城市密集人群安全管理大数据应用大有可为

白云　王亚飞　朱伟　马英楠

本文以2014年上海外滩踩踏事故为案例，分析了事故发生前人流量变化规律及人群运动趋势；分析了节日期间北京市三个重点场所人流量变化情况及人群分布。面对城市密集人群的安全管理，提出基于大数据分析技术的管控路径，通过利用大数据分析和地理位置服务（LBS），实现对人群分布和人流运动趋势的有效监控和预测预警。

一、引言

随着生活水平的提高，人们的社会娱乐活动逐渐增多，公共场所的人流量不断增大，诸如影剧院、展览馆、体育场馆、车站码头、购物中心这样的大型公共场所，具有人群高度聚集、流动性大的特点，一旦发生事故将造成极为严重的生命财产损失（比如，2004年，北京密云发生彩虹桥踩踏事故，造成37人死亡；2014年，上海外滩庆祝跨年活动发生踩踏事故，造成36人不幸遇难）。这些事故和事件的发生大都是因为没有对大型公共场所的人流量进行预测预警，没有科学的风险预判和有效的管理防范机制。

当前，我国经济社会发展已进入大数据时代。大数据不仅影响着人们的生产和生活的方方面面，而且为政府管理部门提供了更加科学有效的手段和方法，指导政府的有效管理和运行。

数据既是基础性的资源，同时也是重要的生产力。大数据与云计算、物联网等新技术的相结合，可以用于灾害预警、应急管理、政策指导等公共安全领域。因此，充分开发大数据技术的应用新技术，拓展其在政府公共安全管理中的应用领域，辅助政府应急管理中的信息采集和决策分析，提高政府管理水平是一项重要工作。可以断言，在加强城市密集人群安全管理的工作中，大数据应用大有可为。

二、大数据在城市公共安全管理领域的应用

大数据时代，移动互联的便捷性和数据的真实性将为政府管理提供导向依据，进而推动政府管理水平的不断提高。特别是随着智能手机、可携带计算设备的大量普及，越来越多的人开始通过第三方地理位置服务共享自己的位置，进而通过LBS（地理位置服务）获取个人的位置数据。

依托于海量数据以及电子围栏技术的广泛应用，通过对相关数据的挖掘和分析，针对不同需求和不同要求，能够提供真实可信的数据应用。以电子围栏技术为主的LBS（基于地理位置服务）通过采样的地理位置信息，结合数据分析和统计方法，可以提供各个不同地方的地理位置相关数据，比如人流量、主要路线等，在此基础上结合实时数据平台的数据流，开发满足不同需求的数据应用。通过应用过程中对不同数据的相互关联和分析，结合大数据可视化的相关技术，用于应急预案编制、人流监控、事件复盘等方面。

（一）应急预案编制

对于应急预案的編制，利用大数据技术可以更加科学、客观、准确地对突发事件进行预估、评估和救援实施。应急预案的编制主要包括以下内容。

1.通过分析LBS数据，预计受影响的人群总数和地理分布。历史数据可以帮助对事件的影响范围和强弱进行预估，实时数据可以对事件发生时受影响的人数和分布进行评估。

2.对受影响的人群进行特征分析，评估事件的附加影响，指导救援决策。比如，人群的主要工作地、常住地，可以及时安排疏导和疏散；了解人群的主要家乡来源地，可以帮助更好地进行现场沟通；了解人群的年龄、性别和职业组成，有助于现场人员的安排。

3.通过分析历史数据，预测突发事件的发生。历史的事件数据通过结合大数据平台，使用数据挖掘和机器学习的方法，可以总结出事件发生的规律，以此建立对应的数学模型，对其进行科学有效地预测。

（二）实时人流虽监控

传统的人流量监控系统一般是基于监控摄像头联动的独立系统。而通过大数据平台的LBS数据，可以更加准确、清晰地了解人流分布和集散情况，结合电子围栏技术，通过对指定范围内的人流精确监控和预警，可以在超过一定警戒线时，及时发出预警信号和超负载区域范围。目前，可以进行实时监控的LBS数据主要包括：

1.整体人口分布，包括室内和室外的人流；

2.户外人口分布，主要包括路面上以及公园等户外区域的人流，可以用于景区和交通的监控；

3.室内人流分布，主要包括楼宇和商铺内的人流。

（三）人事件复盘

事件（事故）发生后，通过利用大数据平台，可以快速地对事故的整体影响、响应以及管理等进行复盘分析。大事件复盘主要包括：

1.基于LBS数据，对事件发生前后的人群集散进行分析；

2.结合实际数据和人群特征数据，总结事件发生的原因、结果，制定改善措施；

3.保存留档与事件有关的所有数据，并建立相关模型，能够在事后实时对模型进行更新和升级。

三、大数据在公共安全管理工作中的案例分析

（一）基于大数据分析上海外滩踩踏事故

通过大数据分析，图1（a）表明南京东路地铁站附近区域、外滩源附近区域、事发地陈毅广场附近区域和外滩区域位置，在2014年12月31日事发当时的人群热力图。图1（b）所示，31日当晚20：30左右，南京东路地铁站（紫线）曾出现过一个人流高峰。而事发当时（黑色虚线），并不是陈毅广场（红线）人流量最大的时候，其两次人流量高峰出现在21点和24点。

通过以上分析可以得出，人群聚集的过程是渐进的。人群在特定的地点或区域不断聚集，经过了“走得慢走不动退不出去

失去控制发生意外”等多个环节。通过实际案例和大数据的对比分析，在人流量变化的关键节点，如果采取了有效的管控措施，完全能够在一定程度上防止踩踏事故的发生。

（二）北京市若干重点区域人群分布特征

利用大数据，分析2015年“五一”期间，北京市三个重点区域的人员分布情况。

1.某著名商业区

某著名商业区包括商务办公区和商场区域，通过早中晚（图2）的热力图对比，可以清晰地看到三者的定位差别。在早上的时候，两个区域人流量较少，到了中午的时候，两个区域都是热点区域。而到了21点以后，商务办公区的人流量明显减少，商场区域依旧聚集着大量的人群。

从（图3）可以看出，客流量最大的时段分布在15点至17点的时间段内，节假日的客流量比平日高出大约40%。

2.某封闭景区

（图4）显示，某封闭景区每天的人流变化比较有规律，没有出现人流突增情况。从（图4）可以看出，4月30日，人流相对分散，主要有两个点人流比较多，一个是景区附近市场，一个是附近的写字楼。由于工作日，写字楼内的人流相对集中，市场内的人流相比节假日较少。5月1日至3日，人流主要集中在市场和景区门前的区域。由于适逢节假日，更多的人流集中在了这一区域。

3.某开放景区

从（图5）可以看出，4月30日，客流高峰时段集中在20点，而在5月1日至3日，客流高峰时段集中在14点至16点。这是因为，在工作日的最后一天晚上，到景区游玩休闲的人较多。而在节假日，客流量最大的是5月2日。其原因该景区是著名景点，许多外地游客前来游览，往往是在节假日的第二天才能抵达，所以造成5月2日客流量相对较大。

（三）案例啟示

通过利用大数据对人群分布分析的实践，有效验证了大数据平台在人流分析、人群特征挖掘、命题分析等方面的实用性，展现了大数据在寻找宏观趋势和微观监控方面的实际意义。未来需要对其进行精细化开发，不仅在应急工作、政府决策等方面深入理解，重要的是通过不断的数据整合，实现数据的完备和实用。

以上以大数据为基础的数据分析，通过科学的方法，针对特定的人群和主题，进行深入的数据挖掘、建立模型，最终可以形成真实、可信的结果。这类分析能够为政府相关的决策提供重要帮助，无论是在问题发现、问题解决，还是在结果验证上，都将会有很大的帮助，是一件极为有意义的工作。

四、结语

当前，包括图像采集摄像头、热力图等新技术，可以通过利用大数据进行实时监测、人群分布预测、管控方案制定等方面。比如，管理部门可以建立大型场所人群承载量的核算报备制度；利用无人机、红外、移动通信等多种手段，实时监控公共场所人流，及时发布人流量信息，引导人流安全流动；建立人流量预警机制，预测将要到来和离开所在区域的人流，形成异常等级的评估，确定异常的区域、时间范围和大概的严重等级，以便启动不同的预警，根据预警启动相应级别的应急预案；要持续不断地开展丰富多彩的宣传教育活动，提高公众的风险感知力和自我保护能力。

（责任编辑：李静敏）