灾害规划、早期时空预警和及时响应[14]。社交大数据着重于“全球脉搏”，它在“全局脉冲”中累积匿名信息，可以帮助政府预测自然灾害及其引发的人类行为。但肉桂(Cinnamon)等指出，社交大数据也存在测试和评估等局限，尤其可能忽视弱势群体问题[15]。
第三，“管理-制度”视角中的“公共大数据”。卡迪尔等指出越来越多的政府正采用公共大数据促进灾害管理创新及加强问责制[1]，“e-政府”通过大数据灾害响应系统，不仅能有效地进行预测、预警、预防和应急等，还能及时了解民众需求和安抚其焦虑情绪，进而为其提供系统性安全和个性化服务。同时，由于公共大数据的“开源趋势”(尽管并不总是公开)，公共组织和非营利组织能通过搜索和机器可读方式有效利用它，从而提高其参与积极性或者促进二者进行更好的合作以改善治理。
第五，阳江经验发现大数据有利于加强灾害治理的情境意识。情境意识在现代灾害治理中发挥了关键作用，当“中心”将基础设施损害地图与其他信息结合时，有助于决策者更好地了解灾害情境及各种细节。“情境决策模式”克服了传统灾害治理的静止性、滞后性和操作性缺乏等局限，有助于管理者作出更加明智的决策，例如在紧急救援、现场撤退及分配资源等方面。在未来，如果“中心”能进一步结合社交大数据或“社会GIS数据”，还能更好地实时了解不熟悉区域民众及救援人员的位置，同时对其行为作出有效的监督。
图1 灾害大数据综述的逻辑关系
综上所述，这些研究体现出几个特征：① 研究比较分散，大多侧重于技术、管理和应用，很少有专门针对灾害治理(disaster governance)的研究。②不同学科的研究之间缺乏交流和对话，基本的共识尚未形成。③研究的广度和深度还有欠缺，大多停留在理念与概念层面，案例研究少见，量化研究不足。④许多研究取自上而下之势，集中于管理、制度和政策设计，较少自下而上的提炼，双向的结合更为少见。⑤主要做描述性(发生了什么)、诊断性(为什么发生)及应用预测性(会发生什么)分析，缺乏在此基础上深入的理论研究。⑥国内与国外的研究对话不足，国内学界虽应立足于现有国情与社情，但大数据是一场全球范围内的技术与思维革命，国外的研究成果仍有许多可借鉴之处，否则难以摆脱国内研究相对滞后的现状。
院子里有一棵特别粗壮的老杨树。2016年深秋，我清楚地记得自己坐在杨树下面拍摄农场微电影《幸福的味道》的场景：一件破旧的针织毛衣，一条军绿色的棉布裤子，一双上世纪60年代的棉布鞋，两条长长的辫子，一种时空穿越的感觉。现在回想起来，心里还是甜甜的、暖暖的。
(二)研究思路
本研究以治理为切入点，主要是因为：首先，大数据成为灾害治理中可能现实途径，为政府和民众提升治理技术、理念及治理能力。其次，治理视角有利于多学科交叉与融合，可以将遥感、社交、公共、风险及安全等不同学科大数据统一纳入治理框架。最后，灾害治理是灾害研究的归宿，无论什么学科、什么视角，研究灾害的目的都是为了更好地治理灾害。本研究的基本思路如下：首先，梳理相关文献以确定研究问题，本研究定位于探索性研究；其次，在研究方法层面选用案例法，通过总结广东阳江实践经验，以论证大数据灾害治理之可能性；再次，对阳江经验做理论提升，探讨其内在机理和运作逻辑，构建理论模型；最后，展望大数据灾害治理的未来趋势及可能陷阱。
图2 研究思路
三、阳江经验：方法选择及案例简介
(一)方法选择
之所以选择案例法，主要基于几方面的考虑：第一，探索性研究一般以质性研究为主，目的是为后续深入研究作铺垫；况且大数据还没有成为灾害治理的普遍现象，不宜进行大规模问卷调查。第二，自然灾害具有难以预测、无法重复、复合型及非线性等特征，往往很难发现存在明显的因果关系，不宜进行抽样研究。第三，大数据虽然具有量化特征，但本研究聚焦于治理而非技术，侧重于大数据理论的实践运用。
一是萌芽阶段(2013年3月以前)。2011年11月，国家气象局与广东省政府共同确定广东为率先基本实现气象现代化四个试点省份之一。2012年3月，广东省与国家气象局签署“合作备忘录”，将创新体制与健全突发事件预警发布体系作为合作重点。2012年8月，《广东省突发事件预警信息发布管理办法》出台；省长提出在全省加快推进突发事件预警信息发布体系建设；阳江市委市政府开始酝酿成立市预警信息发布中心。
当腹板越来越厚时，靠近支座的剪力滞系数和剪力滞系数峰值有所减小，其他位置的剪力滞系数差别不是很大。腹板越厚，剪力滞系数的纵向分布趋势将越均匀。
全部患者经急诊治疗后，呼吸频率和心率明显降低，PH和PaO2明显升高，且PaCO2下降明显，差异有统计学意义（P＜0.05），见表1。
那么，“阳江经验”具有多大的类型学意义？第一，就区域代表性而言，2012年3月，广东省与国家气象局签署《关于加快气象现代化试点省建设合作备忘录》。2015年11月，《广东省气象信息化实施方案》出台，目标是到2016年底初步建成支撑省、市、县三级业务应用的“气象云”平台，同时探索建立基于云计算和大数据技术基础上的气象大数据试验平台；2017—2020年加快推进气象大数据应用研究，构建和发展具有广东特色的智慧气象(2) 谢青林、余佳，广东：气象大数据纳入省促进云计算创新发展[Z].中国气象报社、中国气象局官网，2015年11月5日。 。第二，就实践效果而言，广东省已有90%的市、县(区)成立了三级突发事件预警信息发布中心，阳江市应急指挥中心率先建成，成为广东省灾害治理的品牌。第三，阳江市境内灾情复杂，灾种较全。第四，在应急指挥中心建设方面，广东实行的是“三模”分类推进策略，阳江市则是“三模”中难度最高的“一模”典型(3) “一模”是指整合应急、三防、气象和地震等多部门监测站点资源，工作平台在政府或部门，委托气象局代管，发布自然灾害、事故灾难和公共卫生事件预警信息，实现预防、预警和预案工作一体化。“二模”即整合应急和气象等部门，工作平台在部门，发布自然灾害类突发预警信息，突出预防和预警工作。“三模”是仅发布气象灾害类突发事件预警信息。 。
(二)案例简介
大数据需要将不同部门、不同领域的分散数据源整合共享，实现不同传感器数据自动收集和统一存储。许多部门及数据拥有者往往不愿意分享信息，使得灾害信息零星化、片面化和原子化，造成灾害治理的低效率。灾害治理涉及远程位置之间的大数据交换和分析，需要特别强调统一平台的作用及优势。有学者提出“自动化灾害预警系统统一平台”概念，通过建立统一网络平台及利用地理空间信息而形成综合、独立与统一的信息平台[18]。由于大数据平台是“开放的”，根据需要还可以加入新的传感器及附加数据，从而促进整个治理平台实现最佳性能。可见，建立统一大数据工具及平台，实现自动化集成和共享大数据，建立大数据应用程序，从而有效响应各类灾害事件，这是大数据灾害治理的前提。
图3 中心发展历程
本研究选取广东省阳江市气象灾害治理为案例，主要是因为：首先，大数据概念出现之前，最接近大数据的就是气象数据，即以各种传感器输送的巨量庞杂数据。其次，广东省自然灾害主要以气象灾害为主，占比80%以上，阳江市更是如此。最后，气象大数据越来越被普通民众所接受。2016年初，中国气象网对网络用户进行问卷调查，发现“气象大数据”已不再是陌生概念，已走进普通民众生活(1) 栾菲，公众期待智慧气象和大数据应用改变生活[Z].中国气象报社，2016年02月16日。 。
二是初步建立阶段(2013年3月至2014年12月)。2013年3月，阳江市突发事件预警信息发布中心成立，由市气象局代管，先建基础设施，再建“五区六岗”气象数据云平台，气象数据共享率达100%。
三是正式建立阶段(2014年12月至2016年4月)。2014年8月，阳江市机构编制委员会批准市应急指挥中心机构编制方案，加挂市突发事件预警信息发布中心牌子，同时整合应急、三防、气象和地震等应急管理机构资源。2014年12月，“中心”正式建成并投入使用，各项工作机制与制度初步建立，市“三防办”法定职责不变，与“中心”合署办公。所有下辖县(市)、乡镇也仿照市，相继对应急单位进行整合。
四是深入发展和完善阶段(2016年5月至今)。“中心”进一步推进与其他部门的整合，将离散的预警信息如交通和水文等部门数据接入，实现巨量灾害信息“开放共享、到底到边、管用好用”的目标；继续加快平台辅助决策指挥系统建设，完善三防预警决策支持信息系统建设，新建三防视频会议系统。未来，“中心”还将加强软件建设，从技术层面切实提高大数据处理水平，从政府与社会层面增强大数据治理意识与能力。
四、大数据驱动下的阳江灾害治理创新实践
阳江市的大数据灾害治理主要通过专用和多用途传感器进行数据抓取、挖掘与分析，为灾前、灾中与灾后提供治理决策支持(如图4)。
(一)互联网、统一平台与开源数据
为了实现灾害信息“第一声音和权威发布”，“中心”借鉴国际及香港等地成熟做法，把突发事件预警信息发布中心、市三防办和市地震局相关科(室)等18个不同部门整合在一起，在“中心”统一进行数据存储与处理，形成以“信息共享”为目标的应急平台，按照“五区六岗”进行设置，强调组织、人员、信息和资源等全要素协同治理。目前，“中心”已具备灾害数据统一采集、聚合、分析、处理和管理等功能，形成灾害治理“一张网”和“一张图”，综合协调和统一发布灾害信息。快速共享的数据库对于灾害治理非常重要。“中心”具备了“开源数据”特征与趋势，这些数据能够在不同部门之间被搜索、阅读及共享。尽管目前“开源数据”只是在体制内相关部门之间共享，但已初步与大数据治理新趋势相吻合。这一趋势如在海地地震中，各地志愿者将世界卫生组织地图中的卫生设施信息和太平洋灾害警察设施中心数据绘制在开源平台上，为政府和私人援助提供最可靠的信息。“数据开源”广泛受到业务部门和社会各界的欢迎，成为未来灾害治理的新方向。但是，灾害大数据可能涉及敏感或机密数据，如何在“脱敏”“脱密”情况下实现数据开放，这是未来大数据治理的重要难题。
图4 阳江灾害治理创新实践
(二)遥感大数据、专业传感器与无人机计划
“中心”通过GPS设备、视频监控设备、卫星遥感、电子显示屏、个人电脑、智能手机和数码相机等各种专业的和大众的传感器接入固定网、移动网和因特网，实现灾害大数据实时传输。目前，阳江市已在各个区域建立了自动监测站点和专业探测网，加上水利、电力和海洋等相关部门观测站点的共建共享，大数据收集设施日趋完善。“中心”还整合各部门现有基层信息员、气象信息员、地震信息员、海洋信息员、灾害信息员、群测群防员等队伍资源，利用地理、气象卫星技术和空间技术等进行应急处理，初步形成多向互动数据空间及无缝隙(seamless)遥感大数据整合机制。由于地球观测传感器系统快速发展，巨量接近实时或实时生成的大数据有利于各类自然灾害的动态监测和决策分析。Terra Seismic公司对卫星数据和环境因素进行实时监测，声称对世界上任何地方地震预测准确率达到90%以上。无人机(UAV)捕获空中图像在灾害治理中也发挥越来越重要的作用，通过对空中图像进行自动分析，不仅能为灾害治理提供情境意识，还有利于加强政府的治理责任。同时，如果某一地点成为“信息孤岛”，无人机可以补充数据采集，确保民众、官员及救助人员永不失联，“中心”暂未采用无人机搜集信息，但已明确将其列为未来工作计划。
(三)社交大数据、通用传感器与非正式渠道
“中心”在新浪、腾讯和移动等影响力大的网站开通“阳江天气”官方博客、微博、微信和APP“天气管家”等，通过社交媒体将灾害信息及时向公众发送。公众也可以根据自己需求，通过手机下载APP气象预警信息软件，定制“气象信息共享包”，选择自己喜欢的数据服务方式，免费获得即时天气状况服务，扮演定制员、采集员和分析员角色。民众通过社交媒体获取的“个人资料”或“我的数据”(My Data)，不仅能随时随地了解灾害信息及个性化解决方案，而且增强了自身安全及危机参与意识。事实上，具有“反向通信”功能的社交媒体在灾害信息共享方面已无所不在，既有政府自上而下的信息发布与管理，也有非政府组织及民众通过大数据平台的参与甚至主导灾害治理。民众作为灾害的“直接目击者”，收集与分享灾害事件照片、视频或短信，与官方社交媒体站点及现场社交媒体舆论领袖协调，对灾害治理产生至关重要的影响。智能手机正迅速成为人们生活中的中央电脑和通讯设备，这种基于通信技术联网的手机产生了巨量数据，主要通过虚拟和物理两个维度收集与分析数据。智能手机在实时和持续监测人员位置及其行为方面非常有效，手机追踪已被纳入风险传播评估范畴，不仅可以预测人们的行为，还能有效引导民众直接参与灾害应对。传统的灾害管理大多将管理责任归为政府的事情而与民众无关，民众通常被认为是需要被抢救的人而不是积极的参与者。由于大数据分析技术的创新，尤其随着社会移动应用程序的普及，灾害治理已出现了重大变化，民众不仅能获取或提供详细的灾害信息，还能对灾害进行“人群智慧”分析，促使其越来越主动地参与到治理行动中来。
(四)横向到边、纵向到底与全覆盖治理
阳江市实现了横向部门之间的联动与联运，市、县应急指挥中心通过多样化网络手段为横向部门提供灾害信息，在传播对象、手段及行动上实现“横向到边”。在2013年“尤特”、2014年 “威马逊”、2016年“彩虹”和2017年“南玛都”等台风灾害中，“中心”都及时将信息传递到民众和各个部门，为实现灾害“零死亡”提供重要信息与行动保障。“纵向到底”则是指“中心”向上连接省甚至国家气象局，向下通过“五区六岗”与乡镇站点互联，将信息接收端下沉到基层行政村，实现无缝对接，使信息及时传递到各级政府责任人、监测人及基层群众，解决信息发布“最后一公里、关键一小时”问题。大数据能有效解决偏远地区基础设施稀缺、需求量大及资源配置困难等问题，通过“时空过滤技术”实现高密度人口地区伤亡事件与偏远地区最小破坏事件的信息全覆盖。
三是“管理-制度”视角，认为大数据有利于推动科层式灾害管理体制变革，提高非政府组织管理效率。如松尾(Matsuo)认为通过全球网络传输系统、专业监测设备与传感器，大数据为应急管理提供了新方法[6]。“大数据应急管理系统”(Asyem)分为传感器、本地传输、网络和管理等四个层次，亚历克西斯(Alexis)等指出目前政府和民众运用“应急管理信息系统”(EMIS)尚不充分，仍有巨大潜力可挖[7]。如果在社会危机管理领域使用大数据，则能更好地制定政策以应对不可预知的危机。
(五)实时监控、时空情境与动态治理
“中心”实施“五区六岗”建设：五区是将指挥区、联动区、审核区、发布区和传播区整合成“五位一体”的功能区，“六岗”是指值班主任岗、考务岗、审核岗、发布监控岗、评估岗和通管岗同时设立在“中心”。灾害预警由相关单位根据法规及部门职能发出，通过网络传到中心“联动区”；对于准备发布的预警信息，工作人员在规定时间内在“审核区”审核；根据相关法制裁决和决策，依据“指挥区”决策信息，由“发布区”通过多渠道及时准确发布；“传播区”确保互联网将“发布区”的信息“传得顺”，传得畅”。“五区六岗”做到在线监督、在线预报、在线预警、在线服务、在线管理和在线保障。在此基础上，“中心”形成“应急一张网”和“应急一张图”，可以直接指挥到灾害现场，实现跨时空情境下相关部门及人员的沟通。“中心”还对灾害隐患点、变化状态、预警点和逃生路线等进行三维动态监控。在大数据支持下，决策者可以借助动态鸟瞰图指导灾害应对，包括治理决策及资源分配。“中心”决策具有情境性、动态性和智能性等特点，显著改变了传统治理或者说创造了新的治理模式。
在对观测过程中的涉及到的各项资料进行整理时，应当在表中填入观测日期、观测标高等各项数据，完成对月沉降率，以及沉降量的计算，最终依据数据，绘制沉降过程曲线图。
(六)物联网、数字通信与真实世界
“中心”通过物联网有效且合理调配救灾资源，使网络信息与物理部门之间得到整合。例如，2016年12月，“中心”举行地震应急救援综合演练，包括以下10个科目：现场地震应急指挥、架设流动地震台和现场震害调查；疏散人员、抢救被困人员和消防灭火；伤员急救、运送及卫生防疫；安置灾民、发放救济物资；开展安全保卫、维护震区治安；架设临时通信设施；供电线路抢修；供水管道抢修；天然气管道抢修；交通要道抢修等。参演单位通过物联网开展生动逼真的应急救援行动，实现了线上与线下、网络与现实、虚拟与实体的结合。物联网是由大数据支撑、数字通信设备普及和普通人群无所不在的互联网接入而形成的新领域，它在大数据灾害治理中具有不可或缺的重要地位。物联网将物理世界的执行能力与计算世界的智慧联系起来，提升真实世界风险防范的能力，增强网络世界风险防范功能的实用性。在灾害应对过程中，“中心”对应急人员、物资和场所进行分析，通过物联网快速传给相关人员，促使救灾资源及行动从模糊向精准转变。
五、基于阳江经验的大数据灾害治理模型建构
(一)阳江经验的进一步提炼
第一，阳江经验表明了大数据为灾害治理带来新机遇，WEB2.0时代的灾害治理不仅是一种前沿理念，也是一种现实可能。它有助于政府部门之间及政府与民众之间及时沟通，帮助政府与民众了解最准确、最有效的灾害信息及最有利的救援方案，暴露并消除传统灾害治理的冗余性和低效率。大数据也有利于合理配置防灾减灾救灾资源、优化救援过程及实现协同应对，帮助决策者识别和服务核心人群。大数据不仅有利于及时抢救灾区生命，还有利于发现与保护潜在高风险区。
第二，阳江经验体现了政府与民众传播技术和能力的进步。“中心”改变了传统使用单一专业传感器的局限，集成了专用和多用途传感器大数据。专用传感器可以及时检测物理环境的变化，高端社交媒体传感器正迅速被低成本定制或通用传感器所补充。多用途传感器以简单的方式建立了管理者、灾民和普通民众之间的直接沟通渠道，民众本身也成为一种传感器即“民众传感器”。大数据灾害治理旨在组合与运用来自不同类型传感器提供的巨量数据，决策者通过利用这些信息具备了监控人们在灾害中行动的能力，从而有利于制定更好的治理策略。
第三，阳江经验表明来自专用传感器的“遥感大数据”目前仍然起主导作用，为准确决策提供了重要支持。社交大数据现阶段还存在许多不足，特别是政府利用社交大数据进行灾害治理的能力还很欠缺。同时，社交大数据本身也存在许多不足，如传感器位置的不可预测性及对每个设备的控制不足都会导致数据质量问题，因此需要专业传感器的配合。虽然目前社交大数据在阳江实践中尚未得到充分有效的运用，但无庸置疑，它在灾害治理中发挥的作用将越来越大，国内外微信、推特及脸书等实时服务已被广泛引入灾害治理领域。这是政府在未来灾害治理中需要重视的议题。
第四，阳江经验强调手机大数据在灾害治理中具有重要作用，尤其在不发达地区，通过短信上传灾害信息的能力与服务就更为重要。手机主要通过“紧急通信网络”(ECN)为灾害治理提供基本信息，其数据来源由灾害中的民众直接产生，不仅为灾害事件提供了现场报道和情境意识，还能对灾区民众当前位置进行定位并预测其未来的行动轨迹。手机大数据已经成为灾害治理的重要数据来源，它改变了灾害治理的现行思维模式与治理实践。
第四，“政治-经济”视角中的“安全大数据”。网络大数据是安全大数据的重要组成部分，克兰普顿认为网络犯罪、网络恐怖主义和网络战争对国家安全构成重大威胁[8]。社交媒体也是安全大数据的重要来源，穆罕默德(Mohammad)等指出自上而下的遥感大数据与自下而上的社交大数据为安全管理引入了一种“新颖的方式[16]，即个人主义和恐怖主义团体利用社交平台传播极端主义意识形态及组织犯罪活动。斯托切夫(Stoycheff)则认为2013年斯诺登(Snowden)披露美国国家安全局有争议的在线监控计划，这对国家安全产生了重要影响[17]。
第六，阳江经验强调大数据治理的关键是如何将人群智慧和机器决策结合起来，同时又不牺牲决策速度，进而形成灾害治理决策自动化。人类与机器的联合决策能更好把握巨量非结构化信息，如何设计、评估和运用人群输出和机器输出的“联合决策”模式就成为理论与现实的难题。有学者提出“人机界面和机器智能混合方法”[1]，与此相对应的是可视化技术。阳江经验中已形成“应急一张图”和“应急一张网”，决策可视化取得一些进展，但决策自动化还需要努力探索。
(二)大数据灾害治理模型建构
阳江经验为理论模型建构奠定了实践基础，基于实践经验演绎出的理论模型具有三方面优势：首先，避免理论模型脱离现实世界；其次，符合科学认识规律，理论源于现实；最后，弥补局部实践的不足，理论高于现实，才能指导现实。我们在总结阳江经验、借鉴国内外各地成功案例的基础上，结合大数据的治理思维与技术，将大数据灾害治理框架分为以下6个维度(如图5)。
1.平台维度：从分散数据源到统一数据存储
2)无人机航测数据获取速度快、影像分辨率高，在稀土开采监测中有不可比拟的优势，已成为稀土开采动态监测的重要手段。
阳江市应急指挥中心(以下简称为“中心”)承担灾害治理、应急管理、安全生产和防震减灾等职能，统一发布自然灾害、事故灾难、公共卫生事件和社会安全事件四大类突发公共事件预警信息。它的发展分为四个阶段(如图3)。
NIHSS评分联合DSA检查对急性缺血性卒中患者侧支循环及静脉溶栓治疗预后的评估价值 ……………………………………………… 赵勇，汤其强，许啟伍，等 332
图5 大数据灾害治理模型
2.专用传感器维度：从科学治理到战略治理
第一次世界大战不断推动着发明创造的进程。到战争最终几个月间，最先进的飞机航速提高了一倍多，飞机生产总数也逐渐增加：战争期间英国生产了5.5万架飞机、法国6.8万架、意大利2万架、德国4.8万架。美国在参战的一年半中生产出1.5万架飞机。
基于卫星和专用传感器形成的空间(地理)大数据，能在灾前预防、灾中应急及灾后重建中发挥重要作用。专用传感器是大数据灾害治理的科学基础，也是战略治理的关键，如地震仪就是精密的专用传感器，来自地震仪的数据被连续反馈进入地质模型，几秒钟内就能快速找到或发现地震震动。遥感大数据与普通危险地图结合也能提供实时数据，航空图像是基于远程协作技术基础上实现的“空间数据集成”，在航空图像处理中，高性能及云中布置的大量计算机(远程服务器网络)使得建立更为复杂的风险模型成为可能。与此相关的是视觉分析，它借鉴了计算机视觉和地理空间技术处理危机图像与视频，目的是通过视觉界面支持推理分析，这在航空图像(通过无人机或卫星收集)专业分析中体现尤为明显。
3.多用途传感器维度：从正向通信到反向通信
在传统灾害治理中，人们往往只重视自上而下的政府正向信息发布。迄今为止，基本上现有的灾害管理系统的信息发布是一种“单向通信”，强调政府在灾害治理中的核心作用[19]。与(封闭的)政府单向数据相比，(开放的)社交大数据来源于多用途传感器网络。在灾害及其破坏的环境中，个人主要通过非正式人际渠道相互交流信息，经常超出公职人员和新闻界提供的官方资料。在Web 2.0时代，由于手机、电脑及社交媒体应用程序的简易化，使得民众更容易提供与分析灾害信息，也使得社交大数据(包括文本和视觉数据)具有反向通信的功能，能为政府及民众提供及时、可验证与可操作的信息。尤其是现场事件的最新资料，能有效洞察社会现象和市民意见，及时帮助政府决策及受灾害影响的民众。
4.人群智慧维度：从精英治理到民众治理
与传统治理不同，大数据灾害治理强调“人群智慧”。人群智慧是指由一群不同个体形成的集体意见，它好于或至少等于好的专家，有利于提高民众灾害认知及参与意愿。人群智慧包括“众包”和“人群计算”两种方式。众包是指通过开放动态网络应用程序以协作潜在人群在线解决分布式问题，它强调通过社交网络充分挖掘人群智慧。众包分为人群搜索、微型任务、公民科学、快速翻译、数据清理和验证、开发ML分类器和选举监测等，众包技术能帮助人们收集信息、报告信息、志愿者帮助、请求帮助或重新播放(转发)有用信息。众包的通常表现形式是“微任务”，即将大任务分解成系列可完成的小任务，如在菲律宾“巴勃罗”台风灾害中，通过“人群制作”(Crowd Crafting)分解灾害救援微任务，有效分担政府救援工作[20]。2016年，卡塔尔计算研究所(QCRI)开发了微型地图(Micro Mappers)，这是一个为人道主义定制的应急微型平台。众包的另一表现形式是“参与式绘图”，通过自愿生成的地理内容为民众提供地理位置信息服务，也被称为“Web 2.0时代民主参与绘图方法”[21]。与众包相对应的是“人群计算”，这是一种利用人群解决复杂问题的技术，通过整合社交网络和运用互联网鼓励人群合作。
5.动态维度：从静态治理到情境治理
回归模型建立完毕后，便可将2016年的自变量代入模型对2016年的工业用地量进行测算，得到结果为1 111.4平方公里。
专用和多用途传感器的结合能克服传统静态治理的局限，危机响应在动态环境中运行，响应者也必须通过动态手段及时获取任务执行所需的重要信息。例如，通过卫星捕获危机地区的高分辨率图像即“危机地图”，这一技术被称为“危机映射”，为有关部门提供近乎实时情境的危机状态[21]。在危机情境中，通过使用文本、图像、语音、视频、地图、众包数据和正式报告等，可以帮助人们找到紧急住宿、食物、水、疏散路线及失踪人员等。同时，社交网络产生的信息流动也为紧急演练或救援行动提供重要的信息来源，大大提高决策速度与准确性[22]。此外，“危机映射”是新开发的跨学科研究领域，通过给出动态鸟瞰图指导灾害治理工作，从空间和时间维度提供了动态的情境意识。
将大数据与灾害、风险、危机和安全等关键词结合起来，进行多角度中英文献收集、梳理，发现有四种研究视角(如图1)。
总之，“导论篇”用于说明实验教程的主旨思想与中心要义，以帮助阅者能够快速知悉并理解相关内容，因此在编写过程中应精心处理。
随着物联网兴起，物联网大数据将很快匹配甚至超过社交大数据，在灾害治理中发挥越来越重要的作用。物联网强调线上与线下整合及“以人为中心”的理念，通过网络将人类行动和物质资源纳入灾害治理之中，将感测技术、传感器与物理世界执行能力结合起来，实现遥感、“网络感知”和“参与式感应技术”相结合。在灾害期间，通过无人地面/空中/海上搜索和救援，运用智能交通系统将个人汽车与网络和物理基础设施连结，为灾害疏散和应急响应提供物联网手段。
综上，大数据灾害治理模型以统一平台为基础，将大数据来源分为专用传感器网络(又称物理传感器)和多用途传感器网络(又称社会传感器)，前者支持政府自上而下的治理，后者协助民间自下而上的参与。这一模型将人群智慧作为灾害治理的核心，强调动态治理是其优势；也强调物联网在灾害治理中的重大作用，使虚拟网络智慧与现实执行能力得以有效整合。
六、讨论：大数据灾害治理前景与陷阱
大数据为灾害治理提供了无限潜力，促进了治理思维及治理技术的重大变革，同时也存在“陷阱”，需要学界、决策者及民众严肃面对。大数据灾害治理前景主要体现为以下方面：
图6 治理前景与陷阱
第一，实时、动态与新颖分析。大数据能克服传统灾害治理滞后性及片面性等局限，有利于实现实时监控与动态治理。在灾害治理过程中，时间决策至关重要。动态变化的灾害环境使得数据迅速变得过时，过时的数据不仅无用、而且有害。传统的GIS工具和系统对分析各种地理信息非常有用，但并不是为处理动态数据流而设计的。手机、卫星和社交媒体都有大量特定的位置数据，对紧急救灾组织的最大挑战就是如何拥有这些动态的大数据。未来大数据技术将会日益完善，能够使用高容量、高速度和高品质数据以保持数据的相对新颖性，尽管开发和验证实时数据模型是一项有挑战性的任务。
1）王家会站测验断面相对稳定，中高水水位流量关系相关性较好，中高水经单值化处理定线后，水位流量关系线系统误差的绝对值和随机不确定度均小于《水文巡测规范》（SL195-2015）4.5.2条基本站允许误差。
第二，安全、可靠与容灾分析。大数据面临品种(包括专用和多用途传感器在内的多数据源集成)和真实性(通过大数据大噪声过滤技术实现高质量信息)挑战，灾害特殊性需要确保大数据计算和分析系统具有高度容灾性(可靠性和可用性)，也就是备份的冗余系统，确保某一系统受损时另一系统可替代使用，从“正常”操作模式切换到“灾难模式”也能正常运行。这就要求系统拥有可靠性机制并能承受灾害导致的极端不利条件，私有云和公共云都要规避诸如黑客、火灾、洪水和地震等导致的数据丢失风险。
（2）搅拌阶段，一次搅拌量需要小于定额搅拌机的80%量，钢纤维秤重误差比要控制在2%以内[3]。2.2.4 运输
第三，基于人工智能(AI)预测/上下文(ML)感知的危机分析。随着AI技术的进步和互联网、GPS、智能手机的广泛使用，将上下文感知的个性化危机信息推向危机影响者或受害者。机器虽然能利用精心制作的各类灾害问题算法，但精确算法对于许多问题是未知的，AI与ML分析方法的结合是适当且必须的。对于活跃的手机用户，通过使用危机响应分析系统，从而为用户推送适当的逃生路线。AI / ML技术能自动处理并从危机大数据中提取有用的信息(以弥补专家的缺失)，是一种用于检测可能对灾害响应有利的特定事件及信息的新分析方法，未来有望形成基于感知、捕获和分析灾害大数据基础上的“智能灾害治理”。
第四，多模态灾害大数据信息分析。由于技术、经历和方法的不同，同样的大数据可能导致不同看法甚至误差。为了更全面了解危机，未来需要为每个人提供独特的现场窗口，同时结合不同形式的危机信息(如文本、图像、语言、视频、地图众包数据和正式报告)，形成多模态灾害分析以减少分析误差。大数据包含了巨量数据及其来源，多模态大数据分析代表了大数据研究的真正前沿，有望成为未来灾害治理研究的多产领域。
相对于传统的灾害治理，大数据具有极其光明的前景，但对它的局限性讨论也未曾停止过。因此，需要正确认识与跨越大数据陷阱，才能进一步促进其在灾害治理中的有效应用。
第一，复杂性陷阱。由于网络规模庞大、检测系统密集部署、信息量巨大及连续收集，灾害大数据变得非常复杂，理解这些复杂数据也极其困难。在2013年波士顿马拉松爆炸事件中，社交媒体通过众包进行考察研判，结果却提供了错误的信息及打击方向。对于空间大数据而言，它有可能将灾害情境下的媒体活动空间简化为或等同于需要救济的地区，还可能加剧离线的社会不平等现象。
第二，开源数据中的噪音陷阱。大数据来源的多样性使得数据内容可靠性面临着噪音挑战，开源大数据噪音源分为有意和无意两类，例如电子邮件中的垃圾邮件有意部署了多种形式的错误信息和欺骗性信息，包括网络钓鱼与链接农场等。与自然灾害直接相关的多为无意的噪音源，例如社交网络中传播的灾害谣言、迅速变化的灾害环境及社交媒体放大信息的能力等。大量未经过滤的数据还可能受到隐私威胁(例如姓名、地址和社会保险号码)。
第三，大数据体积和品种陷阱。大数据来源渠道众多，规模海量呈现，决策者是否有能力管理好这些巨量数据集？桑迪飓风发生后的一个星期内，有关桑迪主题的标签推文超过2000万条，遍布加勒比海和美国东海岸，给人道主义分析与运用带来巨大困境。大数据需要分析相互关联的各种异构数据集，处理多种传感器提供的不同类型数据，这些大数据体积和品种的信任度和可靠性往往存在运用风险。
第四，真实性、验证性与有效性陷阱。通过多个数据传输渠道(如第一响应者、传感器、卫星网络或社交媒体)收集大数据，如何确保其真实有效？由于灾害大数据涉及许多数据源，决策者需要过滤数据以保证信息质量(真实性)。为了提高数据源可信度，还需要对灾害/危机数据进行验证，因为公民在极度压力下往往有夸大倾向，而且公开记录(如社交大数据和互联网交易)很容易被操纵。此外，灾害信息具有低价值和低密度特征，大量“垃圾”数据充斥其中。由于数据量庞大，有时无法进行合理的统计分析，也可能没有捕捉到一些更加有用的数据。
第五、政策挑战、隐私与滥用陷阱。某些类型的灾害大数据具有敏感性，例如应急救援中的人员位置及医疗状况往往高度隐私、具有保密性。在私有云或公共云中实施大数据战略，必须保护数据所有权、隐私权、数据安全并避免数据丢失。在大数据时代，常常遇到错误的人掌握敏感的数据，从而导致灾难性后果。例如，塔利班曾威胁要使用危机大数据对付人道主义组织，迫使后者不得不限制使用“人群来源的危机地图”。当受到大数据损害的人们无法追责时，恶果可能是极其深远的。
总之，由于大数据具有可视化、分析和预测等功能，不仅为全球灾害治理开辟了新的可能，也为我国灾害治理创新提供了重要契机。尽管大数据存在许多陷阱，但政府、实务工作者及民众对大数据采取了负责任和积极支持的态度，这在实践中是难能可贵的，我们在阳江经验中看到了这样的惊喜。
目前水库仅有大坝处设监控两处，还需在保护区沿省道太邢线布设视频监控8处。达到对庞庄水库库区24 h监控的目标，对污染水源行为及情况实时监测，及时发现。
参考文献：
[1]QADIR J et al, Crisis analytics: Big data driven crisis response [J]. Journal of International Humanitarian Action, 2016, 1: 3, 5, 8, 10.
[2]BELLOMO N, et al. Human behaviours in evacuation crowd dynamics: From modelling to “big data” toward crisis management [J]. Physics of Life Reviews, 2016: S15710645
1630029X.
[3]MIYOSHI T, et al. “Big Data Assimilation” revolutionizing severe weather prediction [J]. Bulletin of the American Meteorological Society, 2016, 97(8): 1347-1349.
[4]HAYLEY W, et al. Organizational and societal impacts of big data in crisis management [J]. Journal of Contingencies & Crisis Management, 2017, 25(1): 16-18.
[5]BOGOMOLOV A, et al. Moves on the street: Classifying crime hotspots using aggregated anonymized data on people dynamics [J]. Big Data, 2015, 3(3): 148-158.
[6] SAKAKI T, et al. Tweet analysis for real-time event detection and earthquake reporting system development [J]. IEEE Transactions on Knowledge and Data Engineering, 2013, 25(4): 920-931.
[7]ALEXIS A, et al. Mindfulness to integrate big data in emergency management decision making [J]. Journal of Decision Systems, 2016(25): 76-84.
[8]Crampton J W. Collect it all: National security, Big Data and governance [J]. GeoJournal, 2015(80):519-523.
[9]童 星, 张海波.基于中国问题的灾害管理分析框架[J]. 中国社会科学. 2010(1): 132-146.
[10]OFLI F, et al. Combining human computing and machine learning to make sense of big (aerial) data for disaster Rrsponse [J]. ig Data, 2016, 4(1): 47-59.
[11] HYUNTAEK L, et al. Building and applying scheme of big data for enhancement of hazard map utilization [J]. Journal of The Korean Society of Hazard Mitigation, 2016, 16(2): 205-213.
[12]REUTER C, et al. Big data in a crisis? Creating social media datasets for crisis management research [J]. Journal of Interactive Media, 2016,15(3): 233-237.
[13]FITZHUGH S M, et al. Spatio-temporal filtering techniques for the detection of disaster-related communication, Social Science Research [J]. 2016(59):137-154, 18.
[14]KATHLEEN C M, et al, Crowd sourcing disaster management: The complex nature of Twitter usage in Padang Indonesia [J]. Safety Science, 2016(90), 48-61,14.
[15]CINNAMON J, et al. Evidence and future potential of mobile phone data for disease disaster management [J]. Geoforum, 2016, 75(2): 253-264.
[16] MOHAMMAD A F , et al. Cloud computing monitoring gateway for secured session management of big data analytic sessions [C]. // International Conference on Computer Games, 2013.
[17]STOYCHEFF E. Under surveillance: Examining facebook’s spiral of silence effects in the wake of NSA internet monitoring [J]. Journalism & Mass Communication Quarterly, 2016, 93(2): 296-311.
[18]BHATTACHARYA D, et al. Distributed GIS for automated natural hazard zonation mapping Internet-SMS warning towards sustainable society. Cogent Engineering, 2014, 1(1): 1-17.
[19] 王少泉. 数字时代公共危机治理:阻滞与前景[J]. 广州大学学报(社会科学版), 2019, 18(2): 73-80.
[20]ASAKO M, et al. Expression of negative emotional responses to the 2011 Great East Japan Earthquake: Analysis of big data from social media [J]. Japanese Journal of Psychology, 2015, 86(2): 102-111.
[21]WATSON H, et al. Organizational and societal impacts of big data in crisis management [J]. Journal of Contingencies and Crisis Management, 2017, 25(1): 17, 19.
[22]周利敏, 钟海欣. 社会5.0时代的大数据风险治理[J]. 北京行政学院学报, 2019(1): 10-17.
[23]周利敏. 灾害管理:国际前沿及理论综述[J].云南社会科学, 2018(5): 17-26.
Disaster Response 2 .0 :Disaster Governance in the Big Data Age ——A Case Study of Practice of Yangjiang
ZHOU Li-min1, TONG Xing2
(1.School of Public Administration ,Guangzhou University ,Guangzhou 51006,China ;2.School of Government Management ,Nanjing University ,Nanjing 210093,China )
Abstract ： With the advancement of computing technology, human ability to deal with disasters is at a historical turning point, marking the coming of intelligent era “disaster response 2.0” driven by big data,Yangjiang is a typical model.In Yangjiang, dedicated and multi-purpose sensing data is initially applied, the virtual network intelligence combined with the real world’s execution capabilities through web of Things. There is also a difficulty in this practice of how to combine human’s intelligence and decisions made by machine. Government, practitioners and people are responsible and positive in big data disaster management, which is often the biggest challenge in practice, but we have seen such surprises in the Practice of Yangjiang.
Key words ：big data; disaster governance; web of things; sensor; human wisdom; practice of Yangjiang
中图分类号： D035.5；F205
文献标识码： A
文章编号： 1005-0566(2019)10-0001-13
收稿日期： 2019-04-16
修回日期： 2019-09-17
基金项目： 本文是2019年国家社会科学基金重点项目“面向人工智能时代的灾害治理研究”(19ASH009)主要成果。
作者简介： 周利敏(1977-)，湖南衡阳人，博士、教授、博士生导师，广州大学公共管理学院院长助理，广州大学南方灾害治理研究中心主任，美国普渡大学与台湾政治大学访问学者，研究方向：灾害风险与公共安全。
(本文责编：辛 城)
标签：大数据论文; 灾害治理论文; 物联网论文; 传感器论文; 人群智慧论文; 阳江经验论文; 广州大学公共管理学院论文; 南京大学政府管理学院论文;