孙晔然：大数据人群聚集实时监测技术如何用于英国抗疫

大数据分析技术在新冠肺炎疫情预测、密切接触者追踪方面产生了至关重要的作用，大大提升了疫情防控和复工复产的效率。但是，大数据在疫情防控方面的应用也引发了人们对隐私保护、数字安全、社会公平等深层次问题的担忧。

2020年6月17日晚上，中国人民大学国家发展与战略研究院举办了第七期线上研讨会，主题为“大数据疫情防控：创新实践与政策启示”。本次研讨会由人大国发院院长助理马亮教授主持，来自中国人民大学、清华大学、浙江大学、南开大学、英国剑桥大学、英国格拉斯哥大学、英国斯旺西大学的7位国内外数字科技、电子政务、公共政策等研究领域的专家，围绕大数据在疫情防控中的应用及其引发的问题进行了多角度的深入研讨。本次研讨会共有累计15万人次收看，反响较大。

人大国发院院长助理、公共管理学院教授马亮致辞，结合目前北京的疫情状况以及大数据在其中发挥的优势作用，指出大数据的体量、结构、复杂性是史无前例的，且其本身存在较强的技术门槛。他期待本次研讨会能够通过深入浅出的讲解和探讨，说明在疫情防控期间大数据技术发挥的作用，以及未来如何更好地利用大数据技术。

英国剑桥大学土地经济系的万励博士，英国格拉斯哥大学城市大数据研究中心的姚静博士，南开大学周恩来政府管理学院的孙轩副教授，清华大学数据治理研究中心主任、社会科学学院孟天广教授，浙江大学公共管理学院百人计划研究员吴超博士，英国斯旺西大学地理系的孙晔然博士等嘉宾参加了本次研讨会，并分别作了主旨演讲。

英国剑桥大学的万励博士发表了题为“历史普查与交通大数据的疫情应用探索”的主题演讲。他指出英国较难获取实时的大空间尺度的精细化人口流动数据，因此考虑利用历史交通大数据为当下的疫情防控问题提供帮助。他介绍了两个研究案例，阐明如何利用历史大数据预测通勤行为并协助城市规划。

第一个案例是基于历史普查数据的大尺度通勤出行矩阵模拟，他们利用通勤矩阵双向约束的特性，以2011年的矩阵作为初始矩阵，输入2018年的数据作为新约束，通过IPF方法调整矩阵，最后合成2018年全国通勤数据。万励博士指出中国存在特殊情况，城市往往没有官方的通勤矩阵数据，但可以用手机信令、LBS等大数据合成通勤矩阵，为建立中国城市交通模型提供新思路。

第二个案例是基于历史交通大数据的通勤行为研究，希望能够利用剑桥市的历史交通大数据，评估疫情后的交通需求。万励博士认为疫情之后交通需求受三类因素影响：一是按照行业和技能水平划分的复工率，二是出行方式的转变，三是工作方式的转变。他指出这些要素结合在一起，使得疫情以后的交通需求变得非常复杂。经过分析他发现，工作驻留时间长短和非通勤出行是有关联的。

基于两个案例的结论，万励博士提出了针对疫情的启示。一是晚高峰会压缩，城市需要在刺激消费和减少拥堵/排放之间进行抉择，以设立停车位。二是上班前的出行需求和下班后的休闲出行需求的弹性不同，需要采取不同的政策在不影响刚性出行需求的同时，减少汽车依赖。

最后，万励博士对现有的大数据相关研究提出了几点反思：一是大数据研究需要完成相关性到因果性的转变。二是需要由数据驱动问题向问题驱动数据转变。三是需进一步探讨规划师职业所属的核心数据问题。

英国格拉斯哥大学的姚静博士发表了题为“空间分析在公共卫生服务中的应用”的主题演讲。首先，姚静博士介绍了空间分析在公共卫生服务中的历史。她指出空间分析在公共卫生服务中的应用最早可以追溯到1854年伦敦霍乱的爆发，专家根据死亡病例绘制出的空间地图，发现了导致霍乱的原因是当地的水源污染。

姚静博士结合科研经历从四个方面阐释了空间分析如何服务于公共卫生服务。一是空间数据分析，可以用来检验疾病案例的空间分布。二是回归分析，可以用于研究疾病案例和相关因素的关系。三是时间序列分析，可以预测短期疾病对医疗资源的需求。四是空间优化分析，用于医疗卫生选址和位置的有效性分析。

姚静博士介绍了两个使用空间分析方法进行疾病建模的案例。一是利用非洲莫桑比克的数据，分析跟艾滋病相关的空间分布。二是使用空间优化方法分析非洲公共卫生服务设施选址和资源分配的问题。

姚静博士指出了与流行病建模有关的三个问题。一是建模前要了解具体疾病发生的机理，而这会影响研究结果的可靠性。二是数据的不确定性。三是方法问题，不同方法针对同样的数据会出现不同的结果。

最后，姚静博士提出了空间分析在应对新冠疫情的三点思考。一是检测数据存在时间滞后性。二是实时决策与学术研究的时间尺度问题。三是精细化的数据与保护个人隐私的关系。

南开大学的孙轩副教授发表了题为“大数据背景下的系统性公共风险防控”的主题演讲。首先，孙轩指出目前整个城镇化的发展变化以及世界格局的变化引发了一系列转型期的矛盾、冲突和问题，社会现在面临着很多的风险。他指出公共危机和风险是多个层面的，包括各类突发性局部公共事件、具有一定周期的区域性公共危机以及大量潜在的系统性公共风险。

孙轩指出，系统性公共风险具有关联复杂、平衡脆弱和问题交织的特点。他认为，现代风险防控要考虑识别、评估、监控三个方面，科学治理要进行有效的数据支撑。他指出现在数据很多元，与传统数据在收集、分析和利用方面有较大差异，因此大数据背景下的公共风险防控关键在于怎样提升治理能力。

孙轩通过地方债务的风险管理案例，说明大数据在治理方面的应用。他指出地方债务风险来源较为复杂，会带来系统性风险。关于数据驱动的政府财政管理，国内、外相关政府部门开展了一系列数字化实践探索，包括美国政府的财政数据管理、澳大利亚政府的数字财政应用以及中国的“金财工程”建设。

孙轩认为，政府债务管理的大数据应用需求主要集中于三个方面，一是数据源的整合与优化，二是数据挖掘的技术储备，三是数据开放性和安全性的统一。基于上述分析，孙轩介绍了天津市基于大数据分析的地方债务管理和风险监测系统建设情况。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!