大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制*

勇素華 楊傳民 陳芳

（1.南京信息工程大學(xué)馬克思主義學(xué)院 江蘇 南京 210044）

（2.南京信息工程大學(xué)公共管理學(xué)院 江蘇 南京 210044）

（3.南京信息工程大學(xué)中意網(wǎng)絡(luò)侵權(quán)研究所 江蘇 南京 210044）

大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制*

勇素華楊傳民陳芳

（1.南京信息工程大學(xué)馬克思主義學(xué)院 江蘇 南京 210044）

（2.南京信息工程大學(xué)公共管理學(xué)院 江蘇 南京 210044）

（3.南京信息工程大學(xué)中意網(wǎng)絡(luò)侵權(quán)研究所 江蘇 南京 210044）

經(jīng)濟(jì)4.0時(shí)代的大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制具有提高預(yù)警正效率、發(fā)掘預(yù)警客觀規(guī)律、增加預(yù)警精細(xì)度等特殊優(yōu)勢(shì)。實(shí)際運(yùn)作過(guò)程中暴露出原始數(shù)據(jù)量值偏低、災(zāi)害預(yù)測(cè)誤差明顯和警情發(fā)布錯(cuò)漏百出等嚴(yán)重影響有序預(yù)警的諸多風(fēng)險(xiǎn)。亟待通過(guò)建立預(yù)警閾值標(biāo)準(zhǔn)體系與交互共享系統(tǒng)、構(gòu)筑相關(guān)法律保障體系以及創(chuàng)設(shè)預(yù)警人力資源平臺(tái)等舉措形成科學(xué)高效的大數(shù)據(jù)災(zāi)害預(yù)警框架。

大數(shù)據(jù)；災(zāi)害預(yù)測(cè)；警情流轉(zhuǎn)；機(jī)制

1 引言

隨著全球人口無(wú)序增長(zhǎng)、高耗能產(chǎn)業(yè)壟斷市場(chǎng)與消費(fèi)結(jié)構(gòu)不斷調(diào)整，人類(lèi)反復(fù)違背和諧共存規(guī)則。對(duì)自然的擾動(dòng)經(jīng)過(guò)蝴蝶效應(yīng)而放大反饋，驅(qū)動(dòng)災(zāi)害風(fēng)險(xiǎn)因子演化因素多變耦合，持續(xù)動(dòng)態(tài)易引起多發(fā)性災(zāi)害事件，成災(zāi)因素日趨復(fù)雜，及時(shí)且準(zhǔn)確地預(yù)測(cè)突發(fā)性災(zāi)害事件成為新世紀(jì)以來(lái)預(yù)警機(jī)制建設(shè)的核心目標(biāo)。然而，社會(huì)系統(tǒng)的復(fù)雜性不斷提升致使“受災(zāi)人群的心理與行為，應(yīng)對(duì)災(zāi)害的資源需求與資源結(jié)構(gòu)，事件承載體的承受狀況以及周邊環(huán)境的抗風(fēng)險(xiǎn)能力都會(huì)發(fā)生變化”，也大幅增加了災(zāi)情精準(zhǔn)預(yù)測(cè)與迅速警示的難度。

大數(shù)據(jù)時(shí)代信息與通信技術(shù)不斷提升和革新應(yīng)用導(dǎo)致涉災(zāi)資訊規(guī)模急劇膨脹并迅速提升災(zāi)情流轉(zhuǎn)活性。立足多類(lèi)型孕災(zāi)信息存儲(chǔ)與高效風(fēng)險(xiǎn)資訊提取的巨量災(zāi)害數(shù)據(jù)評(píng)估、預(yù)測(cè)與警示模型，逐步構(gòu)筑精準(zhǔn)分析災(zāi)害因子并進(jìn)行可信警情傳播的最優(yōu)化平臺(tái)。以通過(guò)無(wú)時(shí)序、跨地區(qū)或跨行業(yè)開(kāi)源共享災(zāi)害物理監(jiān)測(cè)設(shè)備與海量關(guān)聯(lián)信息資源池等，逐步提高多渠道廣域?yàn)?zāi)害監(jiān)測(cè)效率，形成完備的災(zāi)情甄別與災(zāi)后估測(cè)方案。

行之有效的預(yù)警系統(tǒng)是降低自然災(zāi)害風(fēng)險(xiǎn)，挽救眾多生命和財(cái)產(chǎn)利益的重要助力，評(píng)判預(yù)警成效的黃金指標(biāo)是身處危險(xiǎn)區(qū)域的居民能否及時(shí)獲知準(zhǔn)確的災(zāi)情狀況與合理的應(yīng)急建議。迅速堆伐的高附加值數(shù)據(jù)處理元次引擎為準(zhǔn)確預(yù)判和有效流轉(zhuǎn)警情奠定堅(jiān)實(shí)基礎(chǔ)，亟待基于殊別微觀環(huán)境與差異群體需求構(gòu)建高量級(jí)、高速率與高實(shí)效的功能完善且形式多樣的大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制，實(shí)現(xiàn)信息共享、技術(shù)共享、資源共享。通過(guò)宏觀定性災(zāi)害分布規(guī)律、合理圈化災(zāi)害多發(fā)區(qū)域并等級(jí)量化災(zāi)害防減措施等，“推動(dòng)共同發(fā)展、促進(jìn)共同繁榮”。

2 大數(shù)據(jù)災(zāi)害預(yù)警的特殊優(yōu)勢(shì)

傳統(tǒng)的災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制受到分散監(jiān)測(cè)與多頭管理、技術(shù)壟斷與遲延報(bào)送、人力物力資源投入不足以及受災(zāi)居民缺乏有關(guān)災(zāi)害成因、表征及響應(yīng)錯(cuò)漏的基本認(rèn)知等不良因素的持續(xù)侵蝕，陸續(xù)暴露出孕災(zāi)因子監(jiān)控不全、預(yù)測(cè)數(shù)據(jù)獲取片面化以及警情信息流轉(zhuǎn)欠完善等嚴(yán)重問(wèn)題。數(shù)據(jù)海嘯背景下“已從簡(jiǎn)單的健康統(tǒng)計(jì)拓展到商業(yè)決策直至政治競(jìng)爭(zhēng)”的大數(shù)據(jù)技術(shù)，逐步成為“加強(qiáng)虛擬與現(xiàn)實(shí)聯(lián)系、推進(jìn)廣域合作、提高真相挖掘效率與預(yù)測(cè)精準(zhǔn)度”，“依靠科技創(chuàng)新，共同應(yīng)對(duì)未來(lái)”的利器?；诰蘖可鏋?zāi)數(shù)據(jù)采集與處理的洪情地圖、磁場(chǎng)監(jiān)測(cè)與野火跟蹤等不僅降低災(zāi)害預(yù)測(cè)成本，亦切實(shí)提高災(zāi)害風(fēng)險(xiǎn)因子識(shí)別精度，增加多元預(yù)警標(biāo)識(shí)獲取、管理、共享與交互的科學(xué)性、及時(shí)性與統(tǒng)一性，重構(gòu)穩(wěn)定高效的災(zāi)害應(yīng)急管理系統(tǒng)，推進(jìn)人與自然和諧共進(jìn)。

2.1 提高災(zāi)害預(yù)警正效率

長(zhǎng)久以來(lái)，不僅集中掌握分布式異構(gòu)化涉災(zāi)因子數(shù)據(jù)的各級(jí)政府部門(mén)將之視為不可公開(kāi)的“陽(yáng)光下的‘陰影’”，持有零散的非結(jié)構(gòu)化涉災(zāi)因子信息的分散組織和個(gè)人亦將之看作不宜廣域傳播的有限資源。處于多方利益博弈焦點(diǎn)的災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)時(shí)空跨度大、監(jiān)測(cè)任務(wù)重且協(xié)同難度高等導(dǎo)致難以有效分配涉災(zāi)資源。

大數(shù)據(jù)戰(zhàn)略供應(yīng)鏈深刻影響了社會(huì)生活的方方面面，海量數(shù)據(jù)挖掘技術(shù)在災(zāi)害致因采集、管理與加工中的廣泛運(yùn)用有利于整合各類(lèi)軟硬件資源、避免重復(fù)投資并及時(shí)獲取信息源，助力各級(jí)災(zāi)害管理部門(mén)及其工作人員、相關(guān)組織機(jī)構(gòu)和社會(huì)個(gè)體等形成彼此制約且無(wú)縫鏈接的權(quán)限控制、物資調(diào)度與信息監(jiān)測(cè)方案。遍布全球的不同級(jí)別和類(lèi)型的緊急災(zāi)害數(shù)據(jù)庫(kù)（EM-DAT）、再保險(xiǎn)公司及私人災(zāi)害信息中心等共享海量涉災(zāi)資訊與數(shù)據(jù)處理模型，“提前以最有效、最快速、最便捷的方式”向各級(jí)各地災(zāi)害管理部門(mén)、處于危險(xiǎn)區(qū)域的單位和個(gè)人傳遞災(zāi)害頻率、變化趨勢(shì)、成因及影響等。例如，泛網(wǎng)大數(shù)據(jù)災(zāi)害警示平臺(tái)的巨量數(shù)據(jù)網(wǎng)格化單元管理的“一鍵發(fā)布系統(tǒng)”在“3.11東日本大地震”中快速的全覆蓋警情傳播爭(zhēng)取到的“12秒”避免了新干線脫軌災(zāi)難，切實(shí)提高了防減自然災(zāi)害的正效率。

2.2 發(fā)掘?yàn)?zāi)害預(yù)警客觀規(guī)律

極端災(zāi)害事件的多變性與不同區(qū)域緩進(jìn)式生態(tài)惡化的差異性導(dǎo)致預(yù)警人員面對(duì)的均是不同以往的新情況，如亞太地區(qū)與北美區(qū)域的洪災(zāi)、地震和火山噴發(fā)的狀況完全不同。災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)過(guò)程受制于處理者的知識(shí)儲(chǔ)備、既發(fā)預(yù)警事件的個(gè)別化處理傳統(tǒng)以及不同地區(qū)的殊別自然環(huán)境、經(jīng)濟(jì)政治與社會(huì)文化等致使偏差預(yù)測(cè)與錯(cuò)漏警示頻繁發(fā)生。充分發(fā)揮大數(shù)據(jù)分析自海量多變的非結(jié)構(gòu)化孕災(zāi)數(shù)據(jù)中分離識(shí)別一般規(guī)律的強(qiáng)大能力是集中創(chuàng)造受災(zāi)群體有效開(kāi)展抗災(zāi)減災(zāi)活動(dòng)的重要條件。

2.3 增加災(zāi)害預(yù)警精細(xì)度

不同歷史時(shí)期、殊別地理區(qū)域與社會(huì)政治經(jīng)濟(jì)環(huán)境下多樣化災(zāi)害事件的具體表征持續(xù)變動(dòng)。實(shí)踐中預(yù)測(cè)人員難以客觀準(zhǔn)確地判定風(fēng)險(xiǎn)要素預(yù)警信號(hào)的標(biāo)識(shí)閾值，往往依賴經(jīng)驗(yàn)與直覺(jué)進(jìn)行決策，造成巨大的生命財(cái)產(chǎn)損失。超出傳統(tǒng)的獲取、存儲(chǔ)、管理與分析數(shù)據(jù)集成的大數(shù)據(jù)運(yùn)作的預(yù)測(cè)準(zhǔn)確性遠(yuǎn)勝于傳統(tǒng)數(shù)據(jù)分析，能夠從包含編碼各異且分類(lèi)龐雜的災(zāi)害物理信息、地理空間信息、災(zāi)情信息與救災(zāi)業(yè)務(wù)信息等寬域資源池中提取關(guān)涉災(zāi)害風(fēng)險(xiǎn)的堆集數(shù)據(jù)。海量涉災(zāi)數(shù)據(jù)中凝煉的具有連續(xù)性、實(shí)時(shí)性與動(dòng)態(tài)性等特征的分級(jí)評(píng)估預(yù)警閾值是針對(duì)特定災(zāi)害現(xiàn)象發(fā)展趨勢(shì)的精確預(yù)測(cè)，大幅降低了警示信號(hào)標(biāo)識(shí)的誤差率，實(shí)現(xiàn)預(yù)警決策從假設(shè)推動(dòng)到數(shù)據(jù)推動(dòng)的長(zhǎng)足飛躍，有助于公眾廣泛參與災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)。如，四川成都高新減災(zāi)研究所鏈接全國(guó)地震資源的大數(shù)據(jù)震警系統(tǒng)不僅在“雅安地震”中發(fā)揮了重要的預(yù)測(cè)作用（為雅安主城區(qū)爭(zhēng)取了5秒，為成都主城區(qū)爭(zhēng)取了28秒，避免了巨額生命財(cái)產(chǎn)損失）；“云南滄源地震”中更在提前93秒向昆明預(yù)警之余，第一時(shí)間基于海量傳感器提取與受災(zāi)居民通過(guò)鏈接預(yù)警數(shù)據(jù)庫(kù)的終端設(shè)備（如手機(jī)、平板電腦、手提電腦等）上傳的地表晃動(dòng)、房屋損壞和人員傷亡等情況繪制成“烈度速報(bào)”和“人工災(zāi)情采集”應(yīng)急數(shù)據(jù)圖，為災(zāi)害管理相關(guān)部門(mén)的決策工作、社會(huì)各界人士的救援活動(dòng)與受災(zāi)居民的自救行為提供了重要參考。

3 大數(shù)據(jù)災(zāi)害預(yù)警的風(fēng)險(xiǎn)評(píng)估

“強(qiáng)化預(yù)報(bào)預(yù)測(cè)準(zhǔn)確率和精細(xì)化水平……確保把潛在的自然災(zāi)害損失降到最低。要切實(shí)加強(qiáng)災(zāi)害預(yù)警信息發(fā)布應(yīng)用。”需持續(xù)深入分析復(fù)雜孕災(zāi)環(huán)境并立足海量致災(zāi)因子的綜合評(píng)估優(yōu)化預(yù)測(cè)與警示方案的大數(shù)據(jù)災(zāi)害預(yù)警機(jī)制在信息報(bào)送、處理與傳達(dá)過(guò)程中面臨的技術(shù)限制、利益失衡與秩序紊亂等導(dǎo)致的嚴(yán)重影響整個(gè)系統(tǒng)精確部署與平臺(tái)健康發(fā)展的諸多風(fēng)險(xiǎn)因素。

3.1 原始信息量值偏低

近年來(lái)，數(shù)據(jù)資源“已經(jīng)變成生產(chǎn)原材料，是巨大的經(jīng)濟(jì)與社會(huì)價(jià)值的新來(lái)源”?；诰蘖考?jí)假設(shè)驗(yàn)證海量致災(zāi)數(shù)據(jù)之間相關(guān)關(guān)系構(gòu)建大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制必須嵌入足量原始數(shù)據(jù)。目前，中國(guó)氣象局、中國(guó)地震局、公安部、民政部、衛(wèi)生部等災(zāi)害管理關(guān)聯(lián)部門(mén)各自累積災(zāi)害數(shù)據(jù)的條塊分割式信息處理模型導(dǎo)致結(jié)構(gòu)不一的原始數(shù)據(jù)資源池之間難以建立長(zhǎng)效信息互通關(guān)系。

原始信息資源交互共享是數(shù)據(jù)挖掘效益最大化的基礎(chǔ)。雖然整合云計(jì)算、人工智能及其他諸多高新技術(shù)的大數(shù)據(jù)采挖模式能夠從非結(jié)構(gòu)化的涉災(zāi)零散數(shù)據(jù)中提取警示標(biāo)識(shí)，卻存在處理成本過(guò)高、耗時(shí)過(guò)多且結(jié)果缺乏科學(xué)性等問(wèn)題，惟有切實(shí)提高大數(shù)據(jù)輪動(dòng)的透明度，保證各級(jí)各地災(zāi)害管理部門(mén)與直接承受災(zāi)害損失的組織和個(gè)人盡早獲知準(zhǔn)確的警情信息，才能提早部署救災(zāi)物資安排、轉(zhuǎn)移安置人口并開(kāi)展其他應(yīng)急工作。目前多頭管理且未向社會(huì)公開(kāi)的復(fù)雜原始數(shù)據(jù)存取系統(tǒng)導(dǎo)致分離報(bào)送的信息總量偏低且類(lèi)別單一，難以滿足大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制良性循環(huán)的基本需要。

3.2 災(zāi)害預(yù)測(cè)誤差明顯

具備災(zāi)害管理職能的公權(quán)機(jī)關(guān)與積極參與災(zāi)害預(yù)警的民間組織和個(gè)人等普遍受制于技術(shù)能力與成本考量，常常將災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)平臺(tái)的構(gòu)建與維護(hù)外包給騰訊、谷歌或互聯(lián)通訊等高新企業(yè)。追求利潤(rùn)最大化的數(shù)據(jù)挖掘方不僅不會(huì)主動(dòng)通報(bào)數(shù)據(jù)存儲(chǔ)設(shè)備的物理位置、安保狀況及運(yùn)作詳情，還妄圖借助諸多強(qiáng)大的復(fù)雜分析工具僅提取有利自身發(fā)展需求的特殊信息要素，或者運(yùn)用廣域探查聚合技術(shù)達(dá)到賺取公權(quán)機(jī)關(guān)、其他組織或受災(zāi)群體巨額利潤(rùn)之目的（或者肆意悄然簡(jiǎn)化數(shù)據(jù)挖掘程序以節(jié)約費(fèi)用）。事實(shí)上，大量致災(zāi)因子數(shù)據(jù)、承災(zāi)體數(shù)據(jù)、災(zāi)情數(shù)據(jù)和救災(zāi)工作數(shù)據(jù)等分散掌握在不同主體手中導(dǎo)致捕獲的原始數(shù)據(jù)資源過(guò)度片面化，嚴(yán)重影響災(zāi)害預(yù)測(cè)的客觀性與真實(shí)性。

3.3 警情發(fā)布錯(cuò)漏百出

目前，多地陸續(xù)出現(xiàn)多個(gè)智能化災(zāi)情流轉(zhuǎn)系統(tǒng)。平臺(tái)之間的交叉聚探大幅拓展了預(yù)測(cè)結(jié)果與警示數(shù)據(jù)的綠色傳達(dá)渠道，加快了災(zāi)害管理部門(mén)、其他相關(guān)單位及受災(zāi)群體預(yù)警信息傳達(dá)速度并提高覆蓋面。然而，初步崛起的大數(shù)據(jù)技術(shù)自身不成熟、中國(guó)互聯(lián)網(wǎng)絡(luò)及各類(lèi)傳感器并未全境覆蓋以及風(fēng)險(xiǎn)對(duì)象多樣化和預(yù)警信息動(dòng)態(tài)化等導(dǎo)致大數(shù)據(jù)災(zāi)害警情信息發(fā)布中錯(cuò)漏百出。有必要進(jìn)一步加強(qiáng)涉災(zāi)物理設(shè)備建設(shè)并拓展警情范疇，不僅關(guān)注災(zāi)害風(fēng)險(xiǎn)預(yù)測(cè)與基本警情流轉(zhuǎn)，亦需要傳輸救災(zāi)儲(chǔ)備、轉(zhuǎn)移安置與其他個(gè)性化應(yīng)急防御信息。

4 大數(shù)據(jù)災(zāi)害預(yù)警的框架設(shè)計(jì)

立足海量涉災(zāi)原始資料集成處理的大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制是科學(xué)技術(shù)在災(zāi)害防減領(lǐng)域的創(chuàng)新發(fā)展與有效應(yīng)用，是有計(jì)劃地組織協(xié)調(diào)與指揮控制災(zāi)害應(yīng)急管理底層架構(gòu)的重要舉措。海量數(shù)據(jù)采集、存取與處理過(guò)程中通過(guò)長(zhǎng)期監(jiān)測(cè)巨量數(shù)據(jù)資源的常態(tài)緩變與異常突發(fā)，能及時(shí)、靈敏且準(zhǔn)確地昭示風(fēng)險(xiǎn)前兆，改變?yōu)暮Ψ烙季S模式與工作范式，最大限度地減少損失并推動(dòng)有限資源高效利用，避免災(zāi)情信息采集與流轉(zhuǎn)不暢導(dǎo)致的二次損毀與重復(fù)浪費(fèi)。而構(gòu)筑超前反饋的“以人為本”的災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)框架，必須從建立海量預(yù)警閾值標(biāo)準(zhǔn)體系、完善預(yù)警信息交互共享系統(tǒng)、構(gòu)筑災(zāi)害預(yù)警法律保障機(jī)制以及創(chuàng)設(shè)預(yù)警人力資源平臺(tái)等方面入手。

4.1 建立災(zāi)害預(yù)警閾值標(biāo)準(zhǔn)體系

全球互通的網(wǎng)絡(luò)傳輸系統(tǒng)、遍布各地的專(zhuān)業(yè)監(jiān)測(cè)設(shè)備與廉價(jià)傳感器（尤其是依托多樣化的移動(dòng)和可穿戴設(shè)備，將所有受災(zāi)個(gè)體轉(zhuǎn)化為社會(huì)傳感器）使得“海量的、基于位置的移動(dòng)軌跡數(shù)據(jù)和社交網(wǎng)絡(luò)數(shù)據(jù)……為人流移動(dòng)的分析、建模以及災(zāi)害應(yīng)急管理提供了新的方法?！崩纾袊?guó)、日本、美國(guó)等大量國(guó)家和地區(qū)的眾多居民在地震、海嘯、龍卷風(fēng)等極端災(zāi)害事件發(fā)生后借助網(wǎng)絡(luò)平臺(tái)發(fā)表的自身感受、建筑物震害程度以及地表和生命線破壞狀況等巨量涉災(zāi)數(shù)據(jù)是快速驗(yàn)證與修正災(zāi)害應(yīng)急指揮舉措的重要參考。但由于災(zāi)害預(yù)測(cè)系統(tǒng)是典型的非線性系統(tǒng)，普通大數(shù)據(jù)評(píng)測(cè)模型內(nèi)嵌的簡(jiǎn)單統(tǒng)計(jì)分析方法難以精準(zhǔn)判斷災(zāi)情趨勢(shì)，巨量混雜涉災(zāi)數(shù)據(jù)的深度挖掘與增值應(yīng)用亟待通過(guò)科學(xué)合理的預(yù)警閾值標(biāo)準(zhǔn)體系避免誤警與漏警等。

基于海量涉災(zāi)數(shù)據(jù)源、多類(lèi)型機(jī)器學(xué)習(xí)與大規(guī)模計(jì)算的大數(shù)據(jù)災(zāi)害預(yù)警閾值平臺(tái)成本低廉且分析能力超群，有條件細(xì)化出數(shù)十層次（如0-50風(fēng)險(xiǎn)等級(jí)序列）的危險(xiǎn)區(qū)域數(shù)值指標(biāo)并拓展復(fù)合確定因素與多元隨機(jī)概率因素的定性預(yù)警范疇。通過(guò)充分發(fā)揮大數(shù)據(jù)挖掘特殊的量級(jí)、速率與成本優(yōu)勢(shì)，以及建立微差的具體指標(biāo)臨界值域體系以減少災(zāi)害預(yù)測(cè)錯(cuò)漏風(fēng)險(xiǎn)，增加定位流轉(zhuǎn)效益，提高廣大居民對(duì)災(zāi)害預(yù)警的信任度，推動(dòng)災(zāi)害警情流轉(zhuǎn)機(jī)制良性運(yùn)作，降低整個(gè)社會(huì)災(zāi)害防減的物資與人員損耗。

4.2 完善災(zāi)害預(yù)警的交互共享系統(tǒng)

國(guó)內(nèi)外災(zāi)害信息的全方位有效共享是“降低減災(zāi)成本……推進(jìn)生產(chǎn)力與競(jìng)爭(zhēng)力有序增長(zhǎng)”的重要助力。龐雜的巨量原始數(shù)據(jù)為災(zāi)害精準(zhǔn)評(píng)測(cè)提供了足量信息資源池，先進(jìn)的挖掘算法自通聯(lián)的區(qū)域級(jí)、國(guó)家級(jí)和地方級(jí)災(zāi)害數(shù)據(jù)庫(kù)中提存數(shù)據(jù)尺度、類(lèi)型、時(shí)間跨度及其他涉災(zāi)資訊并發(fā)掘潛藏規(guī)律與災(zāi)情趨勢(shì)等，大幅提升綜合預(yù)判災(zāi)害應(yīng)急管理成效的能力。

災(zāi)害數(shù)據(jù)是重要的災(zāi)害信息資源”，全球范圍的海量災(zāi)害預(yù)警數(shù)據(jù)交互共享系統(tǒng)既有利于涉災(zāi)管理部門(mén)、其他組織機(jī)構(gòu)和個(gè)人更好地制定與實(shí)施備災(zāi)救災(zāi)計(jì)劃，亦有助于增強(qiáng)社會(huì)公眾的警情認(rèn)知與反應(yīng)能力并降低災(zāi)害防御與救助的成本和難度。亟待建立全球協(xié)調(diào)一致的基于大數(shù)據(jù)技術(shù)的災(zāi)害預(yù)警交互共享系統(tǒng)。由各國(guó)商建的國(guó)際性專(zhuān)門(mén)機(jī)構(gòu)負(fù)責(zé)制定及實(shí)施數(shù)據(jù)子庫(kù)建設(shè)規(guī)范與標(biāo)準(zhǔn)；借助互聯(lián)網(wǎng)分布式互操作技術(shù)突破各獨(dú)立數(shù)據(jù)庫(kù)（如國(guó)內(nèi)災(zāi)害數(shù)據(jù)庫(kù)、各主要國(guó)家的自然災(zāi)害數(shù)據(jù)庫(kù)與聯(lián)合國(guó)人道主義協(xié)調(diào)事務(wù)網(wǎng)等）的信息壁壘，整合形成無(wú)縫鏈接警情資訊的星云網(wǎng)絡(luò)，擴(kuò)大信息存儲(chǔ)與流動(dòng)的渠道，建立起全球市場(chǎng)集塊化的價(jià)值鏈條；完善大數(shù)據(jù)預(yù)警信息高速處理邏輯與數(shù)據(jù)分離并單獨(dú)提取邏輯規(guī)則引擎以保障宏觀指導(dǎo)、分類(lèi)管理并切實(shí)鼓勵(lì)災(zāi)害御減公開(kāi)化。

4.3 構(gòu)筑災(zāi)害預(yù)警的法律保障體系

傳遞及時(shí)、覆蓋面廣且復(fù)播率高的災(zāi)害預(yù)警模式是有效開(kāi)展災(zāi)害防救工作的核心環(huán)節(jié)。大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制雖然在一定程度上擴(kuò)展了自然災(zāi)害評(píng)估與風(fēng)險(xiǎn)信息傳遞的范圍與速度，但各參與主體話語(yǔ)權(quán)不平等與殊別利益需求（如部分地區(qū)的氣象部門(mén)和運(yùn)營(yíng)商分成天氣預(yù)報(bào)收入導(dǎo)致災(zāi)害氣象預(yù)警短信僅發(fā)送給訂制了付費(fèi)天氣預(yù)報(bào)的手機(jī)用戶）、密鑰規(guī)范不健全（如原始涉災(zāi)數(shù)據(jù)的存取缺少雙向密匙保障，難以控制數(shù)據(jù)權(quán)人、持有者與挖掘者等偽造篡改或肆意處理）與責(zé)任承擔(dān)不完善（如某些區(qū)域?yàn)?zāi)害預(yù)警錯(cuò)漏事件均無(wú)條件認(rèn)定為當(dāng)事人不承擔(dān)責(zé)任的意外損失）等會(huì)嚴(yán)重影響災(zāi)情預(yù)測(cè)與警情傳輸?shù)募皶r(shí)性、高效性與正影響力。

法律保障是大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制建設(shè)的必然組成部分。亟待制定與完善明確各級(jí)各類(lèi)災(zāi)害管理部門(mén)、諸多大數(shù)據(jù)關(guān)聯(lián)企業(yè)、其他組織機(jī)構(gòu)及社會(huì)公眾災(zāi)害預(yù)測(cè)與警情傳達(dá)中具體權(quán)責(zé)分配與溯源問(wèn)責(zé)方案的法律規(guī)范體系，避免侵害數(shù)據(jù)產(chǎn)權(quán)、知情權(quán)、隱私權(quán)、公平受益權(quán)與競(jìng)爭(zhēng)權(quán)等的人為偽預(yù)測(cè)與虛假警情傳播，保障科學(xué)性、持續(xù)性與準(zhǔn)確性的預(yù)警標(biāo)識(shí)識(shí)別與采集、警示產(chǎn)品制作與處理以及警情數(shù)據(jù)的發(fā)布與流轉(zhuǎn)等。

4.4 創(chuàng)設(shè)災(zāi)害預(yù)警人力資源平臺(tái)

大數(shù)據(jù)挖掘技術(shù)是尋找涉災(zāi)數(shù)據(jù)資源前瞻性應(yīng)用途徑的重要工具。通過(guò)關(guān)聯(lián)算法有效識(shí)別和利用固態(tài)物理設(shè)備、諸多移動(dòng)終端及廣布各行各業(yè)的海量傳感器中提取的原始數(shù)據(jù)，需要專(zhuān)業(yè)能力與綜合素質(zhì)兼優(yōu)的復(fù)合型從業(yè)隊(duì)伍保駕護(hù)航。

一方面，基于大數(shù)據(jù)災(zāi)害預(yù)警參與組織與個(gè)人的能力評(píng)估與結(jié)果驗(yàn)證，制定具有針對(duì)性的操作培訓(xùn)方案并有效協(xié)調(diào)監(jiān)測(cè)團(tuán)隊(duì)，有利于避免具體災(zāi)害事件預(yù)警過(guò)程中人員不到位或能力不足的惡劣狀況。另一方面，通過(guò)建立嵌入大數(shù)據(jù)災(zāi)害管控平臺(tái)的人力資源管理信息系統(tǒng)，全方位優(yōu)化人員數(shù)據(jù)搜集、處理、存儲(chǔ)與發(fā)布流程，形成人才決策、協(xié)調(diào)、控制與分析的差異化開(kāi)放式管控機(jī)制，確保涉災(zāi)因素獲取、審查、處理與傳輸全程的最優(yōu)化。

5 結(jié)語(yǔ)

科技是第一警災(zāi)力。構(gòu)建依托新生智能技術(shù)集成分布的高績(jī)效大數(shù)據(jù)災(zāi)害預(yù)測(cè)與警情流轉(zhuǎn)機(jī)制有利于促進(jìn)災(zāi)害防減數(shù)據(jù)交互融合，提高災(zāi)害預(yù)警透明度與安全性，推動(dòng)實(shí)現(xiàn)社會(huì)利益與受災(zāi)個(gè)體利益有機(jī)平衡并切實(shí)提高災(zāi)害應(yīng)急管理成效，促進(jìn)生存環(huán)境的全面、協(xié)調(diào)與可持續(xù)發(fā)展。

［1］陳安，陳寧，倪慧薈等.現(xiàn)代應(yīng)急管理理論與方法［M］.北京：科學(xué)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］習(xí)近平.讓工程科技造福人類(lèi)、創(chuàng)造未來(lái)——在2014年國(guó)際工程科技大會(huì)上的主旨演講［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］蔣潔.大數(shù)據(jù)聯(lián)動(dòng)的負(fù)面效應(yīng)及對(duì)策研究［J］.情報(bào)資料工作，2014（4）：11-15.

［7］張福芳.利用科技創(chuàng)新推進(jìn)洪水災(zāi)害預(yù)測(cè)預(yù)報(bào)發(fā)展［N］.湖南日?qǐng)?bào)，2015-03-28.

［8］鄭煥斌.自然災(zāi)害預(yù)測(cè)：科學(xué)做到了什么程度？［N］.科技日?qǐng)?bào)，2013-01-20.

［9］章劍生.陽(yáng)光下的“陰影”——《政府信息公開(kāi)條例》中“不公開(kāi)事項(xiàng)”之法理分析［J］.政法論叢，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］鄒銘，范一大，楊思全，等.自然災(zāi)害風(fēng)險(xiǎn)管理與預(yù)警體系［M］.北京：科學(xué)出版社，2010:72.

［12］司瑞潔，溫家洪，尹占斌，等.EM-DAT災(zāi)難數(shù)據(jù)庫(kù)概述及其應(yīng)用研究［J］.科技導(dǎo)報(bào)，2007（6）：62-69.

［13］雅安7.0級(jí)地震大數(shù)據(jù)上陣助建預(yù)警機(jī)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］柴會(huì)群，田香凝.成都減災(zāi)所雅安預(yù)警之辨［N］.南京周末，2013-04-25.

［20］成都高新減災(zāi)研究所快速繪制云南滄源地震“兩張圖”［EB/OL］.［2015-04-03］.http://www.sc.xinhuanet. com/content/2015-03/03/c_1114501627.htm.

［21］魏恒.加強(qiáng)氣象災(zāi)害預(yù)警信息發(fā)布形成防汛抗災(zāi)合力［N］.廣西日?qǐng)?bào)，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，肖蘭喜，杜憲宋，等.基于網(wǎng)絡(luò)的山東地震災(zāi)情收集分析處理系統(tǒng)［J］.華北地震科學(xué)，2007（3）：8-12，35.

［27］張靜.氣象大數(shù)據(jù)時(shí)代真的到了嗎？［N］.中國(guó)氣象報(bào)，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］黃國(guó)平，武旭紅，張宏.面向?yàn)?zāi)害大數(shù)據(jù)預(yù)警信息高速處理的規(guī)則引擎［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2014（4）：245-248.

［30］吳潔.氣象局：氣象災(zāi)害預(yù)警信息不會(huì)收費(fèi)［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

勇素華（1977-），南京信息工程大學(xué)馬克思主義學(xué)院副教授，南京信息工程大學(xué)中意網(wǎng)絡(luò)侵權(quán)研究所研究員；楊傳民（1987-），南京信息工程大學(xué)馬克思主義學(xué)院研究生；陳芳（1973-），南京信息工程大學(xué)公共管理學(xué)院副教授，南京信息工程大學(xué)中意網(wǎng)絡(luò)侵權(quán)研究所研究員。

*本文系2009年度教育部人文社會(huì)科學(xué)研究青年項(xiàng)目“1949年以來(lái)臺(tái)灣地區(qū)自然災(zāi)害危機(jī)管理與對(duì)策研究”（項(xiàng)目編號(hào)：09YJCGAT002）、中國(guó)氣象局氣象軟科學(xué)項(xiàng)目“大數(shù)據(jù)時(shí)代氣象信息傳播的規(guī)制研究”（項(xiàng)目編號(hào)：2014MC03）與江蘇省法學(xué)會(huì)項(xiàng)目“大數(shù)據(jù)挖掘的侵權(quán)風(fēng)險(xiǎn)及對(duì)策研究”（項(xiàng)目編號(hào)：SFH2014D19）研究成果之一。

2015-04-11；責(zé)任編輯：魏志鵬