大数据分析技术应对突发性人流聚集事件的方法与策略研究

湛维明+王佳

【摘 要】本文从突发性人流聚集事件的形成机理及特征入手分析了预防及处理此类事件的方法与策略，阐述了利用大数据分析技术应对该类事件的主要方法。首先通过陈毅广场群众拥挤踩踏事故入手，分析了人流聚集事故的形成原因；接着从控制机制和辅助手段入手，提出预防此类事故的基本策略；最后提出了利用大数据分析对应对突发性人流聚集事件的方法与启示。

【关键词】大数据分析；人流聚集；踩踏；预防

一、引言

2014-2015新年交替之际，上海外滩的陈毅广场发生了严重踩踏事故，事件一共造成了35人死亡、另外有43人受伤，这次事件为公共事件应急处理敲响了警钟。事故原因已开始调查，随着时间的变化，有关数字可能还会变化，与其抱怨、质疑是否存在瞒报，我们更应该反思如何利用已有的技术或应用解决此类问题，防范类似的悲剧重演。事实上，无论在国内还是国外，突发性人流聚集事故时有发生，原因各有不同，但过程还是有很多相似之处，比如德国拥挤踩踏事件、印度拥挤踩踏事件、麦加朝圣事件甚至日本的海啸事件等。对于突发性人流聚集事件的应对而言，可以利用大数据，将所有已发生的事故做分析，形成一套分级提示体系，让提示内容更早的发布且更具有警示性。一种比较直接的方法是，假如个人进入某个特定的具有一定风险区域时，由运营商为其发送风险等级及危害影响的短信，并配上历史上发生的事故内容。这个时候，如果该个体看到这些提示和内容，便有很大可能会改变主意。当然，我们也必须看到，很多突发性人流聚集事故的发生地，并不是每天都有意外发生。如何有效平衡民众的公共空间自由选择权和人身安全保障，是一件极具挑战的事情，如果将管理限制的太严，那么可能会对群众的某些权利产生影响，如果管理相对宽松，则又会被群众认为相关部门没有尽到管理和防范的义务。

二、突发性人流聚集事件的形成机理及防范策略

尽管突发性人流聚集事故的发生是在一瞬间，但是过程是分阶段的。不论是早些年“北京密云灯展踩死挤伤游人特大事故”，还是现在的“上海外滩踩踏事故”，都是在短时间内突然发生的，具有很强的不可预测性，而追寻其踪迹，我们只能人群聚集的过程中找到端倪。从渐进的过程来看，这里面有几个关键因素，特定时段、特定地点，以及源源不断的人群，人群中有的人是自发聚集，有的纯粹是“凑热闹”。面对天灾，我们进行预防及应急的难度确实很大，但如果是人为因素，规避和防范的难度就会小很多。国内部分专家认为，建立突发性人员流量控制机制是防范这类悲剧再次发生的关键所在。

在突发性人流聚集事件的防范与控制中，管理最为关键。然而相应的管理策略细节较多，管理方法不具有精确性，比如什么时候疏导，如何疏导，疏导线路、车辆调度等，这些都是需要具体制定的内容。大数据分析可以为我们提供一条快速有效的管理途径，使我们尽量减少决策者通过“拍脑袋”来决定事件的管理决策。这里有很多难题，都需要通过大数据分析的支撑来帮助管理和指定政策。管理人员可根据大数据分析的结果采取各种措施，对人流采用疏导、限流甚至可以直接通过警力进行干预，最终防患于未然，将安全隐患排除。

因此，在大部分人为因素导致的公共突发事件的预防和处理中，互联网及大数据正在发挥越来越大的作用。去年召开的第一届世界互联网大会上，介绍了一种用于动态监控人员流量的大数据分析平台。这个分析平台可以对会场人员和行为的数据进行实时分析，数据主要包括国籍、终端、应用、关注内容等内容，分析结果包括用户年龄性别比例、流量的使用偏好，消费倾向等等。同时，通信运营商在此类研究及服务上也发挥了重要作用，某通信公司在总结云计算、大数据分析的基础上，利用移动终端用户的各类行为进行挖掘，以此分析某个区域范围内各类人群的流量数据，最终帮助职能部门进行防灾指挥和疏导决策。这种技术实现的主要功能包括实时获取人员数量，灾变自动告警，人员属性分析，智能判别灾害类型等。

三、大数据分析对应对突发性人流聚集事件的方法与

启示

总的来说，突发性人流聚集事件有着其固有的规律，一般分为人流变大-人流停滞-人流骚动-人流失控-发生意外等五个环节。其中，在最初的人流变大环节中，控制人流大小，合理疏散人流，是最有效的防治办法。在4G移动通信普及的当下，手机基本已成随身携带的“必备品”。从手段上看，不论是交管部门等有关部门的视频监控设备，还是人群中人人携带的手机等通讯设备，不论是通过短信群发，还是基站服务人群数分析，抑或是基于地理位置的大数据挖掘，理论上存在一种可能，当单位平方米上人数或手机数达到一定临界点时，就极易发生意外，这也是大数据应对人流聚集事件的基础。

大数据分析技术在人流密集风险预警系统中的应用思路如下：一旦某个区域人流密集，除通过聚集地附近的图像智能识别系统采集实时的人流信息之外，还应收集和分析通信服务信息。在分析和处理这些海量数据的基础上，通过马尔科夫链和数据挖掘的方法对人流活动规律进行模型建立，以此实时的人流状态进行判别，在这个基础上对未来一段时间内的人流变化趋势进行预测，最终形成结论。当人流速度或人群数量达到或超过预警标准时，系统将实时发出警报，同时根据大数据分析得到的事件原因、人群行为和地理信息建立模型，最终计算出最佳疏散方案并交付指挥中心执行。

四、总结

虽然已经有一些成果可供使用，但是人流分析技术乃至于城市计算仍是前沿的朝阳领域，仍面临很多的挑战和难点需要攻克，未来还有很长的路要走，远远没有达到将目前突发性人流聚集事件所面临的问题彻底解决的地步。大数据带给我们的是一种新的思维方式，一种使我们的生活，我们的城市朝着更好、更安全、更智慧的方向发展的途径。政府在日后的工作过程中更多的采用以数据为支撑的决策方式将是一个大的趋势。依靠数据防范突发事件，以计算驱动城市运转，互联网及大数据的应用将会发挥很大的正向作用。

【参考文献】

[1]何涛. 从上海外滩踩踏事件看城市及旅游区人群聚集风险的监控与预警[J]. 品牌（下半月），2015，06：42.

[2]佟瑞鹏，李春旭，郑毛景，邓晓瑞. 拥挤踩踏事故风险定量评价模型及其优化分析[J]. 中国安全科学学报，2013，12：90-94.

[3]张青松. 人群拥挤踩踏事故风险理论及其在体育赛场中的应用[D].南开大学，2007.

[4]王振. 城市公共场所人群聚集风险理论及应用研究[D].南开大学，2007.

[5]张青松，刘金兰，赵国敏. 大型公共场所人群拥挤踩踏事故机理初探[J]. 自然灾害学报，2009，06：81-86.

[6]白锐，梁力达，田宏. 人群聚集场所拥挤踩踏事故原因分析与对策[J]. 工业安全与环保，2009，02：47-49.

[7]张娜. 公共聚集场所安全状况及主要影响因素分析[D].中国地质大学（北京），2008.

[8]王振，刘茂. 人群聚集过程的定量分析与计算机模拟[J]. 青岛大学学报（自然科学版），2006，02：44-49.