隨著城市規模逐漸擴大、城市人口日益多元復雜，城市社會風險也隨之加劇。不過，大數據時代的到來，使得城市災害風險治理模式有望出現重大變革。根據過去發生的災害風險來分析把握現在、預測未來成為可能，也為破解傳統城市災害風險治理的事后型、粗放式等難題提供了契機。

提前預警風險

大數據風險治理過程包括風險辨識、風險預警、風險分析、風險評估和風險決策五個階段。大數據技術的日趨成熟，為基于多維度、多層次、多群體、多因素的巨型數據分析提供了可能。

例如，借助于大數據技術的分析、預判功能，治理主體可以運用大數據、云計算等現代技術平臺，充分收集目標信息，并通過對海量數據進行綜合分析，亞洲服務器租用，挖掘和甄別潛在風險，識別城市風險管理中的重點人群與重點區域，從而提前預知將要發生的危機和風險、及時制訂預案予以化解。

建立風險預警指標體系，設立風險預警紅線，能夠在數據分析與監測中實時預警做出反應，縮短城市災害風險治理中的時間差，降低風險發生概率。此前，四川長寧發生6.0級地震，當地應急管理部門利用電視、手機、專用地震預警終端等提前向宜賓、樂山、成都等地的居民發出預警提示，很大程度上減少了人員傷亡，達到了良好的災害風險預警效果。

大數據與人工智能技術的結合，有助于提升風險預警的精確性和準確性。特別是，利用專業化技術手段，可以自動識別受災地區圖像，美國服務器租用，提升公共建筑與設施、交通、人群密集度等要素的監測能力，進而最大限度地挽救生命、減少損失。

近年來，在不少臺風登陸之前，相關政府機構和部門會對登陸時間和路徑進行預測，并及時部署預防和應對措施。背后就與氣象部門通過采用大數據、云計算、人工智能等技術，建立天氣預報專家系統、智能天氣信息采集系統等有著緊密關系。通過在天氣預報中應用人工神經網絡等，依據機器學習的辦法，臺風預報與常規天氣預測的精準概率比純人工操作提高了至少20%。

及時精準辟謠

大數據技術的應用不僅僅體現在預警與預測災害風險方面，而且在減災救災、災后重建、受災地區疾病預防等方面日益扮演重要角色。

2017年8月8日21時19分，四川九寨溝發生7.0級地震。21時37分15秒，中國地震臺網新聞機器人就自動編寫完成了有關新聞報道。相比同時段的其他媒體，這則新聞內容更為豐富、詳盡，并配有地震參數圖、地形圖等科學可視化信息，讓人對災害有更好的感知與理解。

此外，在自然環境差、交通阻塞等不利情況下，利用無人機與衛通系統等技術手段，可以獲取受災地區、人群等圖像傳至應急指揮與決策部門，進而提高災后救濟、發現險情、搶救生命、現場指揮的工作效率。

通過算法推薦系統，還可及時設立專門的救災平臺，通過多元媒體渠道，及時公布有關災情信息，如尋人啟事、救災物資訴求、救援服務等，進而提升災情信息的公開性與透明性，助力災害風險溝通和救助救援。

在災害風險信息核實方面，還能促進災情信息的“自動化事實核查”與“精準辟謠”。2017年，國內某家APP嘗試通過“機器算法+用戶反饋”，高效識別虛假信息，準確率達到60%，結合人工復審可進一步提升至90%。

例如，在臺風“山竹”登陸深圳后，網絡平臺上出現了“山竹”時速堪比高鐵、“山竹”中心呈水果山竹剝開后的樣子、港珠澳大橋扛不住臺風、美國太空總署拍攝到“世紀最強太平洋惡魔風暴山竹”等謠言，引發一些人的擔憂和恐慌。面對不實信息，有關方面及時識別、核查、辟謠并說明真相，安撫社會情緒。

助力災后救援

大數據技術可以實現災害信息的自動化識別與核查，并在災情信息溝通共享和協同服務中發揮重要作用，進而有針對性地幫助災后精準救援工作。

同時，通過對災害前后社會情緒和情感的監測，建立相應的指標體系與評價模型，可以對災區人群的情感和利益訴求進行實時監測，對災后社會心態進行評估與疏導。

在決策方面，依托海量信息聚成系統平臺，加之通過歷史災害的經驗總結，可以建立“城市災害事件數據庫”和“城市災害風險決策支持系統”。針對易受災區域的風險重點評估與預警，還可實現“災前—災中—災后”風險的全方位實時把握、全要素風險治理。