摘 要:现代社会传统风险和新兴风险交织叠加，在不确定环境下要想提升城市的风险感知、防范及适应能力，需要将城市视为一个复杂的、具有适应性的系统，基于系统思维应对风险，提升城市韧性。智慧城市的情报搜寻与生成可以在不确定环境下快速识别并理解新的风险与威胁、情况和机会，并针对不同的风险与情报需求搜寻与生成精准匹配的情报产品与服务，以支持应急响应行动，增强智慧城市在不确定环境下应对各种突发事件的能力。
关键词:情报支持 情报决策 智慧城市 不确定环境
【中图分类号】G203 【文献标识码】A
近年来，世界范围内极端天气、公共卫生事件、地区性冲突等危机事件频发，国际社会面临前所未有的不确定性，构建能够适应并具有应对变化能力的智慧城市成为抵御不确定性挑战的关键。数字技术正以新理念、新业态、新模式全面融入人类经济、政治、文化、社会、生态文明建设各领域和全过程，给人类生产生活带来广泛而深刻的影响。面对不确定性环境下的风险挑战，基于智能情报分析提供决策支持来建设智慧城市显得尤为重要。
智慧城市情报支持与决策的核心问题与研究对象
不确定环境下智慧城市情报支持与决策的核心问题是发现不确定环境中的风险与干扰源，理解其破坏性、异质性等特性，针对不确定环境中可能出现的信息不对称、失真、低质量等问题，利用物联网、人工智能等先进信息技术灵敏感知智慧城市系统中的各类风险，根据风险应对的目标与任务，对各主体的动态情报需求建模，经过多模态信息融合，精准搜寻汇聚多源数据资源，生成满足情报需求的有用情报，利用知识增强方法将领域知识融入情报推理与决策，寻求消除不确定性的最佳方案与路径，为决策者提供智能情报支持，从而提升智慧城市系统的风险抵抗、恢复重建、调整适应能力，建设具有韧性的智慧城市。
本文的研究对象是智慧城市的情报支持与决策。在人类与社会发展过程中，各种自然灾害、疾病、战争、国际冲突等重大事件给人们带来现实与认知的双重不确定性。具有韧性的智慧城市是应对不确定环境的理想解决方案，它能够对城市系统的内外部风险形成的冲击自发地进行适应与调整，形成负反馈循环机制，不断减少其破坏性或负面影响，使城市恢复或接近至冲击之前的状况，并遵循原有的方向发展。建设智慧城市不仅需要充足的物资与能源，还需要丰富的高质量信息、情报与知识。随着大数据、人工智能等先进信息技术的发展与普及，智慧城市的情报支持与决策需要整合分散在各业务部门、处于不同生命周期阶段、呈现不同模态的原始数据与信息，从中提取可执行的决策情报，使决策者有效应对不确定环境。具体包括以下五个方面：
一是分析不确定环境与智慧城市建设对情报支持与决策的影响与需求，明确情报支持与决策的内涵及定位，在理解情报支持与决策构成要素与运行机制的基础上，设计不确定环境下智慧城市情报支持与决策理论架构；二是对物理世界、人类社会与信息空间中的潜在风险与异常状况进行全息感知与监测，将风险应对的具体任务转化为不同主体的情报需求，对情报需求进行细粒度表示与建模；三是针对各种情报需求，汇聚智慧城市中的多源多模态信息资源，利用自然语言处理、人工智能方法技术进行信息组织与深度分析，搜寻和生成精准匹配情报需求的有用情报，为决策者提供情报支持；四是利用知识增强等方法将领域知识与通用大语言模型相融合，将不确定环境中的风险信息与可用的信息资源进行关联与推理，寻求用于消除不确定性的最佳方案与路径；五是在智慧应急、产业发展受挫等典型不确定场景中进行创新应用，对应用效果进行跟踪评估，度量智能情报支持与决策对减少不确定性、提升城市韧性的作用，提出情报支持与决策发展策略。
智慧城市情报支持与决策的理论架构
为应对不确定环境的诸多风险与挑战，抵抗其带来的压力与冲击，维持组织与社会的稳定性，增强可持续发展能力，加强智慧城市建设至关重要。提高城市韧性对情报支持与决策的智能化提出更高要求。基于不确定环境特点、智慧城市建设背景，需从宏观系统的角度认识智慧城市情报支持与决策的功能定位与理论基础，从微观视角把握智慧城市全环节情报支持与决策的组成部分与运行机制，构建不确定环境下智慧城市情报支持与决策的总体理论架构。
智慧城市情报支持与决策的实际需求与功能定位
不确定环境引起的信息传播失序、环境失衡、应对失准等问题促使城市系统加强韧性能力的建设。在不确定环境下剖析智慧城市建设涉及的感知风险能力、承受压力能力、缓解冲击能力以及恢复秩序能力四个维度，深入探讨当前情报支持与决策中存在的不足，推导智慧城市情报支持在适应不确定环境特点、满足智慧城市建设的需求，界定智慧城市情报支持与决策的概念内涵，从全环节智能技术赋能、全链条智能情报支持、全方位韧性能力提升三个方面，探索智慧城市情报支持与决策的功能定位。
智慧城市情报支持与决策的理论支撑与框架设计
利用不确定环境、韧性社会相关理论指导智慧城市情报支持与决策方法构建。以三元世界理论作为韧性系统各要素运行过程中情报工作流程的理论依据，对物理、信息与社会三元空间的多源多模态数据进行收集，结合信息空间的数据融合、知识集成与智能计算，生成智能情报支持方案，通过城市空间组织实体协同分析，在多领域多场景实现智能情报决策。以韧性理论作为理论架构的基本骨架，结合态势感知理论、动态能力理论、新公共管理理论、情景危机沟通理论、组织冗余理论等多个理论搭建韧性要素运行路径，设计与搭建智慧城市情报支持与决策的基础理论框架。
智慧城市情报支持与决策的核心要素与作用机制
智慧城市情报支持与决策包含不确定环境下韧性要素的作用机制与智能情报支持与决策流程分析。依照韧性理论将韧性要素分为正常、扰动和恢复三个状态与规避、生存和恢复三个过渡阶段；按照智能情报支持与决策流程，研究各韧性要素的组成构件、关联机制与作用机理，形成不确定环境下智慧城市情报支持与决策的总体理论架构，以实现事前结合以往案例储备应急预案、协调系统能力、预测态势变化，事中借鉴过往经验、衔接当前情势、实时监测外部环境与内部状态、灵活调配资源、恰当应对，事后评价总结、补足缺陷。
全息感知视角下智慧城市智能风险监测方法
现代社会传统风险和新兴风险交织叠加，在不确定环境下要想提升城市的风险感知、防范及适应能力，需要将城市视为一个复杂的、具有适应性的系统，基于系统思维应对风险，提升城市韧性。理想情况下，智慧城市应该能够在某种程度上预测可能的冲击，并通过确保资源与应对方案提前做好准备。
城市风险监测需要对物理世界、人类社会与信息空间中与风险管理相关的各类数据信息进行系统地收集、规划、感知、组织、分析，识别潜在风险，评估其严重性和发生的可能性，结合不同主体的情报需求，将原始数据转化为可决策的情报。
因此，如何在三元空间中实现对数据的全息感知和有效分析，全面感知城市的运行状态与风险态势，精准刻画城市各系统各主体的情报需求和变化趋势，构建完整的情报需求模型，从而及时调配城市资源提供精准情报支持，是需要解决的主要问题。
全息感知视角下的城市风险数据获取与解析
全息感知是形成对城市风险综合立体的态势认知、促进智慧城市建设的重要基础，它涉及各种数据源、各领域、不同空间尺度的信息集成和协同。对城市风险数据进行扫描，通过收集和整合多个信息源的数据，推进数据解析、融合，以全面、准确地了解和预测特定情境下的各种要素及其动态变化，为城市风险管理提供有力支持。
明确多源数据类型，如传感器网络、社交媒体、卫星遥感等，构建多层次、一体化的数据资源体系，全方位监控扫描城市风险。根据不同业务特点及数据需求，研究数据清洗、抽取、表达模型，优化数据架构，提高数据的安全性和可靠性，为后续应用提供高质量数据；应用数据分析和挖掘技术，实现面向复杂数据的多维特征提取和细粒度解析；对多源数据进行聚合管理，推动数据层的情报融合，以获取更全面、准确的城市风险信息，从而识别分析各类风险情景，揭示各类城市风险的隐藏模式、内在规律、潜在关联和发展趋势。
城市韧性建模与风险态势智能感知
城市是一个复杂的巨型系统，包含不同层次、类型、结构的子系统。要了解城市韧性，需要对这些系统的相互作用进行建模，构建韧性评估与演化模型框架，明确韧性评估指标及量化方法，以便理解城市韧性的形成和变化。城市系统可划分为主要子系统，抽象出不同风险情境下子系统之间的交互关系，以揭示城市运行规律；综合考虑系统面对干扰的抵抗力、适应恢复能力等因素，提出针对性韧性评估方法，对不同子系统及城市全局韧性进行度量；建模分析人口增长、灾害暴发、气候变化、城市建设等带来的韧性能力变化情况。
针对全息感知的数据，在数据解析和融合的基础上构建风险识别模型、监控预警模型、响应防御模型、损失评估模型等智能算法模型，对城市风险进行动态、持续的态势感知；利用机器学习和人工智能等技术建立风险预测模型，预测可能发生的城市风险事件；基于系统动力学对城市韧性状态、潜在风险及干预行为进行模拟分析，预测潜在风险可能产生的影响，探索不同应对措施在管理城市风险、提升城市韧性等方面的效果，为风险应对提供科学依据和决策支持。
精准匹配的智慧城市情报搜寻与生成方案
智慧城市的情报搜寻与生成可以在不确定环境下快速识别并理解新的风险与威胁、情况和机会，并针对不同的风险与情报需求搜寻与生成精准匹配的情报产品与服务，以支持应急响应行动，增强智慧城市在不确定环境下应对各种突发事件的能力。面对各种城市风险与情报需求，需解决以下主要问题：如何通过精准匹配情报需求搜寻智慧城市的应急情报；如何通过精准匹配情报需求来建立智慧城市的情报生成模式；如何构建与优化智慧城市面向智能情报生成的多模态大模型；如何对智慧城市的智能情报生成进行可靠性评估。
精准匹配视角下智慧城市情报搜寻方法
信息与情报是智慧城市发展进程中不可或缺的基础性、战略性资源，大数据环境下人们面临着巨大的情报搜寻压力。从精准匹配视角提出智慧城市情报搜寻方法，即针对城市风险来精准分析情报需求，选取匹配的情报源、情报搜寻渠道，以信息检索、文本匹配等方法为基础，以循环神经网络、卷积神经网络等深度学习方法为支撑构建深层神经网络模型，达到消除非关键和冗余的情报并精准匹配情报需求的目的。
精准匹配视角下智慧城市情报生成模式
大语言模型的出现使得智能情报生成模式由数据驱动到大模型驱动，由表层信息组织到深层语义内容组织，由信息检索到知识问答。智慧城市情报生成模式基于应用场景、表征方法、逻辑构建、性能输出等特征，通过提示工程、规则匹配、指令微调等方式，实现不确定环境下智慧城市情报需求与智能情报生成的精准匹配。
智慧城市面向智能情报生成的多模态大模型构建
在生成智能情报过程中同时将文本、图片、视频、语音等多模态数据作为模型的输入和输出，满足多样化的智能情报生成场景。结合多模态层级编码网络, 实现多模态动态对齐预训练和生成式预训练，将现有的大语言模型作为多模态输入输出的通用人机接口，构建智慧城市面向智能情报生成的多模态大模型，探索具备多种模态综合理解与生成能力的预训练模型架构，高效精准地生成有用情报。
智慧城市面向智能情报生成的多模态大模型优化
智能情报生成涉及专业领域，计算成本和硬件要求较高。多模态大模型优化方法使面向智能情报生成的多模态大模型向专业化、轻量化发展，通过建立动态知识图谱对多模态大模型进行语料扩充、信息过滤、知识输入、抽取验证以及反馈增强，实现智能情报生成的专业化；通过探究模型压缩方法，如模型量化、知识蒸馏以及模型剪枝等，实现智能情报生成的轻量化。
智慧城市情报推理与决策模型
知识增强能够为智能情报推理与决策提供方法与技术支持，它是指通过学习积累、信息获取、技术工具等多种途径和方法，持续提高扩展系统知识水平、认知能力和问题解决能力的过程。智慧城市建设强调城市系统面对各类灾害的适应能力，即有效应对、适应各类灾害打击及干扰并迅速恢复。知识增强的智慧城市情报推理与决策需要多源知识和高质量数据，结合推理机制与决策模型以便实时预测和综合分析各种风险和挑战，支持城市系统迅速有效的应对。需解决的主要问题是通用知识与领域知识体系构建、嵌入机制及数据分析方法认知化智能化的运行机制，利用“通用-领域”知识数据如何实现智慧城市情报推理与精准决策。
知识增强驱动的通用知识库及领域知识库系统
多源多模态数据的急剧增长使得智慧城市情报推理与决策过程中爆发知识过载、知识分散等问题。首先通过对多源开放通用数据库中的实体、概念、属性及复杂关联关系的细粒度查询，研究通用知识库系统构建的知识增强机理、知识序化过程和技术方法路径；其次，从情报语义分析及要素提取角度，探究领域知识库系统隐性数据及不完全表达数据的显示化与丰富化，实现“通用-领域”知识库系统的知识增强。
“通用-领域”知识细粒度关联与知识库协同融合
经过序化组织的多源多模态通用知识与领域知识在形态、概念层级上存在诸多不同。首先通过数据的语义化转换和知识的细粒度分解，研究两者概念对齐、语义匹配和实例链接的关键挑战和技术方法路径；从情报分析过程链和方法要素角度探究“通用-领域”知识库在知识嵌入、模型融合、智能情报推理与决策中的关联逻辑、嵌入形式和具体功能，重构知识库系统分析及应用流程。
知识增强的智慧城市情报推理机制
知识增强的智慧城市情报推理是一系列情报感知流程的整合。可利用演化分析、自然语言处理等工具探究既定目标的复杂关联关系，结合数理模型的逻辑结构、数学表达和推导机制，厘清知识所能转化的计算构造，例如约束函数、公式推导，进而研究知识有机嵌入基于数据的统计学习过程的数理原理、函数改造、学习机制变革等；选择分类、聚类、预测、评估等智慧城市情报分析模型，研究不确定因素主题、风险预警及倾向性预测，识别虚假信息，借助深度学习网络预测不确定事件的发生概率及事态走向、信息传播范围与强度、用户注意力转移等信息行为。
知识增强的智慧城市情报决策模型
情报决策是基于对情报的收集、整理、分析与研判，融合数据、信息与知识，主导引领实现具体目标的管理行为。分析知识对智能情报决策模型的推演机制、规范效应和可解释机理，利用知识与数据间的细粒度关联及嵌入机制，研究决策模型的关键要素、维度扩张和要素体系重构，提出分布式集群化智能情报决策模型；引入知识泛函数捕捉决策误差，借助历史决策数据，建立决策模型学习机制，构建基于统计学习和领域知识的模糊决策优化与反馈模块，为情报决策的有序开展提供保障。
不确定环境下智慧城市情报支持与决策的创新应用
不确定环境包含各种动态因素和未知情境，在此背景下实施智能情报支持与决策是建设智慧城市的关键策略。首先选择不确定性突出的典型环境，开展智慧城市情报支持与决策的创新应用；其次，针对应用效果，从过程、能力和结果三方面评估智能情报支持与决策的有效性、及时性、合规性、可信度和可执行性，以探究其在不确定性环境下的适应性和效能；最后，提出不确定环境下智慧城市情报支持与决策的发展策略，旨在应对不断变化的挑战和问题，以开发新的解决方案，促进城市系统在面对复杂的现实环境时的适应性和可持续性。
为了开展不确定环境下智慧城市情报支持与决策的创新应用与跟踪评估，以提高城市韧性为目标导向，可选择智慧应急、产业发展受阻等不确定性突出的领域开展情报支持与决策的创新应用。将先进的评估方法与智慧城市情报的特点结合，对不确定环境下智慧城市情报支持与决策的应用效果展开科学、全面的评估。主要内容包括：
面向智慧应急的情报支持与决策创新应用
智慧应急是对海量、多源、异构特征的突发事件信息进行智能感知、采集、组织、分析、处理、传递与利用，并上升为智慧层面的事件应对。在把握智慧应急的内涵定位、任务目标、体系架构的基础上，针对应急场景的不确定性进行建模，基于工程思维搭建应急场景下的智慧城市情报支持与决策框架。从多阶段、多决策主体的角度构建演化周期-情报需求-决策主体的三维决策需求分析流程，分析突发事件各阶段的情报需求类型、需求内容及需求特征。基于知识需求理论、知识表示理论、知识库构建理论等构建应急决策知识库，解决公共基础数据、应急基础业务信息与智慧城市情报支持与决策的融合问题，实现突发事件的协同应对，构建情报引导、实时交互的智慧型应急决策模式，提高城市适灾韧性。
面向产业发展不确定性的情报支持与决策创新应用
贸易政策、经济政策以及国际形势等不确定性会干扰城市经济发展，使产业发展面临不确定性。首先着眼于多源、多模态的产业信息采集与情报分析，以解决产业发展中的不确定性问题，包括在复杂环境中分析市场波动、自然灾害、政策变化、供应链断裂等干扰因素，以便更好地理解不确定因素的来源。其次，探讨多数据源的情报获取方法，包括结构化和非结构化数据、互联网数据、日志数据、传感器数据等，以全面了解不确定性情境。最后，建立经济领域智慧城市情报支持与决策机制，具备产业风险感知、问题解构、动态分析、全局评估等功能，支持产业决策者更好地应对不确定性，提高产业发展的韧性。
【本文作者为武汉大学信息资源研究中心、武汉大学数据智能研究院教授；本文系国家社会科学基金重大项目“不确定环境下韧性社会智能情报支持与决策研究”（23&ZD230）阶段性成果】
参考文献略
责编：王 克／美编：王嘉骐