基于大数据的社区风险时空建模及智能防范方法研究

The community has the characteristics of highly converged risk factors, coupling correlations and dynamic uncertainties, and community risk management faces up with the dilemmas of both risk analysis and accurate response. With the wide application of emerging informative techniques like the sensor and personal orientation in the community, massive data information brings new opportunities and challenges to the community risk management. Therefore, it’s urgent to transform the traditional risk management mode based on the experience and to build up the intelligent prevention methods integrating the big data technique. This project combines the characteristics of community, applies interdisciplinary research methods and the big data technique to design the community risk spatial-temporal modeling and research the intelligent coping methods on the base of big data technique. Based on the big data analyzing method, it integrates static spatial-temporal data of the human, machine and objects in the community with the data of dynamic spatial moving tracks, to research the spatial and temporal distribution characteristics of the community risk and build up the spatial and temporal distribution model of the community risk; it conceives community big data knowledge atlas to discuss the correlating relations and interactive mechanism among multi-agents of “human-machine-object” in the process of risk evolution and build up community risk evolving model; it studies the sign recognition and preliminary warning methods in the community risk event to advocate active coping plan driven by both goals and tasks, and builds up the accurate community risk coping paradigm based on the big data technique to bring forward the community risk preventions and realize intelligent precaution.

社区具有风险因素高度汇聚、耦合关联和动态不确定的特性，社区风险管理面临风险分析及精准应对难度大的困境。随着传感器、人员定位等新兴信息技术在社区中的广泛应用，海量数据信息给社区风险管理提出新机遇和挑战。亟需转变传统以经验为主的风险管理模式，建立融合大数据技术的社区风险智能防范方法。本项目结合社区特性，运用多学科交叉研究方法和大数据技术，开展基于大数据的社区风险时空建模及智能防范方法研究。基于大数据分析方法，融合来自社区人、机、物的静态时空数据和动态空间运动轨迹数据，研究社区风险的时空分布特征，建立社区风险时空分布模型；构建社区大数据知识图谱，探究在风险演化过程中，“人－机－物”多主体间的关联关系和交互机制，建立社区风险演化模型；研究社区风险事件的征兆识别和早期预警方法，提出目标和任务驱动的社区风险精准应对方案，建立大数据驱动的社区风险智能防范范式，实现社区风险管理关口前移和智能防范。

社区安全是公共安全治理的基本单元，社区风险防范是居民安全关键保障。社区呈现风险因素高度汇聚、耦合关联和动态不确定的特性，导致传统社区风险管理所存在的片面性、被动性和滞后性等缺陷，基于此，本项目结合社区风险特性，运用多学科交叉研究方法和大数据技术，开展基于大数据的社区风险时空建模及智能防范方法研究。首先，通过典型社区的实地调研，并通过案例分析及专家访谈，梳理了当前社区管理中存在的多主体关系，剖析不同类型社区风险突发事件的特点、总结各类社区风险突发事件的相似特征，提取社区风险要素时空信息，进行不同风险事件的典型风险要素总结（包括火灾爆炸，电梯事故等），建立不同社区典型灾害情景的风险因子库，提出基于数字字典的多元风险数据结构化方法，实现了风险要素的全面刻画；然后，基于案例分析构建了社区人、事、地、物、组织的风险演化逻辑模型，揭示了社区风险要素间关联关系，包括社区风险中的单要素关联，多要素关联及内外复合型风险关联，揭示风险演化过程中 “人-事-地-物-组织”多主体间的交互机制，研究了社区风险大数据知识图谱的构建方法，并以社区盗窃事件为例，研究并提出了基于知识图谱的社区风险预警方法，有助于在风险酝酿初期，迅速发觉异常；最后，基于社区风险逻辑演化模型和社区风险知识图谱，提出基于监测监控、预测预警和智能防范三个关键技术的全景式社区风险智能防范管理范式，并且为给全景式社区风险智能防范的实现提供平台支撑，进行了社区大数据平台的设计研究，分别从功能、结构及构建流程以及多主体信息交互等层面展开大数据平台的理论架构设计以及面向社区风险防范的平台业务流程及模块设计。通过本项目研究，可以解决社区风险管理中数据利用率低、信息化程度低、智能防范能力差等业务问题，为大数据时代的社区安全风险防范工作提供理论方法指导和技术支撑。