在救災(zāi)智聯(lián)網(wǎng)中推測(cè)信息孤島救助需求強(qiáng)度的空間信息擴(kuò)散模型

黃崇福，田 雯,，王潤(rùn)東

(1.北京師范大學(xué)，環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875； 2.應(yīng)急管理部/教育部減災(zāi)與應(yīng)急管理研究院，北京 100875)

《國(guó)家綜合防災(zāi)減災(zāi)規(guī)劃(2016—2020年)》明確提出，確保自然災(zāi)害發(fā)生12 小時(shí)之內(nèi)受災(zāi)人員基本生活得到有效救助。在研的國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“重大自然災(zāi)害評(píng)估、救助與恢復(fù)重建技術(shù)研究與示范”(2018-2021年)考核要求，重大自然災(zāi)害啟動(dòng)應(yīng)急響應(yīng)起算的3小時(shí)內(nèi)，所制定的救助方案中，救助資源須精準(zhǔn)配置災(zāi)區(qū)的救助需求，最大限度地發(fā)揮救助資源的效用。由于重大自然災(zāi)害發(fā)生后的幾個(gè)小時(shí)內(nèi)，人們?nèi)λ丫仁転?zāi)人員，救助需求并不明了，因此，急需關(guān)鍵技術(shù)，快速而較準(zhǔn)確地評(píng)估救助需求，較大程度提高精準(zhǔn)救助決策能力，確保受災(zāi)人員在災(zāi)后12小時(shí)內(nèi)得到有效救助。

救助需求與災(zāi)情有必然的聯(lián)系，但救助需求復(fù)雜而多變。國(guó)內(nèi)外對(duì)災(zāi)情的快速評(píng)估，已有大量的研究和實(shí)踐[1-3]。廣泛使用的HAZUS、PAGER等系統(tǒng)，雖已有了互聯(lián)網(wǎng)的元素，但主要功能，還是用經(jīng)驗(yàn)、半經(jīng)驗(yàn)和分析模型：根據(jù)記錄或推測(cè)到的自然事件量級(jí)，用統(tǒng)計(jì)回歸歷史災(zāi)害數(shù)據(jù)得出的經(jīng)驗(yàn)公式，根據(jù)災(zāi)區(qū)的自然和社會(huì)經(jīng)濟(jì)情況，推測(cè)出人員傷亡等災(zāi)情。例如，一旦發(fā)生破壞性地震，可根據(jù)震級(jí)對(duì)災(zāi)情進(jìn)行粗估[4]。這類遠(yuǎn)隔千山萬(wàn)水的快速評(píng)估，我們稱之為“隔空判災(zāi)”[5]，缺點(diǎn)是精度較低，大多只能保證不出數(shù)量級(jí)錯(cuò)誤(相差在10倍之內(nèi))，而且只能在縣或縣以上地理單元進(jìn)行[6]，無(wú)法細(xì)化到鄉(xiāng)鎮(zhèn)，評(píng)估結(jié)果支撐不了精準(zhǔn)救助。

互聯(lián)網(wǎng)的普及，為較高精度地快速評(píng)估災(zāi)情和救助需求，提供了一條路徑，文中稱之為“采點(diǎn)外推”：由已觀測(cè)地理單元得到的數(shù)據(jù)，推測(cè)空白地理單元中的情況。已觀測(cè)單元是采點(diǎn)，空白單元是信息孤島。外推的依據(jù)，是從已觀測(cè)地理單元得到的數(shù)據(jù)中總結(jié)的因果關(guān)系。推測(cè)，是一種判斷各種各樣情況的行為，甚至于有純主觀性的層次分析法[7]，半主觀的模糊綜合評(píng)價(jià)[8]，常見(jiàn)的則是統(tǒng)計(jì)回歸[9]。

當(dāng)我們將災(zāi)情或救助需求以地理單元為數(shù)據(jù)采集點(diǎn)時(shí)，災(zāi)后第一時(shí)間能獲得的數(shù)據(jù)量并不多，樣本較小，加之非線性問(wèn)題，傳統(tǒng)的統(tǒng)計(jì)回歸，精度難以保證。信息擴(kuò)散模型對(duì)樣本容量的要求不高，能構(gòu)造出可用的因果型模糊關(guān)系[10]，而且，信息擴(kuò)散原理不僅在概率空間有效，Mako用解析幾何學(xué)的方式證明了在幾何空間中也有效[11]，從而產(chǎn)生了地理空間上的信息擴(kuò)散技術(shù)，我們能夠借助自然屬性和社會(huì)經(jīng)濟(jì)屬性的背景數(shù)據(jù)推測(cè)空白單元的災(zāi)情數(shù)據(jù)[5]，自然也可以實(shí)現(xiàn)災(zāi)害救助需求推測(cè)。雖然人們也可以利用傳染病模型近似模擬災(zāi)害擴(kuò)散過(guò)程，預(yù)測(cè)救助需求[12]，但沒(méi)有采點(diǎn)信息的支持，只能是空談。應(yīng)用可變集理論建立災(zāi)害應(yīng)急物資分配模型[13]，需用人的經(jīng)驗(yàn)知識(shí)對(duì)各種目標(biāo)相對(duì)重要度進(jìn)行量化，更不具有客觀性。

“采點(diǎn)外推”的基礎(chǔ)是及時(shí)獲得災(zāi)區(qū)現(xiàn)場(chǎng)的部分信息。這一工作，只能在互聯(lián)網(wǎng)平臺(tái)上才能實(shí)現(xiàn)。我們?cè)谥锹?lián)網(wǎng)[14]中加上救助需求模塊，使之能在線推測(cè)信息孤島中災(zāi)情和救助需求。這類的智聯(lián)網(wǎng)，稱為救災(zāi)智聯(lián)網(wǎng)[15]。本文以采點(diǎn)外推重大自然災(zāi)害中信息孤島應(yīng)急救助需求為目的，研究有針對(duì)性的空間信息擴(kuò)散模型，并以2019年長(zhǎng)寧6.0級(jí)地震為例，演示了推測(cè)過(guò)程。

為便于讀者較系統(tǒng)地了解本文的工作，我們先界定一些與救助需求相關(guān)的概念，然后介紹智聯(lián)網(wǎng)中的救助需求模塊。以此為基礎(chǔ)，才展開(kāi)空間信息擴(kuò)散模型和案例的研究。

1 大災(zāi)中救助需求的界定、評(píng)估及推測(cè)

2007年11月1日起施行的《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》，自然災(zāi)害事件發(fā)生后，人民政府采取應(yīng)急處置措施，保障食品、飲用水、燃料等基本生活必需品的供應(yīng)。根據(jù)中華人民共和國(guó)國(guó)務(wù)院于2010年7月8日發(fā)布，自2010年9月1日起施行《自然災(zāi)害救助條例》，人民政府須緊急轉(zhuǎn)移安置受災(zāi)人員；緊急調(diào)撥、運(yùn)輸自然災(zāi)害救助應(yīng)急資金和物資，及時(shí)向受災(zāi)人員提供食品、飲用水、衣被、取暖、臨時(shí)住所、醫(yī)療防疫等應(yīng)急救助，保障受災(zāi)人員基本生活。

重大自然災(zāi)害救助屬于社會(huì)救助的子系統(tǒng)[16]，指某地發(fā)生自然災(zāi)害且對(duì)當(dāng)?shù)丶跋嚓P(guān)地區(qū)造成重大破壞后，政府組織社會(huì)各界力量對(duì)受災(zāi)地區(qū)災(zāi)民進(jìn)行緊急搶救和援助，使災(zāi)區(qū)盡快恢復(fù)災(zāi)前狀態(tài)。而隨著研究的深入，災(zāi)害救助需求的范圍逐步豐富，不僅包括物質(zhì)需求，還包括精神需求、心理需求，即災(zāi)后情感的溝通、心理的恢復(fù)。具有代表性的研究，如孫燕娜等[17]認(rèn)為救助需求是指當(dāng)某種自然災(zāi)害突然發(fā)生，災(zāi)害發(fā)生地區(qū)的居民身體和房屋受到損害，日常生活受到破壞，災(zāi)民為維持身心健康和基本生活，對(duì)外界提出生命生活心理救助的需要。王玉海等[18]認(rèn)為災(zāi)害救助需求不僅僅是物資需求，還有更為特別的心理需求，不只立足于災(zāi)民的個(gè)體需求，還有更為重要的安全秩序整體需求，即基于災(zāi)民整體的治安保障需求和生命線需求，以及基于災(zāi)民個(gè)體的生命健康需求、生活保障需求和心理?yè)嵛啃枨蟆＞C上，災(zāi)害救助的各種需求可歸結(jié)為恢復(fù)災(zāi)前狀態(tài)的需要。

廣義而言，災(zāi)后的人員搜救活動(dòng)和對(duì)災(zāi)區(qū)的物資援助等許多工作，甚至于宣傳鼓動(dòng)，都屬于自然災(zāi)害應(yīng)急救助的任務(wù)。顯然，羅列萬(wàn)象的應(yīng)急救助任務(wù)涉及的救助需求，并不必都要及時(shí)滿足。但文中所指大災(zāi)中的救助需求，僅指災(zāi)民對(duì)食品、飲用水、衣被、取暖、臨時(shí)住所、醫(yī)療防疫等應(yīng)急物資的需求。

早在1972年，聯(lián)合國(guó)經(jīng)濟(jì)委員會(huì)為拉丁美洲和加勒比地區(qū)提出的損害和損失評(píng)估(Damage and Loss Assessment, DaLA)方法中，就已經(jīng)考慮了災(zāi)害對(duì)個(gè)人生計(jì)和收入的影響。目前，聯(lián)合國(guó)相機(jī)構(gòu)對(duì)救助需求評(píng)估主要涵蓋4 個(gè)方面的內(nèi)容：①評(píng)估災(zāi)害對(duì)社會(huì)產(chǎn)生的影響；②災(zāi)害應(yīng)急搶險(xiǎn)需求與方案優(yōu)化；③救助資源可獲得性；④促進(jìn)和加速災(zāi)后恢復(fù)與區(qū)域發(fā)展的可行性。2012年8月28日，我國(guó)民政部印發(fā)《關(guān)于加強(qiáng)自然災(zāi)害救助評(píng)估工作的指導(dǎo)意見(jiàn)》包括倒損農(nóng)房重建救助需求評(píng)估、過(guò)渡期救助需求評(píng)估、冬春救助需求評(píng)估以及相應(yīng)的倒損農(nóng)房恢復(fù)重建救助、過(guò)渡期救助和冬春救助工作的災(zāi)后救助績(jī)效評(píng)估。

通常，人們將救助需求評(píng)估，作為災(zāi)害救助評(píng)估一部分，被認(rèn)為是一種用于決策、控制與規(guī)劃自然災(zāi)害應(yīng)急救助活動(dòng)管理的重要手段[19-21]。陳鵬等[22]將自然災(zāi)害救助評(píng)估按照應(yīng)急救助過(guò)程分為為災(zāi)害應(yīng)急救助活動(dòng)提供決策支持的自然災(zāi)害應(yīng)急快速評(píng)估、為災(zāi)害恢復(fù)重建提供決策支持的災(zāi)后詳細(xì)評(píng)估，其中，應(yīng)急快速評(píng)估以災(zāi)情評(píng)估和應(yīng)急救助需求評(píng)估為主要內(nèi)容。胡俊鋒等[23]認(rèn)為救援救助反映區(qū)域綜合減災(zāi)能力。廖永豐等[19]認(rèn)為救助需求與救助資源可獲得性是災(zāi)害救助評(píng)估的核心。因此，災(zāi)害救助評(píng)估重點(diǎn)在于災(zāi)害救助需求的評(píng)估。如今，災(zāi)害救助需求評(píng)估對(duì)象逐漸由傳統(tǒng)的受災(zāi)個(gè)體外延到社會(huì)影響、經(jīng)濟(jì)以及生態(tài)環(huán)境等。

從災(zāi)害應(yīng)急決策的理想化角度講，救助需求評(píng)估，應(yīng)該細(xì)化到各受災(zāi)點(diǎn)對(duì)各種應(yīng)急物資的需求量。根據(jù)大量的歷史救災(zāi)實(shí)踐和數(shù)據(jù)，很容易用回歸方法隔空對(duì)各種應(yīng)急物資的需求量進(jìn)行評(píng)估，但對(duì)鄉(xiāng)鎮(zhèn)而言，精度太低，支撐不了精準(zhǔn)救助。

本文根據(jù)“采點(diǎn)外推”的原理，由已觀測(cè)地理單元得到的(并非隔空評(píng)估所得)，能表征應(yīng)急救助需求的數(shù)據(jù)，推測(cè)空白地理單元中的救助需求。在已觀測(cè)地理單元數(shù)量遠(yuǎn)大于空白地理單元數(shù)量時(shí)，空白地理單元稱為信息孤島。由于大災(zāi)后第一時(shí)間，須全力組織搜救，盡最大努力減少人員傷亡，防范次生災(zāi)害發(fā)生，短時(shí)間內(nèi)，無(wú)法統(tǒng)計(jì)并核實(shí)各種應(yīng)急物資的具體需求量，“采點(diǎn)外推”只能推測(cè)出與應(yīng)急救助需求相關(guān)的某種表征量。具體應(yīng)急物資的需求量，則是根據(jù)表征量與需求量的關(guān)系，建立回歸關(guān)系，進(jìn)行評(píng)估。本文所指大災(zāi)中救助需求的評(píng)估，是指對(duì)信息孤島中救助需求強(qiáng)度的評(píng)估，而非應(yīng)急物資需求量的具體評(píng)估。

由于“采點(diǎn)外推”須依據(jù)已觀測(cè)地理單元得到數(shù)據(jù)，推測(cè)空白地理單元中的救助需求，所以本文所指大災(zāi)中救助需求的推測(cè)，是指用周邊已知事實(shí)對(duì)信息孤島內(nèi)情況的推測(cè)。這種推測(cè)，是以各地理單元的自然屬性和社會(huì)經(jīng)濟(jì)屬性等背景數(shù)據(jù)為橋梁而實(shí)現(xiàn)的。

2 救災(zāi)智聯(lián)網(wǎng)中的救助需求模塊

應(yīng)急響應(yīng)精準(zhǔn)救助的要點(diǎn)是“快”?！安牲c(diǎn)外推”必須依托互聯(lián)網(wǎng)，只有能及時(shí)采集和處理數(shù)據(jù)，在規(guī)定的時(shí)間之內(nèi)，推測(cè)信息孤島中救助需求。任何離線系統(tǒng)，都承擔(dān)不了這項(xiàng)工作。我們將本文建議的空間信息擴(kuò)散模型，嵌入智聯(lián)網(wǎng)，形成救災(zāi)智聯(lián)網(wǎng)中的救助需求模塊。

由互聯(lián)網(wǎng)聯(lián)結(jié)多個(gè)智能體，并通過(guò)嵌入的模型集個(gè)體小智慧為群體大智慧的網(wǎng)絡(luò)平臺(tái)，稱為智聯(lián)網(wǎng)，用于風(fēng)險(xiǎn)分析可緩解假設(shè)規(guī)律、數(shù)據(jù)不足、風(fēng)險(xiǎn)變化、難保可靠等4個(gè)問(wèn)題[24]。目前，在自然災(zāi)害研究領(lǐng)域，人們已經(jīng)研制出6個(gè)智聯(lián)網(wǎng)平臺(tái)。臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)分析智聯(lián)網(wǎng)[25]中以柔性知識(shí)捕獲器作為處理模型，應(yīng)用于溫州地區(qū)的臺(tái)風(fēng)災(zāi)害水產(chǎn)養(yǎng)殖保險(xiǎn)的可行性需求調(diào)查，對(duì)智聯(lián)網(wǎng)平臺(tái)的理念和模型進(jìn)行了成功的驗(yàn)證。內(nèi)澇風(fēng)險(xiǎn)分析智聯(lián)網(wǎng)服務(wù)平臺(tái)[26]使用屬性拼圖技術(shù)對(duì)原始的經(jīng)驗(yàn)信息進(jìn)行優(yōu)化整合，通過(guò)“雨強(qiáng)-水深”模糊關(guān)系模型，在線實(shí)現(xiàn)了基于降雨強(qiáng)度的積水風(fēng)險(xiǎn)估計(jì)。海洋環(huán)境風(fēng)險(xiǎn)管理智聯(lián)網(wǎng)平臺(tái)[27]智聯(lián)網(wǎng)平臺(tái)信息來(lái)源和預(yù)處理方面提出優(yōu)化方案，即中心化信息收集技術(shù)，并在圍填海造地項(xiàng)目對(duì)天津自然災(zāi)害抵御能力的影響評(píng)價(jià)實(shí)例研究中取得良好效果。地震宏觀異常的智聯(lián)網(wǎng)服務(wù)平臺(tái)[28]基于模糊數(shù)學(xué)方法，將一線地震工作者對(duì)地震宏觀異常群強(qiáng)度的經(jīng)驗(yàn)判斷值作為輸入，建立了以模糊關(guān)系矩陣表達(dá)的共識(shí)性宏觀異常群測(cè)度空間，為通過(guò)觀測(cè)震前宏觀異常來(lái)預(yù)報(bào)地震提供了一種可能的輔助手段。風(fēng)險(xiǎn)時(shí)效性評(píng)價(jià)的智聯(lián)網(wǎng)服務(wù)平臺(tái)[29]借助因素藤理論構(gòu)建了風(fēng)險(xiǎn)時(shí)效性評(píng)價(jià)模型，并用于北京延慶區(qū)果樹(shù)冰雹災(zāi)害概率風(fēng)險(xiǎn)評(píng)價(jià)。風(fēng)險(xiǎn)溝通智聯(lián)網(wǎng)服務(wù)平臺(tái)[30]搭建了針對(duì)洪水災(zāi)害的風(fēng)險(xiǎn)溝通平臺(tái)，并將其嘗試用于寧波市洪水災(zāi)害風(fēng)險(xiǎn)管理實(shí)踐。上述智聯(lián)網(wǎng)，是為風(fēng)險(xiǎn)分析和管理而研制，對(duì)反應(yīng)時(shí)間并無(wú)要求。推測(cè)信息孤島中救助需求的救災(zāi)智聯(lián)網(wǎng)，則要求在很短時(shí)間內(nèi)完成工作。因此，除了嵌入推測(cè)需要的數(shù)學(xué)模型，還需要有災(zāi)前的背景數(shù)據(jù)庫(kù)，更需要采集災(zāi)后信息的工具。

在救災(zāi)智聯(lián)網(wǎng)中，我們使用MySQL作為數(shù)據(jù)庫(kù)管理系統(tǒng)，使用服務(wù)器端網(wǎng)絡(luò)編程語(yǔ)言PHP來(lái)進(jìn)行數(shù)據(jù)庫(kù)操作和數(shù)學(xué)計(jì)算，并使用HTML等前端語(yǔ)言將數(shù)據(jù)庫(kù)中的信息按照用戶要求的方式，通過(guò)終端界面來(lái)呈現(xiàn)給用戶，而采集災(zāi)后信息的工具是網(wǎng)絡(luò)爬蟲(chóng)。

救災(zāi)智聯(lián)網(wǎng)數(shù)據(jù)庫(kù)包括背景數(shù)據(jù)、災(zāi)情數(shù)據(jù)、用戶信息3個(gè)主體，對(duì)應(yīng)設(shè)計(jì)3張數(shù)據(jù)表[15]，如圖1所示。救災(zāi)智聯(lián)網(wǎng)的用戶為災(zāi)害管理人員，用戶信息表包括編號(hào)、姓名、學(xué)歷、工作單位等字段，用于記錄其基本身份信息，同時(shí)據(jù)此劃分用戶等級(jí)，對(duì)應(yīng)享有不同的數(shù)據(jù)管理權(quán)限。背景數(shù)據(jù)表和災(zāi)情數(shù)據(jù)表均以研究區(qū)行政單元為單位進(jìn)行記錄，前者用于記錄各行政單元的自然地理屬性和政治經(jīng)濟(jì)屬性，后者用于記錄災(zāi)害發(fā)生后各行政單元的災(zāi)情信息。背景數(shù)據(jù)表的完善需要在實(shí)際應(yīng)用前完成，屬于數(shù)據(jù)庫(kù)中的基礎(chǔ)數(shù)據(jù)，可依據(jù)統(tǒng)計(jì)年鑒等進(jìn)行日常維護(hù)。災(zāi)情數(shù)據(jù)表中的各字段是隨著災(zāi)害發(fā)展而動(dòng)態(tài)變化的，在救災(zāi)期間由災(zāi)害管理人員進(jìn)行實(shí)時(shí)更新，同時(shí)也作為快速評(píng)估的輸出值以彌補(bǔ)統(tǒng)計(jì)途徑所得數(shù)據(jù)的不完備。

圖1 救災(zāi)智聯(lián)網(wǎng)數(shù)據(jù)庫(kù)結(jié)構(gòu)Fig.1 Database structure of Internet of Intelligences

模型計(jì)算代碼單獨(dú)編寫進(jìn)PHP文件并歸于控制器模塊，實(shí)現(xiàn)與數(shù)據(jù)庫(kù)的交互，即數(shù)據(jù)讀取和更新。開(kāi)發(fā)工作用Yii框架，采用模塊-視圖-控制器(Model-View-Controller，MVC)的基本模式，其中模型代表數(shù)據(jù)、業(yè)務(wù)邏輯和規(guī)則，視圖展示模型的輸出，控制器接受出入并將其轉(zhuǎn)換為模型和視圖命令。采用Yii框架來(lái)搭建救災(zāi)智聯(lián)網(wǎng)時(shí)，借助了其gii模塊快速生成模型、視圖和控制器模板，不需要重新編寫業(yè)務(wù)邏輯，從而可以極大地壓縮開(kāi)發(fā)周期。在救災(zāi)智聯(lián)網(wǎng)平臺(tái)中嵌入災(zāi)情快速評(píng)估模塊，充分發(fā)揮MVC模式邏輯清晰的特點(diǎn)，將任務(wù)合理分配至3個(gè)模塊中配合實(shí)現(xiàn)。

災(zāi)情快速評(píng)估模塊需及時(shí)采集和處理數(shù)據(jù)，互聯(lián)網(wǎng)時(shí)代的到來(lái)使得災(zāi)情數(shù)據(jù)的實(shí)時(shí)獲取成為可能。據(jù)《中國(guó)互聯(lián)網(wǎng)發(fā)展報(bào)告2019》顯示，我國(guó)網(wǎng)民規(guī)模已達(dá)8.54億人，互聯(lián)網(wǎng)普及率達(dá)61.2%，網(wǎng)站數(shù)量518萬(wàn)個(gè)[32]，因此，網(wǎng)絡(luò)數(shù)據(jù)是災(zāi)情背景數(shù)據(jù)的重要數(shù)據(jù)源。目前，數(shù)據(jù)采集方法主要有4大類，即數(shù)據(jù)庫(kù)采集，采集對(duì)象需為開(kāi)放性數(shù)據(jù)庫(kù)；系統(tǒng)日志采集，主要用于收集業(yè)務(wù)平臺(tái)日常產(chǎn)生的大量日志數(shù)據(jù)；基于智能終端的感知設(shè)備數(shù)據(jù)采集，對(duì)智能終端的數(shù)量和質(zhì)量要求較高；基于網(wǎng)絡(luò)爬蟲(chóng)和API的網(wǎng)絡(luò)數(shù)據(jù)采集，其中，網(wǎng)絡(luò)爬蟲(chóng)又稱為Web信息采集器，是一種按照一定的規(guī)則從網(wǎng)站上自動(dòng)下載網(wǎng)絡(luò)資源的計(jì)算機(jī)技術(shù)[33]，它能夠高效率的批量下載網(wǎng)絡(luò)數(shù)據(jù)，且能夠獲取位置信息[34]，更為符合救災(zāi)智聯(lián)網(wǎng)的背景數(shù)據(jù)采集需求和數(shù)據(jù)源特點(diǎn)，因此，救災(zāi)智聯(lián)網(wǎng)使用Python編程語(yǔ)言編寫網(wǎng)絡(luò)爬蟲(chóng)程序，收集與災(zāi)情和緊急救援有關(guān)的互聯(lián)網(wǎng)上的信息，包括指定關(guān)鍵字用從微博和微信收集信息。此外，我們提供了一種改進(jìn)的基于屬性向量的TextRank算法[31]，用于數(shù)據(jù)挖掘和處理，該算法可以獲取災(zāi)難說(shuō)明，以幫助決策者了解災(zāi)難情況。其技術(shù)路徑如圖2所示。

圖2 災(zāi)情數(shù)據(jù)獲取路徑Fig.2 Path of disaster data crawler

3 用空間信息擴(kuò)散模型推測(cè)救助需求

在重大自然災(zāi)害救助中出現(xiàn)信息孤島時(shí)，有兩條途徑來(lái)獲得信息。一條途徑是盡快同孤島中的災(zāi)民取得聯(lián)系；另一條途徑是用數(shù)學(xué)模型進(jìn)行插值。由于時(shí)間或成本的制約，途徑一常常走不通；由于有一定跨度的相鄰地理單元上的大多數(shù)地理特征的屬性值并不連續(xù)，插值法生成的數(shù)據(jù)，并無(wú)價(jià)值。

用地理空間信息擴(kuò)散模型來(lái)推測(cè)信息孤島的救助需求，基本原理是將信息孤島周邊的救助需求信息，擴(kuò)散到信息孤島中去。災(zāi)區(qū)各地理單元中的背景數(shù)據(jù)，為信息擴(kuò)散起到橋梁作用。

不失一般性，假設(shè)某一重大自然災(zāi)害發(fā)生后，待救助區(qū)域G由n個(gè)地理單元g1,g2, ...,gn組成，其中q個(gè)地理單元的救助需求已知，n-q個(gè)的救助需求未知，且n-q遠(yuǎn)遠(yuǎn)小于q。救助需求已知的地理單元稱為已觀測(cè)單元，救助需求未知的地理單元稱為空白單元。信息孤島是救助需求未知的空白地理單元，量不多，有n-q個(gè)。同時(shí)，我們假設(shè)所有地理單元的自然地理特征、人口、經(jīng)濟(jì)狀況、自救能力等背景數(shù)據(jù)已知。這類與救助需求有關(guān)且能在災(zāi)害發(fā)生前就能收集備用的數(shù)據(jù)，稱為背景數(shù)據(jù)。

設(shè)一個(gè)地理單元的背景數(shù)據(jù)有t個(gè)分量，記為x1,x2,…,xt。救助需求記為y。于是，重大自然災(zāi)害發(fā)生后，我們能獲得個(gè)一個(gè)數(shù)據(jù)集：

W={w1,w2,…,wq}
={(x11,x12,…,x1t,y1),(x21,x22,…,x2t,y2),…,(xq1,xq2,…,xqt,yq)}.

(1)

式中，wi=(xi1,xi2,...,xit,yi),i=1,2,…,q,是第i個(gè)地理單元的背景數(shù)據(jù)和救助需求數(shù)據(jù)。我們稱W為救助需求學(xué)習(xí)樣本。

用空間信息擴(kuò)散模型推測(cè)救助需求，就是用信息擴(kuò)散方式從W中學(xué)習(xí)y與x1,x2,...,xt的模糊關(guān)系，從而由信息孤島地理單元的背景數(shù)據(jù)，推測(cè)救助需求。類似的工作，由傳統(tǒng)的統(tǒng)計(jì)回歸和人工神經(jīng)元網(wǎng)絡(luò)，都可以做。但多元統(tǒng)計(jì)回歸的樣本須很大，人工神經(jīng)元網(wǎng)絡(luò)遇到樣本點(diǎn)之間不協(xié)調(diào)時(shí)無(wú)法收斂。信息擴(kuò)散模型則同時(shí)解決了這兩個(gè)問(wèn)題。

空間信息擴(kuò)散模型由多維正態(tài)擴(kuò)散、模糊關(guān)系生成和近似推理三部分組成。

3.1 多維正態(tài)擴(kuò)散

將式(1)W中第j個(gè)背景數(shù)據(jù)分量組成的集合記為Xj，即

Xj={x1j,x2j,…,xqj},j=1,2,…,t.

(2)

W中所有救助需求組成的集合記為Y，即

Y={y1,y2,…,yq}.

(3)

設(shè)Uj,j=1,2,...,t是用于擴(kuò)散背景數(shù)據(jù)Xj,j=1,2,...,t的監(jiān)控空間，而Ut+1是用于擴(kuò)散救助需求數(shù)據(jù)Y。令λ=t+1，則背景數(shù)據(jù)監(jiān)控空間和救助需求監(jiān)控空間構(gòu)成了一個(gè)λ維監(jiān)控空間：

U1×U2…×Uλ.

(4)

式中，Uj={uj1,uj2,…,ujmj},j=1,2,…,λ理論上講，監(jiān)控空間中的監(jiān)控點(diǎn)個(gè)數(shù)mj，可以因j的不同而不同，但為方便起見(jiàn)，通常所有監(jiān)控空間中的監(jiān)控點(diǎn)個(gè)數(shù)都用同一個(gè)數(shù)，并記為m。

令xiλ=yi,i=1,2,…,q,式(1)中W的樣本點(diǎn)wi=(xi1,xi2,…,xit,yi),記為λ維樣本點(diǎn)：

xi=(xi1,xi2,…,xiλ)∈W.

(5)

式(4)中的一個(gè)λ維監(jiān)控點(diǎn)記為，

u=(u1k1,u2k2,…,uλkλ)∈U1×U2…×Uλ.

(6)

(此處kj∈{1,2,…,m},j=1,2,…,λ)，我們用式(7)的λ維正態(tài)擴(kuò)散公式，將x的信息擴(kuò)散到u.

(7)

式中的擴(kuò)散系數(shù)hj根據(jù)式(1)中的背景數(shù)據(jù)和救助需求數(shù)據(jù)，分別用式(8)進(jìn)行計(jì)算[10]。

(8)

3.2 模糊關(guān)系生成

令

(9)

我們獲得了一個(gè)U1×U2…×Uλ上的，由已觀測(cè)單元得到的救助需求學(xué)習(xí)樣本W(wǎng)的信息矩陣，如式(10)所示:

(10)

?kλ∈{1,2,…,m}，令

(11)

和

(12)

我們依據(jù)學(xué)習(xí)樣本W(wǎng)，構(gòu)造出了背景數(shù)據(jù)x1,x2,…,xt和救助需求y之間的因果型模糊關(guān)系矩陣：

(13)

3.3 近似推理

設(shè)z=(z1,z2,…,zt)為空白單元的背景數(shù)據(jù)，且

uλ-1=(u1k1,u2k2,…,uλ-1kλ-1)∈U1×U2…×Uλ-1.

我們可以用式(14)的λ-1線性信息分配公式將此z變?yōu)檎撚騏1×U2…×Uλ-1上的一個(gè)模糊集，并取其隸屬度最大值用式(15)進(jìn)行歸一化。

(14)

式中

(15)

ak1k2…kλ-1,kj=1,2,…,m,j=1,2,…,λ-1.

(16)

(17)

需要說(shuō)明的是，在推測(cè)信息孤島中救助需求時(shí)，我們使用的是多維線性信息分配公式將背景數(shù)據(jù)轉(zhuǎn)化為模糊輸入，而不是通?？臻g信息擴(kuò)散模型中使用的多維正態(tài)信息擴(kuò)散公式[35]。主要原因是，當(dāng)可學(xué)習(xí)的樣本點(diǎn)只有10個(gè)或稍多一點(diǎn)的話，統(tǒng)計(jì)規(guī)律并不明顯，用較為粗糙的線性信息分配公式，符合反精確原理[36]，可達(dá)到更好的效果。

3.4 救災(zāi)智聯(lián)網(wǎng)中的空間信息擴(kuò)散模型

以背景數(shù)據(jù)作為推測(cè)空白單元的橋梁，可以將已有觀測(cè)數(shù)據(jù)的地理單元上的信息擴(kuò)散到空白單元。只有背景數(shù)據(jù)與救助需求存在顯著的因果關(guān)系，用地理空間信息擴(kuò)散模型得出的救助需求才能較好地反應(yīng)真實(shí)情況。根據(jù)大量數(shù)據(jù)分析，我們選用相對(duì)暴露度、人口，以及GDP作為推測(cè)救助需求的背景數(shù)據(jù)?？臻g信息擴(kuò)散模型在救災(zāi)智聯(lián)網(wǎng)的作用如圖3所示。

圖3 空間信息擴(kuò)散模型在救災(zāi)智聯(lián)網(wǎng)推測(cè)救助需求的示意圖Fig.3 Inference of rescue need in Internet of Intelligences based on geospacial information dissusion technology

這里的暴露度，是指提自然災(zāi)害風(fēng)險(xiǎn)暴露度，即，生命和財(cái)產(chǎn)在未來(lái)是否容易遭受自然事件或力量打擊的一種狀態(tài)。度量“相對(duì)暴露”比度量“暴露”容易一些。設(shè)A，B是兩個(gè)面對(duì)同一風(fēng)險(xiǎn)源的風(fēng)險(xiǎn)承受體。如果此風(fēng)險(xiǎn)源暴發(fā)時(shí)，A比B更容易遭受打擊，稱A的相對(duì)暴露比B高[37]。

例如，對(duì)易發(fā)洪水的某一河流而言，離河較近的村子，相對(duì)暴露較高；地勢(shì)較高的村子，相對(duì)暴露較低。約定相對(duì)暴露度最高的村子其相對(duì)暴露度為1，其它村子的相對(duì)暴露度，就可以通過(guò)與最高者的比較而確定下來(lái)。只有兩個(gè)風(fēng)險(xiǎn)承受體與同一風(fēng)險(xiǎn)源的關(guān)系完全相同時(shí)，他們自身的屬性，才會(huì)左右各自的相對(duì)暴露度。在同一設(shè)防水平下，人口和財(cái)富較多的風(fēng)險(xiǎn)承受體的相對(duì)暴露度比人口和財(cái)富較少者高。

4 長(zhǎng)寧地震信息孤島中救助需求強(qiáng)度的推測(cè)

4.1 地震案例及研究區(qū)域簡(jiǎn)介

2019年6月17日22時(shí)55分，四川省宜賓市長(zhǎng)寧縣(北緯28°34′N，104°9′E)發(fā)生6.0級(jí)地震，震源深度16 km。這是當(dāng)年我國(guó)大陸地區(qū)震級(jí)最高、災(zāi)情最重的地震。地震災(zāi)害造成四川省宜賓、樂(lè)山2市16個(gè)縣(市、區(qū))35.9萬(wàn)人受災(zāi)，13人死亡，9.5萬(wàn)人緊急轉(zhuǎn)移安置，3 500余間房屋倒塌，22.3萬(wàn)間不同程度損壞，直接經(jīng)濟(jì)損失56.2億元。

長(zhǎng)寧縣位于四川盆地南緣，宜賓市腹心地帶，經(jīng)濟(jì)發(fā)展以農(nóng)業(yè)和旅游業(yè)為主，受自然災(zāi)害影響較為嚴(yán)重，應(yīng)對(duì)災(zāi)害的能力有限。對(duì)于地震災(zāi)害來(lái)說(shuō)，該區(qū)域處于較為活躍的云南昭通東側(cè)到宜賓北東向地震帶，地震災(zāi)害風(fēng)險(xiǎn)較高(長(zhǎng)寧縣地處江安、合江東西向斷裂附近，又是華瑩山、岷江、江安、合江斷裂的復(fù)合區(qū)，地下介質(zhì)破碎，不易積累大量應(yīng)變能量，故以弱震形式釋放)，但其歷史上未發(fā)生過(guò)破壞性地震。

根據(jù)已經(jīng)獲得數(shù)據(jù)的情況，我們以長(zhǎng)寧縣的梅硐鎮(zhèn)、雙河鎮(zhèn)、龍頭鎮(zhèn)、硐底鎮(zhèn)、花灘鎮(zhèn)、竹海鎮(zhèn)、老翁鎮(zhèn)、古河鎮(zhèn)、井江鎮(zhèn)、梅白鎮(zhèn)、銅鼓鎮(zhèn)、銅鑼鎮(zhèn)、長(zhǎng)寧鎮(zhèn)等13個(gè)鎮(zhèn)為地理單元展開(kāi)研究。

4.2 救助需求強(qiáng)度數(shù)據(jù)

由于2020突發(fā)新冠病毒疫情的影響，本文的研究小組無(wú)法按計(jì)劃前往長(zhǎng)寧縣，查實(shí)2019年6月17日地震發(fā)生后上述13個(gè)鎮(zhèn)各種應(yīng)急物資的具體需求量。我們用啟動(dòng)應(yīng)急響應(yīng)3小時(shí)內(nèi)網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)中受災(zāi)鄉(xiāng)鎮(zhèn)名字出現(xiàn)頻率的強(qiáng)弱表征應(yīng)急救助需求強(qiáng)度。老翁鎮(zhèn)、古河鎮(zhèn)和梅白鎮(zhèn)在網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)中沒(méi)有出現(xiàn)，被視為信息信息孤島。

(1)數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源于基于Python的網(wǎng)絡(luò)爬蟲(chóng)模塊，通過(guò)設(shè)置“長(zhǎng)寧”、“長(zhǎng)寧地震”、 “長(zhǎng)寧6.0級(jí)地震”、“四川省長(zhǎng)寧縣6.0級(jí)地震”為主題關(guān)鍵詞向量，以2019年6月17日22:55-2019年6月18日2:00為搜索時(shí)間段，以四川地區(qū)微博、新聞網(wǎng)站、長(zhǎng)寧縣政府網(wǎng)站為數(shù)據(jù)源，共獲得四川地區(qū)微博數(shù)據(jù)17 547條、官方網(wǎng)站數(shù)據(jù)751條。

(2)數(shù)據(jù)處理

根據(jù)初步的改進(jìn)TextRank算法對(duì)數(shù)據(jù)進(jìn)行處理。通過(guò)增加屬性向量，即通過(guò)災(zāi)害發(fā)生區(qū)域內(nèi)的鄉(xiāng)鎮(zhèn)名稱進(jìn)行構(gòu)造，記為Pi。對(duì)于給定的文本W(wǎng)，其中包含n個(gè)句子，經(jīng)過(guò)預(yù)處理，即通過(guò)調(diào)用python的jieba庫(kù)進(jìn)行分詞處理，得到詞向量，并進(jìn)一步得到各個(gè)句子的特征向量Si，進(jìn)一步得到文本的特征向量矩陣，記為D={S1i,S2i,…,Sni}；根據(jù)各個(gè)句子的特征向量，通過(guò)歐氏距離計(jì)算句子之間的相似度，最終得到相似度矩陣Q；對(duì)于特征空間中的每一個(gè)特征詞Ki，通過(guò)TF-IDF(term frequency-inverse document frequency)算法進(jìn)行評(píng)估，確定出詞頻較高的前n個(gè)詞向量Fn；通過(guò)計(jì)算Fn中各個(gè)詞與Pi的相似度，并對(duì)其進(jìn)行從(0-1]等步長(zhǎng)賦值，得到權(quán)重向量Wn；通過(guò)相似度矩陣Qi與權(quán)重向量Wn相乘得到向量Ai，即可以選擇得分較高的幾個(gè)句子產(chǎn)生文摘，并對(duì)應(yīng)輸出詞向量Fn中的關(guān)鍵詞。通過(guò)處理爬蟲(chóng)所得每條數(shù)據(jù)，獲得文摘數(shù)據(jù)，部分災(zāi)情數(shù)據(jù)如表1所示。

(3)背景數(shù)據(jù)和救助需求強(qiáng)度

對(duì)于各項(xiàng)背景數(shù)據(jù)指標(biāo)值，其中，人口數(shù)據(jù)、GDP數(shù)據(jù)來(lái)源于2017長(zhǎng)寧縣年鑒以及長(zhǎng)寧縣委縣政府官方認(rèn)證平臺(tái)；相對(duì)暴露度為通過(guò)震中距計(jì)算所得[38]，計(jì)算方法為首先通過(guò)經(jīng)緯度計(jì)算各個(gè)地理單元震中距，根據(jù)震中距與相對(duì)暴露度成反比的情況[37]，假設(shè)該地震的地震波衰減80km后，不會(huì)再對(duì)村鎮(zhèn)建筑物造成破壞，設(shè)A為所研究地理單元建筑物，B為震中區(qū)域建筑物，以單元1梅硐鎮(zhèn)為例，震中距αA=10.815 km，αB=0 km，則相對(duì)暴露度EA(B) = (80-10.815) / 80 = 0.865。相對(duì)暴露度的結(jié)果列入表2中。對(duì)于損失指標(biāo)值，由于災(zāi)后1～3個(gè)小時(shí)人口傷亡數(shù)據(jù)仍是未知數(shù)，而地理單元名稱的出現(xiàn)頻率一定程度上能夠反映災(zāi)害嚴(yán)重程度[39]，因此，根據(jù)數(shù)據(jù)處理所得文摘，對(duì)地理單元進(jìn)行詞頻統(tǒng)計(jì)，得到部分地理單元的出現(xiàn)頻率次數(shù)，通過(guò)將其進(jìn)行標(biāo)準(zhǔn)化，并計(jì)算各個(gè)鄉(xiāng)鎮(zhèn)出現(xiàn)頻率占總頻率的比例，得出能夠一定程度上反映災(zāi)情嚴(yán)重級(jí)別的指標(biāo)值，同時(shí)也反映了救助需求強(qiáng)度。數(shù)據(jù)結(jié)果如表2中的“救助需求強(qiáng)度”列所示，其他3個(gè)未知地理單元將帶入地理空間信息擴(kuò)散模型進(jìn)行計(jì)算。

表2 四川省宜賓市長(zhǎng)寧縣6.0級(jí)地震災(zāi)情背景數(shù)據(jù)和救助需求強(qiáng)度Table 2 Background data and rescue need data to Changning Ms 6.0 earthquake

4.3 信息孤島救助需求強(qiáng)度的推測(cè)

由表2，我們得到容量為10的損失學(xué)習(xí)樣本：

W={w1,w2,…,w10}

={(0.865,26794,59737,0.1187),(0.947,50635,105086,0.2658),…,(0.67,108989,350800,0.1031)}

我們用空間信息擴(kuò)散模型來(lái)學(xué)習(xí)此W, 構(gòu)造出以相對(duì)暴露度、人口和GDP為因，以救助需求為果的模糊關(guān)系矩陣，推測(cè)老翁鎮(zhèn)、古河鎮(zhèn)和梅白鎮(zhèn)的救助需求。

根據(jù)W中的各分量的最大、最小值，向左右各延長(zhǎng)0.67倍，即，(最大值-最小)/1.5，在其上取20個(gè)等長(zhǎng)的監(jiān)控點(diǎn)，構(gòu)成監(jiān)控空間來(lái)進(jìn)行信息擴(kuò)散：

U1={u1,1,u1,2,…,u1,20}={0.479,0.513, …,1.134}, 步長(zhǎng)3.4508776E-02

U2={u2,1,u2,2,…,u2,20}={-49926,-38216.473,…,172555}, 步長(zhǎng)11709.53

U3={u3,1,u3,2,…,u3,20}={-207306.672,-166183.016,…,574042.750}, 步長(zhǎng)41123.65

U4={u4,1,u4,2,…,u4,20}={-0.109,-0.081,…,0.416}, 步長(zhǎng)2.7607016E-02

這些監(jiān)控空間中的一些點(diǎn)，并不在其參數(shù)的定義域內(nèi)。例如，相對(duì)暴露的定義域是[0,1]，但U1中的最大值是1.134。這類監(jiān)控點(diǎn)稱為輔助監(jiān)控點(diǎn)，以確保兩邊樣本點(diǎn)和其它點(diǎn)有相同的信息價(jià)值。增加延長(zhǎng)幅度和監(jiān)控點(diǎn)密度，除了增加計(jì)算量之外，并不會(huì)提升模型的精度。

由式(8)計(jì)算出的相對(duì)暴露度、人口、GDP和救助需求的信息擴(kuò)散系數(shù)是：

h1=0.0839,h2=28471,h3= 99990,h4= 0.0671.

對(duì)表3給出的，容量為10的救助需求學(xué)習(xí)樣本W(wǎng)，用式(7)進(jìn)行4維正態(tài)擴(kuò)散，我們得到一個(gè)20×20×20×20的信息矩陣Q={Qk1k2k3k4}20×20×20×20。4維矩陣的書寫非常復(fù)雜，通常用降維方式來(lái)表達(dá)。對(duì)監(jiān)控點(diǎn)u1,10=0.789,u2,11=67169.266而言，對(duì)應(yīng)信息矩陣的k1=10,k2=11, 于是4維矩陣降維為一個(gè)二維的20×20的信息矩陣{Q11k3k4}20×20。由救助需求學(xué)習(xí)樣本W(wǎng)得到的此20×20信息矩陣的中間部分是：

{Q10,11,k3,k4}20×20=…u3,8u3,9u3,10u3,11u3,12u3,13……u4,8u4,9u4,10u4,11u4,12u4,13…………………………1.93361.82611.50001.08110.70150.4336……1.81391.74141.45121.05880.69420.4329……1.49421.45711.22980.90610.59790.3740……1.08921.07750.91930.68210.45110.2810……0.71640.71780.61780.46020.30350.1866……0.44340.44920.38910.29000.18960.1136………………………?è??????????

用式(11)、(12)將其轉(zhuǎn)化為模糊關(guān)系矩陣，{r11k3k4}20×20的中間部分是：

{r10,11,k3,k4}20×20=…u3,8u3,9u3,10u3,11u3,12u3,13……u4,8u4,9u4,10u4,11u4,12u4,13…………………………0.40160.42490.43740.43980.41750.3583……0.37670.40520.42320.43070.41310.3578……0.31030.33900.35860.36860.35590.3091……0.22620.25070.26810.27750.26850.2322……0.14880.16700.18020.18720.18060.1542……0.09210.10450.11350.11800.11280.0939………………………?è??????????

對(duì)空白單元老翁鎮(zhèn)、古河鎮(zhèn)和梅白鎮(zhèn)的背景數(shù)據(jù)：

z老翁鎮(zhèn)=(0.652,30876,40510)，z古河鎮(zhèn)=(0.53,21625,66760)，z老翁鎮(zhèn)=(0.523,22778,10009)

在式(14)、(15)中令λ-1=3，進(jìn)行3維線性信息分配，分別得模糊輸入老翁鎮(zhèn),古河鎮(zhèn),梅白鎮(zhèn)。例如，老翁鎮(zhèn)中的元素a6,7,7=0.1105,a6,7,8=0.002964,a6,8,7=1。由式(16)得相應(yīng)的模糊輸出。例如，

再由式(17)，我們們推測(cè)出老翁鎮(zhèn)、古河鎮(zhèn)和梅白鎮(zhèn)的救助需求強(qiáng)度分別是：

y老翁鎮(zhèn)=0.01925，y古河鎮(zhèn)=0.004999，y梅白鎮(zhèn)=0.005328

。

4.4 救助需求強(qiáng)度展示圖

根據(jù)計(jì)算結(jié)果將長(zhǎng)寧縣各鄉(xiāng)鎮(zhèn)救助需求進(jìn)行分級(jí)，并導(dǎo)入救災(zāi)智聯(lián)網(wǎng)平臺(tái)制作災(zāi)情圖，如圖4所示，可以直觀的看出此次地震各鄉(xiāng)鎮(zhèn)的救助需求緊迫程度。其中，紅色表示緊迫度高，橙色較高，藍(lán)色表示較輕。

圖4 救災(zāi)智聯(lián)網(wǎng)系統(tǒng)中長(zhǎng)寧縣6.0級(jí)地震救助需求緊迫程度展示圖Fig.4 Map of rescue need intensity of Changning Ms 6.0 earthquake(make in Internet of Intelligences)

5 結(jié)論與討論

以“隔空判災(zāi)”的方式快速評(píng)估重大自然災(zāi)害中的救助需求，所得結(jié)論精度過(guò)低，難以支撐精準(zhǔn)救助。在互聯(lián)網(wǎng)普及的今天，以“采點(diǎn)外推”的方式獲得部分地理單元上的數(shù)據(jù)，采用空間信息擴(kuò)散模型推測(cè)空白地理單元中的災(zāi)情情況，精度大大提高。

應(yīng)急響應(yīng)精準(zhǔn)救助要求時(shí)效性強(qiáng)，因而“采點(diǎn)外推”必須依托互聯(lián)網(wǎng)，才能及時(shí)采集和處理數(shù)據(jù)，在規(guī)定的時(shí)間之內(nèi)，推測(cè)信息孤島中救助需求。任何離線系統(tǒng)，都無(wú)法實(shí)現(xiàn)這項(xiàng)任務(wù)。本文將空間信息擴(kuò)散模型嵌入智聯(lián)網(wǎng)，形成救災(zāi)智聯(lián)網(wǎng)中的救助需求模塊，能較好地完成這一任務(wù)。

大災(zāi)后的第一時(shí)間是盡最大努力減少人員傷亡，無(wú)法統(tǒng)計(jì)并核實(shí)各種應(yīng)急物資的具體需求量。用空間信息擴(kuò)散模型推測(cè)出與應(yīng)急救助需求相關(guān)的某種表征量后，即可根據(jù)表征量與需求量回歸關(guān)系，評(píng)估出具體應(yīng)急物資的需求量。

以網(wǎng)絡(luò)爬蟲(chóng)數(shù)據(jù)中受災(zāi)鄉(xiāng)鎮(zhèn)名字出現(xiàn)頻率的強(qiáng)弱表征應(yīng)急救助需求強(qiáng)度，對(duì)2019年長(zhǎng)寧6.0級(jí)地震中信息孤島鎮(zhèn)的救助需求強(qiáng)度的推測(cè)說(shuō)明，用嵌入空間信息擴(kuò)散模型的救災(zāi)智聯(lián)網(wǎng)，在“相對(duì)暴露度”、“人口”和“GDP”等背景數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)爬蟲(chóng)工具的支持下，推測(cè)信息孤島救助需求強(qiáng)度是可行的。

大量的計(jì)算仿真實(shí)驗(yàn)結(jié)果已經(jīng)證明：空間信息擴(kuò)散模型具有普適性。對(duì)于填補(bǔ)存在較大面積空白地理單元的區(qū)域而言，通過(guò)平均預(yù)測(cè)誤差和平均基準(zhǔn)誤差比較的方法已經(jīng)證明：地理空間信息擴(kuò)散模型比地理加權(quán)回歸和反向傳播神經(jīng)網(wǎng)絡(luò)更有效[33]。主要原因有三，一是該模型具有識(shí)別非線性關(guān)系的能力；二是該模型不同于許多空間插值模型，受空間參數(shù)連續(xù)性假設(shè)的約束；三是在采點(diǎn)得到的樣本中，允許存在矛盾樣本點(diǎn)，不同于人工神經(jīng)網(wǎng)絡(luò)，出現(xiàn)學(xué)習(xí)不收斂的問(wèn)題。

雖然根據(jù)大量的歷史救災(zāi)實(shí)踐和數(shù)據(jù)，很容易統(tǒng)計(jì)出救助需求強(qiáng)度與各種應(yīng)急物資需求量的關(guān)系，但本文限于支撐項(xiàng)目無(wú)法提供歷史數(shù)據(jù)的情況，并沒(méi)有提供這方面的研究成果。有興趣并有條件開(kāi)展這方面工作的讀者，不妨一試。