【摘要】韧性城市理念是近年来国内外兴起的一种全新的城市防灾减灾理念，为建立系统化、数字化、智能化的城市防灾减灾体系提供了重要的理论依据。当前，韧性城市建设在政策、数据、模型和计算等方面的条件已经基本具备。准确的自然灾害综合风险评估和预报能力，是韧性城市建设的核心内容和重要基础。它不仅需要科学理论的支撑，还依赖于实战积累的各类灾害防治数据和丰富的一线应用场景。智慧城市和韧性城市在理念和建设条件上存在诸多相通之处，将韧性城市与智慧城市建设相结合，并推动城市治理的优化升级，提升城市安全水平，预计会成为未来城市治理的发展方向。
【关键词】 韧性城市 防灾减灾 城市治理 人工智能 数字化
【中图分类号】TU992 【文献标识码】A
【DOI】0.16619/j.cnki.rmltxsqy.2022.1112.006
王乃玉，浙江大学“百人计划”特聘研究员、博导，浙江大学建筑工程学院防灾工程研究所副所长、韧性城市研究中心主任。研究方向为以城市基础设施多系统耦合模型为基础的城市风险评估、功能损失预测和灾后恢复优化。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》（合作论文）。
近年来，世界各地发生多起极端自然灾害事件，如2005年卡特里娜飓风、2008年汶川地震、2019年利奇马台风、2021年郑州720暴雨等，对城市面貌和经济造成严重破坏和损失。随着现代城市的发展，其系统内部和系统之间的时空关联也日益复杂，各类自然灾害不仅造成了基础设施不同程度的破坏，还引发了次生灾害（如停水停电、通讯中断等），造成城市功能瘫痪，导致了巨大的人员伤亡和经济财产损失，并严重威胁社会秩序和政治安定。韧性城市的理念就在这样的大环境下应运而生。
“韧性”和“韧性城市”是目前国内和国际社会在防灾减灾领域使用频率很高的两个概念。“城市韧性”是指城市能够化解或抵御外界的灾害或冲击，保持其主要特征和功能不受显著影响，并能够在灾后快速恢复的能力[1]。也就是说，当灾害发生的时候，一个韧性城市不但能够承受冲击，组织高效的灾中应对，还能够在灾后快速恢复城市各项功能的正常运行，并进一步通过经验总结和自适应调节为更好地应对未来的灾害风险作准备。在“韧性”视角下，城市这一客观的物质实体，逐渐成为具备防灾能力和防灾智慧的“有机生命体”。
当前，我国城市正处于数字化的时代浪潮中，各类感知、观测、影像、传感、支付、出行等数据的广泛收集，人工智能、大数据、机器学习、AR、VR、云计算等技术的快速迭代，以及各地数字化平台的建设为城市治理方式的数字化转型提供了坚实基础，也为以韧性城市理念为基础的韧性城市建设供了必要的前提。
本文将从什么是城市韧性、韧性城市建设的实施路径、现有条件、应用实例、亟待解决的问题以及未来发展方向等几个方面，探讨韧性城市理念如何赋能城市数智防灾。
韧性理念
发展简史。自20世纪90年代以来，韧性思想逐渐从自然生态学延展到城市防灾相关学科，韧性城市逐渐成为国际前沿的防灾减灾理念。2002年，地方可持续发展协会（ICLEI）在联合国可持续发展全球峰会上提出了“韧性”的概念；2015年世界减灾大会将“提高韧性”作为未来15年联合国开发计划署的四个优先领域之一；2016年第三届联合国住房与可持续城市发展大会将“城市的生态与韧性”作为新城市议程的核心内容之一。国内方面，2014年起国家发展和改革委员会城市和小城镇改革发展中心与美国洛克菲勒基金会合作，为中国海盐、黄石、德阳、义乌四个县市制定了韧性发展规划；从2017年起北京、上海、成都等地相继提出了建设韧性城市的计划或要求；2020年11月，在习近平总书记发表的《国家中长期经济社会发展战略若干重大问题》和《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中，作出了建设韧性城市的决策部署；2021年以来，许多城市都相继出台了各类韧性城市建设意见和方案，但总的来说还处于探索阶段。
近年来，美国国家标准与技术研究院及其资助的城市韧性规划研究中心、新加坡与苏黎世联邦理工学院联合成立的未来韧性系统实验室、欧盟委员会联合研究中心、美国太平洋地震工程研究中心、美国东北大学全球韧性研究所、英国拉夫堡大学安全和柔性社会研究中心、京都大学防灾研究所滑坡灾害研究中心，以及国内的浙江大学、清华大学、同济大学等高校都围绕城市韧性展开了大量的研究工作，从灾害模拟、韧性仿真、灾后恢复、韧性提升等方面提出了各种与城市韧性相关的模型与决策方案，从而为城市更好地评估和预报风险，制定和部署减灾措施、组织和指挥抢险救援、分配和调度减灾资源，以减少各类灾害或风险对城市物理、社会与经济系统的冲击提供了理论基础。
韧性城市的特征。一个城市的防灾韧性，通常可以通过以下四个维度来评价[2]。
（1）物理维度：指城市的物理环境及基础设施系统在灾害下的功能水平和恢复能力；
（2）组织维度：指城市中运营、维护城市关键基础设施，同时兼具制定并实施防灾减灾相关政策及措施等职责的政府部门和机构，在灾害过程中的准备、组织、调度和决策的能力；
（3）社会维度：指城市制定相关政策和措施以减轻灾害对城市功能和服务（如政务、教育、医疗和应急避难等）所造成的影响的能力；
（4）经济维度：指城市的经济系统和经济活动能够承受灾害造成的打击，并在灾后快速恢复的能力。
同时，一个韧性城市应该在这四个维度上具备以下五大特征[3][4]。
（1）鲁棒性：抵御灾害的能力，即减轻由灾害在城市物理、组织、社会、经济各维度造成的损失；
（2）可恢复性：快速恢复的能力，即城市各维度能在灾后快速恢复功能水平的能力；
（3）冗余性：城市各系统中的关键组成部分有（临时）备用模块，即当灾害导致关键组成部分受损时，系统仍能在备用模块的支撑下维持一定的功能水平；
（4）智慧性：城市各系统有判别形势、建立优先级并优化人力和物资调配的能力，即在灾害的全过程管理中扩大决策优势，最大化资源效益；
（5）适应性：城市能在灾害中学习并进化，从而提升未来灾害的应对能力。
具备灾害韧性的城市可在灾前识别城市的抗灾、容灾薄弱环节，并形成关于灾前提升抗灾容灾能力、灾中调配资源抗灾救灾和灾后快速修复减灾的决策建议，从而呈现出“灾前规划—灾中应急—灾后恢复”的防灾、救灾、减灾闭环管理的特点和优势（如图1所示）。
韧性城市理念与传统防灾减灾理念的区别。与传统防灾减灾理念和方法相比，韧性城市作为当下最前沿的综合防灾减灾理念，其革新之处在于：
（1）在防灾系统层面，韧性城市提倡考虑多维功能因子和系统耦合分析，而传统防灾减灾则仅考虑单一功能因子和系统独立分析；
（2）在防灾维度层面，韧性城市提倡聚焦功能控制和社科政经领域，而传统防灾减灾则仅考虑安全控制和建设工程领域；
（3）在防灾体系层面，韧性城市提倡进行主动防灾和多方协同联动，而传统防灾减灾则是被动应急和各方独自应战；
（4）在防灾决策层面，韧性城市提倡数据驱动和量化分析，而传统防灾则是以经验主导和定性分析；
（5）在防灾教育层面，韧性城市提倡全民防灾和智慧学习，而传统防灾则是重点设防和被动学习。随着时代的进步和科技的发展，城市防灾管理的重点正逐步从硬件建设转变为综合科技手段在实际防灾减灾工作中的应用；从聚焦灾中的应急响应转变为关注灾前规划建设—灾中应急响应—灾后重建恢复闭环管理的韧性城市建设。
实施路径
本文建议城市可从以下4个步骤来实施韧性城市的建设。
步骤1：成立韧性城市建设组织机构。组织机构应包括领导小组和技术专家团队。其中领导小组应由相关政府部门（如应急部门、气象部门、地震部门、住建部门、水利部门、自然资源部门、农业农村部门、发改部门、大数据数据管理部门等）和公共设施服务机构（如供电部门、供水部门、通讯部门等）相关负责人组成，并设工作专班；技术专家团队可由各类科研院所和专业服务机构的多个交叉领域的技术专家组成。
步骤2：设定韧性城市建设目标。领导小组应在充分调研的基础上，借助技术专家团队的力量，组织讨论并设定本地区在各类灾害情景下（通常可设定灾害的强度等级）的韧性建设目标，比如，“A市在12级台风正面登陆袭击影响下，应将灾害造成的影响控制在人员伤亡小于15人，经济损失小于10亿，倒塌破坏房屋小于25间，局部断电1天内恢复，局部断水2天内恢复”。值得注意的是，该韧性城市建设目标除了可以通过上述方式直接指定外，也可以结合步骤3在分析城市现有韧性水平的基础上进行制定。
步骤3：城市韧性评估。对韧性城市建设的目标区域建立详细的韧性分析模型，其中建成环境模型包括房屋建筑群落模型（包括各类建筑物）、交通网络模型（包括各类道路、桥梁等）、供电网络模型（包括各类变电站、输电线路等）、供水网络模型（包括各类水厂、泵站、输水管等），通讯网络模型（包括通讯基站、指挥中心等）以及功能耦合模型等，灾害模型包括考虑时空不确定性的情景灾害模型和长周期全过程灾害模型。韧性评估分析可在灾前进行，该类分析模型可得到城市目标区域在各类灾害下可能的人员伤亡、经济损失、功能恢复时间等，并可精确诊断定位城市防灾系统薄弱环节，为下一步制定韧性提升计划提供基础；另外，韧性评估分析也可在灾中针对当前实际的灾害事件进行，如可在重大灾害事件即将到来时和影响过程中运用模型对城市区域的各类风险和损失进行实时评估分析，可为城市管理部门提前掌握受灾人口分布和救灾物质需求提供可靠支撑。
步骤4：城市韧性提升决策制定和实施。根据作用时间来分，城市韧性提升决策可包括灾前准备规划、灾中应急响应和灾后快速恢复三个大类。具体来说，城市的韧性目标（步骤2）和当前韧性水平（步骤3）之间的差距，可通过制定有针对性的灾前规划措施（如避灾安置场所、物质储备仓库优化建设、供电网络、供水网络、交通网络优化等），灾中响应措施（如人口转移、物质调配等），以及灾后恢复措施（包括恢复优先级的设置以及各类恢复资源的优化调配）等韧性提升措施来有针对性地缩小，直至满足韧性目标。
现有条件
当前，韧性城市建设在政策、数据、模型和计算等方面的条件已经基本具备，本部分将对各个方面的条件进行论述。
政策条件。习近平总书记明确指出，新时代要按照“两个坚持、三个转变”的重要思想，提高城市建筑和基础设施抗灾能力，科学认识致灾规律，有效减轻灾害风险，实现人与自然的和谐发展。2018年，中共中央办公厅、国务院办公厅印发了关于《关于推进城市安全发展的意见》，要求健全公共安全体系，打造共建共治共享的城市安全社会治理格局，促进建立以安全生产为基础的综合性、全方位、系统化的城市安全发展体系。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中已经明确提出建设韧性城市的要求，而诸如北京、上海、深圳、广州、成都、苏州和澳门等城市也均已将“建设韧性城市”列入新一轮的城市综合防灾减灾规划和数字化应急管理工作计划中。
数据条件。韧性城市的建设离不开各类城市承灾体数据和多灾害数据的收集、管理和融合。物联网技术的大规模应用，使得分布在城市各个角落的智能设备成为一个个信息采集终端，有助于实现对城市健康状态和灾害风险进行全方位、多尺度的实时监测，让我们对城市日常运维和灾害情景及其影响有了更精准的认识。自2020年以来，第一次全国自然灾害综合风险普查全面收集了全国范围内6大类21种灾害致灾因子、承灾体、重点隐患、历史灾害、综合减灾能力等数据。另外，大数据的开放融合技术可汇聚城市中各行各业的海量信息并进行深度、有效的融合，从而为建设全方位覆盖的韧性城市并进行精细化的管理带来了可能，同时也为后续的城市状态实时监测、韧性评估、决策建议提供了重要基础。
模型条件。经过国内外学者十多年来的不懈努力，韧性城市领域内基于物理机制和仿真模拟的精细化模型和基于机器学习的大数据驱动模型已经日趋成熟。一方面，精细化物理模型可对城市作为一个整体在单个灾害情景或长周期多次灾害情景作用下建筑群落、交通网络、供电网络、供水网络等各类基础设施的物理破坏、功能损失、经济损失、人口伤亡等进行有效评估，同时考虑从致灾因子、孕灾环境、承灾体在内的各类不确定性的影响，并可在此基础上搭建精细化决策辅助模型。另一方面，大数据驱动模型的优势在于可在相对较低的计算时间成本下对更大范围的城市和城市群的各类性能进行快速评估。此外，物理模型和数据驱动相结合的灾害推演和风险预报技术将是该领域未来研究和应用的重要方向。
计算条件。超大型城市和城市群各种灾害频发、多发、突发，对建模分析计算能力及其时效性提出了极高要求。近年来兴起壮大的云计算平台为韧性城市超大规模分析计算提供了重要基础。云计算平台通过整合成千上万台通过网络分配和协调计算任务的计算机组成的计算集群，可通过相对较低的成本实现超大规模分析计算，并具有极其强大的计算能力弹性拓展潜能，使得千万级人口城市的多灾害、多场景、精细化的高效实时计算模拟和决策优化成为可能，从而在灾前防灾规划、灾中应急响应和灾后功能恢复等多个时间维度上，为决策部门提供最优决策建议。
应用实例——REN风险预报引擎
准确的自然灾害综合风险评估和预报能力，是韧性城市建设的核心内容和重要基础。它不仅需要科学理论的支撑，还依赖于实战积累的各类灾害防治数据和丰富的一线应用场景。立足韧性城市的理论框架，浙江大学韧性城市研究中心开发了跨尺度、多层级、全过程的REN自然灾害综合风险预报引擎。该引擎侧重韧性城市建设的灾中应急响应阶段，面向台风、暴雨及其引发的次生灾害等将要或已经发生时的应用场景，对综合风险变化全过程进行实时动态风险预报。
REN引擎主要包括数据基座、预报引擎和应用场景三个主要逻辑层：从数据基座层开始进行各类动态和静态数据的清洗、接入和融合，到中间的预报模型层（包括灾害危险性模型库、承灾体模型库和风险评估模型库），再到应用场景层（包括避灾人口风险、受灾房屋风险、交通网络风险和综合风险预报等）。
数据基座。主要包括各类动态监测预警数据和静态自然灾害普查数据两大类。动态数据主要来自相关行业部门的监测预警数据，包括：气象部门的气象灾害预警、降雨预报、雨量监测等，水利部门的小流域山洪灾害预报预警，自然资源部门的地质灾害预报预警，住建部门的内涝监测预警等。静态数据主要来自第一次全国自然灾害综合风险普查数据，包括：小流域山洪灾害、地质灾害、房屋建筑、道路、桥梁等调查成果，此外还有部分数据来自人口普查和各部门的存量数据。
预报模型。综合风险预警预报模型库包括灾害危险性、承灾体、风险评估三大类模型。其中，灾害危险性模型具体包括气象灾害模型、小流域山洪灾害模型、地质灾害模型、内涝风险模型等；承灾体模型具体包括房屋建筑模型和交通道路模型等，并考虑互相之间在物理上、空间上和功能上的相关性；风险评估模型具体考虑了多种链生灾害在时间上和空间上同时或相继作用在各类承灾体上的潜在风险，由于实际情况下承灾体在各类灾害作用下的受灾和损失存在较大的不确定性，模型还考虑了各类不确定因素对动态风险评估结果的影响。
应用场景。基于多源动、静态数据和综合风险预报模型库，可得到各类风险预警预报结果，包括单承灾体风险预报和综合风险预报。在空间上，可支持市—县—乡等多个层级的综合风险预报预警；在时间上，可对未来的各类风险进行滚动预报。风险预报可最终给出包括受灾人口风险预报、受灾房屋风险预报、交通迟滞风险预报和综合风险预报等在内的多层级、全过程风险预报，可有力支持“战时”精细化人员转移、物资调配和抢险救援等决策指挥应用。
REN自然灾害综合风险预报引擎在浙江省的试点应用过程中，研发团队利用历史灾害事件的反演分析，并对比历时灾情统计数据，对模型的科学性和准确性进行初步的验证。起初，选取近年来发生在两地较为典型的自然灾害事件，通过建立链生灾害场模型，融合应急管理厅数据管理平台、气象预报和各行业部门（气象、水利、自然资源等）监测预警等数据，重构历史灾害事件的时空灾害场演进过程。继而，基于普查承灾体数据和行业部门存量数据，建立试点地区房屋建筑、道路桥梁、居民住户等承灾体的数智防灾孪生模型。最终，通过REN引擎仿真推演，并结合卫星遥感数据，地质灾害和水利灾害普查报告等手段，对模型进行率定和校验，获得临安、苍南两地在选定历史台风、暴雨灾害事件下各类风险的动态演化过程，包括避灾人口风险、房屋倒塌风险、交通路段风险等，并以风险五色图和热力图等形式展现评估结果。对比结果表明该预报引擎结果与实际灾情统计数据吻合较好，可较好地评估城市地区在自然灾害作用下的各类损失情况，为精细化风险研判和决策指挥提供重要参考。
亟待解决的问题与未来发展方向
基于“空天地”一体化的大数据融合治理。随着大数据、云计算、5G技术等高新产业的不断发展，“空天地”网络一体化融合技术现已广泛应用于导航、遥感、通信、物联网等领域，也逐步在应急救灾场景中发挥重要作用（如利用通信网络、无人机、地理信息等技术实现灾情识别、智能预警等），然而如何利用“空天地”网络的多源异构信息和复杂立体网络结构进行韧性城市建设相关数据的收集、治理和应用是当前赋能数智应急的一大难题。打造智能化自然灾害监测预警体系、推动基于社交媒体／舆情上报／卫星遥感／灾损图像等信息的灾情收集和感知技术，以及研究多源异构数据的融合治理技术是实现韧性城市和数智防灾的亟待解决的问题之一。
依托AI、云计算技术的灾害推演与风险预报。当前以韧性城市理论为基础的精细化动态风险评估和决策辅助分析需要的算力巨大，且运算分析效率难以满足实际决策部门工作需求，而大数据、人工智能技术的日益成熟为开发区域尺度的大规模精细化分析模型提供了可能。首先，自然灾害和城市基础数据的多源、海量、内容繁杂等特征和实时监测预警数据的多模态、多阶段、实时性等特征都对融合治理海量灾害大数据提出了极高的计算要求。其次，发展辅助风险研判和应急决策的时空孪生灾害仿真推演技术极度强调分析结果的时效性和可靠性。为了有效解决数智防灾过程中带来的海量数据融合、推演模型训练和高效计算等问题，将大数据、人工智能、云计算等技术应用于数据挖掘与分析、模型学习和优化、高性能计算，以此发展自然灾害仿真推演和动态风险预报技术，将是实现韧性城市和数智防灾的关键。
AR、VR为基础的城市韧性防灾元宇宙仿真模拟。随着数字孪生技术在向各个领域融入的同时，基于AR、VR设备的“元宇宙”虚拟现实很有可能为未来城市规划和管理带来全新的技术变革。虚拟现实VR设备和数字孪生技术可以打造沉浸式的灾害仿真模拟（如模拟火灾、地震、台风洪涝、泥石流等多灾害和链生灾害的灾变演化过程）和互动式的决策反馈体验（对受灾场景进行快速灾损评估、风险研判和应急决策），成为数智防灾的新发展方向。然而，打造城市防灾元宇宙不仅仅意味着城市信息整合与可视化，还需要强大的灾害仿真推演引擎、3D真实场景的数字城市建模和实时动态渲染引擎、基于AR／VR的虚拟现实技术，以及支撑这些技术的物理基础。这些技术的发展和成熟应用尚需时日，将成为未来推动韧性城市和数智防灾应用落地的重大挑战。
韧性城市与智慧城市建设的融合。智慧城市和韧性城市在理念和建设条件上存在诸多相通之处，将韧性城市与智慧城市建设相结合，并推动城市治理的优化升级，提升城市安全水平，预计会成为未来城市治理的发展方向。相对于韧性城市，智慧城市强调城市能够“运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息，从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求作出智能响应”。因此，韧性城市和智慧城市在建设的出发点上存在一定的差异，如韧性城市建设的主要着眼点在于保障城市在自然灾害和突发事件下的安全性，减少其对城市造成的人员伤亡和经济损失，让城市在外力干扰后迅速恢复到正常状态，而智慧城市建设的出发点则是用科技化手段提升城市日常管理的效率，让城市在常态化运营中更为高效。
韧性城市和智慧城市理念在未来有着融合的趋势，主要表现在：
（1）“平战结合”，智慧城市和韧性城市的建设和管理平台将趋于有机结合，构成平战闭环管理，助力建设成为融合日常运行下“智慧”和灾害情景下“韧性”的未来城市；
（2）“软硬交互”，智慧城市建设中已搭建的硬件和从各行各业收集到的海量信息可以共享作为韧性城市建设的基础，而韧性城市建设可对城市防灾减灾相关行业管理和运维产生积极正向反馈，保障其在灾害情景下正常运行。
注释
[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]浙江大学韧性城市研究中心，http://www.rencity.zju.edu.cn。
责 编／马冰莹
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
