段華明，何　陽

(中共廣東省委黨校，廣東 廣州 510053)

?

大數(shù)據(jù)對于災(zāi)害評估的建構(gòu)性提升

段華明，何陽

(中共廣東省委黨校，廣東 廣州 510053)

摘要:大數(shù)據(jù)技術(shù)及其應(yīng)用，先行進入防災(zāi)減災(zāi)領(lǐng)域的監(jiān)測、預(yù)防、報送、抗擊、救助和援建整個過程，驅(qū)動災(zāi)害風(fēng)險及損失的評估發(fā)生建構(gòu)性變化。優(yōu)化災(zāi)害風(fēng)險聯(lián)動評估，監(jiān)測預(yù)測系統(tǒng)化網(wǎng)絡(luò)化有序化，強化災(zāi)情災(zāi)需智能評估，收集流程智能化、迅捷化、可視化，深化災(zāi)害損失準(zhǔn)確評估，規(guī)避統(tǒng)計中重復(fù)和矛盾現(xiàn)象，免除人為因素干擾，避免人財物力無謂浪費，這些都極大地促進了災(zāi)害預(yù)測、災(zāi)情收集、災(zāi)損統(tǒng)計的效度和信度，進一步發(fā)揮災(zāi)害評估的預(yù)測、跟蹤、決策、監(jiān)督等職能，引領(lǐng)著災(zāi)害評估新常態(tài)。

關(guān)鍵詞:災(zāi)害評估；大數(shù)據(jù)技術(shù)；建構(gòu)性提升

大數(shù)據(jù)技術(shù)及其應(yīng)用(簡稱“大云物移”，即大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、移動通信)，在時間數(shù)軸上多向度延伸，在空間范疇上多維面展開，至深且巨地革新信息、統(tǒng)計和資料的獲取與使用，先行進入防災(zāi)減災(zāi)領(lǐng)域的監(jiān)測、預(yù)防、報送、抗擊、救助和援建整個過程，驅(qū)動災(zāi)害風(fēng)險及損失的評估發(fā)生建構(gòu)性提升——內(nèi)容解析與結(jié)構(gòu)重組，極大地促進了災(zāi)害預(yù)測、災(zāi)情收集、災(zāi)損統(tǒng)計的效度和信度，創(chuàng)新引領(lǐng)著災(zāi)害評估新常態(tài)。

1大數(shù)據(jù)重組災(zāi)害監(jiān)測預(yù)防，優(yōu)化風(fēng)險聯(lián)動評估效度

大數(shù)據(jù)技術(shù)及其應(yīng)用，以其流動傳輸、耦合聚成、快捷加工、優(yōu)化結(jié)構(gòu)的信息交匯處理，對數(shù)據(jù)作出量與質(zhì)的精準(zhǔn)分析判斷，驅(qū)動災(zāi)害監(jiān)測預(yù)測系統(tǒng)化、網(wǎng)絡(luò)化、有序化，優(yōu)化災(zāi)害準(zhǔn)備評估。

1.1　大數(shù)據(jù)整合海量信息：災(zāi)害預(yù)測系統(tǒng)化

傳統(tǒng)的災(zāi)害數(shù)據(jù)采集和存儲系統(tǒng)，基于人工設(shè)計、線性計算方法獲得結(jié)構(gòu)化報表和統(tǒng)一方式計量，具有一定的代表性。但由于受技術(shù)和信息來源的限制，缺乏關(guān)鍵信息的有效提取[1]，難以高頻率短周期地收集和更新數(shù)據(jù)，表現(xiàn)出有限性、不連續(xù)性和不可擴充性。如以往通過檢索各類災(zāi)害文獻，察看歷史上受災(zāi)區(qū)域的統(tǒng)計數(shù)據(jù)，分析記錄的災(zāi)害及致災(zāi)因素的概率，來預(yù)測某一區(qū)域發(fā)生災(zāi)害的可能性。這種依據(jù)經(jīng)驗和模型所作的災(zāi)害評估，只把有限衡量因子納入評估體系，難以把握整體聯(lián)系；只對于某一區(qū)域的傳統(tǒng)防災(zāi)起預(yù)見作用，無法對新型突發(fā)災(zāi)害進行數(shù)據(jù)觀照，不易收集不斷變化的致災(zāi)因子進行變量比對，使得災(zāi)害防御能力大打折扣。

大數(shù)據(jù)技術(shù)具有收集、整理、儲存、檢索、共享、分析等多重功能，通過總體分析而非樣本分析，以全然而精微的邏輯計算，多領(lǐng)域、深層次獲取并使用系統(tǒng)數(shù)據(jù)、完整數(shù)據(jù)和全面數(shù)據(jù)[2]，驅(qū)動災(zāi)害監(jiān)測預(yù)測系統(tǒng)化。如作為大數(shù)據(jù)技術(shù)重要載體的地理信息系統(tǒng)(GIS)，采集、儲存、管理、運算、顯示和描述多維地理空間信息，驅(qū)動綜合分析和動態(tài)預(yù)測，實現(xiàn)人機交互的空間決策[3]，檢測風(fēng)險點和危險源。對于災(zāi)變過程，利用衛(wèi)星、飛機的遙感器收集到的數(shù)據(jù)信息，與歷史文獻記載、經(jīng)濟社會統(tǒng)計、民政救災(zāi)規(guī)程、新聞媒體報道、社交網(wǎng)絡(luò)平臺等集成大數(shù)據(jù)GIS，追蹤災(zāi)情災(zāi)因并實時更新，對異常波動及時獲取與比照，鎖定災(zāi)害可能發(fā)生的區(qū)域與時段，因應(yīng)采取防災(zāi)減災(zāi)措施，規(guī)避災(zāi)害，減輕災(zāi)損。大數(shù)據(jù)GIS系統(tǒng)還可對霧霾、熱島效應(yīng)、水污染等城市災(zāi)害遙控監(jiān)視，自動報警，實現(xiàn)聯(lián)動預(yù)測，防患于未然。

1.2　大數(shù)據(jù)聯(lián)動智能傳感：災(zāi)害監(jiān)測網(wǎng)絡(luò)化

中國有10多萬處地質(zhì)災(zāi)害點需要監(jiān)測預(yù)警，每年通過“群測群防”方式動員數(shù)10萬群眾晝夜值守，不僅耗費大量人力物力財力，而且漏報率較高[4]。究其原因，主要是“群測群防”捕捉到的信息分散而局限，難以達到防范災(zāi)害應(yīng)有的數(shù)據(jù)支持需求。大數(shù)據(jù)應(yīng)用智能傳感器的復(fù)合功能，內(nèi)嵌到災(zāi)害頻發(fā)的山體、橋梁、隧道、公路、建筑、大壩、油氣管道等位置，構(gòu)成節(jié)點結(jié)合、連線對接的智能傳感網(wǎng)絡(luò)，同步監(jiān)測，遠程監(jiān)控，反映物體外在和內(nèi)在變量的數(shù)字信息，實現(xiàn)災(zāi)害預(yù)測聯(lián)動網(wǎng)絡(luò)化，降低信息報告的失靈風(fēng)險，強化災(zāi)害預(yù)測的效度。

中外災(zāi)害管理部門均較為重視災(zāi)害數(shù)據(jù)庫建設(shè)，對各類災(zāi)害發(fā)生的時段、范圍、強度、孕災(zāi)環(huán)境、致災(zāi)因子、承災(zāi)體抗災(zāi)性能等進行評估，輔助減災(zāi)決策。但是，已有的災(zāi)害數(shù)據(jù)庫大多孤立封閉，壁壘分明，普遍成了“信息孤島”，制約數(shù)據(jù)交換效率，給災(zāi)害聯(lián)動預(yù)測帶來困擾。大數(shù)據(jù)以其流動傳輸、耦合聚成、快捷加工、優(yōu)化結(jié)構(gòu)的信息處理，使數(shù)據(jù)庫彰顯關(guān)聯(lián)性，從而改變各自為營的散落局面。時下，中國基于地震、氣象等致災(zāi)數(shù)據(jù)，災(zāi)區(qū)經(jīng)濟社會數(shù)據(jù)，遙感監(jiān)測數(shù)據(jù)，現(xiàn)場調(diào)查數(shù)據(jù)和地方上報數(shù)據(jù)等信息匯集成多源信息網(wǎng)，針對地震的快速評估一般在30~40 min內(nèi)完成，針對洪澇、臺風(fēng)、旱災(zāi)的評估在2~4 h內(nèi)完成[5]。到2015年底，國家和省級地質(zhì)災(zāi)害數(shù)據(jù)庫、全國突發(fā)性災(zāi)害數(shù)據(jù)庫將全面建成[6]。由此而論，世界范圍的災(zāi)害數(shù)據(jù)庫建設(shè)趨勢將是縱橫交織的數(shù)據(jù)網(wǎng)群，每個災(zāi)害數(shù)據(jù)庫都是網(wǎng)上并聯(lián)串聯(lián)的交織點，數(shù)據(jù)在網(wǎng)絡(luò)中穿梭流動，通過搜索、鏈接和交互，生成互用性信息，達到事半功倍的聯(lián)動預(yù)測效果。

1.3　大數(shù)據(jù)識別定位追蹤：災(zāi)害避難有序化

眾多事實表明，造成人員傷亡過多的因素并不是災(zāi)害本身，而是由于災(zāi)害來臨時無序逃生導(dǎo)致無謂傷亡。中國的重大地震災(zāi)害多屬于主震-余震型，主震一般持續(xù)數(shù)秒至數(shù)十秒，這個過程倒塌建筑是小部分，大部分房屋搖搖欲墜。伴隨頻頻襲來的余震，危如累卵的房屋不斷倒塌，要想死里逃生，關(guān)鍵在于主震與余震之間逃離方式和路線的抉擇。

大數(shù)據(jù)運用云計算、智能識別和定位追蹤，長時間監(jiān)測人們的災(zāi)難行為認知，追蹤個體與群體在災(zāi)難逃生和自救中的下意識行為，評估面對各類災(zāi)害預(yù)警信息各色人等的應(yīng)激反應(yīng)，對受災(zāi)區(qū)域可能發(fā)生的規(guī)模人群避難遷移行為進行預(yù)測，加以有序引導(dǎo)，推薦最佳避難場所，指引便捷撤離路線，提升應(yīng)急疏散的響應(yīng)能力[7]。日本東京大學(xué)研究人員建立了160萬人在日本一年中的GPS移動軌跡數(shù)據(jù)庫，利用這個數(shù)據(jù)庫對2011年3月11日東日本9.0級大地震及其該地震所引發(fā)的海嘯造成的福島核事故發(fā)生后的災(zāi)民避難行為進行了建模和模擬[8]。瑞典斯德哥爾摩大學(xué)研究人員收集了海地190萬手機用戶的移動數(shù)據(jù)，通過這些數(shù)據(jù)分析2010年海地7.3級大地震中災(zāi)民的移動行為模式[9]，設(shè)計規(guī)劃臨災(zāi)時的人群快速避難轉(zhuǎn)移。2015年春運期間，百度公司基于定位服務(wù)的人口遷徙大數(shù)據(jù)項目“百度遷徙”上線，通過分析5億手機網(wǎng)民定位信息，折射出人群的遷徙軌跡，可視化展現(xiàn)全國范圍8 h時段內(nèi)的春運動態(tài)：最熱的遷徙線路，最熱的遷出遷入城市[10]。

2大數(shù)據(jù)整合災(zāi)情采集流程，強化災(zāi)需智能評估力度

大數(shù)據(jù)技術(shù)及其應(yīng)用，不僅能夠掌握并處理海量數(shù)據(jù)，更在于萃取數(shù)據(jù)的價值信息，驅(qū)動智能化、迅捷化、可視化地集成、傳遞數(shù)據(jù)，實現(xiàn)多元協(xié)作、實時高效的災(zāi)害應(yīng)急評估。

2.1　大數(shù)據(jù)聚成遙感觀測數(shù)據(jù)：災(zāi)情評估迅捷化

災(zāi)情信息獲取的速度和程度是實施有效應(yīng)急救助的關(guān)鍵環(huán)節(jié)。2008年5月12日汶川8.0級地震發(fā)生，直到14日相關(guān)部門才陸續(xù)獲得汶川縣和北川縣的災(zāi)情，15日獲得部分重災(zāi)鄉(xiāng)鎮(zhèn)的災(zāi)情，19日獲得大部分受災(zāi)村莊的災(zāi)情[11]。災(zāi)情反饋的不及時，直接影響災(zāi)害損失評估的不全不準(zhǔn)，導(dǎo)致救災(zāi)初期救援資源未能有效調(diào)配，大批救援部隊和大量救災(zāi)物資積聚滯留在成都、都江堰地區(qū)，嚴重影響了應(yīng)急救援，致使災(zāi)區(qū)損失蔓延擴大。

遙感技術(shù)具有覆蓋面廣、持續(xù)監(jiān)測、高分辨率的特點，通過數(shù)據(jù)共享機制不斷拓展穩(wěn)定的數(shù)據(jù)源，聚成災(zāi)害應(yīng)急遙感大數(shù)據(jù)[5]，迅速展開對房屋倒損、人員傷亡情況快速評估，判斷災(zāi)區(qū)損失情況、啟動應(yīng)急響應(yīng)，擺脫守株待兔式逐級上報災(zāi)情再組織救災(zāi)的被動局面，優(yōu)化了災(zāi)情評估工作流程。2008年和2011年，中國先后發(fā)射環(huán)境減災(zāi)星座A、B、C三顆衛(wèi)星，為火災(zāi)、地震、干旱、臺風(fēng)、洪澇等災(zāi)害監(jiān)測提供了空間數(shù)據(jù)支撐[5]。2015年3月，中國發(fā)射第17顆北斗導(dǎo)航衛(wèi)星，具有全球組網(wǎng)、星間鏈路的高精度應(yīng)用效果[12]。中國還正在實施高分辨率對地觀測國家重大專項，通過建設(shè)基于衛(wèi)星、平流層飛艇和航拍的高分辨率觀測系統(tǒng)，并與其他觀測手段結(jié)合，形成全天候、全天時、全球覆蓋的對地觀測[13]。在2010年江西撫州決堤、2013年黑龍江流域性洪水等重大洪澇災(zāi)害的災(zāi)情評估中，遙感技術(shù)發(fā)揮了重要作用。2014年2月12日，新疆于田縣發(fā)生7.3級地震，民政部國家減災(zāi)中心立即啟動遙感監(jiān)測評估，并綜合協(xié)調(diào)國內(nèi)外衛(wèi)星遙感數(shù)據(jù)，以大數(shù)據(jù)處理模式第一時間制作發(fā)布了震中附近地區(qū)衛(wèi)星遙感圖像。美國利用“伊克洛斯”(IKONOS)衛(wèi)星和“快鳥”(Quick-Bird)2衛(wèi)星遙感拍攝到加勒城市火車站區(qū)域海嘯前后高分辨率衛(wèi)星影像，對城市建筑物的損毀影像解譯對比評估[14]。

2.2　大數(shù)據(jù)匯成地理時空圖像：災(zāi)況評估可視化

每臨地質(zhì)災(zāi)害，災(zāi)區(qū)道路受損，屢發(fā)山體滑坡、堰塞湖等次生災(zāi)害，交通中斷，進退維谷，有如“圍城”，亟需評估交通路況，讓救災(zāi)人員與救災(zāi)物資盡快進入災(zāi)區(qū)施救。以往災(zāi)區(qū)受損道路及可行道路的評估，一般是交通管理部門組織調(diào)研組抵達災(zāi)區(qū)開展基礎(chǔ)數(shù)據(jù)整理、分析、制圖等有關(guān)工作來完成，向來延后拖沓。

大數(shù)據(jù)的圖像識別、多源數(shù)據(jù)融合技術(shù)，實現(xiàn)災(zāi)情及救災(zāi)的信息采集和地圖標(biāo)繪，互聯(lián)網(wǎng)、電話語音、手機短信、微博微信等多種信息接入，災(zāi)害相關(guān)圖片、音頻、視頻信息的采集、管理、查詢、統(tǒng)計的分析挖掘，構(gòu)建設(shè)施——數(shù)據(jù)——服務(wù)一體化時空信息平臺，為相關(guān)部門和人員提供直觀、便捷、持續(xù)、立體化資訊[15]。如交通部門將路況信息、可用資源和監(jiān)控數(shù)據(jù)傳輸?shù)叫畔⑵脚_進行可視化處理，確定通行路段和避免路段，保持應(yīng)急處置和業(yè)務(wù)連續(xù)性之間的張力[16]。2013年蘆山7.0級地震投入使用的國家地理信息公共服務(wù)平臺——天地圖，采用云計算，將受災(zāi)區(qū)域的電子地圖、影像、地形等基礎(chǔ)地理空間數(shù)據(jù)，通過門戶網(wǎng)站提供一站式的數(shù)據(jù)資源，任何人皆可點擊平臺網(wǎng)頁查看高分辨率的災(zāi)區(qū)影像、地質(zhì)災(zāi)害點、滑坡點、道路阻塞點等狀況。在放大版的電子地圖上，還可以清楚查看次生地質(zhì)災(zāi)害點的標(biāo)記以及堰塞湖的風(fēng)險提示[17]。2009年美國南加州杰蘇斯塔大火，民間組織和個人建立了27個自發(fā)式地圖站點，及時匯總不斷出現(xiàn)的民間信息和官方信息，如火災(zāi)位置、疏散命令、緊急避難所位置等[18]。

2.3　大數(shù)據(jù)集成聚合性信息：災(zāi)需評估多元化

災(zāi)害作為非常規(guī)性事件，準(zhǔn)確實時的救災(zāi)需求信息是快速合理配置救援資源的先決條件?，F(xiàn)實中，災(zāi)情信息發(fā)布速度遠滯后于媒體和輿論需求，主要通過民政部官網(wǎng)、國家減災(zāi)網(wǎng)和向新華網(wǎng)供稿的方式發(fā)布，公眾覆蓋度不足。由于災(zāi)區(qū)信息的雜亂性和差異性，救援需求(災(zāi)民)和災(zāi)情提供(包括記者報道)信息不對稱，還可能因次生災(zāi)害等變數(shù)，或救災(zāi)物資在運輸途中遭到意外損毀，導(dǎo)致額外的救災(zāi)需求，加劇物資配送的困難。在汶川地震救災(zāi)過程中，就發(fā)生救災(zāi)捐贈物資出現(xiàn)“過剩”和短缺并存的狀況，甚至一些捐贈物資與災(zāi)區(qū)實際需求完全脫節(jié)。2012年3月18日《第一財經(jīng)日報》記者章軻在微博中稱，四川省北川縣擂鼓鎮(zhèn)敬老院內(nèi)有大量地震后外界捐助的救災(zāi)物資，尚未開包[19]。2014年4月29日《中國之聲》又報道，綿陽市三臺縣新生鎮(zhèn)德光辦事處在清理院內(nèi)雜物時，發(fā)現(xiàn)大量霉?fàn)€的汶川地震救災(zāi)物資，有礦泉水、方便面、面包、大米、農(nóng)膜和衣服等[20]。這些問題引人反思：如何切實評估災(zāi)民需求，合理分配救災(zāi)資源，避免無謂的浪費？救災(zāi)物資需求具有非例行性和不確定性等特點，而災(zāi)區(qū)現(xiàn)場信息紛繁復(fù)雜且高度動態(tài)變化，以致于愛心捐贈者得不到明確的災(zāi)民需求作為參考，只能憑自己的主觀感受把握，造成某些救災(zāi)物資不得不被“儲備”[21]。

大數(shù)據(jù)是開源技術(shù)，促使災(zāi)需提供主體多元化。一方面，突破原有的政府體系內(nèi)部災(zāi)情信息的采集、分析、服務(wù)模式，將公共數(shù)據(jù)和個人數(shù)據(jù)結(jié)合，讓更多社會組織和更廣泛的社會公眾參與其中，并發(fā)揮越來越重要的作用。另一方面，多方形成的聚合性信息，能夠跨地域跨部門快速共享。2013年蘆山7.0級地震，首個多層化社會公益的益云地圖,為NGO用戶提供匯集共享災(zāi)害數(shù)據(jù)的信息平臺，發(fā)布危機預(yù)警、尋找親人、需求詳情、地理位置、聯(lián)系方式等災(zāi)區(qū)信息，并呈現(xiàn)信息認證狀態(tài)，增強NGO災(zāi)害響應(yīng)的有效協(xié)作性。百度公司整合統(tǒng)計災(zāi)區(qū)民政部門、權(quán)威媒體、社交平臺聯(lián)合提供的物資需求數(shù)據(jù)，推出蘆山地震“救災(zāi)動態(tài)地圖”，連續(xù)更新災(zāi)區(qū)物資需求分布、災(zāi)區(qū)路況、獻血站、救助站、災(zāi)民分布等信息，為實施救援提供了直觀參考[22]。

大數(shù)據(jù)是全民織網(wǎng)，將個人移動通信數(shù)據(jù)納入數(shù)據(jù)采集端，眾人都是社會傳感網(wǎng)的數(shù)據(jù)輸送者，以一種沒有預(yù)料規(guī)劃卻及時有效的方式監(jiān)測和推動救災(zāi)的進程。微博、微信、QQ、貼吧、BBS等社交媒體平臺傳輸?shù)臄?shù)據(jù)信息，覆蓋互聯(lián)網(wǎng)的每個角落，使信息更容易被需要的人尋覓和瀏覽。災(zāi)區(qū)每個人都能成為災(zāi)情預(yù)報員，發(fā)送匯總傷亡情況、所需救援人員與物資，轉(zhuǎn)發(fā)相關(guān)部門災(zāi)害損失統(tǒng)計，傳遞避難場所坐標(biāo)，尋找親人報送平安等信息[23]。社交媒體實現(xiàn)人機界面的在線互動，救災(zāi)信息的交互共享，災(zāi)需數(shù)據(jù)的延伸覆蓋，極大地提高了災(zāi)害救助的時效性。蘆山地震抗震救災(zāi)中，“蘆山地震救助賬號”、“成都公益圈”等一批微信公眾賬號，以數(shù)秒鐘一條信息的速度傳送災(zāi)區(qū)情況、所需資源、救援隊伍合作等信息，裂變式傳播給更多關(guān)注者。壹基金整個團隊前線評估蘆山地震災(zāi)民需求、后線運輸物資全部通過微信平臺傳遞，集群交流解決問題[24]。

3大數(shù)據(jù)提升災(zāi)害統(tǒng)計能力，深化災(zāi)損準(zhǔn)確評估信度

大數(shù)據(jù)技術(shù)及其應(yīng)用，以其自動檢測、自我反饋和智能控制的功能，多維棱鏡觀察和極速秒級計算，對數(shù)據(jù)流進行分布式挖掘和并行式處理，驅(qū)動災(zāi)害統(tǒng)計能力轉(zhuǎn)型升級，深化災(zāi)后評估信度。

3.1　大數(shù)據(jù)交互性數(shù)控功能：規(guī)避災(zāi)害統(tǒng)計中的重復(fù)和矛盾現(xiàn)象

從根本上而言，災(zāi)害評估不只是單純的災(zāi)后清點、經(jīng)濟損失盤算，而是及時準(zhǔn)確、客觀全面地反映災(zāi)情災(zāi)需災(zāi)損情況，為抗災(zāi)救災(zāi)和災(zāi)后重建提供科學(xué)依據(jù)，完善優(yōu)化減災(zāi)管理[21]。但由于中國災(zāi)害管理是多部門平行管理，災(zāi)情災(zāi)損統(tǒng)計是各自進行。這種方式使數(shù)據(jù)信息部門化、碎片化、分裂化，帶來部門之間的不協(xié)調(diào)，出現(xiàn)職能交叉的多頭統(tǒng)計、重復(fù)統(tǒng)計等問題[25]。新華網(wǎng)2009年報道：汶川地震時，四川省崇州市旅游局和交通局上報的損失數(shù)據(jù)匯總重復(fù)，多列受災(zāi)損失12.34億元[26]，引起公眾嘩然，引發(fā)負面外溢效應(yīng)。大數(shù)據(jù)技術(shù)的網(wǎng)絡(luò)結(jié)構(gòu)是最能適應(yīng)外部環(huán)境變化的組織結(jié)構(gòu)，網(wǎng)絡(luò)具有多個結(jié)點，對各種變化更敏感，能夠更快探測到環(huán)境的變量；網(wǎng)絡(luò)結(jié)構(gòu)是疏耦合，不僅更具有韌性，也更容易根據(jù)信息交互進行調(diào)整，從而相互適應(yīng)。也就是說，大數(shù)據(jù)信息并非統(tǒng)計部門一家獨享，而是通過開放性的計算機網(wǎng)絡(luò)實現(xiàn)信息交互共享，供人們查詢、驗證。各級政府主導(dǎo)建立起上下結(jié)合有機互動的災(zāi)害數(shù)控系統(tǒng)，對各種災(zāi)害匯集統(tǒng)計并統(tǒng)一公布災(zāi)害損失數(shù)據(jù)，避免出現(xiàn)統(tǒng)計數(shù)據(jù)遺漏、重復(fù)或矛盾的現(xiàn)象，提高災(zāi)害統(tǒng)計數(shù)據(jù)的科學(xué)性、準(zhǔn)確性和共享性[25]。

3.2　大數(shù)據(jù)熱備份高容錯性能：免除災(zāi)害調(diào)查中人為因素干擾

中國現(xiàn)行救災(zāi)體制中災(zāi)害損失統(tǒng)計的傳遞，通過地方民政部門和統(tǒng)計機構(gòu)采集災(zāi)損及災(zāi)需信息，科層逐級上報，上級民政部門根據(jù)所報信息逐級分配發(fā)放救災(zāi)物資[27]。具體的災(zāi)害損失統(tǒng)計有三種方式方法：一是各級民政和統(tǒng)計部門報表式獲取數(shù)據(jù)；二是設(shè)計調(diào)查問卷和走訪災(zāi)民獲取數(shù)據(jù)；三是現(xiàn)場抽樣推算總體獲取數(shù)據(jù)。然而，這些統(tǒng)計方式方法比較難以規(guī)避調(diào)查統(tǒng)計中人為因素帶來的問題，災(zāi)害損失的誤報、漏報、重報，甚至虛報、瞞報屢有發(fā)生，致使災(zāi)害統(tǒng)計數(shù)據(jù)嚴重失真，導(dǎo)致救災(zāi)工作出現(xiàn)“盲點”，而矯正這些誤差的成本往往又很高。2012年湖南桃江縣暴雨洪澇災(zāi)害，縣防汛辦向媒體提供的直接經(jīng)濟損失是8 900萬元，其后縣民政局的數(shù)字卻是1 800萬元[28]。此事在社會上引起軒然大波，疑為套取救災(zāi)資金，殃及政府公信力。

大數(shù)據(jù)建立災(zāi)情數(shù)據(jù)質(zhì)量評價體系，形成自動檢測災(zāi)情數(shù)據(jù)不規(guī)范報災(zāi)行為的機制。衛(wèi)星網(wǎng)絡(luò)、無線網(wǎng)絡(luò)、專用集群網(wǎng)絡(luò)、IP多媒體通信網(wǎng)絡(luò)互聯(lián)互通，即使通信網(wǎng)絡(luò)受損，評估人員亦可優(yōu)先利用殘存的通信資源建立會話，保障通信，記錄數(shù)據(jù)[29]。并且，整合的數(shù)據(jù)流只能通過網(wǎng)絡(luò)輸出，想要從中篡改數(shù)據(jù)則非常困難，保證災(zāi)害損失數(shù)據(jù)的收集和傳遞，進而確保數(shù)據(jù)質(zhì)量。云計算技術(shù)的容災(zāi)系統(tǒng)通過數(shù)據(jù)備份、數(shù)據(jù)復(fù)制、網(wǎng)絡(luò)存儲，使數(shù)據(jù)之間互為鏡像、零數(shù)據(jù)丟失，統(tǒng)計數(shù)據(jù)系統(tǒng)熱備份、高容錯，保護數(shù)據(jù)安全，提高數(shù)據(jù)的持續(xù)可用性，增強網(wǎng)絡(luò)報災(zāi)系統(tǒng)的支撐能力。2012年國家統(tǒng)計局推行聯(lián)網(wǎng)直報工程，改變層層上報的數(shù)據(jù)采集方式，基層直接將數(shù)據(jù)傳到國家數(shù)據(jù)中心，用兩點一線模式保障原始數(shù)據(jù)真實可信[30]。目前正在形成覆蓋國家-省-市-縣-鄉(xiāng)-村六級的“云+網(wǎng)+端”災(zāi)情信息報送網(wǎng)絡(luò)體系，固定終端與移動終端相結(jié)合，有線網(wǎng)、移動網(wǎng)、衛(wèi)星通信網(wǎng)相互支撐采集報送災(zāi)情。

人工災(zāi)情數(shù)據(jù)統(tǒng)計客觀上存在著數(shù)據(jù)量小、干擾性大的缺點，對達到救災(zāi)預(yù)期有一定局限性。大數(shù)據(jù)以“樣本=總體”的思維方式和技術(shù)方法，把目標(biāo)全體作為樣本[31]，將數(shù)學(xué)運算于全量數(shù)據(jù)，建立結(jié)構(gòu)性數(shù)據(jù)和非結(jié)構(gòu)性數(shù)據(jù)相關(guān)性分析，超越局部事實和經(jīng)驗判斷進行全面研判，繼而作出正確的評估。大數(shù)據(jù)可以全息挖掘災(zāi)區(qū)既往的日常生活數(shù)據(jù)，如自來水廠、電網(wǎng)公司和銀行交易、超市交易額等數(shù)據(jù)庫，對災(zāi)區(qū)的民眾生活必需品數(shù)量、承災(zāi)能力、實際損失進行精細化估算，不僅減少信息收集環(huán)節(jié)，降低調(diào)查成本，而且提高技術(shù)含量，免除調(diào)查過程中的人為因素干擾。

3.3　大數(shù)據(jù)物聯(lián)網(wǎng)智能管控：避免救災(zāi)人財物力的無謂浪費

舉國之力調(diào)動人財物支援災(zāi)區(qū)，是中國災(zāi)害應(yīng)對的優(yōu)勢和特色。災(zāi)害發(fā)生后，全國上下洶涌的愛心匯集災(zāi)區(qū)，幫助災(zāi)民。但需要厘清，忽視對救援人員的統(tǒng)籌，無序的社會組織和志愿者參與，可能導(dǎo)致部分救災(zāi)力量或成為災(zāi)區(qū)的負擔(dān)，造成忙中添亂、適得其反的效果。2010年玉樹7.1級地震抗震救災(zāi)中，由于災(zāi)區(qū)地處高原，廣東救援隊150人一抵達災(zāi)區(qū)，多數(shù)人便出現(xiàn)高原反應(yīng)、重感冒甚至肺水腫等癥狀，全部隊員不得不在2 d后分批撤離[32]。2013年蘆山7.0級地震抗震救災(zāi)時，各地涌入的非專業(yè)救援者過多，志愿者大多有救援熱情但缺乏知識和經(jīng)驗，到了災(zāi)區(qū)以后無所適從，又沒有帶食品和戶外用品，食宿都無法解決，還要消耗災(zāi)區(qū)的物資，幾近淪為災(zāi)民。當(dāng)?shù)卣坏貌粍穹抵驹刚?，以? d內(nèi)勸返上千人[33]。

云計算、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、APP軟件等大數(shù)據(jù)主要技術(shù)，對救災(zāi)人員和物資的統(tǒng)籌與發(fā)放起到聯(lián)控作用。物聯(lián)網(wǎng)通過射頻識別、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，把人員和物資與移動互聯(lián)網(wǎng)連接起來進行信息交換和通訊，實現(xiàn)智能識別、定位、跟蹤、監(jiān)控和管理的網(wǎng)絡(luò)化[15]。相關(guān)部門將救援組織信息、災(zāi)情需求信息和資源調(diào)配信息納入物聯(lián)網(wǎng)，通過云計算集成數(shù)據(jù)中心加以調(diào)控，讓互用性數(shù)據(jù)流在政府與公眾之間互通聯(lián)享，讓救援人員知曉哪里有救援需求，需求量是多少，動態(tài)有序地施展救援，做到按需調(diào)控分配，人盡其用，貨暢其流。

大數(shù)據(jù)定位監(jiān)測個人地理位置，對災(zāi)區(qū)人員流量進行智能管控，當(dāng)災(zāi)區(qū)人數(shù)逼近臨界點時，便發(fā)出警報，疏導(dǎo)災(zāi)區(qū)人員，不至于積重難返。從2010年開始，北京西單、天安門廣場等區(qū)域已經(jīng)使用“人群聚集風(fēng)險預(yù)警系統(tǒng)”，對流動人群進行實時監(jiān)控。該系統(tǒng)可提前30 min實現(xiàn)重點區(qū)域人群安全容量預(yù)警，可預(yù)測未來1 d甚至1周的人群總量和峰值時段[34]，根據(jù)人群流動密度采取疏導(dǎo)、限流等措施，避免人群密度過高產(chǎn)生擁擠踩踏等風(fēng)險。2015年春節(jié)期間，四川九寨溝等景區(qū)運用了大數(shù)據(jù)技術(shù)防范人滿為患，保障景區(qū)人流安全。

對于救災(zāi)物資的評估與發(fā)放，已有樂思輿情監(jiān)測系統(tǒng)通過分析瀏覽采集到的數(shù)據(jù)，按照需求設(shè)置進行自動分類、聚類，提取信息數(shù)據(jù)摘要，實現(xiàn)人名識別、地名識別和機構(gòu)識別聚集，對數(shù)據(jù)信息實施判別，形成直觀數(shù)據(jù)報告，減少對災(zāi)情不了解造成的資源分配浪費。物流公司通過物流APP軟件，根據(jù)地理位置和物流信息描述自主優(yōu)化，選擇最為便捷的運輸路徑，減輕災(zāi)區(qū)交通壓力。運輸救援物資途中，相當(dāng)于人的眼耳鼻喉和皮膚等神經(jīng)末梢的無線溫度傳感器、濕度傳感器和位置傳感器不斷監(jiān)控救援物資(尤其是恒溫恒濕藥品、新鮮食品)內(nèi)在狀況，保障救援物資按量保質(zhì)抵達。救援物資發(fā)放到哪位災(zāi)民手中，追蹤系統(tǒng)皆可查詢，多余的物資可徑直調(diào)往需要的地方，既保證救援物資的發(fā)放公平又杜絕無謂浪費。

4簡短結(jié)論和深沉隱憂

大數(shù)據(jù)技術(shù)及其應(yīng)用，致廣大而盡精微，以其全面快速收集、分析、決策的反應(yīng)機理，形成技術(shù)與組織制度的全景式建構(gòu)，更有預(yù)見性和更高準(zhǔn)確度的運行機制，優(yōu)化風(fēng)險聯(lián)動評估效度，強化災(zāi)情智能評估力度，深化災(zāi)損準(zhǔn)確評估信度，使得災(zāi)害準(zhǔn)備評估、應(yīng)急評估、災(zāi)后評估和綜合評估跨越式提升，進一步發(fā)揮災(zāi)害評估的預(yù)測、跟蹤、決策、監(jiān)督等職能，開拓了防災(zāi)減災(zāi)救災(zāi)的新境界。

還應(yīng)當(dāng)看到，方興未艾的大數(shù)據(jù)融入到災(zāi)害評估領(lǐng)域還處在磨合階段，相關(guān)數(shù)據(jù)平臺尚在搭建之中，一些宏大戰(zhàn)略和應(yīng)用戰(zhàn)術(shù)還處于開發(fā)狀態(tài)。更需要注意，由于大數(shù)據(jù)信息源的多樣性，準(zhǔn)確信息和干擾信息同時存在，勢必產(chǎn)生混亂與矛盾，若不加以仔細分辨會誤導(dǎo)決策和行為?！洞髷?shù)據(jù)的時代》一書就申明：“數(shù)據(jù)量的大幅增加會造成結(jié)果的不準(zhǔn)確，一些錯誤的數(shù)據(jù)會混進數(shù)據(jù)庫”[2]，這相應(yīng)地對大數(shù)據(jù)應(yīng)用于災(zāi)害評估工作提出了防范侵擾的要求，須對網(wǎng)絡(luò)、社交媒體傳播的救援信息加強實時核查，阻滯虛假信息的傳播擴散，避免釀造成沖突和過失。另外，在救災(zāi)過程中，救援信息的價值效用如何在開放共享中確保安全，規(guī)制數(shù)據(jù)泄漏風(fēng)險，也是亟需解決的問題。

參考文獻：

[1]李金昌.大數(shù)據(jù)與統(tǒng)計新思維[J].統(tǒng)計研究，2104(1):10-15.

[2]維克托·邁爾·伯舍恩伯格,肯尼思·庫克耶.大數(shù)據(jù)時代[M].杭州：浙江人民出版社,2013.

[3]黃曉雪,羅麟,程香菊.遙感技術(shù)在災(zāi)害監(jiān)測中的應(yīng)用[J].四川環(huán)境,2004(6)：102-105.

[4]范宏喜.我國地質(zhì)災(zāi)害防災(zāi)減災(zāi)問題的幾點思考——中國地質(zhì)調(diào)查局殷躍平博士訪談[J].水文地質(zhì)工程地質(zhì),2009,12(5)：142-146.

[5]袁藝.制度建設(shè)推動下的自然災(zāi)害風(fēng)險與損失評估[J].中國應(yīng)急管理, 2015(2)：15-18.

[6]中國廣播網(wǎng).“十二五”末我國將建立地質(zhì)災(zāi)害數(shù)據(jù)庫[EB/OL].(2012-04-14)[2015-05-14]. http://news.sina.com.cn/o/2012-04-14/070024271282.shtml.

[7]宋軒.大數(shù)據(jù)下的災(zāi)難行為分析和城市應(yīng)急管理[J].中國計算機學(xué)會通訊,2013(8)：25-29.

[8]Song X,Zhang Q, Sekimoto Y,et al.An intelligent system for large-scale disaster behavior analysis and reasoning[R]. IEEE Intelligent Systems, 2013.

[9]Lu X,Bengtssona L, Holme P.Predictability of population displacement after the 2010 Haiti earthquake, Proc[J]. The National Academy of Sciences Of USA (PNAS), 2012(109):11576-11581.

[10]張舵,李崢巍,趙婧夷.“百度遷徙”如何知道我們?nèi)ツ膬毫?？[EB/OL].(2014-02-12)[2015-05-10]. http://news.xinhuanet.com/fortune/2014-02/12/c_119308083.htm.

[11]帥向華,聶高眾,姜立新,等.國家地震災(zāi)情調(diào)查系統(tǒng)探討[J].震災(zāi)防御技術(shù), 2011(4)：396-405.

[12]央廣網(wǎng).中國成功發(fā)射首顆新一代北斗導(dǎo)航衛(wèi)星 全球布網(wǎng)啟動[EB/OL]. (2015-03-30)[2015-04-10]. http://military.cnr.cn/kx/20150330/t20150330_518176536.html.

[13]劉宇宏,姚崇斌,葉曦.用好遙感大數(shù)據(jù),助力上海大發(fā)展[J].衛(wèi)星應(yīng)用, 2014(6)：28-32.

[14]王樹良,丁剛毅,鐘鳴.大數(shù)據(jù)下的空間數(shù)據(jù)挖掘思考[J].中國電子科學(xué)研究院學(xué)報, 2013,8(1)：8-17.

[15]李德仁,姚遠,邵振鋒.智慧城市中的大數(shù)據(jù)[J].武漢大學(xué)學(xué)報:信息科學(xué)版, 2014,39(6)：631-640.

[16]馬奔,毛慶鐸.大數(shù)據(jù)在應(yīng)急管理中的應(yīng)用[J].中國行政管理,2015(3)：143-149.

[17]網(wǎng)易新聞.新技術(shù)助力地震救援[EB/OL].(2013-07-17)[2014-04-10]. http://news.163.com/13/0717/13/9405H7NS00014AED.html.

[18]Goodchild M F,Glennon J A.Crowdsourcing geographic information for disaster response: A research frontier[J]. International Journal of Digital Earth,2010(3)：31-40.

[19]張文.北川：救災(zāi)物資被封存未發(fā)放？[N].人民日報, 2012-03-21(4).

[20]盛翔,蘇宜.救災(zāi)物資霉?fàn)€的啟示[N].西安日報, 2014-05-01(8).

[21]段華明.社會學(xué)視閾的災(zāi)害損失評估研究[J].廣州大學(xué)學(xué)報:社會科學(xué)版,2014,13(6)：19-24.

[22]百度推救災(zāi)動態(tài)圖：可查物資缺口及災(zāi)民分布[EB/OL].(2013-04-24)[2015-03-12]. http://tech.sina.com.cn/i/2013-04-24/18288274623.shtml.

[23]曾大軍,曹志東.突發(fā)事件態(tài)勢感知與決策支持的大數(shù)據(jù)解決方案[J].中國應(yīng)急管理,2013(11)：15-23.

[24]馬化騰：微信承載了騰訊國際化的機會[EB/OL].(2013-05-07)[2014-06-12]. http://tech.qq.com/a/20130507/000123_8.htm.

[25]朱勝,成美純.災(zāi)害統(tǒng)計工作存在的問題與改進[J].中國統(tǒng)計,2010(3)：13-14.

[26]張曉松.崇州災(zāi)情數(shù)據(jù)重復(fù),多列損失超12億[EB/OL].(2009-01-02)[2014-07-09].http://news.xinhuanet.com/mrdx/2009-01/02/content_10590080.htm.

[27]自然災(zāi)害情況統(tǒng)計制度[EB/OL].(2013-04-24)[2014-05-17]. http://www.gzsmzt.gov.cn/content-84-5752-1.html.

[28]周勉.湖南桃江回應(yīng)夸大災(zāi)情:數(shù)據(jù)未上報統(tǒng)計有差異[EB/OL].(2012-05-23)[2014-05-17]. http://news.xinhuanet.com/local/2012-05/23/c_112022693.htm.

[29]朱勝,夏青.建立重大自然災(zāi)害統(tǒng)計應(yīng)急機制初探[J].網(wǎng)絡(luò)財富,2010(1)：20-21.

[30]中新網(wǎng).防范統(tǒng)計數(shù)據(jù)失真 統(tǒng)計局啟動“聯(lián)網(wǎng)直報”[EB/OL].(2011-09-06)[2014-06-18]. http://www.chinanews.com/cj/2011/09-06/3310933.shtml.

[31]曾鴻,豐敏軒.大數(shù)據(jù)與統(tǒng)計變革[J].中國統(tǒng)計,2013(9)：49-50.

[32]趙楊,周志坤,謝苗楓,等.粵救援隊153人撤離抵穗[N].南方日報,2010-4-18(2).

[33]吳楠,周明杰.愛心如何疏堵？[EB/OL].(2013-04-25)[2014-06-18]. http://news.ifeng.com/gundong/detail_2013_04/25/24653772_0.shtml.

[34]馬姍姍.大數(shù)據(jù)助力人群密集場所風(fēng)險管控[N].光明日報, 2015-04-20(11).

閻俊愛， 郭藝源.非常規(guī)突發(fā)事件救援物資輸送的路徑優(yōu)化研究[J].災(zāi)害學(xué), 2016,31(1):193-200.[Yan Junai and Guo Yiyuan.Unconventional Emergency Aid Delivery Path Optimization Research[J].Journal of Catastrophology, 2016,31(1)：193-200.]

Constructive Promotion of Big Data for Disaster Assessment

Duan Huaming and He Yang

(PartySchooloftheGuangdongCommitteeofC.P.C,Guangzhou510053,China)

Abstract:Technology and application of big data contribute to estimate the loss of disaster risk and constructive changes, restructuring disaster monitoring and prediction, optimizing risk linkage evaluation; integrating the collection process of disaster, strengthening the intelligence assessment of disaster; improving the capacity of disaster statistics, deepening the accuracy of damage assess, promoting greatly the disaster forecast and disaster collection, validity and reliability of damage statistics, innovation leads the new normal of disaster assessment.

Key words:disaster assessment; technology of big data; constructive promotion

作者簡介：段華明(1957-)，男，陜西咸陽人，二級教授，法學(xué)碩士，主要研究方向為災(zāi)害社會學(xué).E-mail:dhming@163.com

基金項目：國家哲學(xué)社會科學(xué) “我國災(zāi)害損失評估的社會學(xué)研究”(12BSH024)

收稿日期：2015-07-01修回日期：2015-08-26

中圖分類號：X43

文獻標(biāo)志碼：A

文章編號：1000-811X(2016)01-0188-05

doi:10.3969/j.issn.1000-811X.2016.01.035