楊繼君 曾子軒

摘? 要：態(tài)勢感知是突發(fā)事件應(yīng)對的重要環(huán)節(jié)，是有效開展應(yīng)急處置和救援的基礎(chǔ)和前提。文章首先對突發(fā)事件態(tài)勢感知研究的相關(guān)工作展開綜述與評價；隨后對大數(shù)據(jù)智能技術(shù)在突發(fā)事件態(tài)勢感知中的應(yīng)用進(jìn)行歸納和總結(jié)，并從大數(shù)據(jù)智能技術(shù)、應(yīng)急管理工作機制和人才培養(yǎng)三個方面指出突發(fā)事件態(tài)勢感知研究與應(yīng)用中存在的問題和挑戰(zhàn)。在此基礎(chǔ)上，提出利用大數(shù)據(jù)智能技術(shù)和方法解決突發(fā)事件態(tài)勢感知問題的設(shè)想和技術(shù)方案，以期提高突發(fā)事件態(tài)勢感知的速度和精度。

關(guān)鍵詞：大數(shù)據(jù)；人工智能；突發(fā)事件；態(tài)勢感知；態(tài)勢應(yīng)對

中圖分類號：TP391? 文獻(xiàn)標(biāo)識碼：A? ? 文章編號：2096-4706（2023）17-0021-06

Review and Prospect of Situation Awareness Research on Emergency under the Background of Big Data Intelligence

YANG Jijun1，2， ZENG Zixuan3

（1.School of Public Administration， Guangdong University of Finance and Economics， Guangzhou? 510320， China; 2.Institute of Artificial Intelligence and Safety， Tianjin University， Tianjin? 300072， China; 3.Guangxi Key Laboratory of Cross-border E-commerce Intelligent Information Processing， Guangxi University of Finance and Economics， Nanning 530007， China）

Abstract： Situation awareness is an important part of emergency response， and it is the basis and premise of effective measures of response and rescue. Firstly， this paper reviews and evaluates the related works of situation awareness research on emergency. Then the application of big data and Artificial Intelligence on emergency situation awareness is summarized， and the problems and challenges of research and application on emergency situation awareness are put forward from three aspects which include big data and Artificial Intelligence， work mechanism of emergency management and talent training. On this basis， the idea and technical scheme of using technology and methods of big data and Artificial Intelligence to solve the problem of emergency situation awareness are proposed， so as to improve the speed and accuracy of emergency situation awareness.

Keywords： big data; Artificial Intelligence; emergency; situation awareness; situation response

0? 引? 言

關(guān)于態(tài)勢感知（Situational Awareness，SA）的定義，被學(xué)術(shù)界普遍所接受的仍是Endsley[1]首次給出的定義：態(tài)勢感知是在一定的時空條件下，對環(huán)境因素的獲取、理解以及對未來狀態(tài)的預(yù)測（態(tài)勢）；隨后又進(jìn)一步提出了的動態(tài)決策環(huán)境下態(tài)勢感知框架模型（如圖1所示）[2]。從圖1可知，態(tài)勢感知的核心理念可以理解為一個漸進(jìn)明晰的過程，它分為態(tài)勢要素提取、態(tài)勢理解和態(tài)勢預(yù)測三個層次。通過態(tài)勢要素獲?。〝?shù)據(jù)提取），獲得必要的數(shù)據(jù)，然后借助數(shù)據(jù)融合進(jìn)行態(tài)勢理解，進(jìn)而實現(xiàn)對未來的態(tài)勢預(yù)測。

從基本定義可知，態(tài)勢感知是一種基于環(huán)境、動態(tài)、整體地洞悉風(fēng)險的能力，是以大數(shù)據(jù)為基礎(chǔ)，從全局視角提升對威脅的發(fā)現(xiàn)識別、理解分析、響應(yīng)處置能力的一種方式，最終是為了決策與行動。態(tài)勢感知最初是為了分析空戰(zhàn)環(huán)境信息、快速判斷當(dāng)前及未來形勢，以做出正確反應(yīng)進(jìn)而提升空戰(zhàn)能力所進(jìn)行的研究；此后在核反應(yīng)控制、網(wǎng)絡(luò)安全、空中交通監(jiān)管等領(lǐng)域得到廣泛研究。鑒于態(tài)勢感知理論能夠?qū)κ录莼瘧B(tài)勢早期研判提供理論指導(dǎo)，因此，近些年來越來越多的學(xué)者關(guān)注態(tài)勢感知理論在突發(fā)事件應(yīng)急管理領(lǐng)域的應(yīng)用研究。同時，隨著大數(shù)據(jù)智能時代的來臨，“大數(shù)據(jù)智能技術(shù)+突發(fā)事件+態(tài)勢感知”三者結(jié)合的趨勢也越來越明顯。本文首先對國內(nèi)外突發(fā)事件態(tài)勢感知研究現(xiàn)狀進(jìn)行綜述并指出存在的問題；隨后對大數(shù)據(jù)智能技術(shù)與突發(fā)事件應(yīng)急管理相結(jié)合的研究狀況進(jìn)行分析，在此基礎(chǔ)上指出大數(shù)據(jù)智能技術(shù)在突發(fā)事件態(tài)勢感知應(yīng)用中的機遇與挑戰(zhàn)；最后總結(jié)了迎接挑戰(zhàn)的技術(shù)解決方案和相關(guān)設(shè)想。

1? 突發(fā)事件態(tài)勢感知研究現(xiàn)狀

1.1? 國外研究現(xiàn)狀

國外學(xué)者圍繞態(tài)勢感知對突發(fā)事件應(yīng)急管理展開了較為充分的研究。Turoff等[3]首次提出把信息的態(tài)勢感知引入到突發(fā)事件應(yīng)急管理中。Feng等[4]開發(fā)了由共享的態(tài)勢感知和獨立行為主體構(gòu)成的決策支持系統(tǒng)模型。Patrick[5]認(rèn)為在應(yīng)對校園恐怖襲擊事件中，新興技術(shù)的應(yīng)用可增強決策者的態(tài)勢感知能力。Hannes等[6]對應(yīng)急處置與救援行動中態(tài)勢感知共享的影響因素進(jìn)行了研究。Luokkala[7]開發(fā)了時間約束條件下危機態(tài)勢感知的信息系統(tǒng)。Archie[8]以2014年悉尼恐怖襲擊事件為例，運用態(tài)勢感知理論分析了社交媒體如何影響恐怖分子的決策行為。Leonardo等[9，10]為了提高操作人員的態(tài)勢感知能力，提出了應(yīng)急態(tài)勢感知下的信息質(zhì)量評估方法即通過使用可靠的元數(shù)據(jù)豐富態(tài)勢知識，提高態(tài)勢感知系統(tǒng)的能力，后來又設(shè)計了一個多源信息融合的應(yīng)急態(tài)勢評估系統(tǒng)。Syed等[11]利用馬爾可夫邏輯網(wǎng)絡(luò)構(gòu)建面向火災(zāi)事故與緊急疏散的態(tài)勢感知模型。

1.2? 國內(nèi)研究現(xiàn)狀

就國內(nèi)而言，對于突發(fā)事件態(tài)勢感知的研究雖不多見，但近幾年也慢慢多了起來。王強[12]借助通用態(tài)勢圖的思想和技術(shù)建立了各部門之間的應(yīng)急聯(lián)動態(tài)勢圖，進(jìn)行應(yīng)急聯(lián)動的實時態(tài)勢感知。趙新勇等[13]在設(shè)計交通突發(fā)事件態(tài)勢感知路網(wǎng)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上構(gòu)建了交通突發(fā)事件態(tài)勢理解模型。陳凌等[14]結(jié)合Endsley的態(tài)勢感知框架模型對政府危機決策的生命周期各階段信息活動進(jìn)行了研究。楊戌初[15]利用改進(jìn)的態(tài)勢感知算法對社交網(wǎng)絡(luò)中的突發(fā)事件進(jìn)行監(jiān)測和預(yù)測。楊繼君等[16]將態(tài)勢感知引入非常規(guī)突發(fā)事件應(yīng)急決策之中，以序貫博弈為工具構(gòu)建了基于態(tài)勢預(yù)測的非常規(guī)突發(fā)事件應(yīng)急決策模型。竇珊等[17]提出了一種多源異構(gòu)數(shù)據(jù)融合的危險識別方法，實現(xiàn)園區(qū)的危險態(tài)勢感知。張海濤等[18]在分析情報智慧賦能態(tài)勢感知的邏輯與優(yōu)勢的基礎(chǔ)上，從態(tài)勢要素提取、態(tài)勢理解、態(tài)勢預(yù)測三個層面構(gòu)建了重大突發(fā)事件的態(tài)勢感知模型。王施運等[19]從三元世界視角解析國家安全事件的場景情報源，在此基礎(chǔ)上提出基于“時間—空間—主題”模型的多維態(tài)勢分析方法體系。王秉等[20]從安全情報角度出發(fā)，構(gòu)建了安全情報視域下的安全態(tài)勢感知理論模型。

1.3? 研究評述

國外學(xué)者有較多關(guān)于突發(fā)事件與態(tài)勢感知的相關(guān)研究，而國內(nèi)學(xué)者關(guān)于突發(fā)事件態(tài)勢感知的直接相關(guān)研究較為不足，且多為特定領(lǐng)域，比如網(wǎng)絡(luò)安全和軍事領(lǐng)域。而有些領(lǐng)域的研究成果極為少見，比如，且尚未檢索到與極端氣象災(zāi)害態(tài)勢感知相關(guān)的研究文獻(xiàn)。

2? 基于大數(shù)據(jù)智能技術(shù)的突發(fā)事件態(tài)勢感知分析

2.1? 國內(nèi)外大數(shù)據(jù)智能技術(shù)與突發(fā)事件應(yīng)急管理的研究

社交網(wǎng)絡(luò)、移動設(shè)備和物聯(lián)網(wǎng)的暴發(fā)性成長，云計算、人工智能的實現(xiàn)，使得“大數(shù)據(jù)”成為當(dāng)前最重要的時代特征，也成為當(dāng)前學(xué)術(shù)界研究的一個前沿?zé)狳c。學(xué)術(shù)界對于大數(shù)據(jù)的定義給出了多種解釋，比如，Doug[21]首先給出了大數(shù)據(jù)的3V模型即Volume（規(guī)模性）、Velocity（快速性）和Variety（多樣性），后來擴展為4V模型即添加了Value（價值性）。Gartner[22]對大數(shù)據(jù)的定義為：大數(shù)據(jù)是一種具有大容量、高速率、高多樣性的信息資產(chǎn)，這種資產(chǎn)需要新的處理方法以增強人們的決策能力、探索發(fā)現(xiàn)能力。美國國家科學(xué)基金會將大數(shù)據(jù)[23]定義為：由科學(xué)儀器、傳感設(shè)備、互聯(lián)網(wǎng)交易、電子郵件、音視頻軟件、網(wǎng)絡(luò)點擊流等多種數(shù)據(jù)源生成的大規(guī)模、多元化、復(fù)雜、長期的分布式數(shù)據(jù)集。

隨著大數(shù)據(jù)智能技術(shù)的廣泛應(yīng)用，已有專家學(xué)者將大數(shù)據(jù)應(yīng)用到突發(fā)事件應(yīng)急管理的各個領(lǐng)域。比如，在反恐領(lǐng)域，David等[24]主要從反恐的角度利用大數(shù)據(jù)分析了推動國家安全活動的戰(zhàn)略性框架。Akhgar等[25]應(yīng)用大數(shù)據(jù)技術(shù)快速識別恐怖主義網(wǎng)絡(luò)和社區(qū)內(nèi)的激進(jìn)分子，從源頭上增加反恐策略的有效性。在災(zāi)害管理領(lǐng)域，Belaud等[26]認(rèn)為對于自然災(zāi)害應(yīng)急管理首先要考慮風(fēng)險管理，而風(fēng)險管理則需要建立在大數(shù)據(jù)平臺之上。Shelton等[27]探索颶風(fēng)桑迪事件中只占大數(shù)據(jù)一個很小的子集的Twitter信息如何產(chǎn)生巨大影響，以及反過來通過繪制Twitter的響應(yīng)圖判斷颶風(fēng)桑迪事件的整體威脅情況。Moulik等[28]利用大數(shù)據(jù)和云計算等工具開發(fā)了智能應(yīng)急疏散系統(tǒng)以便為緊急疏散決策提供支持。Choi等[29]通過Twitter抓取、分析社會大數(shù)據(jù)而設(shè)計了基于社會大數(shù)據(jù)的災(zāi)害實施監(jiān)測系統(tǒng)。在信息安全領(lǐng)域，Alvaro等[30]將大數(shù)據(jù)作為安全工具引入軍備競賽的攻擊和防御網(wǎng)絡(luò)之中。Talabis等[31]提出了基于大數(shù)據(jù)的信息安全分析技術(shù)，該套技術(shù)能夠有效地挖掘和識別任何安全數(shù)據(jù)中的模式和關(guān)系。Aiiad等[32]為解決大數(shù)據(jù)泄露問題而設(shè)計了基于信息安全的訪問認(rèn)證控制方法。

在國內(nèi)，大數(shù)據(jù)相關(guān)研究已經(jīng)取得蓬勃發(fā)展，但與國外研究者的思路不一致的是：在社會科學(xué)研究領(lǐng)域，國內(nèi)大數(shù)據(jù)的研究側(cè)重于對策層面，較少的涉及應(yīng)用層面。李國杰等[33]認(rèn)為基于大數(shù)據(jù)的網(wǎng)絡(luò)行為機理識別研究可以在社會化網(wǎng)絡(luò)環(huán)境的海量、多源、動態(tài)數(shù)據(jù)中提煉大數(shù)據(jù)環(huán)境中典型的行為模式，準(zhǔn)確識別個性化的行為特征，為管理決策提供微觀行為理論支持。俞立平[34]則認(rèn)為大數(shù)據(jù)是對傳統(tǒng)經(jīng)濟學(xué)的挑戰(zhàn)，并且提出了大數(shù)據(jù)經(jīng)濟學(xué)的概念。徐宗本等[35]對大數(shù)據(jù)資源管理與政策、基于大數(shù)據(jù)的管理與決策創(chuàng)新、大數(shù)據(jù)技術(shù)的信息科學(xué)基礎(chǔ)、大數(shù)據(jù)分析與處理的數(shù)學(xué)與計算基礎(chǔ)4個主要領(lǐng)域的前沿課題進(jìn)行了梳理，以期推動相關(guān)研究和實踐發(fā)展。李銀娥[36]探討了大數(shù)據(jù)時代如何形成多元主體協(xié)同共治局面、如何利用大數(shù)據(jù)技術(shù)提升對法治客體的科學(xué)認(rèn)知以及如何提升法治過程的公開互聯(lián)等問題。黃璜等[37]在對大數(shù)據(jù)的內(nèi)涵和外延進(jìn)行詳細(xì)梳理的基礎(chǔ)上討論大數(shù)據(jù)的興起對公共政策的影響，并由此說明公共政策不僅要挖掘大數(shù)據(jù)的價值來提高政策水平，還必須適應(yīng)日益數(shù)據(jù)化的社會環(huán)境。陳潭[38]認(rèn)為大數(shù)據(jù)不僅是推進(jìn)國家治理體系和治理能力現(xiàn)代化的重要戰(zhàn)略資源，也是提升社會治理能力和水平的重要創(chuàng)新工具，為此構(gòu)建了大數(shù)據(jù)驅(qū)動社會治理的新模式。張璐[39]提出利用大數(shù)據(jù)從三個方面解決公共文化服務(wù)供給中存在的問題。許歡等[40]圍繞數(shù)據(jù)的匯聚、整合、共享、開放和應(yīng)用，從理念、制度、技術(shù)、保障等方面為政府治理方式創(chuàng)新提出對策和建議。邱國棟等[41]針對現(xiàn)代決策環(huán)境的復(fù)雜性特征，提出了基于大數(shù)據(jù)的“數(shù)據(jù)—智慧”決策模型。趙娟等[42]對我國應(yīng)用大數(shù)據(jù)創(chuàng)新社會治理的實踐經(jīng)驗、模式和成效進(jìn)行認(rèn)知歸納，發(fā)現(xiàn)大數(shù)據(jù)在社會治理領(lǐng)域的創(chuàng)新項目有助于政府自身重塑公共決策方式、政府對社會的智能化治理有助于提升公眾滿意度、改善政民互動模式。韓麗華等[43]利用數(shù)據(jù)挖掘和數(shù)據(jù)分析以及新興的智慧服務(wù)，構(gòu)建了較為系統(tǒng)的信息資源管理模式。在自然科學(xué)領(lǐng)域，大數(shù)據(jù)的研究文獻(xiàn)在2013年得到一個爆發(fā)性的增長，在信息安全特別是網(wǎng)絡(luò)安全領(lǐng)域出現(xiàn)了大量的研究成果[44-49]。大數(shù)據(jù)在應(yīng)急管理領(lǐng)域的研究較為少見，不過也有學(xué)者做了嘗試性研究。張倩[50]認(rèn)為大數(shù)據(jù)的應(yīng)用有利于決策方法和評估經(jīng)驗的知識共享，豐富突發(fā)事件決策知識庫，提升政府突發(fā)事件決策的整體能力。黃國平等[51]建立面向災(zāi)害的大數(shù)據(jù)預(yù)警信息高速處理的規(guī)則引擎，這對于推動基于大數(shù)據(jù)的預(yù)警和應(yīng)急技術(shù)開發(fā)具有基礎(chǔ)性的作用。馬奔等[52]在大數(shù)據(jù)戰(zhàn)略、大數(shù)據(jù)開放政策、大數(shù)據(jù)在應(yīng)急管理中具體應(yīng)用形式等方面給出了對策建議。孫欣欣[53]通過分析城市突發(fā)水澇災(zāi)害防控及發(fā)生過程的大數(shù)據(jù)及其特點，設(shè)計了基于Hadoop的城市突發(fā)水澇災(zāi)害混合大數(shù)據(jù)分析工具。周利敏等[54]在總結(jié)“陽江模式”經(jīng)驗基礎(chǔ)上構(gòu)建了大數(shù)據(jù)災(zāi)害預(yù)警理論框架及大數(shù)據(jù)災(zāi)害預(yù)警系統(tǒng)模型。王興鵬[55]從理念、體制、制度法規(guī)、平臺四個方面提出了構(gòu)建大數(shù)據(jù)驅(qū)動的應(yīng)急決策體系的實現(xiàn)路徑。郭春俠等[56]運用文獻(xiàn)研究法總結(jié)了國內(nèi)外大數(shù)據(jù)應(yīng)急決策的研究進(jìn)展和應(yīng)用領(lǐng)域，并分析大數(shù)據(jù)應(yīng)急決策面臨的挑戰(zhàn)，在此基礎(chǔ)上提出了發(fā)展建議。楊繼君等[57]以極端氣象災(zāi)害中的臺風(fēng)災(zāi)害為例，首先設(shè)計了災(zāi)害態(tài)勢要素提取框架，在此基礎(chǔ)上采用大數(shù)據(jù)分析方法構(gòu)建了極端氣象災(zāi)害態(tài)勢要素提取模型，為極端氣象災(zāi)害態(tài)勢感知提供支持。

2.2? 國內(nèi)外大數(shù)據(jù)智能技術(shù)與突發(fā)事件態(tài)勢感知的研究

關(guān)于利用大數(shù)據(jù)技術(shù)研究突發(fā)事件態(tài)勢感知問題，通過對中英文相關(guān)數(shù)據(jù)庫和平臺進(jìn)行文獻(xiàn)檢索，僅有曾大軍、董青嶺、Vouros等學(xué)者利用大數(shù)據(jù)智能技術(shù)和方法對突發(fā)事件態(tài)勢感知進(jìn)行過開創(chuàng)性探索，具有十分重要的理論意義。曾大軍等[58]在歸納突發(fā)事件大數(shù)據(jù)應(yīng)用需要解決的關(guān)鍵技術(shù)難點基礎(chǔ)上，提出了一套應(yīng)用大數(shù)據(jù)實現(xiàn)突發(fā)事件態(tài)勢感知與決策支持的理論解決方案。董青嶺[59]構(gòu)建了基于關(guān)聯(lián)共現(xiàn)關(guān)系和機器學(xué)習(xí)的大數(shù)據(jù)安全態(tài)勢感知系統(tǒng)，隨后以英國恐怖襲擊為例，利用2013—2017年的新聞報道數(shù)據(jù)和社交網(wǎng)絡(luò)數(shù)據(jù)，對感知系統(tǒng)進(jìn)行預(yù)測能力驗證。Vouros等[60]以海上發(fā)生的各類突發(fā)事件為研究對象，采用大數(shù)據(jù)技術(shù)建立海上突發(fā)事件態(tài)勢感知系統(tǒng)，實現(xiàn)對突發(fā)事件的演化態(tài)勢進(jìn)行實時監(jiān)測和預(yù)測。

2.3? 研究評述

當(dāng)前對于大數(shù)據(jù)、人工智能的研究，呈現(xiàn)出百花齊放的態(tài)勢，取得了諸多研究成果。但從與突發(fā)事件和態(tài)勢感知研究的關(guān)聯(lián)性來看，還存在如下幾個方面的不足：

1）對于大數(shù)據(jù)與突發(fā)事件的研究，國外側(cè)重于從大數(shù)據(jù)技術(shù)和大數(shù)據(jù)處理方法的角度，進(jìn)行大數(shù)據(jù)公共安全平臺、系統(tǒng)、模型、數(shù)據(jù)采集融合等研究，并將機器學(xué)習(xí)等人工智能技術(shù)與大數(shù)據(jù)結(jié)合，以促進(jìn)大數(shù)據(jù)在突發(fā)事件應(yīng)急管理中的應(yīng)用。而國內(nèi)主要采取定性研究，尤其針對大數(shù)據(jù)與突發(fā)事件應(yīng)急管理的對策性研究，大多都是趨向于“宏大敘事”而無實質(zhì)性的可操作性的成果，故研究過于表面化，不夠深入。

2）許多標(biāo)稱“大數(shù)據(jù)智能技術(shù)應(yīng)用于突發(fā)事件”的研究文章，尤其是國內(nèi)的研究文章，大多使用的仍是傳統(tǒng)和基礎(chǔ)的統(tǒng)計和數(shù)據(jù)發(fā)掘方法。嚴(yán)格意義上說，難以納入“大數(shù)據(jù)”研究的范疇。因為它們并沒有涉及“大數(shù)據(jù)革命”的核心之一：對于海量實時數(shù)據(jù)處理方法的革新。

3）“大數(shù)據(jù)智能技術(shù)+突發(fā)事件+態(tài)勢感知”三者融合的研究成果雖然比較少見，但也有學(xué)者做了開創(chuàng)性研究。將大數(shù)據(jù)智能技術(shù)與態(tài)勢感知理論應(yīng)用到突發(fā)事件應(yīng)急管理領(lǐng)域之中有望形成一系列理論上的銜接和融合，有助于促進(jìn)公共管理學(xué)、計算機科學(xué)等學(xué)科的交叉融合發(fā)展，這將吸引更多的學(xué)者進(jìn)行深入探索。

3? 大數(shù)據(jù)智能技術(shù)在突發(fā)事件態(tài)勢感知應(yīng)用中的問題與挑戰(zhàn)

近些年來，我國突發(fā)事件呈現(xiàn)高發(fā)頻發(fā)態(tài)勢，危及社會安全的各類隱患、風(fēng)險也日趨凸顯，這就迫切要求轉(zhuǎn)變應(yīng)急管理觀念即向主動有效的全方位體系化防護工作模式轉(zhuǎn)變，威脅感知、主動防范、源頭治理等應(yīng)該要成為應(yīng)急管理工作的重點。提高突發(fā)事件態(tài)勢感知能力有助于快速、精準(zhǔn)地識別影響事態(tài)演化的各類隱患和風(fēng)險，從而進(jìn)行有針對性的處置和救援。隨著大數(shù)據(jù)、云計算、5G、人工智能等新一代信息技術(shù)的飛速發(fā)展，為突發(fā)事件災(zāi)害態(tài)勢實施快速感知提供了技術(shù)支撐。不過，由于突發(fā)事件獨特特性和數(shù)據(jù)量的爆炸式增長，致使大數(shù)據(jù)智能技術(shù)在突發(fā)事件態(tài)勢感知應(yīng)用中面臨諸多問題和挑戰(zhàn)，阻礙了突發(fā)事件態(tài)勢感知能力的提升。

1）通常情況下，突發(fā)事件具備突然性、破壞性、復(fù)雜性和高度不確定性等特征，并且突發(fā)事件所產(chǎn)生的數(shù)據(jù)具有海量、異構(gòu)、多源等典型大數(shù)據(jù)特征。就目前的大數(shù)據(jù)智能技術(shù)來說，要對這些可信度差、價值密度低和滯后明顯的海量災(zāi)害數(shù)據(jù)進(jìn)行實時采集、分析和處理并快速感知突發(fā)事件演化態(tài)勢還存在一定的難度。

2）突發(fā)事件應(yīng)急管理往往涉及多個部門和單位，從應(yīng)急管理工作機制上講，突發(fā)事件應(yīng)急管理工作要求各部門、單位協(xié)同配合并實現(xiàn)數(shù)據(jù)、信息等資源共享，而現(xiàn)實情況往往存在比較嚴(yán)重的脫節(jié)現(xiàn)象，比如，在我國應(yīng)對新冠疫情前期，一面是公共衛(wèi)生部門忙得暈頭轉(zhuǎn)向；另一方面應(yīng)急管理部門好像又使不上勁，其結(jié)果是在武漢不可避免地出現(xiàn)了比較嚴(yán)重的混亂局面。導(dǎo)致這種被動局面的主要原因之一就是各類疫情風(fēng)險數(shù)據(jù)沒有實施真正的全面共享，無法對疫情態(tài)勢做出準(zhǔn)確判斷，科學(xué)合理的有針對性的處置與救援措施也就無從談起。

3）大數(shù)據(jù)智能技術(shù)人員缺乏突發(fā)事件應(yīng)急管理理論與實戰(zhàn)經(jīng)驗將嚴(yán)重影響突發(fā)事件態(tài)勢感知的效果。目前，由于人才培養(yǎng)與實際需求的脫節(jié)，常常出現(xiàn)的情況是：精通大數(shù)據(jù)智能技術(shù)的專業(yè)人員對突發(fā)事件應(yīng)急管理缺乏理論與實踐經(jīng)驗，而懂突發(fā)事件應(yīng)急管理的工作人員卻對大數(shù)據(jù)智能技術(shù)又不甚了解，二者之間的偏差限制了大數(shù)據(jù)智能技術(shù)在突發(fā)事件態(tài)勢感知領(lǐng)域的研究和實際應(yīng)用。

4? 結(jié)? 論

重點綜述了突發(fā)事件態(tài)勢感知研究和基于大數(shù)據(jù)智能技術(shù)的突發(fā)事件態(tài)勢感知研究，并指出其存在諸多問題和挑戰(zhàn)。目前，隨著大數(shù)據(jù)、云計算、人工智能等新一代數(shù)字技術(shù)的發(fā)展和成熟，突發(fā)事件態(tài)勢感知技術(shù)迫切需要一場基于大數(shù)據(jù)智能驅(qū)動的變革，以滿足時代的需求。

1）構(gòu)建基于三維空間的突發(fā)事件態(tài)勢感知大數(shù)據(jù)智能技術(shù)應(yīng)用解決方案，為突發(fā)事件深度感知提供技術(shù)支持。突發(fā)事件基本上會涉及社會空間（人）、信息空間（機）和物理空間（物）三元空間，人機物三元空間的集成融合分析是對突發(fā)事件進(jìn)行科學(xué)感知、突破理解的主觀性、實現(xiàn)突發(fā)事件精準(zhǔn)研判的基礎(chǔ)。隨著大數(shù)據(jù)智能技術(shù)的飛速發(fā)展，促使人機或物機二元世界融合向以人機物三元世界融合演進(jìn)。在此背景下，提出與研究基于三元空間的突發(fā)事件態(tài)勢感知大數(shù)據(jù)智能技術(shù)解決方案具有重要理論和實踐意義。

2）強化突發(fā)事件應(yīng)急管理工作機制，徹底實現(xiàn)災(zāi)害數(shù)據(jù)、信息等資源的共享。態(tài)勢感知是突發(fā)事件應(yīng)對的重要環(huán)節(jié)，是有效開展搶險救援行動的前提和依據(jù)，而災(zāi)害數(shù)據(jù)又是突發(fā)事件態(tài)勢感知的基礎(chǔ)，災(zāi)害數(shù)據(jù)不足或缺乏勢必會嚴(yán)重影響事件感知的速度和精度。當(dāng)前，災(zāi)害數(shù)據(jù)無法做到真正意義的全面共享是影響突發(fā)事件快速感知和精準(zhǔn)研判的主要瓶頸，這在疫情防控中具有明顯體現(xiàn)。比如，一旦出現(xiàn)封城（武漢封城、西安封城、上海封城等），老百姓就會因為物資供應(yīng)不足或不及時而怨聲載道，致使地方政府壓力巨大。解決該問題的根本辦法就是徹底打通應(yīng)急、衛(wèi)健、公安、交通、民政、工信、人社、商務(wù)、市場監(jiān)管、物資儲備等領(lǐng)域數(shù)據(jù)并利用大數(shù)據(jù)智能技術(shù)進(jìn)行快速處理和分析，識別災(zāi)害事件的當(dāng)前狀態(tài)和發(fā)展趨勢，在此基礎(chǔ)上制定完備的應(yīng)急預(yù)案（比如一個完備的應(yīng)急資源保障預(yù)案必須能夠清楚回答這些問題：整個城市有多少人、結(jié)構(gòu)與分布情況怎樣；當(dāng)前應(yīng)急物資和生活必需品有多少、能維持多久、存儲在哪兒、由誰負(fù)責(zé)管理；一旦出現(xiàn)封城，可從哪些省或城市調(diào)度應(yīng)急物資和生活必需品、運到后存儲在哪兒、誰負(fù)責(zé)管理和配送、配送人員又如何管理，等等）。

3）促進(jìn)大數(shù)據(jù)智能技術(shù)人才培養(yǎng)模式轉(zhuǎn)變即由高校被動“推向”模式向市場驅(qū)動的 “拉向”模式轉(zhuǎn)變。大數(shù)據(jù)智能技術(shù)人才培養(yǎng)的目標(biāo)不僅在于知識的突破，更在于推動經(jīng)濟社會發(fā)展，因此大數(shù)據(jù)智能技術(shù)人才的培養(yǎng)需要以市場需求和未來需求為導(dǎo)向，促使政府、高校、企業(yè)三方充分合作的前提下，借助政府強大的引導(dǎo)能力和企業(yè)敏銳的市場洞察能力，將高校教育深度融入企業(yè)需求，培養(yǎng)滿足經(jīng)濟社會發(fā)展的綜合性高素質(zhì)技術(shù)人才。

參考文獻(xiàn)：

[1] ENDSLEY M R.Design and Evaluation for Situation Awareness Enhancement [J].Proceedings of the Human Factors Society Annual Meeting，1988，32（2）：97–101.

[2] ENDSLEY M R. Toward a theory of situation awareness in dynamic systems [J].The Journal of the Human Factors and Ergonomics Society，1995（1）：32-64.

[3] TUROFF M，CHUMER M，WALLE B V. The design of a dynamic emergency response management information system [J].Journal of Information Technology Theory and Application，2004（5）：1-35.

[4] PATRICK M O. Enhancing situational awareness when addressing critical incidents at suburban and rural schools [D].California：Naval Postgraduate School，2012.

[5] FENG Y H. Modelling situation awareness for context-aware decision support [J].Expert Systems with Applications，2009（1）：455-463.

[6] HANNES S，JAANA M，PEKKA L，et al. Developing shared situational awareness for emergency management [J].Safety Science，2013（6）：1-9.

[7] LUOKKALA P，VIRRANTAUS K. Developing information systems to support situational awareness and interaction in time-pressuring crisis situations [J].Safety Science，2014（4）：191-203.

[8] ARCHIE B. Tweeting situational awareness during the Sydney siege [J].Journal of Policing，Intelligence and Counter Terrorism，2016（1）：14-29.

[9] LEONARDO C B，JESSICA O D S，F(xiàn)ABIO R J，et al. Methodology for data and information quality assessment in the context of emergency situational awareness [J].Universal Access in the Information Society，2017（16）：889-902.

[11] SYED N D，JENNIFER S，F(xiàn)AISAL K，et al. Situation awareness modeling for emergency management on offshore platforms [J].Human-centric Computing and Information Sciences，2019（9）：1-26.

[12] 王強.公共安全應(yīng)急聯(lián)動態(tài)勢圖的研究 [D].鄭州：解放軍信息工程大學(xué)，2006.

[13] 趙新勇，安實，叢浩哲.基于路網(wǎng)抗毀可靠度的交通突發(fā)事件態(tài)勢分析 [J].交通運輸系統(tǒng)工程與信息，2013，13（5）：79-85.

[14] 陳凌，孫曉宇.政府危機決策的態(tài)勢感知研究初探 [J].圖書館學(xué)研究，2015（14）：94-97.

[15] 楊戌初.社交網(wǎng)絡(luò)中突發(fā)事件的態(tài)勢感知算法研究與實現(xiàn) [D].北京：北京交通大學(xué)，2018.

[16] 楊繼君，曾子軒.基于態(tài)勢預(yù)測的非常規(guī)突發(fā)事件應(yīng)急決策模型構(gòu)建 [J].統(tǒng)計與決策，2018，34（18）：43-47.

[17] 竇珊，張廣宇，熊智華，等.基于多源數(shù)據(jù)融合的化工園區(qū)危險態(tài)勢感知 [J].化工學(xué)報，2019，70（2）：460-466+789.

[18] 張海濤，周紅磊，張鑫蕊，等.情報智慧賦能：重大突發(fā)事件的態(tài)勢感知 [J].情報科學(xué)，2020，38（9）：9-13+22.

[19] 王施運，李白楊，白云，等.面向國家安全場景的態(tài)勢感知與分析方法研究 [J].情報理論與實踐，2021，44（7）：178-183.

[20] 王秉，史志勇.安全情報視域下的安全態(tài)勢感知研究：一個理論框架 [J].情報理論與實踐，2022，45（9）：15-21+5.

[21] DOUG L. 3D data management：controlling data volume，velocity and variety [EB/OL].[2023-01-29].http：//blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf.

[22] GARTNER S E. 10 critical tech trends for the next five years [EB/OL].[2023-01-29].http：//www.forbes.com/sites/ericsavitz/2012/10/22/gartner-10-1519critical-tech-trends.

[23] HILBERT M，LOPEZ P. The worlds technological capacity to store，communicate and compute information [J].Science，2011 （6025）：60-65.

[24] DAVID R，KIM L，JASON E，et al. Harnessing data for national security [J].SAIS Review of International Affairs，2014（1）：121-128.

[25] AKHGAR B，SAATHOFF G B，ARABINA H R，et al. Application of big data for national security：a practitioners guide to emerging technologies [M].UK：Butterworth-Heinemann，2017.

[26] BELAUD J P，NEGNY S，DUPROS F，et al. Collaborative simulation and scientific big data analysis：illustration for sustainability in natural hazards management and chemical process engineering [J].Computers in Industry，2014（3）：521-535.

[27] SHELTON T，POORTHUIS A，GRAHAM M. Mapping the data shadows of Hurricane Sandy：uncovering the sociospatial dimensions of big data [J].Geoforum，2014（52）：167-179.

[28] MOULIK S，MISRA S，OBAIDAT M S. Big data-based decision making for emergency evacuation [J].IEEE Cloud Computing，2015（3）：58-65.

[29] CHOI S，BAE B. The real-time monitoring system of social big data for disaster management [J].Computer Science and its Application，2015（330）：809-815.

[30] ALVARO C，PRATYUSA K M，SREERANGE P R. Big data analytics for security [J].IEEE Security and Privacy，2013（6）：74-76.

[31] TALABIS M，MCPHERSON R L，MIYAMOTO I. Information security analytics：finding security insights，patterns，and anomalies in big data [M].Syngress Media Inc.，2014.

[32] AIIAD A，VIJEY T. Analytical techniques for decision making on information security for big data breaches [J].International Journal of Information Technology & Decision Making，2018（2）：527-545.

[33] 李國杰，程學(xué)旗.大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考 [J].中國科學(xué)院院刊，2012（6）：647-657.

[34] 俞立平.大數(shù)據(jù)與大數(shù)據(jù)經(jīng)濟學(xué) [J].中國軟科學(xué)，2013（7）：177-183.

[35] 徐宗本，馮芷艷，郭迅華，等.大數(shù)據(jù)驅(qū)動的管理與決策前沿課題 [J].管理世界，2014（11）：158-163.

[36] 李銀娥.全面推進(jìn)依法治國的大數(shù)據(jù)之維 [J].理論觀察，2015（12）：51-52.

[37] 黃璜，黃竹修.大數(shù)據(jù)與公共政策研究：概念、關(guān)系與視角 [J].中國行政管理，2015（10）：25-30.

[38] 陳潭.大數(shù)據(jù)驅(qū)動社會治理的創(chuàng)新轉(zhuǎn)向 [J].行政論壇，2016，23（6）：1-5.

[39] 張璐.大數(shù)據(jù)時代公共文化服務(wù)智慧化供給路徑探析 [J].中共濟南市委黨校學(xué)報，2017（6）：80-84.

[40] 許歡，孟慶國.大數(shù)據(jù)推動的政府治理方式創(chuàng)新研究 [J].情報理論與實踐，2017，40（12）：52-57.

[41] 邱國棟，王易.“數(shù)據(jù)-智慧”決策模型：基于大數(shù)據(jù)的理論構(gòu)建研究 [J].中國軟科學(xué)，2018（12）：17-30.

[42] 趙娟，孟天廣.大數(shù)據(jù)驅(qū)動社會治理創(chuàng)新：政策擴散的視角 [J].政府治理評論，2018（2）：3-13.

[43] 韓麗華，魏明珠.大數(shù)據(jù)環(huán)境下信息資源管理模式創(chuàng)新研究 [J].情報科學(xué)，2019，37（8）：158-162.

[44] 陳明奇，姜禾，張娟，等.大數(shù)據(jù)時代的美國信息網(wǎng)絡(luò)安全新戰(zhàn)略分析 [J].信息網(wǎng)絡(luò)安全，2012（8）：32-35.

[45] 劉蘭，林軍，蔡君.面向大數(shù)據(jù)的異構(gòu)網(wǎng)絡(luò)安全監(jiān)控及關(guān)聯(lián)算法研究 [J].電信科學(xué)，2014，30（7）：84-89.

[46] 江常青.大數(shù)據(jù)對國家網(wǎng)絡(luò)安全的風(fēng)險評估 [J].中國信息安全，2015（5）：53-54.

[47] 牟明福，蘇正泉.大數(shù)據(jù)發(fā)展的信息安全風(fēng)險防御探析 [J].中國安全生產(chǎn)科學(xué)技術(shù)，2017，13（9）：66-71.

[48] 楊敏，何海濤，趙瓊.流量大數(shù)據(jù)安全分析平臺的設(shè)計與實現(xiàn) [J].通信學(xué)報，2018，39（S1）：104-109.

[49] 焦冬艷，吳永，賀桂英.大數(shù)據(jù)分析下異構(gòu)網(wǎng)絡(luò)安全的關(guān)聯(lián)算法研究 [J].計算機技術(shù)與發(fā)展，2019，29（12）：111-115.

[50]張倩.大數(shù)據(jù)在突發(fā)事件政府決策中的應(yīng)用[J].東北農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2013，11（6）：73-79.

[51] 黃國平，武旭紅，張宏.面向災(zāi)害大數(shù)據(jù)預(yù)警信息高速處理的規(guī)則引擎 [J].計算機技術(shù)與發(fā)展，2014，24（4）：239-242.

[52] 馬奔，毛慶鐸.大數(shù)據(jù)在應(yīng)急管理中的應(yīng)用 [J].中國行政管理，2015（3）：136-141+151.

[53] 孫欣欣.城市突發(fā)水澇災(zāi)害大數(shù)據(jù)分析技術(shù)研究 [J].科技通報，2016，32（4）：196-201.

[54] 周利敏，龍智光.大數(shù)據(jù)時代的災(zāi)害預(yù)警創(chuàng)新——以陽江市突發(fā)事件預(yù)警信息發(fā)布中心為案例 [J].武漢大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2017，70（3）：121-132.

[55] 王興鵬.大數(shù)據(jù)下突發(fā)事件應(yīng)急決策體系重構(gòu) [J].安全，2018，39（1）：1-3.

[56] 郭春俠，杜秀秀，儲節(jié)旺.大數(shù)據(jù)應(yīng)急決策研究評述與發(fā)展思考 [J].情報理論與實踐，2019，42（1）：153-160.

[57] 楊繼君，曾子軒，鄭琛.大數(shù)據(jù)驅(qū)動的極端氣象災(zāi)害態(tài)勢要素提取模型與優(yōu)化 [J].中國人民公安大學(xué)學(xué)報：自然科學(xué)版，2022，28（4）：100-108.

[58] 曾大軍，曹志冬.突發(fā)事件態(tài)勢感知與決策支持的大數(shù)據(jù)解決方案 [J].中國應(yīng)急管理，2013（11）：15-23.

[59] 董青嶺.大數(shù)據(jù)安全態(tài)勢感知與沖突預(yù)測 [J].中國社會科學(xué)，2018（6）：172-182.

[60] VOUROS G A，ANDRIENKO G，DOULKERIDIS C，et al. Big data analytics for time-critical mobility forecasting：event processing for maritime situational awareness [M].Springer，2020.

作者簡介：楊繼君（1972—），男，土家族，湖南石門人，教授，博士，天津大學(xué)智能科技與安全研究院兼職研究員，紐卡斯?fàn)柎髮W(xué)訪問學(xué)者，主要研究方向：大數(shù)據(jù)智能與應(yīng)急管理；通訊作者：曾子軒（1992—），女，漢族，湖南澧縣人，副研究員，博士，研究方向：風(fēng)險管理。