基于情感挖掘的基礎(chǔ)設(shè)施社會韌性評價研究

□ 冒婷婷 孫新紅 湯育春 李啟明

1??引?言

突發(fā)公共衛(wèi)生事件是指突然發(fā)生、造成或者可能造成社會公眾健康嚴(yán)重損害的重大傳染病、群體性不明原因疾病、重大食物和職業(yè)中毒以及其他嚴(yán)重影響公眾健康的事件[1]。2020年，面對突發(fā)公共衛(wèi)生事件迅猛而至，我國立即采取了積極有效的防疫和治疫措施，如封鎖交通運輸、封閉式管理社區(qū)等阻止疫情更廣傳播，建設(shè)方艙醫(yī)院、調(diào)動醫(yī)療物資等治療患者。但復(fù)雜的防疫治疫措施帶來的社會影響給城市基礎(chǔ)設(shè)施功能帶來巨大挑戰(zhàn)：醫(yī)療設(shè)施能否接診所有患者、物流基礎(chǔ)設(shè)施壓力劇增、必要的交通管控與民眾出行矛盾，等等。面對這場大考，基礎(chǔ)設(shè)施能否承受極端壓力，兼顧“平疫”需求，從而保障人們在面對風(fēng)險災(zāi)害時期的正常生活運行，基礎(chǔ)設(shè)施與其供應(yīng)社會服務(wù)的優(yōu)劣直接關(guān)系特殊情形下城市運行與社會穩(wěn)定。目前，基礎(chǔ)設(shè)施分類尚未得到統(tǒng)一，本文研究的關(guān)鍵基礎(chǔ)設(shè)施包括醫(yī)療、交通、物流、福利（紅十字）及社區(qū)基礎(chǔ)設(shè)施這五類基礎(chǔ)設(shè)施。面對突發(fā)事件帶來的不確定性和風(fēng)險概率不斷增加，基礎(chǔ)設(shè)施應(yīng)對危機能力和防災(zāi)減災(zāi)能力顯得尤為重要，基礎(chǔ)設(shè)施韌性概念應(yīng)運而生。不同的研究人員對基礎(chǔ)設(shè)施韌性的內(nèi)涵定義不同，但普遍認同的是把基礎(chǔ)設(shè)施韌性概念化為系統(tǒng)吸收災(zāi)害事件沖擊和維持或恢復(fù)系統(tǒng)正常運作的能力。本文研究基礎(chǔ)設(shè)施系統(tǒng)在遭受突發(fā)公共衛(wèi)生事件時具備的維持或迅速恢復(fù)其社會服務(wù)供應(yīng)功能的能力，并將這種能力定義為“基礎(chǔ)設(shè)施社會韌性”。定量評估基礎(chǔ)設(shè)施社會韌性，有助于量化和提升基礎(chǔ)設(shè)施對災(zāi)害的抵御與恢復(fù)能力，維持及改善社會服務(wù)供應(yīng)功能，同時增強韌性研究的科學(xué)性和完整性。

常見的定量評估基礎(chǔ)設(shè)施韌性的方法之一是基于系統(tǒng)的性能曲線，系統(tǒng)性能大小是代表基礎(chǔ)設(shè)施提供的社會服務(wù)功能的優(yōu)劣。由于社會服務(wù)功能水平的抽象性與難以度量，目前大多研究學(xué)者采用社交媒體數(shù)據(jù)進行輿情分析，以反映基礎(chǔ)設(shè)施社會服務(wù)優(yōu)劣。但現(xiàn)有的輿情分析普遍采用情感分析來反映輿情的演化趨勢，缺乏對情感分析準(zhǔn)確度的校正，也極少監(jiān)測公民對基礎(chǔ)設(shè)施社會服務(wù)供應(yīng)能力的情感傾向。面向突發(fā)公共衛(wèi)生事件的基礎(chǔ)設(shè)施韌性研究較少關(guān)注基礎(chǔ)設(shè)施的社會效益，即供應(yīng)社會服務(wù)的功能，且研究對象單一集中在醫(yī)療基礎(chǔ)設(shè)施，研究方法偏定性層面。

為此，本文針對新浪微博上網(wǎng)民對關(guān)鍵基礎(chǔ)設(shè)施社會服務(wù)供應(yīng)能力的情感傾向，利用深度學(xué)習(xí)模型進行輿情分析，結(jié)合基礎(chǔ)設(shè)施韌性的評價模型，建立了基于情感挖掘的基礎(chǔ)設(shè)施社會韌性評價模型。最后以典型突發(fā)公共衛(wèi)生事件為例，驗證了本文提出的基礎(chǔ)設(shè)施韌性評價模型的準(zhǔn)確性；根據(jù)基礎(chǔ)設(shè)施韌性評價結(jié)果，給出了相應(yīng)的維持或改善基礎(chǔ)設(shè)施社會服務(wù)供應(yīng)功能的措施與建議。

2??理論基礎(chǔ)

2.1 社會韌性、集體情緒與風(fēng)險感知

“韌性”的概念最早出現(xiàn)在物理學(xué)研究中，Holling將韌性的概念引入系統(tǒng)生態(tài)學(xué)中，以定義生態(tài)系統(tǒng)穩(wěn)定狀態(tài)的特征，其核心內(nèi)涵是系統(tǒng)在受到外界擾動時，維持系統(tǒng)穩(wěn)定性能，并且能在及時恢復(fù)性能的基礎(chǔ)上進一步提升系統(tǒng)性能的能力。Bruneau[2]指出韌性包含技術(shù)、組織、社會和經(jīng)濟四大維度，其中社會維度關(guān)注了由于地震造成的關(guān)鍵服務(wù)損失而遭受的負面后果?；陧g性的內(nèi)涵和特點，本文研究基礎(chǔ)設(shè)施的社會韌性，將基礎(chǔ)設(shè)施視為系統(tǒng)，基礎(chǔ)設(shè)施供應(yīng)的社會服務(wù)水平視為系統(tǒng)性能，定義社會韌性為基礎(chǔ)設(shè)施系統(tǒng)受到突發(fā)公共衛(wèi)生事件干擾時，應(yīng)該具備的維持或迅速恢復(fù)其提供社會服務(wù)的能力。

基礎(chǔ)設(shè)施提供社會服務(wù)的能力難以直接獲取和評價，需通過間接的方式獲取。而基礎(chǔ)設(shè)施服務(wù)的對象就是群眾，群眾滿意與否可以表征基礎(chǔ)設(shè)施提供社會公共服務(wù)情況。當(dāng)基礎(chǔ)設(shè)施的社會服務(wù)能力發(fā)生變化時，人們將表達自己的情緒態(tài)度，情緒被頻繁、廣泛地共享，累積形成群眾對該事件的集體情緒，本文用集體情緒來表征基礎(chǔ)設(shè)施的社會服務(wù)能力。集體情緒是個人在感知到具體風(fēng)險后，通過情緒表達累計得到的。風(fēng)險感知是個體面對特定風(fēng)險時直觀的態(tài)度與感受，在經(jīng)歷了自然災(zāi)害、恐怖襲擊、公共衛(wèi)生事件沖擊等創(chuàng)傷之后，個體通過共享的信息感知到具體災(zāi)害的風(fēng)險，之后開始分享意見[3]。人們感知風(fēng)險并將意見和態(tài)度發(fā)表在社交媒體平臺上，社交媒體平臺上存儲了大量的輿情信息。

綜上，當(dāng)個人感知到具體災(zāi)害風(fēng)險時，會通過社交媒體發(fā)表相關(guān)意見，形成輿情，輿情內(nèi)含的集體情緒可以有效反應(yīng)基礎(chǔ)設(shè)施提供社會服務(wù)的能力有效反應(yīng)。研究表明挖掘社交媒體輿情信息評估損害程度具有可行性，受災(zāi)害影響嚴(yán)重的地區(qū)，社交媒體活躍程度越高，且有較高的負面集體情緒[3]。因此本文依托新浪微博研究假設(shè)：受突發(fā)公共衛(wèi)生事件影響嚴(yán)重的基礎(chǔ)設(shè)施預(yù)計會受到更高的微博關(guān)注度，并且把集體情緒視為個人情緒的同步收斂，基于集體情緒的輿情傳播反映基礎(chǔ)設(shè)施社會韌性的吸收—抵抗—恢復(fù)過程。

2.2 輿情與韌性生命周期理論

從突發(fā)公共衛(wèi)生事件的輿情分析相關(guān)文獻可以看到，學(xué)者們對社交媒體輿情傳播機制和傳播模型進行深入研究。本文以突發(fā)公共衛(wèi)生事件為例，基于SIR（Susceptible-Infected-Recovered）模型分析了輿情傳播相似性，結(jié)合生命周期理論，證實輿情傳播過程符合系統(tǒng)韌性的涌現(xiàn)過程。SIR傳染病模型以較為簡化的數(shù)學(xué)方式模擬傳播過程經(jīng)歷的三種狀態(tài)：易感態(tài)S（處于健康狀態(tài)，但能夠被感染）、感染態(tài)I（已經(jīng)被感染，具有傳染性）及恢復(fù)態(tài)R（已經(jīng)被治愈個體）[4]。社交媒體輿情分析和其傳播模型有較大的相似之處，包括易感染用戶（沒有發(fā)布輿情但持續(xù)關(guān)注公共衛(wèi)生事件）、感染用戶（分布或轉(zhuǎn)發(fā)相關(guān)信息）及免疫用戶（對相關(guān)信息不感興趣）。及時評估突發(fā)公共衛(wèi)生事件的輿情傳播和情感傾向，對輿情的傳播控制具有較強的指導(dǎo)意義[5]，本文將突發(fā)公共衛(wèi)生事件對基礎(chǔ)設(shè)施社會服務(wù)功能的影響表征為公民對基礎(chǔ)設(shè)施社會服務(wù)功能的輿情變化。

利用生命周期經(jīng)典理論，突發(fā)公共衛(wèi)生事件社交媒體輿情的生命周期劃分為潛伏期、爆發(fā)期、蔓延期、恢復(fù)期、穩(wěn)定期五個階段[6]，且基礎(chǔ)設(shè)施韌性包括系統(tǒng)對擾動的吸收、抵抗、恢復(fù)和適應(yīng)四個階段[3]?？梢钥闯?，社交媒體輿情的傳播周期符合系統(tǒng)社會韌性的生命周期。因此，本文以公民對基礎(chǔ)設(shè)施社會服務(wù)功能的輿情傳播過程來反映基礎(chǔ)設(shè)施韌性過程，由于目前公共衛(wèi)生事件還在蔓延和擴散，系統(tǒng)還沒完全至適應(yīng)階段，本文重點研究吸收—抵抗—恢復(fù)階段。

3??基礎(chǔ)設(shè)施社會韌性評價模型

3.1 研究框架

本文提出的基于情感挖掘的基礎(chǔ)設(shè)施社會韌性評價模型含數(shù)據(jù)獲取方法、情感分析方法、社會韌性評價方法等，包括了如圖1所示的若干步驟，并在下文詳細說明。

圖1 基于情感挖掘的基礎(chǔ)設(shè)施社會韌性評估模型

3.2 數(shù)據(jù)獲取方法

在大數(shù)據(jù)時代，社交媒體平臺的使用正在普及，龐大的用戶群體積極地在平臺上發(fā)表意見、表達情緒、共享信息，使得這些平臺儲存了海量的文本數(shù)據(jù)。新浪微博是全球最大的中文社交網(wǎng)絡(luò)平臺，是熱點事件發(fā)生時國人獲取信息、發(fā)表觀點、表達情感的重要渠道。

3.2.1 數(shù)據(jù)采集

第一步：采用Python語言中的自動化測試工具Selenium爬取微博數(shù)據(jù)。數(shù)據(jù)爬取前，需制定檢索詞，由于本文探究突發(fā)公共衛(wèi)生事件擾動下的醫(yī)療等五類基礎(chǔ)設(shè)施的社會韌性，便以“擾動+基礎(chǔ)設(shè)施+社會服務(wù)”來確定每類基礎(chǔ)設(shè)施的檢索詞。本文中微博采集的時間區(qū)間為2019年12月31日至2020年3月8日：2019年12月31日，武漢市衛(wèi)生健康委員會通過官網(wǎng)發(fā)布了情況通報；2020年3月8日，29個省區(qū)市確診病例零新增。采集的范圍包括含檢索詞的微博信息、對含檢索詞微博的評論信息與轉(zhuǎn)發(fā)信息三部分。

由于本文的研究對象是國內(nèi)基礎(chǔ)設(shè)施的社會韌性，需要對采集的微博數(shù)據(jù)進行必要的預(yù)處理，以方便后續(xù)的內(nèi)容挖掘和情緒分析工作。

3.2.2 刪除國外相關(guān)微博

第二步：刪除關(guān)于國外疫情微博，聚焦國內(nèi)研究對象。根據(jù)國外情況，制定了外國地名詞典，把包含詞典內(nèi)容的微博刪除，將研究對象聚焦到突發(fā)衛(wèi)生事件擾動下的國內(nèi)基礎(chǔ)設(shè)施。

3.2.3 中文分詞

第三步：采用Python的jieba中文分詞工具進行分詞。中文文本中，詞與詞之間沒有明顯的界線，需要對微博文本進行分詞處理。目前使用較多的中文分詞工具有jieba分詞、中科院NLPIR分詞等。

3.2.4 過濾停用詞和特殊字符

第四步：過濾停用詞和噪聲數(shù)據(jù)。在進行中文分詞的過程中，將會重復(fù)出現(xiàn)對語義無關(guān)的詞，即停用詞，如介詞、冠詞之類的詞語。為了有效節(jié)約儲存空間和提高文本分析效率，需過濾停用詞。此外，中文微博中還有一些內(nèi)容對情感分析的貢獻很小，本文也將該部分噪音數(shù)據(jù)予以處理，包括：第一，刪除微博中的“@用戶名”和“#主題#”內(nèi)容；第二，刪除外部鏈接；第三，刪除特殊字符和特殊文字；第四，刪除“哈哈哈”等連續(xù)重復(fù)的語料。通過上述數(shù)據(jù)清洗和過濾，最終得到規(guī)范化、可分析的有效數(shù)據(jù)，以進行后續(xù)的文本挖掘工作。

3.3 情感分析方法

傳統(tǒng)的微博情感分析方法分為基于情感詞典的方法和基于機器學(xué)習(xí)的方法，前者實現(xiàn)簡單速度較快但精確度不高，構(gòu)建情感詞典難度大；后者依賴于人工特征選擇和特征提取質(zhì)量。近年來興起的深度學(xué)習(xí)方法能夠很好彌補上述不足，其不依賴于人工特征，能夠端到端地對輸入文本進行語義理解，并基于語義表示進行情感傾向的判斷。本文是采用基于Bi-LSTM的深度學(xué)習(xí)情感分析系統(tǒng)Senta，結(jié)合監(jiān)督學(xué)習(xí)方法實現(xiàn)微博文本的情感分類。

3.3.1 文本表示方法

第五步：利用詞袋模型進行文本數(shù)學(xué)表示。本文利用采集的數(shù)據(jù)構(gòu)建突發(fā)公共衛(wèi)生事件下微博輿情語料庫，進行預(yù)處理后文本語料還需進行數(shù)學(xué)化處理，使用數(shù)字符號表示方法作為Bi-LSTM神經(jīng)網(wǎng)絡(luò)的輸入。由于輸入到模型中的文本是一個矩陣向量的形式，因此要將文本數(shù)據(jù)進行向量化，每個詞訓(xùn)練為其對應(yīng)的Embedding詞向量，如[w1，w2，……]形式。

3.3.2 Bi-LSTM模型提取特征

第六步：Bi-LSTM模型進行文本深度表示。傳統(tǒng)的遞歸神經(jīng)模型（RNN）在中文文本情感分析中無法描述序列前后的相關(guān)性，且信息不能進行持久化存儲，長短記憶人工神經(jīng)網(wǎng)絡(luò)模型（LSTM）[7]通過引入輸入門i、輸出門o、遺忘門f和記憶單元來克服RNN模型的缺陷。遺忘門f通過sigmoid函數(shù)輸出計算結(jié)果r∈[0，1]，判斷對上個LSTM單元輸出結(jié)果ht-1情感狀態(tài)的保留情況；輸入門i結(jié)合遺忘門保留部分、利用sigmoid函數(shù)計算丟棄值以及結(jié)合tanh函數(shù)得到替補丟棄值候選內(nèi)容來更新神經(jīng)單元，微博文本產(chǎn)生情感的轉(zhuǎn)折變化時，更新的內(nèi)容也較多；輸出門o通過sigmoid函數(shù)選擇輸出部分，結(jié)合tanh函數(shù)實現(xiàn)輸出值ht。通過LSTM模型可以得到與句子長度相同的隱藏狀態(tài)序列{h1,h2,……h(huán)n-1}，如圖2所示。

圖2 LSTM原理圖與Bi-LSTM模型示意圖

LSTM可以通過記憶單元解決長距離依賴問題，但在傳統(tǒng)的RNN和LSTM模型中，信息只能向前傳播，時間t的狀態(tài)僅依賴于時間t之前的信息，為了使每個時刻都包含上下文信息，本文采用雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型Bi-LSTM捕獲上下文信息，進行文本特征提取。Bi-LSTM模型中前向輸出向量和反向輸出向量的計算與單向LSTM中的輸出相同，但最終輸出的文本的特征向量由前向輸出向量和反向輸出向量合并而得。

3.3.3 標(biāo)注語料庫作為訓(xùn)練語料

第七步：標(biāo)注訓(xùn)練語料進行監(jiān)督學(xué)習(xí)，提高置信度。本研究人工標(biāo)注部分已知情感極性的微博文本語料庫，加入訓(xùn)練集中。大量的標(biāo)記樣本可以供深度神經(jīng)網(wǎng)絡(luò)模型進行監(jiān)督訓(xùn)練，訓(xùn)練出高效的分類器后，再對新的文本進行分類，提高情感分類的置信度。

3.3.4 情感計算及情感極性判斷

第八步：情感計算及情感極性判斷。由Bi-LSTM模型得到微博文本深度表達后，將輸出值作為分類器的輸入，得到最終分類結(jié)果。本文采用Softmax分類器進行分類，Softmax歸一化指數(shù)函數(shù)是將Bi-LSTM全連接層的多個輸出，映射到（0，1）區(qū)間內(nèi)，且保證所有元素之和為1。Softmax函數(shù)通過Python語言編程實現(xiàn)。

計算softmax函數(shù)值作為微博文本的情感預(yù)測最終結(jié)果，文本情感極性的判斷標(biāo)準(zhǔn)是Softmax值在0～0.4區(qū)間為負面情感；0.4～0.55區(qū)間內(nèi)為中性，0.55～1區(qū)間內(nèi)正面情感。

3.4 基礎(chǔ)設(shè)施社會韌性評價方法

本文使用基礎(chǔ)設(shè)施韌性三階段（吸收—抵抗—恢復(fù)）分析框架[8]來定量評估基礎(chǔ)設(shè)施的社會韌性，具體包括繪制系統(tǒng)性能曲線圖和利用公式計算基礎(chǔ)設(shè)施社會韌性。

3.4.1 繪制系統(tǒng)性能曲線圖

第九步：依據(jù)真實系統(tǒng)性能數(shù)據(jù)繪制性能函數(shù)曲線。系統(tǒng)性能水平可以使用不同的度量標(biāo)準(zhǔn)來衡量，本文中基礎(chǔ)設(shè)施系統(tǒng)性能量化為突發(fā)公共衛(wèi)生事件期間五類基礎(chǔ)設(shè)施相關(guān)的微博文本的集體情感值，以反映基礎(chǔ)設(shè)施提供的社會服務(wù)功能優(yōu)劣。本模型是使用真實的系統(tǒng)性能數(shù)據(jù)分別繪制五類基礎(chǔ)設(shè)施的性能函數(shù)曲線圖，如圖3所示。

圖3 基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

3.4.2 計算5類基礎(chǔ)設(shè)施的社會韌性

第十步：利用公式計算基礎(chǔ)設(shè)施的社會韌性。本模型基于系統(tǒng)性能函數(shù)曲線圖，計算受災(zāi)后性能曲線與時間軸所圍合的面積與正常情況下機能曲線與時間軸圍合面積的比值作為衡量韌性的標(biāo)準(zhǔn)，計算公式如下：

式中，R代表基礎(chǔ)設(shè)施社會韌性值，P（t）是基礎(chǔ)設(shè)施受擾動后實際性能函數(shù)，TP（t）是基礎(chǔ)設(shè)施常態(tài)性能函數(shù)，為常數(shù)值；展開后的公式中n代表擾動的次數(shù)，A（n）代表該次擾動下系統(tǒng)性能與常態(tài)性能圍成的實際損失的面積值。

3.4.3 利用關(guān)注度集成基礎(chǔ)設(shè)施社會韌性

第十一步：結(jié)合關(guān)注度集成計算社會韌性值。基礎(chǔ)設(shè)施社會韌性評價模型最后是引入比率指標(biāo)K來集成各類基礎(chǔ)設(shè)施的社會韌性值R，比率指數(shù)是反應(yīng)公眾對各類基礎(chǔ)設(shè)施的關(guān)注程度，計算公式如下，其取值范圍是0～1，高比率指數(shù)意味著公眾對某類基礎(chǔ)設(shè)施高度關(guān)注。

4??實證研究

4.1 數(shù)據(jù)收集與預(yù)處理

利用Python技術(shù)收集到五類關(guān)鍵基礎(chǔ)設(shè)施社會韌性的相關(guān)原創(chuàng)微博數(shù)據(jù)量共22350條，微博評論數(shù)共259620條。為提高數(shù)據(jù)分析效率，對數(shù)據(jù)進行預(yù)處理操作，步驟包括方法論詳細描述的刪除國外微博、過濾停用詞等。最后收集的“微博+評論”數(shù)據(jù)共278267條。

4.2 情感分析結(jié)果

情感分析是利用深度學(xué)習(xí)模型，對收集到278267條數(shù)據(jù)逐條輸出情緒分值和置信度值，并通過標(biāo)記樣本進行監(jiān)督訓(xùn)練，提高模型的置信度。情感分析模型的準(zhǔn)確率達0.862，即可采納該模型的情感分析結(jié)果。

本文以集體情緒來反映基礎(chǔ)設(shè)施提供社會服務(wù)的能力，對微博數(shù)據(jù)按時間匯總得到每日集體情緒?？紤]到每日微博數(shù)量參差不齊，本文選取當(dāng)日微博及評論總量達200條及以上的當(dāng)日情緒值，認為其涌現(xiàn)了集體情緒；依據(jù)集體情緒涌現(xiàn)過程性，未涌現(xiàn)集體情緒的當(dāng)日情緒值以附近日期的集體情緒值代替。

4.3 社會韌性評價結(jié)果

本文基于微博情感分析結(jié)果與韌性評價模型，繪制了五類基礎(chǔ)設(shè)施社會韌性的性能函數(shù)曲線圖，如圖4至圖8所示。各類基礎(chǔ)設(shè)施的性能曲線圖中的韌性研究時間段與具體擾動事件，社會韌性值的計算如表1所示。

圖4 紅十字基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

圖5 交通基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

圖6 物流基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

圖7 社區(qū)基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

圖8 醫(yī)院基礎(chǔ)設(shè)施系統(tǒng)性能曲線圖

表1 各類基礎(chǔ)設(shè)施性能曲線研究時間段與擾動事件

綜上，集成各類基礎(chǔ)設(shè)施的社會韌性值R=∑Ri*Ki=0.744。

5??結(jié)語

以突發(fā)公共衛(wèi)生事件為例，基于情感挖掘的基礎(chǔ)設(shè)施社會韌性評價結(jié)果表明在應(yīng)對突發(fā)事件時，基礎(chǔ)設(shè)施社會韌性處于相對較高的水平，其可以較快適應(yīng)擾動事件，并采取措施恢復(fù)性能，正常提供基礎(chǔ)設(shè)施社會服務(wù)。交通基礎(chǔ)設(shè)施受突發(fā)公共衛(wèi)生事件影響相對較小，影響中等的醫(yī)院設(shè)施，社區(qū)設(shè)施采取了快速的恢復(fù)措施，包括醫(yī)院基礎(chǔ)設(shè)施在無法滿足接診容量時，參照抗擊非典時“北京小湯山醫(yī)院”模式快速建成火神山、雷神山等特殊性質(zhì)的應(yīng)急醫(yī)院，集中收治患者；社區(qū)設(shè)施集中力量，結(jié)合大數(shù)據(jù)有效實現(xiàn)不同階段的突發(fā)公共衛(wèi)生事件防控。而相對影響較大的紅十字設(shè)施、物流設(shè)施在此期間持續(xù)恢復(fù)社會服務(wù)功能，紅十字福利設(shè)施問題一經(jīng)爆發(fā)，紀(jì)檢監(jiān)察機關(guān)嚴(yán)肅追責(zé)問責(zé)，強化監(jiān)督以及紅十字總會親自指導(dǎo)工作，恢復(fù)紅十字社會物資管理的社會服務(wù)功能；物流設(shè)施因交通管制、突發(fā)公共衛(wèi)生事件防控等要求受影響時間較長，但通過無接觸配送等先進科技手段逐漸恢復(fù)運輸快遞的服務(wù)功能。

基礎(chǔ)設(shè)施抵抗突發(fā)公共衛(wèi)生事件擾動的全過程中，仍然存在提升空間來優(yōu)化基礎(chǔ)設(shè)施韌性。例如，通過合理安排城鄉(xiāng)客運交通彈性運行與豐富交通運輸應(yīng)急管理手段來提升交通基礎(chǔ)設(shè)施和物流基礎(chǔ)設(shè)施韌性能力；投入必要的資源來建設(shè)韌性社區(qū)，使得社區(qū)面對突發(fā)事件時具備維持基本運營的能力；從城市規(guī)模、傳染病暴發(fā)概率等多方面綜合考慮，將傳染病醫(yī)院設(shè)施作為城市應(yīng)急系統(tǒng)不可或缺的一項內(nèi)容進行獨立建設(shè)，使醫(yī)院基礎(chǔ)設(shè)施具備抵抗重大災(zāi)害的韌性能力。

以上是本文的初步研究成果，研究基礎(chǔ)設(shè)施經(jīng)受自然災(zāi)害、恐怖襲擊、突發(fā)公共衛(wèi)生事件等擾動事件后的韌性能力，有助于我們審視我國基礎(chǔ)設(shè)施在面對不同類型擾動時系統(tǒng)功能的不足，從而不斷完善基礎(chǔ)設(shè)施性能，實現(xiàn)建成適應(yīng)力高、恢復(fù)力強的具有“韌性”的城市基礎(chǔ)設(shè)施的目標(biāo)。至此，基礎(chǔ)設(shè)施韌性問題后續(xù)有待于進一步深入分析與探究。