大数据在应急管理中的应用——亿信华辰

发布时间:2019.02.25来源:亿信华辰浏览量:432次标签:数据治理

数据安全

随着互联网、社交媒体和人工智能的技术发展和应用普及,大数据在应急管理中发挥的作用将越来越重要,是应急管理未来发展的重要方向之一。应急管理部的成立为中国应急管理的发展提供了政策上的支持,也为发展大数据在中国应急管理中的应用提供了契机。现阶段,理论研究尚无法完全预知大数据在应急管理中的具体应用。但基于对应急管理基本原理的掌握,结合对大数据本质属性的理解和对中国应急管理制度情境的了解,我们可以初步厘清大数据在中国情境中应用于应急管理的总体框架、关键功能和政策路径。

发展大数据分析应对新兴风险

在理论上,关于应急管理基本原理的探索已经触及复杂适应系统(Complex Adaptive System,CAS)思想。CAS是复杂性理论的一个分支,代表了复杂性理论的最新发展。它强调信息在发展适应性中的作用,在本质上是一种方法论,因而具有广泛的适用性。

20世纪90年代,美国应急管理研究的开创者之一康佛教授将CAS的思想引入应急管理研究,将应急管理定义为一个复杂适应系统,即大规模、异质性的行动主体对信息的搜集、交换和共享。它既适应环境的变化,也相互适应,达成协同行动,实现社会系统从“混沌”向有序的回归。这一理论具有广泛的包容性,涵盖了20世纪90年代以来应急管理研究几乎全部的理论进展,也是继20世纪七八十年代提出并发展的综合应急管理(Comprehensive Emergency Management,CEM)理论之后的最具统摄的理论框架。

这一理论不仅在美国、欧洲、日本的情境中得到了应用,也在中国情境中得到了检验。有学者通过对“汶川地震”“九寨沟地震”“山竹台风”等案例的连续研究显示,中国的应急管理在总体上也需要定义为复杂适应系统。这一系统通过信息技术的应用,既增强行动主体对环境变化的适应能力,也提升行动主体之间的相互适应能力,最终提高应急管理的协同水平和集体绩效。

将应急管理视为复杂适应系统,发展更具适应能力的应急管理体系,这也是中国应急管理发展演化的内在要求。2003年“非典”之后,中国建立起以“一案三制”(应急预案、应急体制、应急机制、应急法制)为核心的应急管理体系。这一体系统筹自然灾害、事故灾难、公共卫生事件和社会安全事件的预防与准备、预警与监测、救援与处置、善后与恢复。从理论上看,这就是“中国版”综合应急管理体系,且其综合程度较高。应急管理部成立之后,应急管理的职能边界收缩至自然灾害与事故灾难的全过程管理,这实际上是对“中国版”综合应急管理的修正。这同时也显示,综合化并非中国应急管理未来发展的主要方向。那么,中国应急管理未来发展的主要方向是什么?

进入新时代,社会发展的主要矛盾已经转化为人民群众日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。按照这一要求,应急管理未来的发展方向就是,满足人民群众日益增长的安全需要。这就需要大力提升中国应急管理的适应能力。经过“一案三制”体系十余年的实践,针对常规突发事件的应急管理已经趋于成熟,中国应急管理未来的挑战主要来自于新兴风险、极端灾害与跨界危机的冲击。从全世界范围来看,导致应急管理遭遇“失败”的突发事件并非常规突发事件,而是新兴风险、极端灾害和跨界危机。

因此,发展大数据在我国应急管理中的应用要站在上述理论高度,以提升应急管理适应能力为总体思路和发展方向。大数据与中国应急管理提升适应能力的总体思路和发展方向存在内在的契合。大数据在本质上就是一种更高的信息能力,其核心是大数据分析,从体量大、多样化、价值密度低和动态性的数据集提取有价值的信息,识别社会现象之间的关联机制。大数据应用于我国应急管理的总体框架是:站在复杂适应系统的理论高度,通过发展大数据分析增进应急管理的信息能力,进而提高应急管理的适应能力,以应对新兴风险、极端灾害和跨界危机的挑战,满足人民群众日益增长的安全需求。

提高减缓或预防的效果

在上述总体框架之下,大数据在中国情境中应用于应急管理的逻辑主线是提升应急管理的适应能力。

应急管理部成立之后,应急管理的重心必然从全灾害管理走向全过程管理,以解决“一案三制”体系“重应急响应,轻风险管理”的不足。根据应急管理部的职能定位,结合应急管理全过程管理的一般原理,我国应急管理的全过程管理主要涵盖以下功能:减缓——防灾减灾,主要针对自然灾害等不可预防的突发事件,尽量降低脆弱性,以减轻自然灾害发生后造成的损失;预防——安全监管,主要针对安全生产事故等可预防的突发事件,通过努力可以避免其发生;准备——无论是自然灾害,还是安全生产事故,都需要进行应急准备;响应——一旦发生自然灾害或安全生产事故,都需要尽快控制事态;恢复——回归常态,并从灾难中学习,以利于改进或提升。

这五项功能可分为四个阶段,形成一个动态的循环,其中减缓和预防属于同一阶段。根据从全灾害管理转向全过程管理的要求,发展大数据以提升适应能力也应该贯穿于应急管理的全过程。

发展大数据分析,提高减缓或预防的效果。自然灾害的减缓关键是要降低脆弱性,既包括物理脆弱性,也包括社会脆弱性。降低物理脆弱性主要依赖于工程性措施,降低社会脆弱性则主要依赖于非工程性措施。大数据分析在这两方面都可以发挥作用。例如,通过对极端灾害条件下大规模人群行为规律的大数据分析,既可以优化应急避难场所的设置,也可以优化城市公共基础设施的运营,还可以改进公众自救互救的效率。安全生产事故的预防关键是要加强危险源的管理。在这方面,大数据分析也可以发挥作用。例如,可以通过互联网、物联网对重大危险源进行精确标识和动态监控;通过对重大危险源监测大数据与自然灾害监测大数据的关联分析,识别两者之间的耦合规律,以优化重大危险源的储存与运输。

发展大数据分析以改进应急准备的针对性。根据《突发事件应对法》的要求,应急准备主要包括应急预案体系建设、应急物资储备、应急队伍建设、应急演练和培训等。大数据分析可以优化应急物资储备,提升应急演练和培训。例如,对自然灾害或安全生产事故条件下应急物资需求的关联分析,优化应急物资储备的数量配置和存储位置;也可以通过对自然灾害或安全生产事故条件下大规模人群行为规律的大数据分析,有针对性地改进应急演练和培训。

运用大数据分析提升应急响应的效率。在实践中,应急响应通常包括十余项子功能。其中,指挥与协调、信息发布、损失评估、救灾物资发放监督与审计等对信息高度敏感,都可以通过大数据分析来加以改进。例如,通过对物资储备大数据和资源需求大数据的关联分析,提升指挥与协调的精度;通过对预警信息扩散机制的大数据分析,提升信息发布的效率;通过对网络舆情的大数据分析,改进指挥与协调、信息发布,对救灾物资发放进行监督等。

运用大数据分析促进恢复。无论是自然灾害,还是安全生产事故,恢复的核心都是从中学习。在这方面,网络舆情大数据的作用至关重要。例如,通过网络舆情大数据的情感分析、“词云”分析,可以有效挖掘公众对应急管理的态度倾向和议题焦点,为改进应急管理提供精准支持。

建立应急管理大数据集成平台

从政策规划的角度来看,通过大数据分析来提升应急管理的适应能力,至少需要解决以下问题。

数据来源与构成。应急管理的大数据从何而来?如果将应急管理视为复杂适应系统,凡是能促进应急管理行动主体适应能力的信息,都属于应急管理大数据的范围。在我国,应急管理的行动主体大致可以分为五大类。一是政府部门。应急管理部整合了13个部门的职责,这些部门掌握的数据都属于应急管理大数据的范围。此外,交通运输部、自然资源部、国家气象局、国家能源局也都负有一定的应急管理职责,它们的数据也都属于应急管理大数据的范围。二是国有企业,主要指掌握了通信保障、电力供应、供水供气等与应急管理相关的关键基础设施和公共安全专业装备数据的单位,例如,中国电信、国家电网等。三是事业单位,主要指掌握了医疗、教育、科研等与应急管理相关的专业人力资源数据的单位,例如医院、高校和科研院所等。四是私营企业,主要指掌握了互联网和社交媒体数据的单位,例如百度、新浪、腾讯等。五是社会组织,主要指掌握了志愿者数据的单位,例如中国红十字会、中国扶贫基金会、壹基金等。

数据分类与采集。与应急管理适应能力相关的数据大致可以分为五大类:环境类数据,包括人口特征、地理空间、气象条件等;对象类数据,包括地质灾害隐患点分布、危险源分布等;资源类数据,包括人员队伍、物资、设施、装备等;行为大数据,包括疏散轨迹、信息搜集记录等;评价类数据,包括情绪、态度、观点等。不同类型的数据,采集的方式也不同。例如,资源类数据需要人工登记,行为类数据则需要用信息技术手段来进行监测,评价类数据则需要依托热线电话、社交媒体等平台才能进行采集。

数据汇聚与扩散。上述行动主体的五大类数据汇聚在一起,就构成了应急管理大数据。这就需要建立应急管理大数据集成平台,以实现多源异构数据的汇聚。在这一过程中,数据之间的相互关联以涌现的方式呈现。依托应急管理大数据平台开展大数据分析,提取有价值的信息后,还需要将这些信息扩散出去。如此,才能使不同的行动主体及时适应环境的变化并相互适应。

数据的开发与利用。应急管理大数据还可以进行深度的开发和利用,以发挥市场的力量和社会的智慧。这就需要探索数据开放机制,发展外包服务机制,激发创新的力量。

数据的维护与管理。应急管理大数据的质量取决于分类数据的质量,因此,需要对数据的质量进行维护和管理。此外,数据安全也需要引起重视。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 预约演示
相关文章推荐
  • 如何确定数据治理工具与数据中心及信息系统的关系

    如何确定数据治理工具与数据中心及信息系统的关系

    通过实施数据治理工具,可以让数据质量变得更好,发掘数据资产的商业价值,实现如下目标:对业务的支撑;降低经营风险、安全保障;对决策进行支持……查看详情

    发布时间:2021.04.30来源:亿信数据治理知识库浏览量:888次

  • 读懂工业大数据 这篇文章不得不看

    读懂工业大数据 这篇文章不得不看

    工业大数据是互联网、大数据和工业产业结合的产物,是中国制造2025、工业互联网、工业4.0等国家战略在企业的落脚点。……查看详情

    发布时间:2019.03.27来源:亿信华辰浏览量:422次

  • 杰出数据科学家的关键技能是什么?

    杰出数据科学家的关键技能是什么?

    学习如何应用不同的Python或R算法真的很简单:众所周知, 我们只需要修改一两行代码,就能将线性回归迁移到神经网络、SVM,或者你喜欢……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:421次

  • 基于大数据架构的医院数据中心管理

    基于大数据架构的医院数据中心管理

    医疗数据较为复杂,以医院来说建设的业务系统接近百来个,例如HIS系统、急诊系统、护理系统、电子病历系统、检验系统、检查系统、输血系统、生……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:438次

  • 数据交换服务组件介绍

    数据交换服务组件介绍

    数据交换服务组件,在遵循一定的交换策略条件下进行数据交换及消息传递,支持数据资源在不同单位、不同区域的快速交换和共享,提供配置工具生成交……查看详情

    发布时间:2020.08.12来源:知乎浏览量:568次

  • 数据质量问题的影响因素

    数据质量问题的影响因素

    数据质量反映的是数据的“适用性(fitness for use)”,即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情

    发布时间:2020.04.09来源:百度浏览量:961次

  • 2019年采用大数据发生重大变化的6个行业

    2019年采用大数据发生重大变化的6个行业

    如今,大数据的应用对几乎任何行业的发展都会产生积极的影响,而采用这项技术,一些行业比其他行业更有可能发生重大的变化。以下是采用大数据发生……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:378次

  • 为什么企业架构需要成熟度模型

    为什么企业架构需要成熟度模型

    跑步之前走路。我们已经听过一百万次了,引用了几乎同样多的不同学科。然而,由于时间有限,想要快速完成任务往往是人性。然而,就像我们的第一步……查看详情

    发布时间:2019.02.26来源:亿信华辰浏览量:456次

  • 国内成熟的数据治理解决方案提供商

    国内成熟的数据治理解决方案提供商

    如今,数据已成为企业的货币,但管理数据不当可能会很快失去控制。麻省理工学院最近的一项研究发现,对于一些企业来说,大数据正在变成糟糕的数据……查看详情

    发布时间:2019.11.25来源:CSDN浏览量:544次

  • 2021年自动化数据管理的热门用例

    2021年自动化数据管理的热门用例

    数据管理自动化将成为任何企业和行业越来越有价值的实践。这将有助于克服处理数据的挑战-从访问和存储到准备或分析数据-如果未进行优化,这些方……查看详情

    发布时间:2021.06.28来源:亿信华辰数据治理知识库浏览量:523次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议