头条资讯网

我们
只是即时资讯的搬运工
头条资讯网-国内外时事,奇事,新鲜事

大数据技术如何强化风险治理?大数据在科研上的应用有哪些? 资讯头条

更新时间:2021-10-13 23:19:20点击:

大数据技术如何强化风险治理?大数据在科研上的应用有哪些? 资讯头条(图1) 

随着城市规模逐渐扩大、城市人口日益多元复杂,城市社会风险也随之加剧。不过,大数据时代的到来,使得城市灾害风险治理模式有望出现重大变革。根据过去发生的灾害风险来分析把握现在、预测未来成为可能,也为破解传统城市灾害风险治理的事后型、粗放式等难题提供了契机。


  提前预警风险


  大数据风险治理过程包括风险辨识、风险预警、风险分析、风险评估和风险决策五个阶段。大数据技术的日趋成熟,为基于多维度、多层次、多群体、多因素的巨型数据分析提供了可能。

大数据可以对科研有以下帮助:

  例如,借助于大数据技术的分析、预判功能,治理主体可以运用大数据、云计算等现代技术平台,充分收集目标信息,并通过对海量数据进行综合分析,挖掘和甄别潜在风险,识别城市风险管理中的重点人群与重点区域,从而提前预知将要发生的危机和风险、及时制订预案予以化解。


  建立风险预警指标体系,设立风险预警红线,能够在数据分析与监测中实时预警做出反应,缩短城市灾害风险治理中的时间差,降低风险发生概率。此前,四川长宁发生6.0级地震,当地应急管理部门利用电视、手机、专用地震预警终端等提前向宜宾、乐山、成都等地的居民发出预警提示,很大程度上减少了人员伤亡,达到了良好的灾害风险预警效果。


  大数据与人工智能技术的结合,有助于提升风险预警的精确性和准确性。特别是,利用专业化技术手段,可以自动识别受灾地区图像,提升公共建筑与设施、交通、人群密集度等要素的监测能力,进而最大限度地挽救生命、减少损失。

· 大型强子对撞机实验代表约 1.5 亿个传感器每秒提供 4000 万次数据资讯头条。每秒有近 6 亿次碰撞。经过筛选并避免记录超过 99.99995% 的这些数据流后,每秒有 100 个目标的冲突。


因此,仅使用小于 0.001% 的传感器数据流,来自所有四个 LHC 实验的数据流在复制之前的年度速率为 25 PB(截至 2012 年)。复制后这将变成近 200 PB。

如果所有传感器数据都记录在 LHC 中,那么数据流将非常难以处理。在复制之前,数据流量每年将超过 1.5 亿 PB,或者将近 500 EBabytestes。以数字来看,这相当于每天500 个字节(5×1020)字节,几乎是世界上所有其他来源的 200 倍。

· Square Kilometer Array 是由数千个天线构成的射电望远镜。预计到2024年将投入使用。总的来说,这些天线预计将收集 14 EB 字节,并且每天存储 1 PB 字节,这被认为是有史以来最雄心勃勃的科学计划之一。 · 当斯隆数字巡天(SDSS)在 2000 年开始收集天文数据时,它在头几周收集的数据比以前天文学历史上收集的数据要多。 SDSS 以每晚 200GB 的速度继续运行,累积了超过 140TB 的信息。当 SDSS 的继任者,大型综合测量望远镜在 2020 年上线时,其设计人员预计它将每五天获取一次该数据量。


  近年来,在不少台风登陆之前,相关政府机构和部门会对登陆时间和路径进行预测,并及时部署预防和应对措施。背后就与气象部门通过采用大数据、云计算、人工智能等技术,建立天气预报专家系统、智能天气信息采集系统等有着紧密关系。通过在天气预报中应用人工神经网络等,依据机器学习的办法,台风预报与常规天气预测的精准概率比纯人工操作提高了至少20%。


  及时精准辟谣

· 解码人类基因组原本需要 10 年 的时间来处理,现在可以在不到一天的时间内完成。在过去的十年中,DNA 测序仪已经将测序成本减少了10,000,这比按照摩尔定律预测的成本降低便宜了 100 倍 。



了解更多硅谷前沿深度讯息请看 硅发布 微信公众号

  大数据技术的应用不仅仅体现在预警与预测灾害风险方面,而且在减灾救灾、灾后重建、受灾地区疾病预防等方面日益扮演重要角色。


  2017年8月8日21时19分,四川九寨沟发生7.0级地震。21时37分15秒,中国地震台网***机器人就自动编写完成了有关***报道。相比同时段的其他媒体,这则***内容更为丰富、详尽,并配有地震参数图、地形图等科学可视化信息,让人对灾害有更好的感知与理解。


  此外,在自然环境差、交通阻塞等不利情况下,利用无人机与卫通系统等技术手段,可以获取受灾地区、人群等图像传至应急指挥与决策部门,进而提高灾后救济、发现险情、抢救生命、现场指挥的工作效率。


  通过算法推荐系统,还可及时设立专门的救灾平台,通过多元媒体渠道,及时公布有关灾情信息,如寻人启事、救灾物资诉求、救援服务等,进而提升灾情信息的公开性与透明性,助力灾害风险沟通和救助救援。


  在灾害风险信息核实方面,还能促进灾情信息的“自动化事实核查”与“精准辟谣”。2017年,国内某家APP尝试通过“机器算法+用户反馈”,高效识别虚假信息,准确率达到60%,结合人工复审可进一步提升至90%。


  例如,在台风“山竹”登陆深圳后,网络平台上出现了“山竹”时速堪比高铁、“山竹”中心呈水果山竹剥开后的样子、港珠澳大桥扛不住台风、美国太空总署拍摄到“世纪最强太平洋恶魔风暴山竹”等谣言,引发一些人的担忧和恐慌。面对不实信息,有关方面及时识别、核查、辟谣并说明真相,安抚社会情绪。


  助力灾后救援


  大数据技术可以实现灾害信息的自动化识别与核查,并在灾情信息沟通共享和协同服务中发挥重要作用,进而有针对性地帮助灾后精准救援工作。


  同时,通过对灾害前后社会情绪和情感的监测,建立相应的指标体系与评价模型,可以对灾区人群的情感和利益诉求进行实时监测,对灾后社会心态进行评估与疏导。


  在决策方面,依托海量信息聚成系统平台,加之通过历史灾害的经验总结,可以建立“城市灾害事件数据库”和“城市灾害风险决策支持系统”。针对易受灾区域的风险重点评估与预警,还可实现“灾前—灾中—灾后”风险的全方位实时把握、全要素风险治理。


  总之,规模庞大、类型多样、更新频繁、价值巨大的大数据,为城市风险治理提供了新的可能。面对海量数据,如何系统整合、综合分析,将大数据技术与科学决策有效衔接,成为城市社会治理的新机遇和新挑战。