大数据灾害预测与警情流转机制*

勇素华 杨传民 陈芳

（1.南京信息工程大学马克思主义学院 江苏 南京 210044）

（2.南京信息工程大学公共管理学院 江苏 南京 210044）

（3.南京信息工程大学中意网络侵权研究所 江苏 南京 210044）

大数据灾害预测与警情流转机制*

勇素华杨传民陈芳

（1.南京信息工程大学马克思主义学院 江苏 南京 210044）

（2.南京信息工程大学公共管理学院 江苏 南京 210044）

（3.南京信息工程大学中意网络侵权研究所 江苏 南京 210044）

经济4.0时代的大数据灾害预测与警情流转机制具有提高预警正效率、发掘预警客观规律、增加预警精细度等特殊优势。实际运作过程中暴露出原始数据量值偏低、灾害预测误差明显和警情发布错漏百出等严重影响有序预警的诸多风险。亟待通过建立预警阈值标准体系与交互共享系统、构筑相关法律保障体系以及创设预警人力资源平台等举措形成科学高效的大数据灾害预警框架。

大数据；灾害预测；警情流转；机制

1 引言

随着全球人口无序增长、高耗能产业垄断市场与消费结构不断调整，人类反复违背和谐共存规则。对自然的扰动经过蝴蝶效应而放大反馈，驱动灾害风险因子演化因素多变耦合，持续动态易引起多发性灾害事件，成灾因素日趋复杂，及时且准确地预测突发性灾害事件成为新世纪以来预警机制建设的核心目标。然而，社会系统的复杂性不断提升致使“受灾人群的心理与行为，应对灾害的资源需求与资源结构，事件承载体的承受状况以及周边环境的抗风险能力都会发生变化”，也大幅增加了灾情精准预测与迅速警示的难度。

大数据时代信息与通信技术不断提升和革新应用导致涉灾资讯规模急剧膨胀并迅速提升灾情流转活性。立足多类型孕灾信息存储与高效风险资讯提取的巨量灾害数据评估、预测与警示模型，逐步构筑精准分析灾害因子并进行可信警情传播的最优化平台。以通过无时序、跨地区或跨行业开源共享灾害物理监测设备与海量关联信息资源池等，逐步提高多渠道广域灾害监测效率，形成完备的灾情甄别与灾后估测方案。

行之有效的预警系统是降低自然灾害风险，挽救众多生命和财产利益的重要助力，评判预警成效的黄金指标是身处危险区域的居民能否及时获知准确的灾情状况与合理的应急建议。迅速堆伐的高附加值数据处理元次引擎为准确预判和有效流转警情奠定坚实基础，亟待基于殊别微观环境与差异群体需求构建高量级、高速率与高实效的功能完善且形式多样的大数据灾害预测与警情流转机制，实现信息共享、技术共享、资源共享。通过宏观定性灾害分布规律、合理圈化灾害多发区域并等级量化灾害防减措施等，“推动共同发展、促进共同繁荣”。

2 大数据灾害预警的特殊优势

传统的灾害预测与警情流转机制受到分散监测与多头管理、技术垄断与迟延报送、人力物力资源投入不足以及受灾居民缺乏有关灾害成因、表征及响应错漏的基本认知等不良因素的持续侵蚀，陆续暴露出孕灾因子监控不全、预测数据获取片面化以及警情信息流转欠完善等严重问题。数据海啸背景下“已从简单的健康统计拓展到商业决策直至政治竞争”的大数据技术，逐步成为“加强虚拟与现实联系、推进广域合作、提高真相挖掘效率与预测精准度”，“依靠科技创新，共同应对未来”的利器。基于巨量涉灾数据采集与处理的洪情地图、磁场监测与野火跟踪等不仅降低灾害预测成本，亦切实提高灾害风险因子识别精度，增加多元预警标识获取、管理、共享与交互的科学性、及时性与统一性，重构稳定高效的灾害应急管理系统，推进人与自然和谐共进。

2.1 提高灾害预警正效率

长久以来，不仅集中掌握分布式异构化涉灾因子数据的各级政府部门将之视为不可公开的“阳光下的‘阴影’”，持有零散的非结构化涉灾因子信息的分散组织和个人亦将之看作不宜广域传播的有限资源。处于多方利益博弈焦点的灾害预测与警情流转时空跨度大、监测任务重且协同难度高等导致难以有效分配涉灾资源。

大数据战略供应链深刻影响了社会生活的方方面面，海量数据挖掘技术在灾害致因采集、管理与加工中的广泛运用有利于整合各类软硬件资源、避免重复投资并及时获取信息源，助力各级灾害管理部门及其工作人员、相关组织机构和社会个体等形成彼此制约且无缝链接的权限控制、物资调度与信息监测方案。遍布全球的不同级别和类型的紧急灾害数据库（EM-DAT）、再保险公司及私人灾害信息中心等共享海量涉灾资讯与数据处理模型，“提前以最有效、最快速、最便捷的方式”向各级各地灾害管理部门、处于危险区域的单位和个人传递灾害频率、变化趋势、成因及影响等。例如，泛网大数据灾害警示平台的巨量数据网格化单元管理的“一键发布系统”在“3.11东日本大地震”中快速的全覆盖警情传播争取到的“12秒”避免了新干线脱轨灾难，切实提高了防减自然灾害的正效率。

2.2 发掘灾害预警客观规律

极端灾害事件的多变性与不同区域缓进式生态恶化的差异性导致预警人员面对的均是不同以往的新情况，如亚太地区与北美区域的洪灾、地震和火山喷发的状况完全不同。灾害预测与警情流转过程受制于处理者的知识储备、既发预警事件的个别化处理传统以及不同地区的殊别自然环境、经济政治与社会文化等致使偏差预测与错漏警示频繁发生。充分发挥大数据分析自海量多变的非结构化孕灾数据中分离识别一般规律的强大能力是集中创造受灾群体有效开展抗灾减灾活动的重要条件。

2.3 增加灾害预警精细度

不同历史时期、殊别地理区域与社会政治经济环境下多样化灾害事件的具体表征持续变动。实践中预测人员难以客观准确地判定风险要素预警信号的标识阈值，往往依赖经验与直觉进行决策，造成巨大的生命财产损失。超出传统的获取、存储、管理与分析数据集成的大数据运作的预测准确性远胜于传统数据分析，能够从包含编码各异且分类庞杂的灾害物理信息、地理空间信息、灾情信息与救灾业务信息等宽域资源池中提取关涉灾害风险的堆集数据。海量涉灾数据中凝炼的具有连续性、实时性与动态性等特征的分级评估预警阈值是针对特定灾害现象发展趋势的精确预测，大幅降低了警示信号标识的误差率，实现预警决策从假设推动到数据推动的长足飞跃，有助于公众广泛参与灾害预测与警情流转。如，四川成都高新减灾研究所链接全国地震资源的大数据震警系统不仅在“雅安地震”中发挥了重要的预测作用（为雅安主城区争取了5秒，为成都主城区争取了28秒，避免了巨额生命财产损失）；“云南沧源地震”中更在提前93秒向昆明预警之余，第一时间基于海量传感器提取与受灾居民通过链接预警数据库的终端设备（如手机、平板电脑、手提电脑等）上传的地表晃动、房屋损坏和人员伤亡等情况绘制成“烈度速报”和“人工灾情采集”应急数据图，为灾害管理相关部门的决策工作、社会各界人士的救援活动与受灾居民的自救行为提供了重要参考。

3 大数据灾害预警的风险评估

“强化预报预测准确率和精细化水平……确保把潜在的自然灾害损失降到最低。要切实加强灾害预警信息发布应用。”需持续深入分析复杂孕灾环境并立足海量致灾因子的综合评估优化预测与警示方案的大数据灾害预警机制在信息报送、处理与传达过程中面临的技术限制、利益失衡与秩序紊乱等导致的严重影响整个系统精确部署与平台健康发展的诸多风险因素。

3.1 原始信息量值偏低

近年来，数据资源“已经变成生产原材料，是巨大的经济与社会价值的新来源”。基于巨量级假设验证海量致灾数据之间相关关系构建大数据灾害预测与警情流转机制必须嵌入足量原始数据。目前，中国气象局、中国地震局、公安部、民政部、卫生部等灾害管理关联部门各自累积灾害数据的条块分割式信息处理模型导致结构不一的原始数据资源池之间难以建立长效信息互通关系。

原始信息资源交互共享是数据挖掘效益最大化的基础。虽然整合云计算、人工智能及其他诸多高新技术的大数据采挖模式能够从非结构化的涉灾零散数据中提取警示标识，却存在处理成本过高、耗时过多且结果缺乏科学性等问题，惟有切实提高大数据轮动的透明度，保证各级各地灾害管理部门与直接承受灾害损失的组织和个人尽早获知准确的警情信息，才能提早部署救灾物资安排、转移安置人口并开展其他应急工作。目前多头管理且未向社会公开的复杂原始数据存取系统导致分离报送的信息总量偏低且类别单一，难以满足大数据灾害预测与警情流转机制良性循环的基本需要。

3.2 灾害预测误差明显

具备灾害管理职能的公权机关与积极参与灾害预警的民间组织和个人等普遍受制于技术能力与成本考量，常常将灾害预测与警情流转平台的构建与维护外包给腾讯、谷歌或互联通讯等高新企业。追求利润最大化的数据挖掘方不仅不会主动通报数据存储设备的物理位置、安保状况及运作详情，还妄图借助诸多强大的复杂分析工具仅提取有利自身发展需求的特殊信息要素，或者运用广域探查聚合技术达到赚取公权机关、其他组织或受灾群体巨额利润之目的（或者肆意悄然简化数据挖掘程序以节约费用）。事实上，大量致灾因子数据、承灾体数据、灾情数据和救灾工作数据等分散掌握在不同主体手中导致捕获的原始数据资源过度片面化，严重影响灾害预测的客观性与真实性。

3.3 警情发布错漏百出

目前，多地陆续出现多个智能化灾情流转系统。平台之间的交叉聚探大幅拓展了预测结果与警示数据的绿色传达渠道，加快了灾害管理部门、其他相关单位及受灾群体预警信息传达速度并提高覆盖面。然而，初步崛起的大数据技术自身不成熟、中国互联网络及各类传感器并未全境覆盖以及风险对象多样化和预警信息动态化等导致大数据灾害警情信息发布中错漏百出。有必要进一步加强涉灾物理设备建设并拓展警情范畴，不仅关注灾害风险预测与基本警情流转，亦需要传输救灾储备、转移安置与其他个性化应急防御信息。

4 大数据灾害预警的框架设计

立足海量涉灾原始资料集成处理的大数据灾害预测与警情流转机制是科学技术在灾害防减领域的创新发展与有效应用，是有计划地组织协调与指挥控制灾害应急管理底层架构的重要举措。海量数据采集、存取与处理过程中通过长期监测巨量数据资源的常态缓变与异常突发，能及时、灵敏且准确地昭示风险前兆，改变灾害防御思维模式与工作范式，最大限度地减少损失并推动有限资源高效利用，避免灾情信息采集与流转不畅导致的二次损毁与重复浪费。而构筑超前反馈的“以人为本”的灾害预测与警情流转框架，必须从建立海量预警阈值标准体系、完善预警信息交互共享系统、构筑灾害预警法律保障机制以及创设预警人力资源平台等方面入手。

4.1 建立灾害预警阈值标准体系

全球互通的网络传输系统、遍布各地的专业监测设备与廉价传感器（尤其是依托多样化的移动和可穿戴设备，将所有受灾个体转化为社会传感器）使得“海量的、基于位置的移动轨迹数据和社交网络数据……为人流移动的分析、建模以及灾害应急管理提供了新的方法。”例如，中国、日本、美国等大量国家和地区的众多居民在地震、海啸、龙卷风等极端灾害事件发生后借助网络平台发表的自身感受、建筑物震害程度以及地表和生命线破坏状况等巨量涉灾数据是快速验证与修正灾害应急指挥举措的重要参考。但由于灾害预测系统是典型的非线性系统，普通大数据评测模型内嵌的简单统计分析方法难以精准判断灾情趋势，巨量混杂涉灾数据的深度挖掘与增值应用亟待通过科学合理的预警阈值标准体系避免误警与漏警等。

基于海量涉灾数据源、多类型机器学习与大规模计算的大数据灾害预警阈值平台成本低廉且分析能力超群，有条件细化出数十层次（如0-50风险等级序列）的危险区域数值指标并拓展复合确定因素与多元随机概率因素的定性预警范畴。通过充分发挥大数据挖掘特殊的量级、速率与成本优势，以及建立微差的具体指标临界值域体系以减少灾害预测错漏风险，增加定位流转效益，提高广大居民对灾害预警的信任度，推动灾害警情流转机制良性运作，降低整个社会灾害防减的物资与人员损耗。

4.2 完善灾害预警的交互共享系统

国内外灾害信息的全方位有效共享是“降低减灾成本……推进生产力与竞争力有序增长”的重要助力。庞杂的巨量原始数据为灾害精准评测提供了足量信息资源池，先进的挖掘算法自通联的区域级、国家级和地方级灾害数据库中提存数据尺度、类型、时间跨度及其他涉灾资讯并发掘潜藏规律与灾情趋势等，大幅提升综合预判灾害应急管理成效的能力。

灾害数据是重要的灾害信息资源”，全球范围的海量灾害预警数据交互共享系统既有利于涉灾管理部门、其他组织机构和个人更好地制定与实施备灾救灾计划，亦有助于增强社会公众的警情认知与反应能力并降低灾害防御与救助的成本和难度。亟待建立全球协调一致的基于大数据技术的灾害预警交互共享系统。由各国商建的国际性专门机构负责制定及实施数据子库建设规范与标准；借助互联网分布式互操作技术突破各独立数据库（如国内灾害数据库、各主要国家的自然灾害数据库与联合国人道主义协调事务网等）的信息壁垒，整合形成无缝链接警情资讯的星云网络，扩大信息存储与流动的渠道，建立起全球市场集块化的价值链条；完善大数据预警信息高速处理逻辑与数据分离并单独提取逻辑规则引擎以保障宏观指导、分类管理并切实鼓励灾害御减公开化。

4.3 构筑灾害预警的法律保障体系

传递及时、覆盖面广且复播率高的灾害预警模式是有效开展灾害防救工作的核心环节。大数据灾害预测与警情流转机制虽然在一定程度上扩展了自然灾害评估与风险信息传递的范围与速度，但各参与主体话语权不平等与殊别利益需求（如部分地区的气象部门和运营商分成天气预报收入导致灾害气象预警短信仅发送给订制了付费天气预报的手机用户）、密钥规范不健全（如原始涉灾数据的存取缺少双向密匙保障，难以控制数据权人、持有者与挖掘者等伪造篡改或肆意处理）与责任承担不完善（如某些区域灾害预警错漏事件均无条件认定为当事人不承担责任的意外损失）等会严重影响灾情预测与警情传输的及时性、高效性与正影响力。

法律保障是大数据灾害预测与警情流转机制建设的必然组成部分。亟待制定与完善明确各级各类灾害管理部门、诸多大数据关联企业、其他组织机构及社会公众灾害预测与警情传达中具体权责分配与溯源问责方案的法律规范体系，避免侵害数据产权、知情权、隐私权、公平受益权与竞争权等的人为伪预测与虚假警情传播，保障科学性、持续性与准确性的预警标识识别与采集、警示产品制作与处理以及警情数据的发布与流转等。

4.4 创设灾害预警人力资源平台

大数据挖掘技术是寻找涉灾数据资源前瞻性应用途径的重要工具。通过关联算法有效识别和利用固态物理设备、诸多移动终端及广布各行各业的海量传感器中提取的原始数据，需要专业能力与综合素质兼优的复合型从业队伍保驾护航。

一方面，基于大数据灾害预警参与组织与个人的能力评估与结果验证，制定具有针对性的操作培训方案并有效协调监测团队，有利于避免具体灾害事件预警过程中人员不到位或能力不足的恶劣状况。另一方面，通过建立嵌入大数据灾害管控平台的人力资源管理信息系统，全方位优化人员数据搜集、处理、存储与发布流程，形成人才决策、协调、控制与分析的差异化开放式管控机制，确保涉灾因素获取、审查、处理与传输全程的最优化。

5 结语

科技是第一警灾力。构建依托新生智能技术集成分布的高绩效大数据灾害预测与警情流转机制有利于促进灾害防减数据交互融合，提高灾害预警透明度与安全性，推动实现社会利益与受灾个体利益有机平衡并切实提高灾害应急管理成效，促进生存环境的全面、协调与可持续发展。

［1］陈安，陈宁，倪慧荟等.现代应急管理理论与方法［M］.北京：科学出版社，2009:232.

［2］Jaroslav Mysiak.Targeting the Global Efforts to Reduce Disaster Risk［J］.Review of Environment，Energy and E-conomics.2015（3）.

［3］Levs Fainglozs.Problems of Data Collection，Processing and Use of Informal Venture Capital［J］.Social and Behavioral Sciences，2014（150）.

［4］习近平.让工程科技造福人类、创造未来——在2014年国际工程科技大会上的主旨演讲［EB/OL］.［2015-04-03］.http://news.xinhuanet.com/2014-06/03/c_111096 6948.htm.

［5］Thomas Edsall.Let the Nanotargeting Begin［EB/OL］.［2015-04-03］.http://campaignstops.blogs.nytimes.com/2012/04/15/let-the-nanotargeting-begin/.

［6］蒋洁.大数据联动的负面效应及对策研究［J］.情报资料工作，2014（4）：11-15.

［7］张福芳.利用科技创新推进洪水灾害预测预报发展［N］.湖南日报，2015-03-28.

［8］郑焕斌.自然灾害预测：科学做到了什么程度？［N］.科技日报，2013-01-20.

［9］章剑生.阳光下的“阴影”——《政府信息公开条例》中“不公开事项”之法理分析［J］.政法论丛，2009（6）:12-20.

［10］Ann Washington.Can Big Data Be Described as a Data Supply Chain？［R］.The Working Report of George Mason University，2014.

［11］邹铭，范一大，杨思全，等.自然灾害风险管理与预警体系［M］.北京：科学出版社，2010:72.

［12］司瑞洁，温家洪，尹占斌，等.EM-DAT灾难数据库概述及其应用研究［J］.科技导报，2007（6）：62-69.

［13］雅安7.0级地震大数据上阵助建预警机制［EB/OL］.［2015-04-03］.http://www.afzhan.com/news/detail/2624 7.html.

［14］Yuvraj Dilip Patil.Disaster Affected Environmental Refugees and Human Rights［EB/OL］.［2015-04-03］. http://papers.ssrn.com/sol3/papers.cfm？abstract_id=2002 497.

［15］Joost Buurman，Ruben Dahm，Albert Goedbloed.MonitoringandEarlyWarningSystemsforDroughts: Lessons from Floods［R］.The Working Report of National University of Singapore，2014.

［16］Tor Lillegraven.Untangling the Ambidexterity Dilemma Through Big Data Analytics［J］.Journal of Organization Design，2014（3）.

［17］James Manyika，Michael Chui，Brad Brown.Big Data: The Next Frontier for Innovation，Competition，and Productivity［EB/OL］.［2015-04-03］.http://www.mckinsey.com/insights/business_technology/big_dta_the_next_ frontier_for_innovation.

［18］Rick Swedloff.Risk Classification’s Big Data Evolution［J］.Connecticut Insurance Law Journal，2014（21）.

［19］柴会群，田香凝.成都减灾所雅安预警之辨［N］.南京周末，2013-04-25.

［20］成都高新减灾研究所快速绘制云南沧源地震“两张图”［EB/OL］.［2015-04-03］.http://www.sc.xinhuanet. com/content/2015-03/03/c_1114501627.htm.

［21］魏恒.加强气象灾害预警信息发布形成防汛抗灾合力［N］.广西日报，2014-05-20.

［22］Omer Tene，Jules Polonetsky.Privacy in the Age of Big Data:A Time for Big Decisions［EB/OL］.［2015-03-03］. http：//www.stanfordlawreview.org/online/privacy-parado x/big-data.

［23］Wolter Lemstra.Wi-Fi the Next Decade［EB/OL］.［2015 -04-03］.http://papers.ssrn.com/sol3/papers.cfm？abstract _id=2585420.

［24］Aleksandar Hudic.Data Confidentiality using Fragmentation in Cloud Computing［J］.International Journal for CommunicationNetworksandDistributedSystems，2012（1）.

［25］Yutaka Matsuo.Tweet analysis for real-time event detection and earthquake reporting system development［J］.IEEE Trains.Knowl.Data，2013（25）.

［26］董翔，肖兰喜，杜宪宋，等.基于网络的山东地震灾情收集分析处理系统［J］.华北地震科学，2007（3）：8-12，35.

［27］张静.气象大数据时代真的到了吗？［N］.中国气象报，2014-05-06.

［28］Erik Brynjolfsson.Strength in Numbers:How Does Data-Driven Decision-making Affect Firm Performance？［EB/OL］.［2015-04-03］.http://ssrn.com/abstract=18194 86.

［29］黄国平，武旭红，张宏.面向灾害大数据预警信息高速处理的规则引擎［J］.计算机技术与发展，2014（4）：245-248.

［30］吴洁.气象局：气象灾害预警信息不会收费［N］.南方周末，2012-08-01.

Study on Hazard Prediction and Warning Signal Spreading with Large Dataset

Hazard prediction and warning signal spreading with large dataset in Economy 4.0 have advantages in improving efficiency，mining regularities and increasing accuracy of hazard prediction.There are many risks that include the lower total information，the error hazard prediction，and the howler warning signal dissemination.It is urgent to form a scientific and efficient framework of hazard prediction and warning signal spreading with large dataset by establishing the mass threshold standard system，improving the sharing system of hazard prediction information，conducting the legal protective mechanism of hazard prediction and creating the human resource platform，etc.

big data；hazard prediction；warning signal spreading；mechanism

D035-39

A

10.11968/tsygb.1003-6938.2015041

勇素华（1977-），南京信息工程大学马克思主义学院副教授，南京信息工程大学中意网络侵权研究所研究员；杨传民（1987-），南京信息工程大学马克思主义学院研究生；陈芳（1973-），南京信息工程大学公共管理学院副教授，南京信息工程大学中意网络侵权研究所研究员。

*本文系2009年度教育部人文社会科学研究青年项目“1949年以来台湾地区自然灾害危机管理与对策研究”（项目编号：09YJCGAT002）、中国气象局气象软科学项目“大数据时代气象信息传播的规制研究”（项目编号：2014MC03）与江苏省法学会项目“大数据挖掘的侵权风险及对策研究”（项目编号：SFH2014D19）研究成果之一。

2015-04-11；责任编辑：魏志鹏