摘 要:近年來(lái)城市安全問(wèn)題頻發(fā)，暴露出我國(guó)在城市治理方面存在不足。物聯(lián)網(wǎng)已成為推動(dòng)城市安全治理能力躍升的重要?jiǎng)恿?，但目前?yīng)用多聚焦于風(fēng)險(xiǎn)的實(shí)時(shí)管控，在提升風(fēng)險(xiǎn)預(yù)見(jiàn)性上沒(méi)有發(fā)揮出智能化優(yōu)勢(shì)。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(yīng)用工作，本文認(rèn)為，通過(guò)智能物聯(lián)網(wǎng)提升風(fēng)險(xiǎn)預(yù)見(jiàn)性的關(guān)鍵在于加強(qiáng)風(fēng)險(xiǎn)預(yù)測(cè)與防范工作、注重全局視角和風(fēng)險(xiǎn)溯源、堅(jiān)持以人為本、融合人機(jī)智能。
關(guān)鍵詞:智能物聯(lián)網(wǎng) 城市治理 安全管理 風(fēng)險(xiǎn)防范
【中圖分類(lèi)號(hào)】D630 【文獻(xiàn)標(biāo)識(shí)碼】A
2020年3月31日，習(xí)近平總書(shū)記在調(diào)研杭州城市大腦運(yùn)營(yíng)指揮中心時(shí)強(qiáng)調(diào)，讓城市更聰明一些、更智慧一些，是推動(dòng)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(lái)出現(xiàn)的城市安全問(wèn)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(guó)在城市安全治理方面還存在一些不足。不少地區(qū)開(kāi)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(yīng)用到城市治理中，并取得了一定的效果。但是，這些應(yīng)用目前還主要聚焦于城市風(fēng)險(xiǎn)的實(shí)時(shí)管控，并沒(méi)有很好地發(fā)揮出物聯(lián)網(wǎng)的“智能化”特點(diǎn)，和習(xí)近平總書(shū)記提出的“讓城市更聰明、更智慧”的要求仍存在相當(dāng)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(duì)觸角每時(shí)每刻傳遞回來(lái)的時(shí)空軌跡及多媒體大數(shù)據(jù)進(jìn)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(dòng)城市治理創(chuàng)新的數(shù)據(jù)中臺(tái)。“智能分析”則意味著大規(guī)模機(jī)器學(xué)習(xí)和人工智能算法的廣泛使用，而這些算法應(yīng)有適應(yīng)治理業(yè)務(wù)需求并融合業(yè)務(wù)人員知識(shí)之能力，并能夠提升業(yè)務(wù)人員對(duì)城市風(fēng)險(xiǎn)的預(yù)見(jiàn)性，做到防患于未然。
筆者所在的北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院“數(shù)據(jù)智能研究中心”，長(zhǎng)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(xiǎn)品運(yùn)輸管理、多部門(mén)聯(lián)合新冠肺炎疫情防控預(yù)測(cè)、全國(guó)群體性事件分析等工作。工作經(jīng)驗(yàn)表明，要利用智能物聯(lián)網(wǎng)提升城市安全風(fēng)險(xiǎn)預(yù)見(jiàn)能力，必須切實(shí)做好以下幾點(diǎn)（在下文舉例中，用“項(xiàng)目團(tuán)隊(duì)”代表筆者所在研究中心的參與成員）。
加強(qiáng)風(fēng)險(xiǎn)預(yù)測(cè)與防范工作
習(xí)近平總書(shū)記在十九屆中央政治局第二次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，要充分利用大數(shù)據(jù)平臺(tái)，綜合分析風(fēng)險(xiǎn)因素，提高對(duì)風(fēng)險(xiǎn)因素的感知、預(yù)測(cè)、防范能力。現(xiàn)有物聯(lián)網(wǎng)應(yīng)用主要集中在風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)控，在預(yù)測(cè)和防范方面投入不足。實(shí)時(shí)監(jiān)控通過(guò)提供數(shù)據(jù)，支撐管理者事中決策和事后響應(yīng)，體現(xiàn)了城市治理的信息化，而風(fēng)險(xiǎn)預(yù)測(cè)通過(guò)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(xiǎn)品運(yùn)輸管理工作中，項(xiàng)目團(tuán)隊(duì)改變傳統(tǒng)以危險(xiǎn)品車(chē)輛實(shí)時(shí)管控為主的思路，將風(fēng)險(xiǎn)預(yù)測(cè)作為核心工作任務(wù)，投入大量精力構(gòu)建時(shí)空預(yù)測(cè)模型，通過(guò)分析危險(xiǎn)品和人口分布的時(shí)空數(shù)據(jù)，預(yù)測(cè)風(fēng)險(xiǎn)出現(xiàn)的時(shí)間和地點(diǎn)，輔助業(yè)務(wù)部門(mén)提前部署防控資源。新冠肺炎疫情防控預(yù)測(cè)工作中，項(xiàng)目團(tuán)隊(duì)投入了大量精力構(gòu)建病毒傳播模型，基于傳染病動(dòng)力學(xué)原理，預(yù)測(cè)未來(lái)確診病例數(shù)、實(shí)際感染人數(shù)，預(yù)測(cè)結(jié)果有力支撐了湖北省疫情防控策略調(diào)整、全國(guó)各省返工復(fù)產(chǎn)方案等重要政策的制定。
注重全局視角和風(fēng)險(xiǎn)溯源
在風(fēng)險(xiǎn)預(yù)測(cè)和防范的實(shí)際工作中，業(yè)務(wù)部門(mén)常由于防控資源有限，很難對(duì)所有安全隱患進(jìn)行防控，造成風(fēng)險(xiǎn)預(yù)見(jiàn)性無(wú)法轉(zhuǎn)化為實(shí)際效能。究其原因，這類(lèi)預(yù)測(cè)采用了“頭痛醫(yī)頭、腳痛醫(yī)腳”的局部視角，沒(méi)有從根本上改變業(yè)務(wù)部門(mén)疲于奔命的局面。相比之下，從全局視角出發(fā)的風(fēng)險(xiǎn)溯源將產(chǎn)生更明顯的效果。通過(guò)識(shí)別和解決風(fēng)險(xiǎn)源頭的隱患，業(yè)務(wù)部門(mén)將降低城市整體而非局部的風(fēng)險(xiǎn)。此外，風(fēng)險(xiǎn)溯源給業(yè)務(wù)部門(mén)充分的研判和資源調(diào)度時(shí)間，對(duì)防控資源的需求也大幅下降，因此具有更強(qiáng)的可行性。例如，在北京市危險(xiǎn)品運(yùn)輸管理工作中，項(xiàng)目團(tuán)隊(duì)發(fā)現(xiàn)了一些長(zhǎng)期出現(xiàn)、穩(wěn)定的風(fēng)險(xiǎn)區(qū)域，并通過(guò)危險(xiǎn)品車(chē)輛軌跡，構(gòu)建了這些區(qū)域之間的風(fēng)險(xiǎn)傳染關(guān)系，從而發(fā)現(xiàn)了風(fēng)險(xiǎn)產(chǎn)生的多個(gè)重要源頭。業(yè)務(wù)部門(mén)集中力量對(duì)這些源頭展開(kāi)治理，在不增加防控資源的情況下，有效降低了城市的風(fēng)險(xiǎn)。在新冠肺炎疫情防控預(yù)測(cè)工作中，項(xiàng)目團(tuán)隊(duì)基于重點(diǎn)關(guān)注人群的移動(dòng)軌跡，開(kāi)展了疾病傳染關(guān)聯(lián)分析，完成了對(duì)傳染源的追溯，從而實(shí)現(xiàn)了對(duì)接觸者的快速鎖定和疫情阻斷，對(duì)山東司法系統(tǒng)某單位重大疫情的調(diào)查做出了貢獻(xiàn)。
堅(jiān)持以人為本
城市安全治理常進(jìn)入一個(gè)誤區(qū)，即聚焦危險(xiǎn)本身而忽略了人的需求。例如，一些危險(xiǎn)品的監(jiān)控工作聚焦于危險(xiǎn)品運(yùn)輸車(chē)輛的軌跡，通過(guò)分析車(chē)輛實(shí)時(shí)定位系統(tǒng)所上傳的位置數(shù)據(jù)，將車(chē)輛聚集的區(qū)域認(rèn)定為高風(fēng)險(xiǎn)區(qū)域。這種做法看似合理，但忽略了人的訴求。對(duì)于城市居民而言，危險(xiǎn)品車(chē)輛較少但人流密集區(qū)域的風(fēng)險(xiǎn)，要高于危險(xiǎn)品車(chē)輛較多但人流稀疏區(qū)域的風(fēng)險(xiǎn)。北京市危險(xiǎn)品運(yùn)輸管理工作中，項(xiàng)目團(tuán)隊(duì)在收集危險(xiǎn)品車(chē)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(jī)信令數(shù)據(jù)（居民手機(jī)和附近基站之間進(jìn)行信號(hào)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(jì)了任意區(qū)域手機(jī)用戶(hù)的數(shù)量，從而可以推斷該地區(qū)的人口數(shù)量。融合危險(xiǎn)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(fēng)險(xiǎn)。新冠肺炎疫情防控預(yù)測(cè)工作中，項(xiàng)目團(tuán)隊(duì)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(dòng)、路網(wǎng)結(jié)構(gòu)、時(shí)空關(guān)聯(lián)等較為復(fù)雜的數(shù)據(jù)，借助深度學(xué)習(xí)的方法，實(shí)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(mén)全方位了解了城市居民的行為模式與安全需求，為開(kāi)展精準(zhǔn)疫情防控提供了重要支持。
融合人機(jī)智能
大數(shù)據(jù)和人工智能算法可以幫助業(yè)務(wù)部門(mén)快速發(fā)現(xiàn)疑似的風(fēng)險(xiǎn)源頭，但對(duì)于源頭的研判確認(rèn)、風(fēng)險(xiǎn)傳染分析，以及相應(yīng)治理方案的制定，還需要業(yè)務(wù)人員的深度參與，因?yàn)闄C(jī)器分析的結(jié)果不能有效考慮人的常識(shí)和經(jīng)驗(yàn)。例如，北京市危險(xiǎn)品管理系統(tǒng)的分析結(jié)果顯示，北京市最重要的風(fēng)險(xiǎn)源頭是東四北大街和建國(guó)門(mén)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(fēng)險(xiǎn)源頭的原因?；跇I(yè)務(wù)人員的經(jīng)驗(yàn)，該區(qū)域的風(fēng)險(xiǎn)主要源自餐館對(duì)液化氣的需求。該地區(qū)是北京文化休閑和娛樂(lè)區(qū)，著名的“簋街”特色小吃一條街就在這里，其火鍋、烤魚(yú)、麻辣小龍蝦等特色餐飲吸引了眾多的食客，也導(dǎo)致餐館對(duì)煤氣罐等危險(xiǎn)貨物的需求居高不下；運(yùn)輸煤氣罐的車(chē)輛來(lái)往于簋街和郊外工廠，也提升了沿途區(qū)域的風(fēng)險(xiǎn)?；谶@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(shí)代。在新冠肺炎疫情防控預(yù)測(cè)工作中，數(shù)據(jù)分析可以快速識(shí)別傳染源頭、傳播軌跡，但無(wú)法得出背后的原因和機(jī)理；而業(yè)務(wù)人員基于經(jīng)驗(yàn)，在數(shù)據(jù)分析結(jié)果的基礎(chǔ)上，可以對(duì)傳染源出現(xiàn)的原因進(jìn)行合理評(píng)估，對(duì)傳播軌跡產(chǎn)生的機(jī)理進(jìn)行合理推斷，從而制定有針對(duì)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(dòng)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(fēng)險(xiǎn)預(yù)見(jiàn)性方面有重要潛力，實(shí)現(xiàn)這些潛力的關(guān)鍵在于加強(qiáng)風(fēng)險(xiǎn)預(yù)測(cè)與防范工作，降低對(duì)實(shí)時(shí)管控的依賴(lài)；注重全局視角和風(fēng)險(xiǎn)溯源，避免頭痛醫(yī)頭、腳痛醫(yī)腳；堅(jiān)持以人為本原則，構(gòu)建的智能模型應(yīng)該能夠反映人們的行為模式與安全需求；識(shí)別數(shù)據(jù)智能的應(yīng)用邊界，將數(shù)據(jù)分析和人的常識(shí)、經(jīng)驗(yàn)相融合。
【本文作者分別為北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院教授，北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院副教授；本文系國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專(zhuān)項(xiàng)課題“城市要素知識(shí)萃取與遷移學(xué)習(xí)”（項(xiàng)目號(hào)：2019YFB2101804）、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“基于移動(dòng)群智感知的物聯(lián)網(wǎng)大數(shù)據(jù)挖掘與應(yīng)用”（項(xiàng)目號(hào)：71531001）階段性成果】
參考文獻(xiàn)
[1]吳俊杰、鄭凌方、杜文宇、王靜遠(yuǎn)：《從風(fēng)險(xiǎn)預(yù)測(cè)到風(fēng)險(xiǎn)溯源：大數(shù)據(jù)賦能城市安全管理的行動(dòng)設(shè)計(jì)研究》，《管理世界》，2020年第8期。
責(zé)編：周素麗 ／ 蔡圣楠
聲明：本文為《國(guó)家治理》周刊原創(chuàng)內(nèi)容，任何單位或個(gè)人轉(zhuǎn)載請(qǐng)回復(fù)國(guó)家治理周刊微信號(hào)獲得授權(quán)，轉(zhuǎn)載時(shí)務(wù)必標(biāo)明來(lái)源及作者，否則追究法律責(zé)任。