基于社会化媒体的众包灾害医学救援初探

王建英，张 辉

基于社会化媒体的众包灾害医学救援初探

王建英，张 辉

社会化媒体；微博；微信；灾害医学救援

众包顾名思义为“大众承包”，是利用大众的力量解决问题。社会化媒体改变了我们获取灾害信息的方式[1-2]。2008年四川汶川地震，人们还需要盯着电视了解地震的伤亡及救援信息，医学救援还只能依靠先前制定的应急预案按步骤执行，信息的传递是纵向的。2013年雅安地震，成都高新减灾研究所震后53 s发出第一条微博，此后的48 h内相关微博、微信文字、图片和视频信息达到几亿条，形成了纵向和横向相融合的信息网，信息获取及时迅速。近年来发生的重大灾害事件中，不管是雅安地震等自然灾害，还是中石化输油管道泄漏爆炸事故等社会灾害，社会化媒体都会成为信息的聚集场，从中可以获得人员位置，灾害情况和医学救援进度等各类信息。但是，社会化媒体并没有改变灾害医学救援的模式，获取信息与有效利用信息之间还存在一定距离。它只是一个管道，不能自然而然地融合不同用户发布的信息，承担组织协调各方的作用，就目前来看，社会化媒体在承担灾害医学救援方面贡献有限，并没有成为政府和救援机构采用的首选方案。

1 众包灾害医学救援

实施灾害医学救援的主体是政府和救援机构，最核心的目标就是争分夺秒抢救生命和保护健康，当前其面临的最紧急问题是物资和人员不能够上通下达，各方力量不能够有效协同，其中最关键的原因就是信息缺失，必须准确了解伤员在哪里，灾害实时情况，目前都有哪些救援队伍，所有的救援机构运行情况等灾情、救援力量以及救援物资信息，才能科学决策，采取正确有效的行动，统筹协调各方力量。社会化媒体天生是信息的发源地，灾害中存在的各类角色，包括受灾者、救援者、群众、政府、媒体以及社会机构都可以利用微博、微信等社会化媒体发布共享信息。数以亿计的信息来自不同的网络平台，数据格式不同，数据内容不规范，如何汇总、融合并利用信息实现有效的灾害医学救援是必须要解决的问题，众包为解决此问题提供了一种可行的解决方案[3]。众包灾害医学救援方案就是在传统灾害医学救援的基础上引入社会化媒体这一工具和大众这一角色，使得信息可以实现共享，人员可以实现共用。大众既是信息的产生者，又是救援的参与者，参与到灾害医学救援的全过程，如图1所示，利用社会化媒体实现众包医学救援模式，在地理信息地图的基础上汇总社会化媒体数据，同时允许政府和救援机构发布任务，大众可以申请受领任务参与其中，即“众包”的概念，任务包括从简单的验证信息到复杂的数据分析与挖掘。

图1 基于社会化媒体的众包灾害医学救援平台

2 众包灾害医学救援的优缺点

相对于传统灾害医疗救援，基于社会化媒体的众包灾害医疗救援[4]有以下4方面优势。（1）信息的及时性。灾害一般是突发和偶然的，传统主流媒体无法第一时间到达灾区，而社会化媒体时代，每个人都可以及时发布灾害信息，处在灾区最近的机构和个人都可以发布一手资料，及时地为医学救援争取宝贵的时间。（2）信息的广泛性。社会化媒体归根到底是大众的力量，传统媒体人手有限，而社会化媒体使用人数众多，分布广泛，对每个人提供的一点信息或者是一个小的建议，就可以让众包得以实现。信息可以分布到灾区的所有地方，获得的数据内容丰富，可以进行分析和挖掘，全面细致地了解灾区的信息，为制定医学救援方案提供依据。（3）定位的准确性。利用社会化媒体的定位功能，可以定位每一个机构和每一位灾区人员的具体地理位置，从而实施更加有效快速的救援。（4）获得群众救援力量。利用社会化媒体获取信息快捷的优势，可以快速获得群众力量的救援，快速组织群众救援团队，为救援提供直接的帮助。

任何一种媒体都有其局限性，社会化媒体也不例外，其局限性有以下3个方面。（1）信息不准确。社会化媒体本身语言的特点就是口语化，非结构化，带有很大的随意性，数据的可靠性相对较低。（2）信息不完整。从社会化媒体获得的数据多而杂，单条数据表达的信息有限。（3）信息不可靠。社会化媒体的特点造就了所获得信息的可靠性不高，存在很多虚假消息和谣言。这3方面的缺点都极大地阻碍了社会化媒体所获得数据的有效利用，还需要花费大量的人力和物力进行后续的处理才能使用。所以社会化媒体得到的数据很难直接应用于灾害医学救援，还需要通过众包的方式进一步分析、筛选各种有价值的信息。

3 众包灾害医学救援内容探讨

社会化媒体作为灾害医学救援一种众包机制，相比于传统的灾害医学救援信息支持系统，它可以提供更全面的整体态势图，新的通讯途径以及综合利用大众的力量。但是要想真正使得社会化媒体成为灾害医学救援中有效的工具，我们必须解决它存在的问题，包括信息的正规化，安全性及组织管理方面。除了政策方面的考虑，在技术层面，我们也有多方面的内容值得探讨。

3.1 地理位置测定[5]地理位置是评估灾害实施救援必需的信息，如果我们试图通过感知和分析社会化媒体数据实施灾害救援，首先就要获得准确的地理位置。大多数社会化媒体已经提供了地理位置标签功能，但是很多用户并不习惯使用，很多社会化媒体数据可能不包含地理位置标签或者不规范的地理位置标签，必须进行位置测评或重定位。可以通过挖掘自身或者朋友发布的文本、图片，甚至是视频定位位置信息。比如，互为朋友的用户，位置更为接近，已经有很多研究者开展这方面的研究工作。也可以直接利用众包灾害医学救援平台，直接发布需求，等待别人回答。再比如，有人发布了你家乡的某个小巷子，那么你就是最好的指路专家。

3.2 信息验证 任何用户都可以通过社会化媒体发布任何信息，使其成为发布虚假信息、制造谣言的温床。比如，雅安地震期间，就有人伪装成雅安人民医院发布诈骗信息，所以众包灾害医学救援平台在发布信息之前一定要有谣言识别和信息验证的功能。这一功能可以采用人工进行识别，但是会耗费大量的人力，而且有赖于识别人自身的专业水平，所以实现起来非常困难，目前还应当着重研究自动谣言识别[6]和信息验证技术。

目前社会化媒体提供平台也都加强了信息监管的力度，但还是有很多伪装的谣言难以识别。谣言自动识别技术依然是众包灾害医学救援研究的重点，应该着重研究与灾害有关的谣言种类、特点及传播规律，研究自动谣言识别的技术与方法，开发能够自动进行谣言识别和信息验证的系统。

3.3 自动摘要社会化媒体提供丰富信息的同时，也使得信息“爆炸”增长，数以亿计的信息同时涌来，必须要求众包灾害医学救援平台具有自动汇总、形成摘要的能力。平台需要能够自动理解每条信息的内容和价值，能够根据内容和价值给信息进行分级分类，形成上传下达的相应文书。自动摘要[7]实现的基础是自然语言处理技术，同时能够增加灾害医学救援领域的知识，并详细分析社会化媒体的文本语言特征。

3.4 用户行为预测 通过社会化媒体，任何一个拥有智能手机或者电脑的人都可以取得联系。但是在灾害面前，通信可能会变得不那么容易。在这种情况下，我们可以通过以往的海量社会化数据对灾害中的用户行为进行建模和分析[8]，挖掘不同灾害类型和规模及灾民的行为模式，从而直接指导灾害救援。

3.5 可扩展性与安全性 可扩展性与安全性是灾害医学救援系统的基本需求[9]，尤其对于这样一个众包平台来说，可扩展性和安全性更加重要，因为它是一个高度动态的系统，个人、组织以及设备随时都在变化，且数据都是全公开的，我们要保证组织和个人的隐私与安全。

4 总结

基于社会化媒体的众包医学救援模式为我们提供了有效的灾害观测手段和数据支持，是实现高效医学救援的有力工具。大数据背景下灾害医学救援也成为一个全新的研究课题，包括灾害医学理论体系以及自然语言处理、数据挖掘、文本分析和社会计算等计算机和互联网技术。随着数据的积累和技术的革新，灾害医学救援会催生更多的研究课题和应用，帮助我们实现高效的医学救援，减少灾害损失，挽救更多的生命。

[1]贝晓超.社交媒体线上救灾新模式——新浪微博成为寻人，捐助最便利通道[J].新闻战线，2013，（5）：24-26.

[2]陈岳芬.微博用户对灾难信息的解码方式探讨——以“7.21”北京暴雨为例[J].暨南学报（哲学社会科学版），2013，（6）：150-155.

[3]李万伦.社区遥感：一种地学应用新技术[J].国土资源遥感，2013，25（1）：1-6.

[4]Gao H，Barbier G，Goolsby R.Harnessing the crowdsourcing power of social media for disaster relief[J].IEEE Intel ligent Systems，2011，26（3）：10-14.

[5]Abrol S，Khan L.Twinner：understanding news queries with geo-content using twit ter[C]//Proceedings of the 6th Workshop on Geographic Information Retrieval.ACM，2010：10.

[6]贺 刚，吕学强，李 卓，等.微博谣言识别研究[J].图书情报工作，57（23）：114-120.

[7]陈桂林，王永成.Internet网络信息自动摘要的研究[J].高技术通讯，1999，9（2）：33-36.

[8]Edwards ML.Social location and sel f-protective behavior：Implications for earthquake preparedness [J].International Journal of Mass Emergencies and Disasters，1993，11（4）：293-303.

[9]林 闯，任丰原.可控可信可扩展的新一代互联网[J].软件学报，2004，15（12）：1815-1821.

（收稿：2014-04-24 修回：2014-07-24 编校：丁艳玲）

R 129

A

2095-3496（2014）03-0162-03

100071 北京，解放军第307医院医务部（王建英）；北京，清华大学计算机科学与技术系智能控制实验室（张 辉）

张 辉，E-mai l：Zhanghui_china@yeah.net