吴超：安全科学方法系列174：大数据在安全领域的应用方法展望

    大数据时代下，安全科学领域的数据体量巨大；安全数据来源对象多样，有安全监管机构、企业、中介机构、个人等；安全数据内容多且杂，包括事故信息、安全管理信息、视频动态信息、各种报告等；安全数据类型和格式繁多，包括结构化数据和非结构化数据，且以非结构化数据为主。除了上述几节介绍的应用案例以外，大数据在安全预测领域还有更多的应用。

    （1）利用手机或移动终端，建立“大数据”模型分析并预测风险，发挥其对公共安全危机的重要预警作用，避免大数据成为闲置的大量数据。其次，应加快基于数据资源体系的公共安全数据资源管理平台建设，对城市运行中有关公共安全的相关数据进行采集、整合、加工，梳理城市运行体征，为城市运行安全监测、综合分析、预警预测、辅助决策等提供服务。

    （2）如果政府能够搭建开放平台，这是大数据治理的基础。政府可以利用购买服务等方式整合多方数据，共同挖掘数据价值。不少互联网企业掌握了大量搜索、地图等实时信息，但是这些数据如何用于社会治理，还需政府主动作为、提出需求。

    （3）如果通讯运营商手中掌握的大量有价值数据得到充分利用，不仅可以预测人流量，预警公共事件，而且可以辅助城市规划、确定公交线路等，这也将提升城市治理水平。

    （4）大数据治理还需完善相关法律法规。一些公司虽然掌握了大量数据，但是其中也涉及用户的个人隐私，怎样使用才算合法现在还不明确。如果要和政府展开合作，也需要在合法合规的前提下，因此期待相关法律进一步明确。

（5）在安全经济预测与管理中的应用。大数据技术可方便了解和分析不同企业、行业、各个国家乃至全世界的安全生产经济规律和宏观调控机制之间的相关关系和影响机制，国家政策的制定和出台对安全生产的投入、产出的基本规律的影响规律，为政府、企业的安全决策提供数据支持。

（6）在安全规划设计中的应用。基于大数据的数据统计模式是以安全系统为研究对象，必然要求数据大量且多样，不仅需要分析生产、生活过程中的人、机、环的客观安全性和事故后的现场信息，还应分析法律法规、条例、政策、安全规划、事故分析报告等全面的安全信息。安全系统学发展同时也是安全信息论、安全控制论、安全运筹学、安全系统动态学、安全仿真学等分支学科内容不断丰富的过程，如大数据的强大的计算处理模式、深度挖掘技术、可视化仿真技术将加快数据的获取、加工处理、存取、传送等全运作过程，丰富数学建模理论和方法，从而推动安全运筹学的发展。

    大数据在安全科学领域的更多应用如图1所示。

图1 大数据在安全科学领域的应用实例