大数据视域下的城市公共危机案例库建设初探

鲁传松

[摘 要]随着经济的快速发展，城市的发展速度也越来越快，随之而来的是频发的城市危机事件。当前研究城市公共危机案例库系统中具有的机遇就是大数据技术的发展。在研究城市公共危机案例库系统中，大数据有着重要的作用。本文对大数据视域下的城市公共危机案例库建设进行了具体研究。

[关键词]大数据；城市公共危机；案例库；建设

doi：10.3969/j.issn.1673 - 0194.2017.08.094

[中图分类号]D63 [文献标识码]A [文章编号]1673-0194（2017）08-0-02

许多学者已经研究了多年的城市公共危机管理，并得出了一些理论基础。进入大数据的背景是在人、机、物三元世界的融合下，引起的高度复杂化的数据模式和爆炸式增长的公共危机案例。对于公共危机管理问题的处理，仅仅靠传统案例处理模式和联动模式是无法完成的。大数据中的社会、经济以及科研都具有巨大的社会价值，因此各行各业都应对其引起广泛关注。

1 大数据基本论述

规模性、多样性以及高速性是大数据所具有的三个代表性的特点，由于大数据多元化的思维，研究者所研究的侧重点便有所不同，这就产生了不同的思维方式。大数据思维主要包括定量思维、相关思维以及实验思维等。

在城市构建中，根据大数据的广泛应用，相关人员建立了一系列研究大数据的机构，如北京大学智慧城市研究与规划中心，智慧城市理论以及技术攻关是其研究的中心内容。

当前，在大数据思维模式下的城市公共危机案例库建设是一个比较薄弱的存在，因此要利用大数据思维，逐渐建立起城市公共危机案例库，创新新的信息壁垒，在城市公共危机案例管理智能化的过程中，大数据思维发挥着重要的作用。

2 设计城市公共危机案例库的功能

2.1 对危机案例数据的采集

建设城市公共危机案例库的基础以及对大数据进行处理的前提是采集城市危机案例。而在有限的技术条件下，只能采用样本分析法分析数据，但大数据的总体数据思想与人机交互是共同实现的。

城市本身就是一个大系统，其具有多因素性、多层次性以及多功能性，采集案例库中的城市信息数据不只是将信息任务上传就可以的，采集的也不都是结构化的数据，动态性和隐性也是数据信息的特点，因此，城市公共危机案例研究的基础是采集城市中所有的技术数据信息。在大数据的总体思维下，利用人工采集全方位的城市基本数据信息。

在实际的社会中，严重威胁社会系统的价值和行为的事件就是危机。突发性、不可预测性、公共性与灾难性并存等特征是危机具有的特性。采集危机案例数据功能项的重点是对半结构化进行解决以及采集非结构性的信息数据，这是由人工和计算机智能存储来完成的。

基于量大的大数据，要利用引擎对城市危机案例数据信息进行全面采集，大网站以及博客等都是数据的来源渠道；文字、图片和视频等都是其包括的内容。人工智能采集逐渐被引擎所替代。

2.2 对危机案例数据的处理

由于利用大数据处理的方式对数据进行处理，这就使其流程也有了相应的改变。采集、导入和预处理、统计和分析以及挖掘数据是大数据进行数据处理的四个流程。因此，可以借鉴大数据的处理流程对危机案例库进行处理。

利用数据导入和分布案例获取危机案例的数据模块。简单数据的处理要利用专业化的信息处理工具，分析和汇总存储集群中的大数据，这样城市危机案例库就在一步步中逐渐形成。例如，排除非城市公共危机范围内的数据，分析和汇总一系列的自然灾害危机、公共卫生危机以及意外事故危机等。

在危机案例库中不仅要体现出大数据思维，更要体现出智能化的重要性，因此要加大对大数据的应用力度，在更深一步挖掘数据中大力运用大数据的关联思维以及智能思维等。发散性是挖掘数据中最主要的特点，其不同的简单的清洗和分析数据，对数据进行各种不同的计算是其主要内容，它能使数据分析的需求得到更好的满足。

2.2.1 挖掘关联数据

在小数据时代，城市公共危机案例的因果关系是人们所关注的焦点，经常总结和分析样本案例的原理，但在这些原理样本数据中，案例数据中的关系并不能全面的反映出来。在大数据时代，由于大数据技术下危机案例之间的隐性关系被显现出来，这就可以显示出更多的隐性数据，而决策者获取和预测数据是由显性数据来实现的，这样可以使决策推理更加准确。案例库用户的案例检索和检索决策等都可以利用挖掘关联数据技术来实现。

2.2.2 挖掘容错数据

在小时代的数据下，人们只能取得较少的危机案例样本量，因此对其结构化和精确化更加重视。但在大数据背景下，可以在容错思维的基础上将一定层面上的精确性进行忽略，使一定程度上的错误和混杂被接受，隐性数据的显性化更多的是在数据的宏观层面得到的，从而对决策者的获取和预测数据有一定的帮助。案例库中用户进行的推理決策和向用户推送的信息，可以利用大数据处理模块中的容错挖掘技术。

2.2.3 挖掘智能数据

在数据库处理数据的过程中，智能思维逐渐代替线性等简单思维，这是大数据时代发展的必然要求和处理大数据过程中的核心内容和重要特征。在大数据时代环境中，逻辑分析和智能判断城市公共危机案例数据都是由智能思维来完成的，在处理大数据模块中，由于智能挖掘技术的引入，危机案例库中的数据处理功能便有了更强大的技术支撑，从而可以使各项功能的协调进行更好的运行。

由此可以看出，大数据的处理技术主要是由关联数据挖掘、容错数据挖掘以及智能数据挖掘来实现的，城市危机智能案例库也是由这三个组成的，用户案例的检索和决策推理等功能也是由这三部分支撑的。

2.3 检索危机案例与支持决策

在用户的检索需求和决策推理需求这一过程主要是由危机案例检索与决策支持模块来实现的。其组成模块主要有城市危机智能案例库中的案例数据库、决策推理以及决策数据库等。检索与决策推理中的设计功能主要是由数据库和功能模块一同来实现的，决策数据库中数据的来源主要是智能决策推理过程中形成的新的决策方案，获取案例库中的数据以及处理大数据都是由用户的检索效果和决策推理效果来反映的。

3 构建城市公共岗位及案例库系统

3.1 案例库的系统构架

系统的构架是在城市公共危机案例库系统功能中的构建和研究背景下所形成的。各种不同的连接器将案例库系统连接起来，然后再采集各类数据库以及第三方应用的数据等；案例数据索引的形成主要是案例库系统清洗和处理等采集的案例数据；数据仓库的建立以及挖掘大数据技术功能，都是利用案例库系统中分布式系统来完成的；数据应用层各类的数据接口将数据服务层放在上层。用户的权限系统进入各个层面的数据层。

3.2 案例库系统的交互环境

案例库系统交互环境中的案例检索的功能，是在研究案例库系统功能和系统构架的前提下实现的。快速检索和高级检索等功能，是在案例检索的交互界面中设置的。在检索的过程中先输入相应的关键词，然后将危机属性、描述、相关利益以及分析案例等功能连接在检索界面的左侧查询。例如2015天津的大爆炸，天津爆炸的时间、地点、主要影响、危机属于的行业、危机的类型以及造成的危害的这些数据便构成了危机属性；天津爆炸案例的前兆、持续过程和结果等这些阶段中数据的具体分析就是对危机的描述；具体分析——危机利益相关的数据就是利益相关；对数据案例进行对比分析、统计分析和智能判断等这些大数据的处理结果进行展示等就是案例分析，例如对港口爆炸案例数据分析等。

4 结 语

虽然城市危机管理的减缓工作中有了新技术的支持，但在系统方面还面临着许多的问题，例如负载均衡大数据和大数据职能算法实现等，因此，在以后的研究过程中，要对功能模块中的系统性、效用性以及精确性，工作流程的规则性和逻辑性，实现案例库系统的创新性和实用性进行进一步研究，从而使大数据视域下的城市公共危机不断减少。

主要参考文献

[1]刘翔.大数据视域下的城市公共危机案例库建设研究[J].现代情报，2016（8）.

[2]王赞成.城市公共危机应急体系建设初探——以南京市为例[D].南京：南京理工大学，2007.

[3]董申.加强城市社会公共管理体系建设的对策建议——简论城市公共危机应急体系建设[J].学理论，2012（27）.

[4]汪卉，陈俊杰，劉娟.贵阳城市公共危机预警机制建设问题研究[J].商，2015（33）.

[5]王柳.城市社区公共危机管理能力建设[J].中共杭州市委党校学报，2007（6）.

[6][作者不详].部分城市中小商贸流通企业公共服务平台建设案例[J].武汉商务，2014（1）.

[7]罗云中.应急管理案例库系统设计与实现[D].兰州：兰州大学，2010.

[8]刘雪梅.公共危机事件的预测模型构建及其应用研究[D].兰州：兰州大学，2013.