朱曉鑫，張廣海，孫佰清，孟 禺（．中國海洋大學管理學院；．哈爾濱工業(yè)大學管理學院）

1 引言

近年來，我國各類突發(fā)性災(zāi)害事件的發(fā)生周期明顯縮短，發(fā)生頻率顯著升高，社會公共安全危機已由非常態(tài)化的偶發(fā)轉(zhuǎn)變?yōu)榻B(tài)化的頻發(fā)。［1]為有效提高國家突發(fā)事件應(yīng)急應(yīng)對能力，國務(wù)院和全國人大分別在《國家突發(fā)公共事件總體應(yīng)急預(yù)案》和《中華人民共和國突發(fā)事件應(yīng)對法》中強調(diào)，應(yīng)急物資調(diào)度配置、運輸保障及應(yīng)急響應(yīng)機制等環(huán)節(jié)為應(yīng)急管理中的關(guān)鍵建設(shè)環(huán)節(jié)。［2,3]2018年3月，中華人民共和國應(yīng)急管理部的正式設(shè)立更是彰顯了國家對應(yīng)急管理體系構(gòu)建及應(yīng)急計劃制定和實施之重視。

人工智能目前的研究思路是基于大數(shù)據(jù)和深度學習算法的信息處理技術(shù)，以機器自身超強的運算精度和數(shù)據(jù)處理能力為優(yōu)勢進行機器學習。應(yīng)急管理數(shù)據(jù)通常體量小采集難度大，同時對數(shù)據(jù)質(zhì)量要求較高，同時，我國應(yīng)急管理體系以政府為主體，超過80%的數(shù)據(jù)資源為政府所支配和占有。［4]因此，在大數(shù)據(jù)和人工智能的新思維背景下，政府應(yīng)急部門的信息資源數(shù)字化轉(zhuǎn)型是社會發(fā)展大勢所向。

由于用戶隱私與便利性的沖突以及數(shù)據(jù)安全的風險，突發(fā)事件數(shù)據(jù)庫和政府應(yīng)急部門的公開大數(shù)據(jù)獲取難度較大。英國、美國、加拿大、新西蘭和澳大利亞等國自2009年起先后制定和實施了符合本國開放模式的數(shù)據(jù)共享平臺。目前，基于Data.Gov的構(gòu)建依據(jù)，我國還未形成實質(zhì)性的國家政府數(shù)據(jù)開放平臺。而“中國政府公開信息整合服務(wù)平臺”尚屬各種簡報和通知信息統(tǒng)籌的政務(wù)公報范疇，政府數(shù)據(jù)開放和規(guī)范程度還存在很大提升空間，缺乏國家應(yīng)急管理數(shù)據(jù)的開放標準和監(jiān)管機制，較少從應(yīng)急管理體系關(guān)鍵問題的具體研究方法探討政府開發(fā)和利用開放數(shù)據(jù)的有效性和重要意義。鑒于此，文章基于人工智能不同路徑的視角，試圖通過總結(jié)應(yīng)急物資需求預(yù)測的國內(nèi)外理論動態(tài)并劃分研究方法，基于大數(shù)據(jù)機器學習路徑的內(nèi)部特征，對我國政府應(yīng)急管理相關(guān)數(shù)據(jù)的開放和共享進行必要性分析，同時從政府開放數(shù)據(jù)的角度探析了應(yīng)急管理在人工智能時代的機遇與挑戰(zhàn)，提出政府應(yīng)急管理數(shù)據(jù)的開放政策和建議，不僅有利于全面認知應(yīng)急物資管理的現(xiàn)有研究理論和發(fā)展動態(tài)，同時為我國應(yīng)急管理數(shù)據(jù)共享和利用提供新思維，對未來突發(fā)事件應(yīng)急物資籌集和配置具有一定啟發(fā)意義（見圖1）。

圖1 研究路線圖

2 人工智能與應(yīng)急物資需求預(yù)測方法分析

應(yīng)急物資管理體系主要包含應(yīng)急物資的需求預(yù)測、籌集、調(diào)度和配置4個關(guān)鍵環(huán)節(jié)的研究，其中物資需求預(yù)測研究是基礎(chǔ)和核心所在。應(yīng)急物資需求預(yù)測量是突發(fā)性災(zāi)害事件發(fā)生后，應(yīng)急決策者對受災(zāi)民眾提供基本保障所需物資最低臨界值?？茖W的應(yīng)急物資需求預(yù)測是物資調(diào)度和配置的基礎(chǔ)，需求預(yù)測過高會造成資源冗余和浪費，大量堆積的物資會阻塞應(yīng)急疏散通道導(dǎo)致救援不暢；需求預(yù)測過低則會導(dǎo)致物資配置不足，可能引發(fā)民眾恐慌進而影響社會穩(wěn)定。由于應(yīng)急救援面臨著需求目標模糊性和突發(fā)性、人力和資本資源缺乏、救災(zāi)環(huán)境不確定性、準備響應(yīng)零時差以及救援時限性等眾多挑戰(zhàn)，國內(nèi)外學者對應(yīng)急物資需求預(yù)測研究各持己見，尚未形成較為統(tǒng)一的研究方法。下表列舉了目前應(yīng)用廣泛的應(yīng)急物資需求預(yù)測研究方法，包括時間序列分析、數(shù)學模型、案例推理分析和信息技術(shù)分析方法的代表文獻和研究過程。

表 應(yīng)急物資需求預(yù)測方法的研究結(jié)果總結(jié)

2.1 時間序列理論

時間序列理論由于應(yīng)用廣泛且操作靈活，常被用于應(yīng)急物資需求預(yù)測研究。目前，常用的時間序列分析方法有：自回歸移動平滑法、獨立同分步法和指數(shù)平滑法、差分自回歸移動平均模型（AutoregressiveIntegrated Moving Average Model，ARIMA）。20世紀 70年代，ARIMA模型由Box等人［5]提出，作為時間序列理論中預(yù)測應(yīng)急物資需求最為科學、合理的方法之一，與傳統(tǒng)的時間序列方法相比優(yōu)勢明顯。傳統(tǒng)的時間序列分析一般針對具有明顯典型特征和趨勢的社會現(xiàn)象或自然現(xiàn)象進行未來走向預(yù)測，而現(xiàn)實發(fā)生的很多突發(fā)事件由于其隨機性和復(fù)雜性并不完全具備典型的預(yù)測性。此時，ARIMA模型分析方法很好地解決了該限制的不足，更適用于預(yù)測在時間序列中較為復(fù)雜的突發(fā)性災(zāi)害事件。同時，經(jīng)ARIMA差分后平穩(wěn)的時間序列分析更為簡易、可信度較高，其預(yù)測結(jié)果被專家學者普遍認可。

Holguin-Veras J等人［6]根據(jù)各類應(yīng)急物資的歷史數(shù)據(jù)構(gòu)建ARIMA模型，并對2005年卡特里娜颶風事件所需的各種應(yīng)急物資進行需求預(yù)測和相關(guān)政策分析；朱曉鑫等［7]以1948年中國發(fā)生的重大地震為真實數(shù)據(jù)庫，通過案例推理（Case-based Reasoning，CBR）和ARIMA相結(jié)合的方法，對2008年5月12日發(fā)生的汶川地震中其死亡人數(shù)和物資需求進行預(yù)測。然而，時間序列法同樣存在固有的弊端，震后應(yīng)急物資需求預(yù)測的應(yīng)用數(shù)據(jù)常常存在穩(wěn)定性缺失、模糊不完備等問題，在一定程度上限制了時間序列方法的全面應(yīng)用。

2.2 數(shù)學模型及算法

目前，由于應(yīng)急物資需求配置多目標、多階段和多屬性等特性，多數(shù)研究關(guān)注集中于多目標線性規(guī)劃和相關(guān)算法。主要應(yīng)用到的數(shù)學模型有灰色系統(tǒng)模型、二型模糊系統(tǒng)和支持向量機等。國內(nèi)大多研究思想多數(shù)先運用CBR預(yù)測死傷人數(shù)，再結(jié)合庫存管理知識構(gòu)建數(shù)學模型計算物資需求量。如：張斌［8]通過構(gòu)建空間量化模型，對災(zāi)區(qū)救援物資的定性需求進行預(yù)測，并驗證了模型的科學性和有效性；Jiuh-Biing Sheu［9]針對災(zāi)情信息不完全可知的情況下，對各地區(qū)所需的應(yīng)急物資數(shù)量進行動態(tài)預(yù)測，其計算目標主要遵循兩個原則，即不斷更新死傷人數(shù)和不斷逼近各地域的實際所需；王曉等［10]將線性回歸、神經(jīng)網(wǎng)絡(luò)算法和模糊數(shù)學等有機結(jié)合，運用CBR對災(zāi)情信息不完備下的應(yīng)急物資需求進行預(yù)測。

2.3 案例推理（Case-basedreasoning，CBR）

相對于傳統(tǒng)的規(guī)則推理（Rule-based Reasoning,RBR）分析方法，作為人工智能領(lǐng)域的一個新興領(lǐng)域，［3]案例推理法在突發(fā)事件應(yīng)急物資需求預(yù)測領(lǐng)域得到廣泛的應(yīng)用和認可。以震災(zāi)為例，其主要研究思想是對以往的地震歷史案例庫進行搜索，通過相關(guān)屬性數(shù)據(jù)的分析和推理篩選出與待測地震案例最為相似的案例，此時認為搜索到的案例與待預(yù)測案例在決策變量上具有一定的相似性和參考性。該方法基于傳統(tǒng)路徑通過模仿人類大腦的思維方式，對待測案例進行推理分析，其應(yīng)用可以對歷史案例進行實時調(diào)整和更新，對于新案例預(yù)測具有現(xiàn)實意義。

郭瑞鵬［11]通過案例的模糊推理模型，研究了應(yīng)急物資的需求及分級，并給出推理實現(xiàn)過程；郭曉汾［12]應(yīng)用CBR和人工智能技術(shù)，根據(jù)不同種類應(yīng)急物資的需求特征，提出應(yīng)急物資實時需求評估和預(yù)測的新方法；郭金芬等人［13]將震災(zāi)發(fā)生時間、抗震強度、震中強度和震級等納入關(guān)鍵影響因素，運用BP神經(jīng)網(wǎng)絡(luò)算法首先預(yù)測震后死傷人數(shù)，又通過庫存管理模型間接計算出受災(zāi)區(qū)域所需的應(yīng)急物資數(shù)量；傅志妍等［14]在原有應(yīng)急物資需求預(yù)測方法的基礎(chǔ)上進行了相應(yīng)地改進，通過標準化的歐式聚類，搜索待測事件的相似案例，提出了基于案例推理——關(guān)鍵因素需求預(yù)測模型，并最終通過“5·12汶川地震”進行案例驗證。

2.4 大數(shù)據(jù)機器學習

大數(shù)據(jù)是指海量、多樣化且難以在一定時間內(nèi)完成信息采集、篩選和處理等工作，進而協(xié)助管理系統(tǒng)進行有效決策的大規(guī)模數(shù)據(jù)信息。隨著互聯(lián)網(wǎng)時代大數(shù)據(jù)技術(shù)和應(yīng)用的廣泛發(fā)展，傳統(tǒng)的預(yù)測研究方法面臨全新挑戰(zhàn)，以大數(shù)據(jù)挖掘、物聯(lián)網(wǎng)技術(shù)、虛擬現(xiàn)實以及人工智能技術(shù)等，基于機器學習路徑的應(yīng)急物資預(yù)測方法已經(jīng)成為大勢所趨。

隨著互聯(lián)網(wǎng)和云計算的發(fā)展，以電腦和手機等各種智能設(shè)備為數(shù)據(jù)獲取路徑，應(yīng)急物資需求預(yù)測方面的研究方法趨于人工智能并引起廣泛關(guān)注，這些方法以探索需求估計和應(yīng)急物資的路由調(diào)度的特點，從而作出更可行的應(yīng)急決策。［15-17]目前，隨著衛(wèi)星和航拍遙感技術(shù)的高速發(fā)展，一些研究利用了地理信息系統(tǒng)針對災(zāi)后損失情況進行研究和評估，該結(jié)果可以為應(yīng)急中后期階段的物資需求預(yù)測提供決策基礎(chǔ)。［18]大數(shù)據(jù)處理技術(shù)正在以無與倫比的速度優(yōu)勢和全新思維，通過深入剖析巨大數(shù)據(jù)進而獲取潛在價值和深邃洞見的新型模式。［19]

3 研究方法與數(shù)據(jù)分析

3.1 數(shù)據(jù)來源

2018年10月6 日，通過中國知網(wǎng)CNKI進行文獻檢索，以“主題”為“應(yīng)急物資”或含“應(yīng)急資源”并且“預(yù)測”進行檢索，發(fā)文時間設(shè)為2003-2018年，共檢索出226條文獻（見圖2）；其中，2015年發(fā)文量最大為33篇，2012年29篇，2013年25篇。通過對相關(guān)文獻進行關(guān)鍵詞和發(fā)文量分析，總結(jié)應(yīng)急物資需求預(yù)測的國內(nèi)外研究方法和人工智能路徑。

圖2 2003-2018年關(guān)于突發(fā)事件應(yīng)急物資需求預(yù)測的發(fā)文量變化

3.2 研究熱點與內(nèi)容聚類分析

我國在應(yīng)急物資需求預(yù)測研究方面起步較晚。從2003-2006年，我國只有少數(shù)學者開始關(guān)注突發(fā)事件應(yīng)急物資需求預(yù)測的研究，內(nèi)容多為國外應(yīng)急物資管理借鑒及我國案例實證分析；2006-2015年，隨著我國對突發(fā)事件關(guān)注不斷增強及應(yīng)急救援能力發(fā)展日益深入，應(yīng)急物資需求預(yù)測、應(yīng)急調(diào)度配置等受到學者廣泛關(guān)注，應(yīng)急物資需求預(yù)測的論文發(fā)表量呈現(xiàn)上升態(tài)勢，相關(guān)研究在修正、深化與發(fā)展應(yīng)急物資理論的同時，也拓展了其研究邊界和運用范圍；2015-2018年，關(guān)于應(yīng)急物資需求預(yù)測的發(fā)文量呈高位波動態(tài)勢，表明該領(lǐng)域研究在我國已進入相對成熟期。

關(guān)鍵詞作為論文的重要部分和思想精粹，其共現(xiàn)水平可反映某研究的熱點領(lǐng)域。由圖3可知，2003-2018年間，在中國知網(wǎng)上檢索到的論文應(yīng)用到的需求預(yù)測方法由高到低分別是案例推理分析、BP神經(jīng)網(wǎng)絡(luò)和遺傳算法，而這些同屬機器模擬人腦思維的人工智能范疇。然而，模擬大腦并非是唯一出路，［20-22]該路徑雖在一定程度上解決了應(yīng)急物資管理的部分需求預(yù)測工作，卻對機器學習研究路徑仍未形成統(tǒng)一認知，與大數(shù)據(jù)背景下智能設(shè)備相結(jié)合的實用型成果轉(zhuǎn)化不足。因此，如何將人工智能的模擬大腦和機器學習有效融合，是目前國內(nèi)外研究的熱點問題。同時，從中國知網(wǎng)收錄的期刊來源看，突發(fā)性災(zāi)害事件應(yīng)急管理領(lǐng)域雖從屬于政府應(yīng)急管理的決策范疇，其科研主體并非行業(yè)研究機構(gòu)或政府部門，而是以高等院校為支撐的學術(shù)組織。其中，發(fā)文量較大、影響范圍較廣的科研主體有西安交通大學（7篇）、大連海事大學（6篇）、南京理工大學（4篇）、哈爾濱工業(yè)大學（4篇）、武漢理工大學（4篇）、南京航空航天大學（4篇）等，上述院校共同構(gòu)成了我國突發(fā)事件應(yīng)急物資管理研究的學術(shù)圈。

圖3 2003-2018年發(fā)表論文關(guān)鍵詞及出現(xiàn)頻次

4 政府開放應(yīng)急管理數(shù)據(jù)的必要性和存在的問題

我國應(yīng)急管理是以政府為主導(dǎo)的國家強制性要求，政府部門掌握著大量應(yīng)急物資管理相關(guān)的數(shù)據(jù)。與國外相比，我國在政府數(shù)據(jù)開放方面尚未正式出臺相應(yīng)政策、法規(guī)，在一定程度上制約了我國突發(fā)事件應(yīng)急物資管理研究的發(fā)展。根據(jù)應(yīng)急物資需求預(yù)測研究方法的內(nèi)在特征，制定政府數(shù)據(jù)開放政策將推動我國應(yīng)急管理體系的深入發(fā)展和長足進步。

4.1 基于大數(shù)據(jù)樣本的機器學習訓(xùn)練

在人工智能領(lǐng)域，國內(nèi)外應(yīng)急管理的研究重點集中于機器學習理論，而多數(shù)情況下，大量的案例數(shù)據(jù)是機器學習完成智能訓(xùn)練之本。同樣，隨著機器學習逐漸進入應(yīng)急管理學科的視野，科學合理的應(yīng)急物資需求預(yù)測模型應(yīng)基于不同變量的綜合性歷史數(shù)據(jù)，這就要求數(shù)據(jù)平臺開放突發(fā)事件發(fā)生時間、災(zāi)害種類、地理位置、發(fā)生強度等屬性詳細完備的高質(zhì)量數(shù)據(jù)。而目前我國政府部門的內(nèi)部數(shù)據(jù)多為結(jié)構(gòu)化數(shù)據(jù)，在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)擷取和存儲上亟待提高。另外，部分可查詢數(shù)據(jù)的準確性和真實性有待考察，數(shù)據(jù)質(zhì)量參差不齊，缺乏數(shù)據(jù)質(zhì)量管理標準等在一定程度上制約我國應(yīng)急管理數(shù)據(jù)的挖掘和利用。

4.2 實時數(shù)據(jù)精準化需求預(yù)測

大規(guī)模突發(fā)事件發(fā)生后，不確定性應(yīng)急物資需求總量急劇上升，各類應(yīng)急物資時效性和緊迫性又不盡相同，需求結(jié)構(gòu)（醫(yī)療物資、生活基本保障物資、應(yīng)急救援物資以及恢復(fù)重建所需物資四大類物資的相對數(shù)量比）較為復(fù)雜，不同階段的應(yīng)急物資需求類型和需求總量發(fā)生持續(xù)性動態(tài)變化，對物資需求預(yù)測工作的時間和預(yù)測準確性方面均提出了更高的要求。同時，突發(fā)事件不同應(yīng)急時段，應(yīng)急物資的需求優(yōu)先級也在實時變化著。因此，實現(xiàn)大數(shù)據(jù)的實時更新是下一階段物資需求精準預(yù)測和優(yōu)化配置的關(guān)鍵。而目前我國突發(fā)事件的官方歷史數(shù)據(jù)獲取難度大，由于災(zāi)情實時數(shù)據(jù)信息在線社交網(wǎng)絡(luò)平臺的相對易獲取性，國內(nèi)研究主要關(guān)注基于社交媒體的突發(fā)事件檢測、網(wǎng)絡(luò)輿情擴散監(jiān)測和規(guī)律分析和網(wǎng)絡(luò)輿論集群行為等。［23-25]

4.3 完善和更新智庫建設(shè)

應(yīng)急管理數(shù)據(jù)系統(tǒng)的建立和更新對于完善我國應(yīng)急管理智庫體系具有重要意義。相關(guān)數(shù)據(jù)顯示，［26]在政府數(shù)據(jù)管理系統(tǒng)是否有專人維護和管理的問題調(diào)查中，一些被調(diào)查者表示其所在的政府部門沒有負責系統(tǒng)維護和管理的專門人員，在數(shù)據(jù)采集和存儲方面也并未設(shè)專人負責。缺乏數(shù)據(jù)管理和系統(tǒng)維護的反饋和改進機制是目前我國政府應(yīng)急部門數(shù)據(jù)公開的另一重要問題，由于沒有統(tǒng)一的格式標準和專人管理，各類數(shù)據(jù)未被統(tǒng)一標準并合理地錄入數(shù)據(jù)庫。近年來，由于缺乏政府數(shù)據(jù)支撐而未形成有效的政府數(shù)據(jù)涉入的研究體系，我國應(yīng)急管理數(shù)據(jù)分析大部分來自不同局部的在線信息檢索和搜尋，信息來源的不權(quán)威性和不全面性對需求預(yù)測的精準度影響頗大，碎片化的數(shù)據(jù)拼圖在全局意義上不利于應(yīng)急管理體系的建立和完善。

4.4 人工智能路徑研究的發(fā)展

國內(nèi)外應(yīng)急管理研究主要側(cè)重于人工智能的機器學習路徑，對大數(shù)據(jù)智能設(shè)備相結(jié)合的研究路徑關(guān)注較少。由于突發(fā)事件的復(fù)雜性，在事件發(fā)生短時間內(nèi)可能難以直接獲得受災(zāi)民眾的需求信息，而物資需求預(yù)判的主觀性和模糊性使得信息在各個應(yīng)急時期的更新過程中需要耗費大量的人力和物力。目前在商業(yè)、教育和醫(yī)療等諸多領(lǐng)域，應(yīng)用大數(shù)據(jù)機器學習路徑提高需求預(yù)測精準性的人工智能案例值得應(yīng)急物資管理預(yù)判和決策研究領(lǐng)域借鑒。舉例而言，在實際的應(yīng)急物資需求配置工作中，針對突發(fā)事件的受災(zāi)民眾，可以通過人臉識別進行不同年齡和性別的個性化需求服務(wù)，精準定位不同類群進行靶向配置；通過跟蹤識別服務(wù)，大數(shù)據(jù)處理可以及時更新災(zāi)民各類物資需求，從而進行后續(xù)精準定位和配置反饋；通過“端云協(xié)同”可穿戴設(shè)備深入挖掘更多共性的應(yīng)急需求情境，針對不同情境推出精準預(yù)測、智慧配置等方案，從而豐富和提升傳統(tǒng)的應(yīng)急情境理論研究?；诖髷?shù)據(jù)的智能設(shè)備的開發(fā)和探索亟需政府應(yīng)急部門的權(quán)威數(shù)據(jù)源，數(shù)據(jù)開放平臺難以通過公開申請獲取在一定程度上阻礙了災(zāi)害應(yīng)急管理和人工智能學科的發(fā)展。

5 完善我國政府開放應(yīng)急管理數(shù)據(jù)的風險和對策

應(yīng)急管理涉及國家數(shù)據(jù)安全和用戶隱私，與其稱政府應(yīng)急部門數(shù)據(jù)公開和監(jiān)管為技術(shù)問題，不如將其歸于管理問題。政府公開大數(shù)據(jù)需要應(yīng)急管理部門完善數(shù)據(jù)質(zhì)量、維護國家信息安全和保護人民的隱私，唯有此才能不斷促進政府應(yīng)急管理數(shù)據(jù)的良性循環(huán)和有效利用。

5.1 加大政府應(yīng)急管理信息開放平臺的支持度

2012年6 月，上海市政府率先向社會開放和共享政府數(shù)據(jù)資源，自此全國近20個地方政府開展了政府網(wǎng)站數(shù)據(jù)共享服務(wù)。而這些數(shù)據(jù)資源大部分都是基于便民和企業(yè)經(jīng)濟發(fā)展所用，在國家和地方的應(yīng)急管理局網(wǎng)站上獲取災(zāi)害事件相關(guān)的開放數(shù)據(jù)仍然十分困難。在政府應(yīng)急管理數(shù)據(jù)開放方面，應(yīng)當加大政府支持力度，全面整合和統(tǒng)籌應(yīng)急信息的大數(shù)據(jù)平臺和共享中心。加強政府信息資源和社會信息資源的關(guān)聯(lián)度，通過加快構(gòu)建國家應(yīng)急管理數(shù)據(jù)信息共享服務(wù)平臺，進而推動政府應(yīng)急管理、社會救援組織、學術(shù)機構(gòu)和普通民眾的互利互動。

5.2 設(shè)立應(yīng)急信息數(shù)據(jù)管理專職部門

政府應(yīng)急管理相關(guān)數(shù)據(jù)的開放服務(wù)工作量，涉及信息技術(shù)、應(yīng)急管理和數(shù)據(jù)統(tǒng)籌等多個部門，為確保政府數(shù)據(jù)開放工作高效、穩(wěn)步開展，亟需成立應(yīng)急管理信息的專職服務(wù)部門。2018年3月至今，隨著“中華人民共和國應(yīng)急管理部”的正式設(shè)立，各級地方應(yīng)急管理廳/局的政務(wù)管理工作也循序漸進開展，17個地方應(yīng)急管理部門陸續(xù)掛牌。當下，組建應(yīng)急信息數(shù)據(jù)的專職管理部門和一支應(yīng)急數(shù)據(jù)管理的專業(yè)團隊，并進行明確的職責分工勢在必行。此外，政府應(yīng)急部門應(yīng)當提高數(shù)據(jù)質(zhì)量（完整性、真實性和準確性）的評估工作，加強高質(zhì)量數(shù)據(jù)的評估和開放，促進應(yīng)急管理體系和災(zāi)害管理學科的良性循環(huán)。

5.3 加強數(shù)據(jù)安全的風險管理和監(jiān)督

不同于商業(yè)領(lǐng)域的案例大數(shù)據(jù)平臺開放，應(yīng)急管理案例大數(shù)據(jù)體量小卻價值千金，且涉及國家網(wǎng)絡(luò)和信息安全，前期準備工作要確保萬無一失。我國政府機構(gòu)尚未出臺網(wǎng)絡(luò)大數(shù)據(jù)開放和共享相應(yīng)的法律法規(guī)，在個人隱私和數(shù)據(jù)安全方面的管理和監(jiān)督體制還有待提升。在數(shù)據(jù)采集、篩選、錄入、管理和使用環(huán)節(jié)應(yīng)建立嚴格的監(jiān)管和回溯制度，并對開放平臺的服務(wù)和效果進行評估和反饋，針對不同問題提出精準治理的方案和對策，嚴禁對涉及數(shù)據(jù)安全和個人隱私的信息轉(zhuǎn)載和泄露。另一方面，應(yīng)當提高政府應(yīng)急部門和民眾間的互利互動，為各大科研機構(gòu)和社會公眾的有識之士提供前瞻性和預(yù)測性的建議創(chuàng)造條件，針對開放數(shù)據(jù)向社會征集預(yù)測和數(shù)據(jù)挖掘的分析報告和建議反饋等。

6 結(jié)語

應(yīng)急管理的政府數(shù)據(jù)是國家重要的戰(zhàn)略資源，面向全社會信息服務(wù)平臺的共享和利用，無論是提高政府工作效率、提升政務(wù)透明度，還是創(chuàng)新可持續(xù)發(fā)展社會的政府轉(zhuǎn)型都具有重要意義。在應(yīng)急管理的研究方面，國外起步較早，多運用時間序列分析和構(gòu)建數(shù)學模型的方法。自2003年起，國內(nèi)學者開始基于不同視角進行突發(fā)事件應(yīng)急物資需求預(yù)測，雖在應(yīng)急物資管理研究方面起步較晚，卻在人工智能模擬大腦的傳統(tǒng)路徑技術(shù)領(lǐng)域的應(yīng)用廣泛，主要包括遺傳算法、案例推理分析和神經(jīng)網(wǎng)絡(luò)等，探索和改進基于大數(shù)據(jù)和智能設(shè)備的機器學習路徑研究不足。隨著人工智能的數(shù)據(jù)化轉(zhuǎn)型時代拉開帷幕，固步自封并非改進人工智能、優(yōu)化專家在應(yīng)急管理領(lǐng)域的有效途徑，開放和共享高質(zhì)量應(yīng)急管理數(shù)據(jù)信息，并因地制宜地應(yīng)用于應(yīng)急物資管理研究方法才是應(yīng)急管理的必經(jīng)之路。同時，對于政府開放數(shù)據(jù)平臺的雙刃劍性質(zhì)，在數(shù)據(jù)效能利用和數(shù)據(jù)風險保護之間應(yīng)做好利弊權(quán)衡。隨著國家各級政府大力推動和共建應(yīng)急管理數(shù)據(jù)開放及共享平臺，通過激活政府應(yīng)急管理數(shù)據(jù)資源的全新方式，人工智能大數(shù)據(jù)為政、商、民所用，為未來真正實現(xiàn)政府、企業(yè)和社會公眾的互惠互動、政府數(shù)字化轉(zhuǎn)型指明模擬人類智能開發(fā)和探尋機器人類智能化的未來之路。