【摘要】韌性城市理念是近年來國內外興起的一種全新的城市防災減災理念，為建立系統化、數字化、智能化的城市防災減災體系提供了重要的理論依據。當前，韌性城市建設在政策、數據、模型和計算等方面的條件已經基本具備。準確的自然災害綜合風險評估和預報能力，是韌性城市建設的核心內容和重要基礎。它不僅需要科學理論的支撐，還依賴于實戰積累的各類災害防治數據和豐富的一線應用場景。智慧城市和韌性城市在理念和建設條件上存在諸多相通之處，將韌性城市與智慧城市建設相結合，并推動城市治理的優化升級，提升城市安全水平，預計會成為未來城市治理的發展方向。
【關鍵詞】 韌性城市 防災減災 城市治理 人工智能 數字化
【中圖分類號】TU992 【文獻標識碼】A
【DOI】0.16619/j.cnki.rmltxsqy.2022.1112.006
王乃玉，浙江大學“百人計劃”特聘研究員、博導，浙江大學建筑工程學院防災工程研究所副所長、韌性城市研究中心主任。研究方向為以城市基礎設施多系統耦合模型為基礎的城市風險評估、功能損失預測和災后恢復優化。主要著作有《Optimum Life-cycle Maintenance Strategies of Deteriorating Highway Bridges Subject to Seismic Hazard by a Hybrid Markov Decision Process Model》、《A Spatial-temporal Predictive Model for Post-disaster Household Re-occupancy in a Community》（合作論文）。
近年來，世界各地發生多起極端自然災害事件，如2005年卡特里娜颶風、2008年汶川地震、2019年利奇馬臺風、2021年鄭州720暴雨等，對城市面貌和經濟造成嚴重破壞和損失。隨著現代城市的發展，其系統內部和系統之間的時空關聯也日益復雜，各類自然災害不僅造成了基礎設施不同程度的破壞，還引發了次生災害（如停水停電、通訊中斷等），造成城市功能癱瘓，導致了巨大的人員傷亡和經濟財產損失，并嚴重威脅社會秩序和政治安定。韌性城市的理念就在這樣的大環境下應運而生。
“韌性”和“韌性城市”是目前國內和國際社會在防災減災領域使用頻率很高的兩個概念。“城市韌性”是指城市能夠化解或抵御外界的災害或沖擊，保持其主要特征和功能不受顯著影響，并能夠在災后快速恢復的能力[1]。也就是說，當災害發生的時候，一個韌性城市不但能夠承受沖擊，組織高效的災中應對，還能夠在災后快速恢復城市各項功能的正常運行，并進一步通過經驗總結和自適應調節為更好地應對未來的災害風險作準備。在“韌性”視角下，城市這一客觀的物質實體，逐漸成為具備防災能力和防災智慧的“有機生命體”。
當前，我國城市正處于數字化的時代浪潮中，各類感知、觀測、影像、傳感、支付、出行等數據的廣泛收集，人工智能、大數據、機器學習、AR、VR、云計算等技術的快速迭代，以及各地數字化平臺的建設為城市治理方式的數字化轉型提供了堅實基礎，也為以韌性城市理念為基礎的韌性城市建設供了必要的前提。
本文將從什么是城市韌性、韌性城市建設的實施路徑、現有條件、應用實例、亟待解決的問題以及未來發展方向等幾個方面，探討韌性城市理念如何賦能城市數智防災。
韌性理念
發展簡史。自20世紀90年代以來，韌性思想逐漸從自然生態學延展到城市防災相關學科，韌性城市逐漸成為國際前沿的防災減災理念。2002年，地方可持續發展協會（ICLEI）在聯合國可持續發展全球峰會上提出了“韌性”的概念；2015年世界減災大會將“提高韌性”作為未來15年聯合國開發計劃署的四個優先領域之一；2016年第三屆聯合國住房與可持續城市發展大會將“城市的生態與韌性”作為新城市議程的核心內容之一。國內方面，2014年起國家發展和改革委員會城市和小城鎮改革發展中心與美國洛克菲勒基金會合作，為中國海鹽、黃石、德陽、義烏四個縣市制定了韌性發展規劃；從2017年起北京、上海、成都等地相繼提出了建設韌性城市的計劃或要求；2020年11月，在習近平總書記發表的《國家中長期經濟社會發展戰略若干重大問題》和《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》中，作出了建設韌性城市的決策部署；2021年以來，許多城市都相繼出臺了各類韌性城市建設意見和方案，但總的來說還處于探索階段。
近年來，美國國家標準與技術研究院及其資助的城市韌性規劃研究中心、新加坡與蘇黎世聯邦理工學院聯合成立的未來韌性系統實驗室、歐盟委員會聯合研究中心、美國太平洋地震工程研究中心、美國東北大學全球韌性研究所、英國拉夫堡大學安全和柔性社會研究中心、京都大學防災研究所滑坡災害研究中心，以及國內的浙江大學、清華大學、同濟大學等高校都圍繞城市韌性展開了大量的研究工作，從災害模擬、韌性仿真、災后恢復、韌性提升等方面提出了各種與城市韌性相關的模型與決策方案，從而為城市更好地評估和預報風險，制定和部署減災措施、組織和指揮搶險救援、分配和調度減災資源，以減少各類災害或風險對城市物理、社會與經濟系統的沖擊提供了理論基礎。
韌性城市的特征。一個城市的防災韌性，通常可以通過以下四個維度來評價[2]。
（1）物理維度：指城市的物理環境及基礎設施系統在災害下的功能水平和恢復能力；
（2）組織維度：指城市中運營、維護城市關鍵基礎設施，同時兼具制定并實施防災減災相關政策及措施等職責的政府部門和機構，在災害過程中的準備、組織、調度和決策的能力；
（3）社會維度：指城市制定相關政策和措施以減輕災害對城市功能和服務（如政務、教育、醫療和應急避難等）所造成的影響的能力；
（4）經濟維度：指城市的經濟系統和經濟活動能夠承受災害造成的打擊，并在災后快速恢復的能力。
同時，一個韌性城市應該在這四個維度上具備以下五大特征[3][4]。
（1）魯棒性：抵御災害的能力，即減輕由災害在城市物理、組織、社會、經濟各維度造成的損失；
（2）可恢復性：快速恢復的能力，即城市各維度能在災后快速恢復功能水平的能力；
（3）冗余性：城市各系統中的關鍵組成部分有（臨時）備用模塊，即當災害導致關鍵組成部分受損時，系統仍能在備用模塊的支撐下維持一定的功能水平；
（4）智慧性：城市各系統有判別形勢、建立優先級并優化人力和物資調配的能力，即在災害的全過程管理中擴大決策優勢，最大化資源效益；
（5）適應性：城市能在災害中學習并進化，從而提升未來災害的應對能力。
具備災害韌性的城市可在災前識別城市的抗災、容災薄弱環節，并形成關于災前提升抗災容災能力、災中調配資源抗災救災和災后快速修復減災的決策建議，從而呈現出“災前規劃—災中應急—災后恢復”的防災、救災、減災閉環管理的特點和優勢（如圖1所示）。
韌性城市理念與傳統防災減災理念的區別。與傳統防災減災理念和方法相比，韌性城市作為當下最前沿的綜合防災減災理念，其革新之處在于：
（1）在防災系統層面，韌性城市提倡考慮多維功能因子和系統耦合分析，而傳統防災減災則僅考慮單一功能因子和系統獨立分析；
（2）在防災維度層面，韌性城市提倡聚焦功能控制和社科政經領域，而傳統防災減災則僅考慮安全控制和建設工程領域；
（3）在防災體系層面，韌性城市提倡進行主動防災和多方協同聯動，而傳統防災減災則是被動應急和各方獨自應戰；
（4）在防災決策層面，韌性城市提倡數據驅動和量化分析，而傳統防災則是以經驗主導和定性分析；
（5）在防災教育層面，韌性城市提倡全民防災和智慧學習，而傳統防災則是重點設防和被動學習。隨著時代的進步和科技的發展，城市防災管理的重點正逐步從硬件建設轉變為綜合科技手段在實際防災減災工作中的應用；從聚焦災中的應急響應轉變為關注災前規劃建設—災中應急響應—災后重建恢復閉環管理的韌性城市建設。
實施路徑
本文建議城市可從以下4個步驟來實施韌性城市的建設。
步驟1：成立韌性城市建設組織機構。組織機構應包括領導小組和技術專家團隊。其中領導小組應由相關政府部門（如應急部門、氣象部門、地震部門、住建部門、水利部門、自然資源部門、農業農村部門、發改部門、大數據數據管理部門等）和公共設施服務機構（如供電部門、供水部門、通訊部門等）相關負責人組成，并設工作專班；技術專家團隊可由各類科研院所和專業服務機構的多個交叉領域的技術專家組成。
步驟2：設定韌性城市建設目標。領導小組應在充分調研的基礎上，借助技術專家團隊的力量，組織討論并設定本地區在各類災害情景下（通常可設定災害的強度等級）的韌性建設目標，比如，“A市在12級臺風正面登陸襲擊影響下，應將災害造成的影響控制在人員傷亡小于15人，經濟損失小于10億，倒塌破壞房屋小于25間，局部斷電1天內恢復，局部斷水2天內恢復”。值得注意的是，該韌性城市建設目標除了可以通過上述方式直接指定外，也可以結合步驟3在分析城市現有韌性水平的基礎上進行制定。
步驟3：城市韌性評估。對韌性城市建設的目標區域建立詳細的韌性分析模型，其中建成環境模型包括房屋建筑群落模型（包括各類建筑物）、交通網絡模型（包括各類道路、橋梁等）、供電網絡模型（包括各類變電站、輸電線路等）、供水網絡模型（包括各類水廠、泵站、輸水管等），通訊網絡模型（包括通訊基站、指揮中心等）以及功能耦合模型等，災害模型包括考慮時空不確定性的情景災害模型和長周期全過程災害模型。韌性評估分析可在災前進行，該類分析模型可得到城市目標區域在各類災害下可能的人員傷亡、經濟損失、功能恢復時間等，并可精確診斷定位城市防災系統薄弱環節，為下一步制定韌性提升計劃提供基礎；另外，韌性評估分析也可在災中針對當前實際的災害事件進行，如可在重大災害事件即將到來時和影響過程中運用模型對城市區域的各類風險和損失進行實時評估分析，可為城市管理部門提前掌握受災人口分布和救災物質需求提供可靠支撐。
步驟4：城市韌性提升決策制定和實施。根據作用時間來分，城市韌性提升決策可包括災前準備規劃、災中應急響應和災后快速恢復三個大類。具體來說，城市的韌性目標（步驟2）和當前韌性水平（步驟3）之間的差距，可通過制定有針對性的災前規劃措施（如避災安置場所、物質儲備倉庫優化建設、供電網絡、供水網絡、交通網絡優化等），災中響應措施（如人口轉移、物質調配等），以及災后恢復措施（包括恢復優先級的設置以及各類恢復資源的優化調配）等韌性提升措施來有針對性地縮小，直至滿足韌性目標。
現有條件
當前，韌性城市建設在政策、數據、模型和計算等方面的條件已經基本具備，本部分將對各個方面的條件進行論述。
政策條件。習近平總書記明確指出，新時代要按照“兩個堅持、三個轉變”的重要思想，提高城市建筑和基礎設施抗災能力，科學認識致災規律，有效減輕災害風險，實現人與自然的和諧發展。2018年，中共中央辦公廳、國務院辦公廳印發了關于《關于推進城市安全發展的意見》，要求健全公共安全體系，打造共建共治共享的城市安全社會治理格局，促進建立以安全生產為基礎的綜合性、全方位、系統化的城市安全發展體系。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中已經明確提出建設韌性城市的要求，而諸如北京、上海、深圳、廣州、成都、蘇州和澳門等城市也均已將“建設韌性城市”列入新一輪的城市綜合防災減災規劃和數字化應急管理工作計劃中。
數據條件。韌性城市的建設離不開各類城市承災體數據和多災害數據的收集、管理和融合。物聯網技術的大規模應用，使得分布在城市各個角落的智能設備成為一個個信息采集終端，有助于實現對城市健康狀態和災害風險進行全方位、多尺度的實時監測，讓我們對城市日常運維和災害情景及其影響有了更精準的認識。自2020年以來，第一次全國自然災害綜合風險普查全面收集了全國范圍內6大類21種災害致災因子、承災體、重點隱患、歷史災害、綜合減災能力等數據。另外，大數據的開放融合技術可匯聚城市中各行各業的海量信息并進行深度、有效的融合，從而為建設全方位覆蓋的韌性城市并進行精細化的管理帶來了可能，同時也為后續的城市狀態實時監測、韌性評估、決策建議提供了重要基礎。
模型條件。經過國內外學者十多年來的不懈努力，韌性城市領域內基于物理機制和仿真模擬的精細化模型和基于機器學習的大數據驅動模型已經日趨成熟。一方面，精細化物理模型可對城市作為一個整體在單個災害情景或長周期多次災害情景作用下建筑群落、交通網絡、供電網絡、供水網絡等各類基礎設施的物理破壞、功能損失、經濟損失、人口傷亡等進行有效評估，同時考慮從致災因子、孕災環境、承災體在內的各類不確定性的影響，并可在此基礎上搭建精細化決策輔助模型。另一方面，大數據驅動模型的優勢在于可在相對較低的計算時間成本下對更大范圍的城市和城市群的各類性能進行快速評估。此外，物理模型和數據驅動相結合的災害推演和風險預報技術將是該領域未來研究和應用的重要方向。
計算條件。超大型城市和城市群各種災害頻發、多發、突發，對建模分析計算能力及其時效性提出了極高要求。近年來興起壯大的云計算平臺為韌性城市超大規模分析計算提供了重要基礎。云計算平臺通過整合成千上萬臺通過網絡分配和協調計算任務的計算機組成的計算集群，可通過相對較低的成本實現超大規模分析計算，并具有極其強大的計算能力彈性拓展潛能，使得千萬級人口城市的多災害、多場景、精細化的高效實時計算模擬和決策優化成為可能，從而在災前防災規劃、災中應急響應和災后功能恢復等多個時間維度上，為決策部門提供最優決策建議。
應用實例——REN風險預報引擎
準確的自然災害綜合風險評估和預報能力，是韌性城市建設的核心內容和重要基礎。它不僅需要科學理論的支撐，還依賴于實戰積累的各類災害防治數據和豐富的一線應用場景。立足韌性城市的理論框架，浙江大學韌性城市研究中心開發了跨尺度、多層級、全過程的REN自然災害綜合風險預報引擎。該引擎側重韌性城市建設的災中應急響應階段，面向臺風、暴雨及其引發的次生災害等將要或已經發生時的應用場景，對綜合風險變化全過程進行實時動態風險預報。
REN引擎主要包括數據基座、預報引擎和應用場景三個主要邏輯層：從數據基座層開始進行各類動態和靜態數據的清洗、接入和融合，到中間的預報模型層（包括災害危險性模型庫、承災體模型庫和風險評估模型庫），再到應用場景層（包括避災人口風險、受災房屋風險、交通網絡風險和綜合風險預報等）。
數據基座。主要包括各類動態監測預警數據和靜態自然災害普查數據兩大類。動態數據主要來自相關行業部門的監測預警數據，包括：氣象部門的氣象災害預警、降雨預報、雨量監測等，水利部門的小流域山洪災害預報預警，自然資源部門的地質災害預報預警，住建部門的內澇監測預警等。靜態數據主要來自第一次全國自然災害綜合風險普查數據，包括：小流域山洪災害、地質災害、房屋建筑、道路、橋梁等調查成果，此外還有部分數據來自人口普查和各部門的存量數據。
預報模型。綜合風險預警預報模型庫包括災害危險性、承災體、風險評估三大類模型。其中，災害危險性模型具體包括氣象災害模型、小流域山洪災害模型、地質災害模型、內澇風險模型等；承災體模型具體包括房屋建筑模型和交通道路模型等，并考慮互相之間在物理上、空間上和功能上的相關性；風險評估模型具體考慮了多種鏈生災害在時間上和空間上同時或相繼作用在各類承災體上的潛在風險，由于實際情況下承災體在各類災害作用下的受災和損失存在較大的不確定性，模型還考慮了各類不確定因素對動態風險評估結果的影響。
應用場景。基于多源動、靜態數據和綜合風險預報模型庫，可得到各類風險預警預報結果，包括單承災體風險預報和綜合風險預報。在空間上，可支持市—縣—鄉等多個層級的綜合風險預報預警；在時間上，可對未來的各類風險進行滾動預報。風險預報可最終給出包括受災人口風險預報、受災房屋風險預報、交通遲滯風險預報和綜合風險預報等在內的多層級、全過程風險預報，可有力支持“戰時”精細化人員轉移、物資調配和搶險救援等決策指揮應用。
REN自然災害綜合風險預報引擎在浙江省的試點應用過程中，研發團隊利用歷史災害事件的反演分析，并對比歷時災情統計數據，對模型的科學性和準確性進行初步的驗證。起初，選取近年來發生在兩地較為典型的自然災害事件，通過建立鏈生災害場模型，融合應急管理廳數據管理平臺、氣象預報和各行業部門（氣象、水利、自然資源等）監測預警等數據，重構歷史災害事件的時空災害場演進過程。繼而，基于普查承災體數據和行業部門存量數據，建立試點地區房屋建筑、道路橋梁、居民住戶等承災體的數智防災孿生模型。最終，通過REN引擎仿真推演，并結合衛星遙感數據，地質災害和水利災害普查報告等手段，對模型進行率定和校驗，獲得臨安、蒼南兩地在選定歷史臺風、暴雨災害事件下各類風險的動態演化過程，包括避災人口風險、房屋倒塌風險、交通路段風險等，并以風險五色圖和熱力圖等形式展現評估結果。對比結果表明該預報引擎結果與實際災情統計數據吻合較好，可較好地評估城市地區在自然災害作用下的各類損失情況，為精細化風險研判和決策指揮提供重要參考。
亟待解決的問題與未來發展方向
基于“空天地”一體化的大數據融合治理。隨著大數據、云計算、5G技術等高新產業的不斷發展，“空天地”網絡一體化融合技術現已廣泛應用于導航、遙感、通信、物聯網等領域，也逐步在應急救災場景中發揮重要作用（如利用通信網絡、無人機、地理信息等技術實現災情識別、智能預警等），然而如何利用“空天地”網絡的多源異構信息和復雜立體網絡結構進行韌性城市建設相關數據的收集、治理和應用是當前賦能數智應急的一大難題。打造智能化自然災害監測預警體系、推動基于社交媒體／輿情上報／衛星遙感／災損圖像等信息的災情收集和感知技術，以及研究多源異構數據的融合治理技術是實現韌性城市和數智防災的亟待解決的問題之一。
依托AI、云計算技術的災害推演與風險預報。當前以韌性城市理論為基礎的精細化動態風險評估和決策輔助分析需要的算力巨大，且運算分析效率難以滿足實際決策部門工作需求，而大數據、人工智能技術的日益成熟為開發區域尺度的大規模精細化分析模型提供了可能。首先，自然災害和城市基礎數據的多源、海量、內容繁雜等特征和實時監測預警數據的多模態、多階段、實時性等特征都對融合治理海量災害大數據提出了極高的計算要求。其次，發展輔助風險研判和應急決策的時空孿生災害仿真推演技術極度強調分析結果的時效性和可靠性。為了有效解決數智防災過程中帶來的海量數據融合、推演模型訓練和高效計算等問題，將大數據、人工智能、云計算等技術應用于數據挖掘與分析、模型學習和優化、高性能計算，以此發展自然災害仿真推演和動態風險預報技術，將是實現韌性城市和數智防災的關鍵。
AR、VR為基礎的城市韌性防災元宇宙仿真模擬。隨著數字孿生技術在向各個領域融入的同時，基于AR、VR設備的“元宇宙”虛擬現實很有可能為未來城市規劃和管理帶來全新的技術變革。虛擬現實VR設備和數字孿生技術可以打造沉浸式的災害仿真模擬（如模擬火災、地震、臺風洪澇、泥石流等多災害和鏈生災害的災變演化過程）和互動式的決策反饋體驗（對受災場景進行快速災損評估、風險研判和應急決策），成為數智防災的新發展方向。然而，打造城市防災元宇宙不僅僅意味著城市信息整合與可視化，還需要強大的災害仿真推演引擎、3D真實場景的數字城市建模和實時動態渲染引擎、基于AR／VR的虛擬現實技術，以及支撐這些技術的物理基礎。這些技術的發展和成熟應用尚需時日，將成為未來推動韌性城市和數智防災應用落地的重大挑戰。
韌性城市與智慧城市建設的融合。智慧城市和韌性城市在理念和建設條件上存在諸多相通之處，將韌性城市與智慧城市建設相結合，并推動城市治理的優化升級，提升城市安全水平，預計會成為未來城市治理的發展方向。相對于韌性城市，智慧城市強調城市能夠“運用信息和通信技術手段感測、分析、整合城市運行核心系統的各項關鍵信息，從而對包括民生、環保、公共安全、城市服務、工商業活動在內的各種需求作出智能響應”。因此，韌性城市和智慧城市在建設的出發點上存在一定的差異，如韌性城市建設的主要著眼點在于保障城市在自然災害和突發事件下的安全性，減少其對城市造成的人員傷亡和經濟損失，讓城市在外力干擾后迅速恢復到正常狀態，而智慧城市建設的出發點則是用科技化手段提升城市日常管理的效率，讓城市在常態化運營中更為高效。
韌性城市和智慧城市理念在未來有著融合的趨勢，主要表現在：
（1）“平戰結合”，智慧城市和韌性城市的建設和管理平臺將趨于有機結合，構成平戰閉環管理，助力建設成為融合日常運行下“智慧”和災害情景下“韌性”的未來城市；
（2）“軟硬交互”，智慧城市建設中已搭建的硬件和從各行各業收集到的海量信息可以共享作為韌性城市建設的基礎，而韌性城市建設可對城市防災減災相關行業管理和運維產生積極正向反饋，保障其在災害情景下正常運行。
注釋
[1]McAllister, T. P., Community Resilience Planning Guide for Buildings and Infrastructure Systems, 2015, volume I.
[2][3]Bruneau, M.; Chang, S.; Eguchi, R.; Lee, G.; O' Rourke, T.; Reinhorn, A. M.; Shinozuka, M.; Tierney, K.; Wallace, W. & Winterfeldt, D. V., "A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities", Earthquake Spectra, 2003, 19(4), pp. 733-752.
[4]浙江大學韌性城市研究中心，http://www.rencity.zju.edu.cn。
責 編／馬冰瑩
Urban Resilience Framework Enables Digital Intelligence Disaster Prevention
Wang Naiyu
Abstract: The notion of urban resilience is a newly evolved concept worldwide in the fields of disaster reduction and prevention, which forms the theoretical and technical basis towards a systematic, digital, and intelligent disaster prevention, mitigation and management framework. At present, the conditions for resilient city construction in terms of policies, data, models and calculations are basically in place. Accurate comprehensive natural disaster risk assessment and forecasting capability is the core content and important foundation of resilient city construction. It not only needs the support of scientific theories, but also relies on the various types of disaster prevention and control data accumulated in actual combat and rich frontline application scenarios. There are many similarities between smart cities and resilient cities in terms of concepts and construction conditions. Combining resilient cities with smart city construction and promoting the optimization and upgrading of urban management to enhance urban safety is expected to become the development direction of future urban management.
Keywords: urban resilience, disaster reduction and prevention, urban management, artificial intelligence, digitization
