2020年8月，《管理世界》发表了我院吴俊杰教授团队在管理科学与工程方面的最新研究成果“从风险预测到风险溯源：大数据赋能城市安全管理的行动设计研究”。吴俊杰教授为第一作者，博士生郑凌方同学为第二作者，杜文宇副教授为第三及通讯作者，王静远副教授为第四作者。北京航空航天大学经济管理学院为第一完成单位。
智慧城市是实现城市经济效益和资源效率双提升的重要引擎,但城市公共安全问题与城市大规模智能化发展如影随形。近年来，我国城市公共安全事故频繁发生，给人民群众的生命财产安全造成了巨大损失，也严重阻碍了我国经济和社会的健康发展。利用大数据和人工智能为智慧城市时代的公共安全管理赋能成为一个重要而迫切的现实需求。
鉴于此，通过主导北京市危险品运输安全管理系统的研发实践，提炼城市安全管理系统的核心设计原则。研究第一阶段采用基于网格的风险预测，虽然提升了城市安全管理部门的业务绩效，但也产生了资源调度和人员绩效评估困难等意料之外的问题。第二阶段采用风险溯源的思路，并创新性地引入了风险模式和因果网络，通过识别和治理风险源头，系统性地降低了城市风险和应急调度工作压力。研究发现了北京市7 个危险品风险源头，并在簋街液化治理等问题上取得显著效益。
通过对比两阶段的过程和结果，研究团队提炼了包括“基于网络的时空预测模型”、“因果模型和预测模型融合”、“人机交互决策”在内的城市安全管理系统 5 个核心设计原则，进一步拓展已有理论（见图1）。例如，已有公共安全管理研究普遍认为，基于“网格”的时空预测是智慧城市安全管理的重要机制，但本研究发现，基于网格的预测存在准确性和可行性不高等问题，而相比之下基于风险模式网络的预测具有更高的准确性，起到事半功倍的效果。此外，现有研究一般将预测和因果模型分开讨论和设计；本研究通过构建一个能够同时支撑预测和因果关系的网络模型，创新性地将二者结合在一起，取得了良好的互补效果并有广泛的普适性。本研究结论有重要的理论和实践价值，也为大数据赋能城市安全管理的研究和实践提供了新的思路。
图1 设计原则总结
根据研究得出几个主要结论：风险溯源比风险预测更加有效；测量风险要兼顾人口和危险品的分布；风险溯源要构建因果网络；因果网络连接风险模式，而非网格；源头研判和治理要整合人机智能。
第一，风险溯源比风险预测更加有效。研究团队提出了以风险溯源为核心的设计思路。通过将城市中长期存在、出现频率较高的风险进行归类，分析这些归类风险之间的因果关系，追踪风险产生的源头。安全管理部门可以根据分析结论，集中资源开展源头治理。风险溯源不仅更加“治本”，而且将风险管理由“疲于奔命”的应对，转化为有针对性的前期治理，提升了管理资源的利用效率和效果。
第二，测量风险要兼顾人口和危险品的分布。研究团队在收集危险品车辆分布数据的基础上，加入了能够反映人口分布的手机信令数据。信令数据是居民手机和附近基站之间进行信号连接的次数记录，是不记名、不含隐私的信息。信令数据统计了任意区域手机用户的数量，从而可以推断该地区的人口数量。融合危险数据和人口数据所形成的新变量，反映出最“致命”的城市风险。图2可以看出，高风险区域分布与单纯的危险品车辆分布和人口分布都不同，反映的是二者融合。危险品数据和人口数据融合的主要挑战是二者在尺度上的异构性。研究团队使用马氏距离将两类数据进行尺度归一化，然后相乘即得到描述风险区域分布的指数。
图2 基于数据融合的北京市风险区域分布识别
第三，风险溯源要构建因果网络。风险溯源需要系统能够分析风险之间的因果关系，从而判断哪些风险是源头。风险之间的因果关系受到危险品车辆运输路径的影响，当危险品车辆由A地区移动到B地区，可以认为B地区是危险品的下一个目的地，而危险品最终的目的地可以看做是风险的源头。系统分析出的风险区域一般包括两类。一类是加油站、餐饮这类对危险品有需求的区域，另外一类是危险品运输沿途经过的居民区。后者的风险源自前者的需求，前者即为所谓的“风险源头”。通过构建风险的因果网络，可以揭示安全隐患之间的因果关系，找到风险源头。而针对风险源头的整治，不仅可以大幅度抑制次生的风险区域，而且可以给业务部门充分的研判和资源调度时间，对防护资源的需求也可以大幅下降。
第四，因果网络连接风险模式，而非网格。因果网络的节点不是城市治理常用的网格，因为基于网格的风险预测存在一定的不足。首先，基于网格的风险预测将发现大量高风险区域，但其中很多是错误预警。其次，很多网格存在的风险是短暂的、突发性的，不能反映一个城市长期、稳定的风险。研究团队构建了一个新的构念，即“风险模式”，并将其作为因果网络的节点（见图3）。风险模式是一些相邻的、同一时间段进入高风险状态的网格，这些网格的风险机理是相似的。用风险模式作为因果网络节点的优势在于，系统对一个风险模式误判的比例要远低于其对一个网格风险状态的误判。与此同时，一个城市可以有上万个网格，但可能只有几十个风险模式，因此针对风险模式部署防护资源有较强的可行性。最后，风险模式反映的是城市中长期存在的、稳定的风险，预防和控制这类风险有更强的必要性。
图3 基于风险模式的因果网络
第五，源头研判和治理要整合人机智能。因果溯源功能可以帮助城市安全管理部门发现疑似的风险源头，但对于风险源头的研判确认、风险传播分析，以及制定相应的治理方案，还需要业务人员的深度参与，机器分析的结果并不能有效考虑人的常识和经验。例如，北京危险品管理系统的分析结果显示，市内最重要的风险源头是东四北大街和建国门内大街的一片区域（下图红色区域），这一区域引发了北京城西北和东面两条主干道上的高风险模式（下图绿色和蓝色区域）。
图4人机结合的风险溯源和簋街液化气治理
分析结果不能解释这一区域为何成为风险源头。基于业务人员的经验，该区域的风险主要源自餐馆对液化气的需求。该地区是北京文化休闲和娱乐区，著名的“簋街”特色小吃一条街就在这里，其火锅、烤鱼、麻辣小龙虾等特色餐饮吸引了众多的食客，也导致餐馆对煤气罐等危险货物的需求居高不下。运输煤气罐的车辆从西北和东面两个方向进入簋街，从而也造成了这两个区域的高风险。例如，2016年1月17日在绿色区域发生的一起危险品运输车辆燃烧事故，该车的目的地就是簋街。基于这一原因，后续治理采用了铺设天然气管道的方式，使该地区告别了煤气罐时代，有效降低了该地区和沿途路径上的风险。
以上观点能够指导未来城市安全管理系统的设计，帮助大数据赋能城市安全管理由概念走向实践。不同于以往研究和实践关注如何提升管理人员响应能力，本研究提出基于溯源的新的设计思路。这一设计思路将减少系统实时预警的风险数量，并有效降低业务部门的工作压力，提升防护资源的利用效率。
研究工作得到国家重点研发计划重点专项课题“城市要素知识萃取与迁移学习”(项目号:2019YFB2101804) 国家自然科学基金重点项目“基于移动群智感知的物联网大数据挖掘与应用”(基金号:71531001) 国家自然科学基金杰青项目“社会化媒体大数据挖掘与应用”(基金号:71725002) 国家自然科学基金重大项目“大数据环境下的运营策略优化与协调研究”(基金号:71490723) 国家自然科学基金青年项目“传统企业向价值共创型企业转型:利用信息系统构建商业生态圈”(基金号:71402187) 国家自然基金面上项目“以多源城市数据为支撑的城市计算研究”(基金号:61572059) 北京航空航天大学青年拔尖人才支持计划(项目号:YWF-20-BJ-J-1021)的资助。
该论文的原文链接https://mall.cnki.net/magazine/Article/GLSJ202008017.htm
