“五一”假期即将来临，数亿国人短时间内将密集流动，各种公共场所也将车水马龙、人潮涌动，其承担密集人群聚集、疏散的压力也将急剧上升，这些因素都给公共场所安全隐患防控带来巨大挑战，加之“12·31”上海外滩踩踏事件的教训，城市突发公共安全事件应急管理再次成为热点问题。清华大学公共管理学院中国应急管理研究基地主任彭宗超教授认为，现代城市应急管理是一个复杂的开放系统，既需要预案、机制等政策构建完善，也需要充分利用大数据进行科学管理。

　　建立人群聚集风险预警系统

　　2014年底，国家旅游局正式启动国家智慧旅游公共服务平台建设，该平台将于明年正式上线并试运行，将担负景区游客承载量统计与预警、国家旅游大数据集成分析等功能。大数据支撑智慧旅游、人群安全预警的作用将逐步得到发挥。

　　事实上，从2010年开始，北京西单、大栅栏商业区、什刹海风景区、天安门广场等区域已经逐步开始使用“人群聚集风险预警系统”，对流动人群进行实时监控并为管理者提供决策参考。彭宗超介绍，该系统不仅可提前30分钟实现重点区域人群安全容量预警，更可预测未来1天甚至1周的人群总量和峰值时段。同时，根据人群流动密度进行实时监测：当区域预测人流超过最高流量的60%、80%和100%时分别显示蓝色、黄色和红色预警，管理人员会根据具体情况采取疏导、限流等措施，从而避免人群密度过高产生的踩踏等风险。

　　通过大数据手段汇集而来的客流监测信息不应该只停留在监测系统内，而应及时“流动”起来，通过各种形式到达该场所聚集的人群中。人群能够实时了解该场所的人流密集情况，科学合理安排行程，做到分时错峰出行，起到自发疏导的作用。

　　以数据挖掘实现人群密集风险预测

　　目前，很多热门景区和商业区都能做到人流数据的统计，但这仅仅是应急管理系统的第一步，更重要的是数据的挖掘处理和分析。在上海外滩踩踏事件中，当晚20点至事件发生时，外滩风景区人员流量变化呈上升趋势，黄浦公安分局指挥中心未严格落实上海市公安局指挥中心每半小时上报人员流量监测情况的工作要求，也未能及时向黄浦区委区政府总值班室报告。信息不畅直接影响了区政府的预警、执行等控制事态的措施，最终导致踩踏伤亡事件。

　　彭宗超指出，信息的逐级上报符合我国当前的管理体制，但在突发事件中如果上报措施失灵，上级将对现场失去有效的指挥，从而导致重大损失。大数据技术通过数据监控、挖掘和分析可以一定程度上进行直接预测和监控，从而降低制信息报告的失灵风险。通过百度数据分析，2014年12月25日至31日，外滩地图搜索请求和人群汇聚情况两者趋势基本一致，但是在2014年12月31日，两者都达到顶峰。根据数据发现，相关地点的请求数据和实际到达该地点人群数量具有极高的相关性，相关系数超过0.9（越接近1，说明越相关）；通过大量历史数据也发现，相关地点的地图搜索请求峰值早于人群密度高峰几十分钟出现。这意味着根据地图相关地点搜索的请求量，至少可能提前几十分钟预测人流量峰值的到来。通过这种数据的监控和挖掘，实现事前预防，这对城市应急管理具有重要的作用，因此，建议全国主要城市和地区在春节及其他节假日期间适度使用地址网络搜索量这一大数据监测方式，加强对人群密集场所的早期预警与有效管理。

　　以数据分析研判来辅助决策

　　随着智能手机的普及，“人手一机”已成为现实，也应逐渐将移动通信数据纳入数据采集端。清华大学公共管理学院中国应急管理研究基地博士后刘新传指出，上述的“人群聚集风险预警系统”主要依赖于现场摄像头大量图像采集和视频智能对人流密度、分布、流量等要素的分析。但是由于现场实际情况的遮挡、采集和分析的噪点等原因存在一定的盲区，因此需要发挥“全体数据”的优势，即除了图像采集的分析，还可以通过运营商基站的手机定位数据进行估算并预测出未来一段时间的人流密度。一些瓶颈区域，如通道突发变窄、上下坡、进出通道合并等，极易造成人流密度剧增，进而导致踩踏发生，这些地区需要进行重点监控、分析和预判。

　　在城市人群聚集场所，人流数据是风险评估的主要指标。根据现有的技术，对比上述人群聚集风险预警系统，通过移动终端运营商基站获取人流数据采集性价比最高。通过这些人流数据的时时追踪和本区域的历时性数据进行综合分析研判，对管理决策具有重要价值。在此过程中，需要各横向、垂直管理部门的有效协调，实现信息实时共享和分析。