隨著城市規模逐漸擴大、城市人口日益多元複雜，城市社會風險也隨之加劇。不過，大資料時代的到來，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後型、粗放式等難題提供了契機。
提前預警風險
大資料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。大資料技術的日趨成熟，為基於多維度、多層次、多群體、多因素的巨型資料分析提供了可能。
例如，藉助於大資料技術的分析、預判功能，治理主體可以運用大資料、雲計算等現代技術平臺，充分收集目標資訊，並透過對海量資料進行綜合分析，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，能夠在資料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，降低風險發生機率。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。
大資料與人工智慧技術的結合，有助於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影象，提升公共建築與設施、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，在不少颱風登陸之前，相關政府機構和部門會對登陸時間和路徑進行預測，並及時部署預防和應對措施。背後就與氣象部門透過採用大資料、雲計算、人工智慧等技術，建立天氣預報專家系統、智慧天氣資訊採集系統等有著緊密關係。透過在天氣預報中應用人工神經網路等，依據機器學習的辦法，颱風預報與常規天氣預測的精準機率比純人工操作提高了至少20%。
及時精準闢謠
大資料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、災後重建、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，並配有地震引數圖、地形圖等科學視覺化資訊，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、人群等影象傳至應急指揮與決策部門，進而提高災後救濟、發現險情、搶救生命、現場指揮的工作效率。
透過演算法推薦系統，還可及時設立專門的救災平臺，透過多元媒體渠道，及時公佈有關災情資訊，如尋人啟事、救災物資訴求、救援服務等，進而提升災情資訊的公開性與透明性，助力災害風險溝通和救助救援。
在災害風險資訊核實方面，還能促進災情資訊的“自動化事實核查”與“精準闢謠”。2017年，國內某家APP嘗試透過“機器演算法+使用者反饋”，高效識別虛假資訊，準確率達到60%，結合人工複審可進一步提升至90%。
例如，在臺風“山竹”登陸深圳後，網路平臺上出現了“山竹”時速堪比高鐵、“山竹”中心呈水果山竹剝開後的樣子、港珠澳大橋扛不住颱風、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。面對不實資訊，有關方面及時識別、核查、闢謠並說明真相，安撫社會情緒。
助力災後救援
大資料技術可以實現災害資訊的自動化識別與核查，並在災情資訊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後精準救援工作。
同時，透過對災害前後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，對災後社會心態進行評估與疏導。
在決策方面，依託海量資訊聚成系統平臺，加之通過歷史災害的經驗總結，可以建立“城市災害事件資料庫”和“城市災害風險決策支援系統”。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—災後”風險的全方位實時把握、全要素風險治理。
總之，規模龐大、型別多樣、更新頻繁、價值巨大的大資料，為城市風險治理提供了新的可能。面對海量資料，如何系統整合、綜合分析，將大資料技術與科學決策有效銜接，成為城市社會治理的新機遇和新挑戰。
隨著城市規模逐漸擴大、城市人口日益多元複雜，城市社會風險也隨之加劇。不過，大資料時代的到來，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後型、粗放式等難題提供了契機。
提前預警風險
大資料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。大資料技術的日趨成熟，為基於多維度、多層次、多群體、多因素的巨型資料分析提供了可能。
例如，藉助於大資料技術的分析、預判功能，治理主體可以運用大資料、雲計算等現代技術平臺，充分收集目標資訊，並透過對海量資料進行綜合分析，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，能夠在資料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，降低風險發生機率。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。
大資料與人工智慧技術的結合，有助於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影象，提升公共建築與設施、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，在不少颱風登陸之前，相關政府機構和部門會對登陸時間和路徑進行預測，並及時部署預防和應對措施。背後就與氣象部門透過採用大資料、雲計算、人工智慧等技術，建立天氣預報專家系統、智慧天氣資訊採集系統等有著緊密關係。透過在天氣預報中應用人工神經網路等，依據機器學習的辦法，颱風預報與常規天氣預測的精準機率比純人工操作提高了至少20%。
及時精準闢謠
大資料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、災後重建、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，並配有地震引數圖、地形圖等科學視覺化資訊，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、人群等影象傳至應急指揮與決策部門，進而提高災後救濟、發現險情、搶救生命、現場指揮的工作效率。
透過演算法推薦系統，還可及時設立專門的救災平臺，透過多元媒體渠道，及時公佈有關災情資訊，如尋人啟事、救災物資訴求、救援服務等，進而提升災情資訊的公開性與透明性，助力災害風險溝通和救助救援。
在災害風險資訊核實方面，還能促進災情資訊的“自動化事實核查”與“精準闢謠”。2017年，國內某家APP嘗試透過“機器演算法+使用者反饋”，高效識別虛假資訊，準確率達到60%，結合人工複審可進一步提升至90%。
例如，在臺風“山竹”登陸深圳後，網路平臺上出現了“山竹”時速堪比高鐵、“山竹”中心呈水果山竹剝開後的樣子、港珠澳大橋扛不住颱風、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。面對不實資訊，有關方面及時識別、核查、闢謠並說明真相，安撫社會情緒。
助力災後救援
大資料技術可以實現災害資訊的自動化識別與核查，並在災情資訊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後精準救援工作。
同時，透過對災害前後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，對災後社會心態進行評估與疏導。
在決策方面，依託海量資訊聚成系統平臺，加之通過歷史災害的經驗總結，可以建立“城市災害事件資料庫”和“城市災害風險決策支援系統”。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—災後”風險的全方位實時把握、全要素風險治理。
總之，規模龐大、型別多樣、更新頻繁、價值巨大的大資料，為城市風險治理提供了新的可能。面對海量資料，如何系統整合、綜合分析，將大資料技術與科學決策有效銜接，成為城市社會治理的新機遇和新挑戰。