決定一次救災(zāi)行動(dòng)是否順利的關(guān)鍵就是信息,，如果不能最快速度采集到災(zāi)情,、傷亡人數(shù)等信息，就有可能錯(cuò)過72小時(shí)緊急救援的黃金時(shí)間,，生命,、財(cái)產(chǎn)損失會(huì)加??；采集到的信息不準(zhǔn)確,、救災(zāi)信息傳遞的通道不順暢，不僅會(huì)拖延救災(zāi)時(shí)間,，也會(huì)導(dǎo)致災(zāi)情研判、救災(zāi)物資準(zhǔn)備上的偏差,，給救災(zāi)效果打折扣,。不論是防災(zāi)、備災(zāi)還是緊急救援、過渡安置或者災(zāi)后重建,，都需要有足夠,、及時(shí)、準(zhǔn)確的信息為救災(zāi)提供研判,、指揮依據(jù),。說到底，科技救災(zāi)也就是信息救災(zāi),。

　　數(shù)字救災(zāi)地圖

　　傳統(tǒng)的救災(zāi),，救災(zāi)人員往往因?yàn)榈卣稹⑺疄?zāi)導(dǎo)致的災(zāi)區(qū)交通中斷,、網(wǎng)絡(luò)信號(hào)中斷,、沒有足夠的人手幫助傳遞實(shí)時(shí)救災(zāi)信息等困難，無法及時(shí)回傳信息,，面對(duì)信息不對(duì)稱的困難,，無法及時(shí)跨地域協(xié)同救災(zāi)，危機(jī)繪圖（disaster mapping）成為救災(zāi)中最能幫助解決信息共享問題的技術(shù)工具,。來自互聯(lián)網(wǎng)上眾多的信息志愿者,，通過公共的地圖網(wǎng)站，形成數(shù)據(jù)眾包志愿者團(tuán)隊(duì)進(jìn)行危機(jī)繪圖,。這些網(wǎng)絡(luò)志愿者借助谷歌地圖,、Openstreet、Ushahidi,、Mapbox以及中國的益云地圖等地圖平臺(tái),，在汶川地震、海地地震,、雅安地震等國內(nèi)外多次地震中快速形成跨地域聯(lián)動(dòng),，通過志愿者從facebook、微博等社交媒體上以手工或者網(wǎng)絡(luò)爬蟲技術(shù)收集災(zāi)情信息,，分類標(biāo)注到地圖上,，形成一個(gè)全面的救災(zāi)信息地圖，供救災(zāi)的各個(gè)相關(guān)方進(jìn)行及時(shí)的救災(zāi)人員和物資的配給,。

　　這便是一張由成千上萬的網(wǎng)絡(luò)志愿者共同繪制的尼泊爾地震農(nóng)村地區(qū)的食物及其他物資的供給地圖,，從而加快了這些救災(zāi)物資的快速運(yùn)達(dá)。

　　國際紅十字會(huì)的地理工程師Dale Kunce更是認(rèn)為這樣的災(zāi)情繪圖工作不僅僅需要在災(zāi)后開展,，在災(zāi)情發(fā)生之前,、日常的備災(zāi)工作中，也需要有這些安全隱患相關(guān)的地圖支持,。他們開發(fā)出Missing Map以應(yīng)對(duì)持續(xù)快速的全球城市化進(jìn)程中多發(fā)的日常災(zāi)難,。不僅如此,，美國紅十字會(huì)就在Dell公司協(xié)助下，用9個(gè)屏幕,、3臺(tái)電腦搭建了一個(gè)“數(shù)字指揮中心”,，通過搜集Facebook、Twitter上的求救信息（包括停電,、停水等日常危機(jī)）,，來指揮、調(diào)度救援任務(wù),。

　　美國紅十字會(huì)數(shù)字指揮中心

　　文化敏感的“人肉傳感器”作為一種救災(zāi)技術(shù)

　　不論是災(zāi)情繪圖還是人工智能算法,，在災(zāi)難發(fā)生后的最短時(shí)間內(nèi)，都需要離災(zāi)情最近的人收集,、傳遞數(shù)據(jù)給后方的志愿者和計(jì)算機(jī)進(jìn)行數(shù)據(jù)處理,、災(zāi)情研判，再集結(jié)人力,、物資運(yùn)往災(zāi)區(qū)進(jìn)行救助,、安置。Sensor雜志在2008年的一篇名為“On Line Disaster Response Community： People as Sensors of High Magnitude Disasters Using Internet GIS”的文章中,，將救災(zāi)中的志愿者,、救災(zāi)隊(duì)員稱為“人肉傳感器”（Human Sensor）。早在1964年的Annals of the New York Academy of Science中,，香水的試聞員就被學(xué)者稱為“人肉傳感器”,，通過人的感知和反應(yīng)來收集數(shù)據(jù)，這一點(diǎn)也同樣出現(xiàn)在救災(zāi)行動(dòng)者身上,，因此救災(zāi)前線的救災(zāi)隊(duì)員,、災(zāi)民、志愿者都成為災(zāi)難中最鮮活的“人肉傳感器”,，Humanitarian OpenStreet Map Team 以及Map Courtesy Mapaction等都是由志愿者自發(fā)組成的公益機(jī)構(gòu),，隨時(shí)準(zhǔn)備召集網(wǎng)絡(luò)志愿者為各類災(zāi)害進(jìn)行眾包繪圖，他們就是這類“Human Sensor”的典型代表,。

　　這些“人肉傳感器”具有很強(qiáng)的文化敏感性,，能夠幫助救災(zāi)隊(duì)員們很快適應(yīng)不同文化環(huán)境下的災(zāi)難救助狀況。曾在北大留學(xué)的尼泊爾醫(yī)生舒俊便提道,，在尼泊爾地震救災(zāi)中,，中國最開始送往尼泊爾的救災(zāi)物資有牛肉方便面，本以為災(zāi)民會(huì)喜歡,，誰能想到在尼泊爾人心中牛是神圣之物,，災(zāi)民都拒絕食用。同樣的文化差異的問題也出現(xiàn)在就餐方式上,，救災(zāi)隊(duì)員派發(fā)餐食的時(shí)候,，按照中國人的習(xí)慣集中派餐,，但是尼泊爾的受災(zāi)村莊卻沒有這種集體用餐的習(xí)慣，因此沒有什么災(zāi)民愿意來領(lǐng)食物,。舒俊了解本地人的習(xí)俗，幫救災(zāi)隊(duì)找了更符合本地人就餐習(xí)慣的地點(diǎn)派發(fā)救災(zāi)餐食,，這樣才召集了數(shù)千名尼泊爾災(zāi)民前來吃飯,。熟悉本地文化、洞察本地人特點(diǎn)的“人肉傳感器”,，是科技救災(zāi)中不可或缺的重要一部分,。也正是因?yàn)槲幕腿嗽诳萍季葹?zāi)中的重要性，在救災(zāi)科技工具的研發(fā)中,，也越來越傾向于文化敏感的人本技術(shù)的研發(fā),。

　　人工智能算法作為一種新興的救災(zāi)技術(shù)

　　這些數(shù)字地圖工具和災(zāi)情地圖繪圖志愿者團(tuán)隊(duì)，主要的貢獻(xiàn)在于前端的數(shù)據(jù)收集,。如果僅靠這些“人肉傳感器”來手工完成信息整理,、分析、洞察和研判的工作,，隨著災(zāi)情數(shù)據(jù)大量匯集,，往往給救災(zāi)隊(duì)員帶來一種我稱之為“數(shù)字化次生災(zāi)害”的“信息赤潮”。這是參加過一線救災(zāi)工作的救災(zāi)隊(duì)員們最揪心的痛,。

　　大量繁雜的數(shù)據(jù)堆積,，夾雜著洪水般無法快速判斷真?zhèn)蔚那榫w化表達(dá)內(nèi)容，沒有及時(shí)準(zhǔn)確的分揀,、分析和洞察,，無從進(jìn)行救助行動(dòng)的研判決策。這時(shí)候,，在“人肉傳感器”不斷實(shí)時(shí)更新數(shù)據(jù)的協(xié)助下,，人工智能算法可以幫得上忙，解除一線救災(zāi)人員的信息壓力,，幫助救災(zāi)決策者更好地核對(duì)一線災(zāi)情信息,，做出準(zhǔn)確的救災(zāi)決策。

　　在2012年IEEE 100會(huì)議上,， Oleg Aulov和Milton Halem研發(fā)了一種基于社交媒體數(shù)據(jù)推測(cè)海洋洋面上的石油擴(kuò)散的建模方法,。他們的Gnome軟件可以通過海面的風(fēng)速、洋流方向,、衛(wèi)星數(shù)據(jù),，通過收集社交媒體上海岸邊的志愿者觀測(cè)到的實(shí)際海平面的漏油擴(kuò)散情況，比對(duì)計(jì)算機(jī)根據(jù)算法模擬的趨勢(shì)模型,，非常精準(zhǔn)地預(yù)測(cè)海面漏油擴(kuò)散趨勢(shì),，從而在漏油污染下一個(gè)海岸之前,，做好相應(yīng)的預(yù)防準(zhǔn)備。

　　災(zāi)后重建中的城市治理信息系統(tǒng)

　　不論是國際頂級(jí)會(huì)議CHI系列還是國際數(shù)字政府會(huì)議,，近年來每次都會(huì)有較大比重與會(huì)者討論科技與救災(zāi)之間的關(guān)系,。災(zāi)難救助中的科技支持已經(jīng)成為各國數(shù)字政府、智慧城市中應(yīng)對(duì)風(fēng)險(xiǎn)社會(huì)治理的重要內(nèi)容,。對(duì)救災(zāi)志愿者的管理,、對(duì)救災(zāi)信息的管理，以及對(duì)災(zāi)難管理的流程管理,，都是災(zāi)難中的人本科技研發(fā)的重要部分,。

　　除了眾包災(zāi)情地圖中的志愿者自組織模式、眾包志愿工作的社會(huì)網(wǎng)絡(luò)關(guān)系的研究之外,，更有對(duì)受災(zāi)地區(qū)互聯(lián)網(wǎng)信息系統(tǒng)恢復(fù)過程中的信息管理模式進(jìn)行研究,。

　　按理說，這個(gè)時(shí)候網(wǎng)絡(luò)中斷,、電腦損毀,、信息丟失，硬件和軟件,，哪怕是數(shù)據(jù)都沒有了,，在這樣的環(huán)境下研究信息科技與救災(zāi)的關(guān)系，恐怕是比登天還難,。在2016年第49屆夏威夷信息科學(xué)國際會(huì)議(HICSS 2016)上,，一項(xiàng)關(guān)于2011年東日本大地震的研究頗受矚目。通過對(duì)3個(gè)受災(zāi)鎮(zhèn)的田野調(diào)研,，學(xué)者M(jìn)ihoko Sakurai等人考察災(zāi)后重建過程中的政府管理,，不是聚焦科技工具硬件意義上的信息系統(tǒng)恢復(fù)，而是把考察的重點(diǎn)放在軟性管理信息系統(tǒng)的恢復(fù)和重建,。他們通過經(jīng)濟(jì)資本,、社會(huì)資本、象征資本,、人力資本,、機(jī)構(gòu)資本等5個(gè)理論維度，深入梳理政府機(jī)構(gòu)在多種災(zāi)后公眾服務(wù)過程中的網(wǎng)絡(luò)信息硬件恢復(fù),、信息管理系統(tǒng)重建,。他們發(fā)現(xiàn)整個(gè)市民服務(wù)的信息系統(tǒng)的恢復(fù)過程，經(jīng)歷了各種資本重新創(chuàng)建的過程,，而其中具有采用尚存物資,、工具等各類資本的“彈回模式”（Capital Resiliency Model），更能夠幫助政府管理部門盡快恢復(fù)公眾服務(wù)，幫助公眾快速回到平靜的生活序列中去,。這也為其他地區(qū)的政府進(jìn)行災(zāi)前,、災(zāi)后的災(zāi)難管理提供了城市風(fēng)險(xiǎn)治理上的經(jīng)驗(yàn)。

　　隨著科技的進(jìn)步,，科技救災(zāi)已經(jīng)突破了僅限于科技工具支持救災(zāi)的局限,，越來越多地體現(xiàn)在“人肉傳感器”的災(zāi)情志愿者和后端人工智能算法合作機(jī)制下的救災(zāi)信息收集、分析和決策的技術(shù),，也包括政府?dāng)?shù)字治理過程中的管理機(jī)制,，都屬于科技救災(zāi)的重要內(nèi)容。隨著越來越多的新技術(shù)加入到救災(zāi)的隊(duì)伍中來,，不僅是無人機(jī)，或許智能式穿戴設(shè)備,、AR/VR技術(shù)也能成為助力科技救災(zāi)的重要工具,，而以人為本則是作為人道主義救援的科技救災(zāi)至關(guān)重要的核心所在。