摘 要:近年來城市安全問題頻發(fā)，暴露出我國在城市治理方面存在不足。物聯(lián)網(wǎng)已成為推動城市安全治理能力躍升的重要動力，但目前應用多聚焦于風險的實時管控，在提升風險預見性上沒有發(fā)揮出智能化優(yōu)勢。基于前期在智能物聯(lián)網(wǎng)與城市安全治理領(lǐng)域的系統(tǒng)研發(fā)與應用工作，本文認為，通過智能物聯(lián)網(wǎng)提升風險預見性的關(guān)鍵在于加強風險預測與防范工作、注重全局視角和風險溯源、堅持以人為本、融合人機智能。

關(guān)鍵詞:智能物聯(lián)網(wǎng) 城市治理 安全管理 風險防范

【中圖分類號】D630 【文獻標識碼】A

2020年3月31日，習近平總書記在調(diào)研杭州城市大腦運營指揮中心時強調(diào)，讓城市更聰明一些、更智慧一些，是推動城市治理體系和治理能力現(xiàn)代化的必由之路，前景廣闊。

城市安全是城市治理體系和治理能力現(xiàn)代化建設(shè)的重要環(huán)節(jié)。近年來出現(xiàn)的城市安全問題，如上海外灘踩踏事件、天津特大爆炸事件、武漢新冠肺炎疫情等，暴露了我國在城市安全治理方面還存在一些不足。不少地區(qū)開始將大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新興信息技術(shù)，應用到城市治理中，并取得了一定的效果。但是，這些應用目前還主要聚焦于城市風險的實時管控，并沒有很好地發(fā)揮出物聯(lián)網(wǎng)的“智能化”特點，和習近平總書記提出的“讓城市更聰明、更智慧”的要求仍存在相當程度的距離。

如果把城市中泛在的物聯(lián)網(wǎng)視為城市安全治理大腦的“觸角”，對觸角每時每刻傳遞回來的時空軌跡及多媒體大數(shù)據(jù)進行深度融合與智能分析的能力，就決定了城市安全治理的智能化水平。“深度融合”意味著物聯(lián)網(wǎng)感知大數(shù)據(jù)與城市治理政務(wù)大數(shù)據(jù)的整合共享，以形成數(shù)字化生態(tài)網(wǎng)絡(luò)與推動城市治理創(chuàng)新的數(shù)據(jù)中臺。“智能分析”則意味著大規(guī)模機器學習和人工智能算法的廣泛使用，而這些算法應有適應治理業(yè)務(wù)需求并融合業(yè)務(wù)人員知識之能力，并能夠提升業(yè)務(wù)人員對城市風險的預見性，做到防患于未然。

筆者所在的北京航空航天大學經(jīng)濟管理學院“數(shù)據(jù)智能研究中心”，長期致力于打造基于智能物聯(lián)網(wǎng)的城市安全管理系統(tǒng)，并深度參與了城市危險品運輸管理、多部門聯(lián)合新冠肺炎疫情防控預測、全國群體性事件分析等工作。工作經(jīng)驗表明，要利用智能物聯(lián)網(wǎng)提升城市安全風險預見能力，必須切實做好以下幾點（在下文舉例中，用“項目團隊”代表筆者所在研究中心的參與成員）。

加強風險預測與防范工作

習近平總書記在十九屆中央政治局第二次集體學習時強調(diào)，要充分利用大數(shù)據(jù)平臺，綜合分析風險因素，提高對風險因素的感知、預測、防范能力。現(xiàn)有物聯(lián)網(wǎng)應用主要集中在風險的實時監(jiān)控，在預測和防范方面投入不足。實時監(jiān)控通過提供數(shù)據(jù)，支撐管理者事中決策和事后響應，體現(xiàn)了城市治理的信息化，而風險預測通過提供數(shù)據(jù)分析，輔助管理者事前決策和防范，體現(xiàn)了城市治理的智能化。例如，北京市危險品運輸管理工作中，項目團隊改變傳統(tǒng)以危險品車輛實時管控為主的思路，將風險預測作為核心工作任務(wù)，投入大量精力構(gòu)建時空預測模型，通過分析危險品和人口分布的時空數(shù)據(jù)，預測風險出現(xiàn)的時間和地點，輔助業(yè)務(wù)部門提前部署防控資源。新冠肺炎疫情防控預測工作中，項目團隊投入了大量精力構(gòu)建病毒傳播模型，基于傳染病動力學原理，預測未來確診病例數(shù)、實際感染人數(shù)，預測結(jié)果有力支撐了湖北省疫情防控策略調(diào)整、全國各省返工復產(chǎn)方案等重要政策的制定。

注重全局視角和風險溯源

在風險預測和防范的實際工作中，業(yè)務(wù)部門常由于防控資源有限，很難對所有安全隱患進行防控，造成風險預見性無法轉(zhuǎn)化為實際效能。究其原因，這類預測采用了“頭痛醫(yī)頭、腳痛醫(yī)腳”的局部視角，沒有從根本上改變業(yè)務(wù)部門疲于奔命的局面。相比之下，從全局視角出發(fā)的風險溯源將產(chǎn)生更明顯的效果。通過識別和解決風險源頭的隱患，業(yè)務(wù)部門將降低城市整體而非局部的風險。此外，風險溯源給業(yè)務(wù)部門充分的研判和資源調(diào)度時間，對防控資源的需求也大幅下降，因此具有更強的可行性。例如，在北京市危險品運輸管理工作中，項目團隊發(fā)現(xiàn)了一些長期出現(xiàn)、穩(wěn)定的風險區(qū)域，并通過危險品車輛軌跡，構(gòu)建了這些區(qū)域之間的風險傳染關(guān)系，從而發(fā)現(xiàn)了風險產(chǎn)生的多個重要源頭。業(yè)務(wù)部門集中力量對這些源頭展開治理，在不增加防控資源的情況下，有效降低了城市的風險。在新冠肺炎疫情防控預測工作中，項目團隊基于重點關(guān)注人群的移動軌跡，開展了疾病傳染關(guān)聯(lián)分析，完成了對傳染源的追溯，從而實現(xiàn)了對接觸者的快速鎖定和疫情阻斷，對山東司法系統(tǒng)某單位重大疫情的調(diào)查做出了貢獻。

堅持以人為本

城市安全治理常進入一個誤區(qū)，即聚焦危險本身而忽略了人的需求。例如，一些危險品的監(jiān)控工作聚焦于危險品運輸車輛的軌跡，通過分析車輛實時定位系統(tǒng)所上傳的位置數(shù)據(jù)，將車輛聚集的區(qū)域認定為高風險區(qū)域。這種做法看似合理，但忽略了人的訴求。對于城市居民而言，危險品車輛較少但人流密集區(qū)域的風險，要高于危險品車輛較多但人流稀疏區(qū)域的風險。北京市危險品運輸管理工作中，項目團隊在收集危險品車輛分布數(shù)據(jù)的基礎(chǔ)上，加入了能夠反映人口分布的手機信令數(shù)據(jù)（居民手機和附近基站之間進行信號連接的次數(shù)記錄，不記名、不含隱私信息）。信令數(shù)據(jù)統(tǒng)計了任意區(qū)域手機用戶的數(shù)量，從而可以推斷該地區(qū)的人口數(shù)量。融合危險數(shù)據(jù)和人口數(shù)據(jù)的新變量，反映出最“致命”的城市風險。新冠肺炎疫情防控預測工作中，項目團隊在感染、發(fā)病、治療等健康醫(yī)療數(shù)據(jù)的基礎(chǔ)上，融合人口流動、路網(wǎng)結(jié)構(gòu)、時空關(guān)聯(lián)等較為復雜的數(shù)據(jù)，借助深度學習的方法，實現(xiàn)了跨領(lǐng)域多源數(shù)據(jù)的深度融合，從而幫助業(yè)務(wù)部門全方位了解了城市居民的行為模式與安全需求，為開展精準疫情防控提供了重要支持。

融合人機智能

大數(shù)據(jù)和人工智能算法可以幫助業(yè)務(wù)部門快速發(fā)現(xiàn)疑似的風險源頭，但對于源頭的研判確認、風險傳染分析，以及相應治理方案的制定，還需要業(yè)務(wù)人員的深度參與，因為機器分析的結(jié)果不能有效考慮人的常識和經(jīng)驗。例如，北京市危險品管理系統(tǒng)的分析結(jié)果顯示，北京市最重要的風險源頭是東四北大街和建國門內(nèi)大街的一片區(qū)域，但數(shù)據(jù)分析結(jié)果不能解釋這一區(qū)域成為風險源頭的原因?；跇I(yè)務(wù)人員的經(jīng)驗，該區(qū)域的風險主要源自餐館對液化氣的需求。該地區(qū)是北京文化休閑和娛樂區(qū)，著名的“簋街”特色小吃一條街就在這里，其火鍋、烤魚、麻辣小龍蝦等特色餐飲吸引了眾多的食客，也導致餐館對煤氣罐等危險貨物的需求居高不下；運輸煤氣罐的車輛來往于簋街和郊外工廠，也提升了沿途區(qū)域的風險。基于這一原因，后續(xù)治理采用了鋪設(shè)天然氣管道的方式，使該地區(qū)告別了煤氣罐時代。在新冠肺炎疫情防控預測工作中，數(shù)據(jù)分析可以快速識別傳染源頭、傳播軌跡，但無法得出背后的原因和機理；而業(yè)務(wù)人員基于經(jīng)驗，在數(shù)據(jù)分析結(jié)果的基礎(chǔ)上，可以對傳染源出現(xiàn)的原因進行合理評估，對傳播軌跡產(chǎn)生的機理進行合理推斷，從而制定有針對性的防控措施。

總而言之，物聯(lián)網(wǎng)和大數(shù)據(jù)的融合，為城市治理提供了智能化解決方案，逐漸成為推動城市治理體系和治理能力現(xiàn)代化的重要工具。智能物聯(lián)網(wǎng)在提升城市風險預見性方面有重要潛力，實現(xiàn)這些潛力的關(guān)鍵在于加強風險預測與防范工作，降低對實時管控的依賴；注重全局視角和風險溯源，避免頭痛醫(yī)頭、腳痛醫(yī)腳；堅持以人為本原則，構(gòu)建的智能模型應該能夠反映人們的行為模式與安全需求；識別數(shù)據(jù)智能的應用邊界，將數(shù)據(jù)分析和人的常識、經(jīng)驗相融合。

【本文作者分別為北京航空航天大學經(jīng)濟管理學院教授，北京航空航天大學經(jīng)濟管理學院副教授；本文系國家重點研發(fā)計劃重點專項課題“城市要素知識萃取與遷移學習”（項目號：2019YFB2101804）、國家自然科學基金重點項目“基于移動群智感知的物聯(lián)網(wǎng)大數(shù)據(jù)挖掘與應用”（項目號：71531001）階段性成果】

參考文獻

[1]吳俊杰、鄭凌方、杜文宇、王靜遠：《從風險預測到風險溯源：大數(shù)據(jù)賦能城市安全管理的行動設(shè)計研究》，《管理世界》，2020年第8期。

責編：周素麗 ／ 蔡圣楠

聲明：本文為《國家治理》周刊原創(chuàng)內(nèi)容，任何單位或個人轉(zhuǎn)載請回復國家治理周刊微信號獲得授權(quán)，轉(zhuǎn)載時務(wù)必標明來源及作者，否則追究法律責任。