以數(shù)字化智能化助力城市安全有序運行

　　現(xiàn)代化進程催生了各類要素高度密集的城市環(huán)境，城市運行系統(tǒng)日益復雜，一些地方出現(xiàn)了“城市病”，城市安全風險不斷增大。發(fā)生自然災害、人為事故時，一些城市的安全有序運行受到?jīng)_擊。習近平總書記強調(diào)：“城市治理涉及方方面面，首要的是以‘時時放心不下’的責任感，做好預案、精準管控、快速反應，有效處置各類事態(tài)，確保城市安全有序運行?！贝_保城市安全有序運行，需要運用科技手段不斷提升城市安全治理現(xiàn)代化水平，這對于城市安全發(fā)展至關重要。

　　與傳統(tǒng)的城市安全治理相比，建設韌性城市在保障城市安全方面更加積極主動、系統(tǒng)全面，要求城市增強發(fā)現(xiàn)和應對不確定性風險的能力，綜合減少災害及其損失，為城市高質(zhì)量發(fā)展提供更有效的安全保障?？傮w來看，韌性安全城市具有以下特征：一是能維持城市運行的連續(xù)性，面對極端情況引發(fā)的城市運行中斷能夠迅速恢復；二是能增強城市運行的適應性，可及時感知環(huán)境變化并作出相應調(diào)整，做好應對災害的準備；三是能提升城市運行的未來表現(xiàn)，通過改進和更新以更好應對之后的災害風險。

　　習近平總書記強調(diào)：“強化數(shù)字賦能、推進城市治理現(xiàn)代化”。當前，數(shù)字化智能化成為增強城市韌性、確保城市安全有序運行的必然選擇。近年來，我國不少城市已經(jīng)初步搭建智慧城市數(shù)字底座以及運行其上的城市“智慧大腦”智能中樞。但有“智慧”不等于有“韌性”。以數(shù)字化智能化增強城市韌性，更好保障城市安全有序運行，應圍繞維持城市運行的連續(xù)性、增強城市運行的適應性、提升城市運行的未來表現(xiàn)3個方面有針對性地推進相關工作。

　　做好應急響應是維持城市連續(xù)運行的關鍵。以數(shù)字化智能化增強應急響應能力，可以輔助精準決策，使應急響應更科學。比如，構建可融合歷史案例、專家知識、現(xiàn)場信息等跨模態(tài)多元信息并進行智能決策的AI模型；構建基于數(shù)字孿生技術的城市仿真平臺，實現(xiàn)應急決策的推演及優(yōu)化，保障應急措施的有效性。數(shù)字化智能化可以助力組織聯(lián)動，使應急響應更迅速。比如，建立公共治理平臺和數(shù)據(jù)共享機制，確保應急組織縱向聯(lián)動、橫向協(xié)同，實現(xiàn)各部門分工協(xié)作，形成應急合力。數(shù)字化智能化還可以賦能信息安全，使應急響應更有效。比如，運用虛假信息全網(wǎng)感知和智能過濾技術，減少災情相關虛假信息傳播引起的二次傷害，形成有利于救災應急的信息環(huán)境。

　　以數(shù)字化智能化增強場景全面感知、風險辨識預測能力，可以促進城市更好適應環(huán)境變化，甚至避免災害風險發(fā)生。環(huán)境變化會加劇風險的不確定性。運用數(shù)字技術、智能技術實時感知環(huán)境變化、作出風險預測，就能及時調(diào)整城市運行部署。這需要不斷完善從城市地下到地面再到空中的全景全時多模態(tài)感知物聯(lián)網(wǎng)絡，全面采集城市運行數(shù)據(jù)以感知環(huán)境變化；還要優(yōu)化城市數(shù)字底座并研發(fā)長短周期預測模型，提升短期風險預見與長期風險演化預測的準確性，通過統(tǒng)籌規(guī)劃協(xié)調(diào)，幫助城市適應環(huán)境變化。要解決好“城市大腦”中“數(shù)據(jù)集中”與“業(yè)務分散”的矛盾，可搭建具有多個安全計算中心的分布式智能體系，“平時”完善安全可信的分布式計算架構、多方計算統(tǒng)籌機制，“戰(zhàn)時”即可實現(xiàn)應急響應信息系統(tǒng)的快速構建與動態(tài)改進。

　　化險為夷不是增強城市韌性的終點。增強城市韌性，還要運用數(shù)字技術、智能技術總結經(jīng)驗、探索更佳方案，增強城市應對未來風險的能力，不斷提升城市運行的未來表現(xiàn)。這可從以下幾個方面著力。一是提高風險溯源、源頭治理能力。如運用可解釋的風險預測模型盡早發(fā)現(xiàn)風險源頭與傳導網(wǎng)絡，以系統(tǒng)性源頭治理降低城市運行風險，減少應急響應帶來的資源擠兌。二是改進應急預案?；跒暮Ψ乐喂ぷ鞯臄?shù)據(jù)和知識歸檔，構建反饋學習和知識推理模型，生成或更新面向不同災害等級的應急預案，運用城市仿真平臺驗證預案有效性，提升應急準備能力。

　　當前，盡管新一代信息技術迅速發(fā)展，但對建設韌性安全城市而言，相關技術還不完善。例如，深度學習缺乏可解釋性、數(shù)字孿生領域缺乏技術標準和規(guī)范等。此外，在增強數(shù)字包容性以幫助弱勢群體跨越數(shù)字鴻溝、增強數(shù)字隱私性以推動數(shù)據(jù)要素流通共享、增強數(shù)字真實性以避免生成有偏差的模型等方面還有短板弱項。我們不能對技術過于樂觀，技術永遠無法取代“時時放心不下”的責任感。要以務實的態(tài)度面向?qū)嵺`場景，探索拓展以數(shù)字化智能化助力城市安全有序運行的路徑方式，不斷增強城市的“數(shù)字韌性”。

　　（作者為北京航空航天大學經(jīng)濟管理學院教授）