大数据和人工智能在城市风险管理方面的应用和探索

周晶

摘要：近年来，我国城市化水平不断提高，城市风险的管理问题也逐渐受到越来越多的关注。大数据和人工智能技术的出现，为城市风险管理提供了新的解决思路和途径。本文结合目前的理论研究和实践案例，提出构建“一数据、二要素、三机制”的立体式框架以识别城市风险，采用“统计学模型+人工智能算法”的复合方法评价城市风险，提出建立“多主体协同+人工智能为辅”的智慧型管理城市风险体系的整体思路和方案，为推动城市风险的现代化管理提供支撑。

关键词：城市风险管理；大数据；人工智能

引言

目前，新时代、新环境、新技术不断给城市风险带来新的“活力”，如何评估风险、防范风险需要持续地探索和尝试，而大数据和人工智能时代的来临，恰恰为这种探索和尝试提供了可能。

1. 大数据和人工智能在城市风险管理中应用的理论研究

纵观近十年以来的研究，城市风险得到了学术界广泛关注，研究内容主要涉及以下几个方面：

第一，对于城市风险生成机理和运作逻辑的识别研究。该类研究普遍认为城市风险已经成为风险的中心，而且在保留传统风险的基础上逐渐出现跨界影响，因此需要跨部门协同，构建多层次、复合型的城市风险管理结构[1]。

第二，对于城市风险后果影响的评价和估计研究。传统的城市风险评估主要以定性评估手段为主，近年来伴随着大数据的发展，逐渐有研究关注如何借助先进技术实现对城市风险数据整合以有效预测风险发生发展规律，尤其是人工智能技术，在灾前预警、灾中响应、灾后恢复等多个环节都能够发挥积极作用[2]。

第三，对于改善和优化城市风险管理路径的研究。该类研究强调对城市风险进行精细化、数据化、全面化管理[3]，尤其是借助新兴技术手段推进城市风险的智能化治理。在这一方面，芝加哥、新加坡、纽约、东京、上海等发达城市率先开展了大数据在城市风险管理中的探索应用，积累了一定的理论与实践经验。

2. 大数据和人工智能在城市风险管理方面的实践探索

大数据、人工智能时代，城市变得越来越“聪明”，截至2020年，全国已经有600多个城市开启了智慧城市的探索。根据第一届中国新型城市建设峰会（2021年）的信息披露，从整体来看，我国目前已经在数字社会、数字政府、数字经济、新基建等维度方面，开展智慧型城市建设的尝试，其中关于城市风险管理的探索主要集中在交通系统、公安系统、消防系统、医疗系统等领域。本文摘录了一些具有代表性的项目成果，如表1所示。但是，案例中能够在城市风险管理方面实现跨部门的信息共享和合作的案例还很少，这说明在利用大数据和人工智能技术进行城市风险管理管控方面，横在各个部门之间的壁垒仍然存在。

为了进一步推动大数据和人工智能在城市风险管理方面的运用，结合目前的理论研究和实践探索，本文尝试按照“风险识别-风险评价-风险管理”的框架，对基于大数据和人工智能的城市风险管理进行更加完整、全面的探索和研究。

3. 构建“一数据、二要素、三机制”立体式框架以识别城市风险

城市风险识别是城市风险管理的第一步。依托大数据多元信息来源，针对城市问题进行特征识别与模式分析，可以从内部要素和外部要素探究城市问题的影响因素和生成逻辑。从联动机制、扩散机制、放大机制三个方面模拟城市问题的传导路径和演化过程，可以形成“一数据、二要素、三机制”的风险识别体系。

首先，大数据是提高城市风险识别水平的关键。这主要是因为区别于其他传统数据，大数据具有以下优点：第一，数据采集已经基本摆脱人工方式，高效的自动化信息采集手段能够大大提高数据的时效性。第二，大数据不再完全依赖于专业部门的信息披露，来自大众的视频、音频和图片资料都是构成大数据的重要来源，信息内容更加全面。第三，大数据可以是数字这样的基本數据形式，也可以是文本、影音、舆情、视频等其他形式，因此大数据本身就是一组关联性强、时效性高的复杂数据，能够更加全面、准确地反映城市风险的特点，同时也反向驱动数据处理方法的有效改进。

其次，从城市风险的形成过程来看，需要明确风险主体的内部风险要素和外部风险要素。城市风险的内部要素来源于城市主体特征，而不断变化的外部要素使得风险的演化过程变得多变且难以捉摸，诸如地震、洪水、火灾、爆炸、气象灾害、地质灾害、重大传染病、重大工业事故、城市环境污染、恐怖袭击、信息安全，这些常见的原生风险如果不能得到有效管理和控制，就很有可能会引发政治冲突、经济衰退、社会动荡、文化矛盾等次生风险，而后者的危害性和影响面都会远远大于前者。因此，在识别城市风险时，需要明确风险主体的内部风险要素和外部风险要素，摸清风险形成的机理，掌握风险的动态演化过程。

最后，风险不会独立存在。多风险之间往往互相联动、互相扩散，增加了风险识别和控制的难度，尤其是对城市风险而言，风险管理主体之间存在的壁垒更有可能导致出现管理盲区，从而给风险进一步放大的时间和空间。大数据的出现，能够在一定程度上缓解城市风险识别的困难。这里值得注意的是，现在很多情形下能够获取的大数据可能并非理想，大数据方面的真实性、安全性、有效性等问题成了现阶段利用大数据解决风险管理问题的瓶颈，这也是未来亟待解决的问题之一。

根据以上阐述的“一数据、二要素、三机制”思路，本文提出的城市风险识别框架如图1所示。

4. 采用“统计学模型+人工智能算法”的复合方法评价城市风险

传统意义上的城市风险管理，多采用的是定性评价的方法。首先通过对城市风险特征的分析建立评价指标，然后制作风险评估表和评分模型，通过专家访谈、问卷调查、实地走访等形式，获取对城市风险的评价数据。对于定量的风险评估，在概率技术和统计模型的支持下，因子分析、层次分析、聚类分析、决策树分析都是能够用来评价城市风险的常见方法。

大数据时代，驾驭大数据的技术难点很快成了大众关注的热点，出现了大数据特征与传统计算能力之间的矛盾，人工智能由此成为解决问题的焦点。机器学习作为人工智能的核心功能，依托遗传算法、神经网络、随机森林、多元回归等多种算法和模型，通过不断迭代优化风险评价效果，逐步实现了对风险的动态评价。

要将大数据和人工智能完全融入城市风险的防范与管理中，可以结合传统统计学模型和现代人工智能算法的特点，尝试对统计模型和人工智能方法进行结合运用和局部创新，采用复合式的风险评价思路，由此获得效果优于传统单一方法的动态智能风险评估结论。例如，用统计模型预选变量，能够降低人工智能过度拟合的风险、减少选择模型所需时间。又如，使用统计模型的输出作为人工智能的输入，可以达到提纯信息的效果，实现参数和权重的自我矫正和优化，提升风险评估的精准性。

城市风险度量流程如图2所示。

5. 建立“多主体协同为主+人工智能为辅”的智慧型城市风险管理体系

在大数据和人工智能技术的支持下，管理部门能够联合企事业单位和公众的力量一起共同管理城市风险，如图3所示。更重要的是，大数据和人工智能不仅为城市风险管理提供了一套风险管理手段，同时也创建了一个新的城市风险管理主体。通过特定的数理逻辑、算法控制和机器学习，大数据和人工智能能够对城市风险的形成和发展进行自主判断并且生成治理决策，同时也在掌握城市运行动态、协助城市治理决策、监督城市治理等方面发挥辅助作用。因此，建立一套包含大數据和人工智能在内的多主体风险管理体系，能够打破行政壁垒和行业边界，推动资源整合与信息共享，创立智慧型的城市风险管理新格局。

结语

目前，人工智能的发展已经超越了传统的信息技术，为城市风险带来了新的研究视角。本文从风险识别、风险评价、风险管理等角度出发，探索大数据和人工智能在促进数据整合、打破数据藩篱、优化技术合作、提高管理精准度等方面的应用，寻找新技术与城市风险管理手段的结合点和突破点，为提升城市风险抵御和应急响应能力提供参考。

参考文献：

[1]刘畅，徐映梅.中国城市风险管理现状分析[J].宏观经济研究，2017，（10）：145-149，181.

[2]鲁钰雯，翟国方.人工智能技术在城市灾害风险管理中的应用与探索[J].国际城市规划，2021，36（2）：22-31，39.

[3]张龙辉，肖克.人工智能应用下的特大城市风险治理：契合、技术变革与路径[J].理论月刊，2020，（9）：60-72.

作者简介：周晶，博士研究生，副教授，研究方向：风险管理与保险。

基金项目：2022年度陕西省哲学社会科学重大理论与现实问题研究项目（后期资助项目）——大数据和人工智能支撑的西安城市风险防范能力提升研究 。