吴超：安全科学方法系列171：大数据方法在公共安全预测中的应用

    目前国内外对事故预防方面的研究，多注重通过揭示事故的致因机理来达到预防事故效果，由于事故诱因多且杂导致分析结果出现局限性，效果往往不理想。而大数据的核心价值是预测，它具有的海量、时效等特征使得数据分析更全面、客观、高效和快捷，可存储和分析非结构化数据优势使得识别、监控与事故发生相关的安全现象简单易行。将大数据理论和方法运用到安全科学领域，通过对安全科学领域数据进行存储和分析，找出事故发生的规律和特征，能够发现被忽略的数据和事故间的联系，捕捉潜在的危险信息，及时掌控事态，提前预测预警，为安全决策提供参考意见。另外还可通过大数据技术整合以往事故发生的全体相关数据进行数据建模，在改进和完善应急预案方面有很大的应用空间。

例如，“12.31”上海踩踏事件发生后，百度研究院大数据实验室基于百度数据和大数据智能分析技术，从不同的角度对当时的情况进行了数据化描述发现，相关地点的地图搜索请求峰值会早于人群密度高峰几十分钟出现，至少可能提前几十分钟预测出人流量峰值的到来。大数据在突发公共事件上也有广泛的应用，如2004年沃尔玛运用大数据，通过对以往消费数据进行观察和分析后，改进和完善货源补充机制，预防了台风来临前的市场紊乱。每年春运时铁道部门运用大数据在每年人口流动数据、售票数据和车辆供给数据上进行预测，以防止一系列群体性事件的发生。

    我国人口众多，重大文体活动、节假日集会等活动中，容易出现因人群过度拥挤而引发的危险乃至事故。车站、地铁里、热门景点，达到多少人需要预警？人流量何时达到峰值？大数据专家看来，当数据积累足够、分析模型强大，大数据就能实现：它不仅知道发生了什么，还能预测将发生什么。有了大数据，危险可以被预测。例如，如果明知人数已经超过极限，你还会去热门景区吗？如果管理者发现超过阈值了，还会继续让人进景区吗？答案都是否定的。假日来临，景区爆棚、春运拥挤等现象如约而至，大数据可以让我们在拥挤的城市保证节日安全。

通过大数据对人流量的定位数据、搜索数据进行深度挖掘发现，根据地图上相关地点搜索的请求量，至少可能提前几十分钟预测人流量峰值的到来，并采取预防措施。数据模型可判断出实时人流状态，并可同时预测未来5至10分钟该区域内人群密度的变化趋势。一旦人流密集度超出预警标准，系统将立即发出报警，并根据事态成因、人群行为分析和周边通道状况建立应急疏散模型，从中优化选择最佳方案，供指挥中心发出客流疏导指令。

    大数据对于天灾救援也有用武之地。一旦发生自然灾害，通过大数据技术建立海量遥感数据获取、储存与分析体系，将为理性救灾指明道路。例如在地震发生后的第一时间，依靠卫星或航空遥感技术，远程获取灾区现场数据，评估和预测灾区受损情况，明确物资需求，规划救援道路，可以制定合理的救援计划，最大程度减小灾害影响。

    2015年1月26日开始，纽约等美国东北部地区遭遇一场罕见的暴风雪，由于提前预测，多州宣布进入紧急状态，最终大幅减少了灾害的损失。