自2015年1月1號發出“城市計算可以避免踩踏悲劇”的微博后，大家反響很熱烈，提供了很多想法和見解，大概意見可以歸納為兩大類（相信大家都是向著為了使我們的城市和政府能變得更好的方向給出建議的）。由于微博很短，有必要用長文跟大家解釋清楚。

反思”外灘踩踏事故”：大數據能做些什么？

第一類網友意見：根本不需要用手機數據這么高大上的技術。網友們提出了“用肉眼看一眼不就知道人多了”，“多放幾個警察叔叔在路口不就知道了”，“視頻監控不可以看出來現場人很多嗎？”等多種建議和質疑。這些話并沒有錯，不過大家有沒有想過，當幾萬人已經來到了現場，我們看到擁擠的時候就已經太晚了，這個時候能做的事情也很有限（其實這也是部分網友的意見）。

因此，用手機數據第一步需要做的就是提前預測未來一個小時將會有多少人來外灘、從哪里來（以及有多少人將要離開外灘、將去那里）。這個問題并不簡單。這里需要將全城的各個區域構成一個網絡、大范圍一起預測（各個地區的出和入人流數），但并不用精確到個人的去向（所以不涉及個人隱私問題）。警察叔叔也好，攝像頭也好，能看到的只是局部（幾百米甚至更小）區域和當前（幾分鐘）的現狀。沒有哪個千里眼的警察和監控能看到10公里外（1小時后），正有大量人流從不同區域、并采用不同的交通方式（地鐵、公交和自駕等）涌入外灘。這里我們需要一個全局的大圖，而不僅僅是零碎的信息（雖然這些數據源可以跟手機數據結合起來一起使用），而手機數據正好給我們提供了一個很好的資源去構建一個全城的人流大圖。

第二類網友意見：這是一個管理問題，不是技術問題。我表示同意，管理是關鍵。但根據什么來制定管理策略呢？比如什么時候疏導，如何疏導，疏導線路、車輛調度等，這些靠什么來決定呢。如果沒有數據的支持，我們也不得不靠拍腦袋來決定了。有沒有想過，如果我們疏導的路線正好是未來人流將要涌入的主要路線，兩股逆向的人流就可能會造成新的事故。我們并不希望出現疏導外灘卻在其他地方發生事故的情況。這里有很多難題，都需要數據的支撐來幫助決策。

因此，用手機數據的第二步就是根據當前外灘（及其鄰近區域）的人流，以及預測到的未來將要到來和離開這些區域的人流，一起做一次異常等級的評估，確定異常的區域、時間范圍和大概的嚴重等級，以便啟動不同的預警和疏導預案。這個問題也不簡單，要考慮的因素較多，比如本地的人流滯留度、外界涌入速度和人流紊亂度（而且這可能是一大片區域的問題，而不是單個地點的問題）。相信，只要能準確的提供這些信息，城市安全管理的專家可以制定出更為合理的預警方案（我不是專家，這里大概給出一些個人的建議）。比如，在異常初見端倪的時候，可在較遠處的地鐵起始站、主要交通路口的電子大屏上提前公布外灘情況，建議大家放棄出行或者暫緩出行。畢竟越早告訴大家，大家改變行程的可能性就越大。等人已經來到外灘再去趕人，不但不人性化，而且可能會引發新的問題。這里第一步的人流預測結果可以幫助選擇在那些地鐵站點和地域發布信息和公告，力爭做到在源頭處就開始把人流分流。根據事態的不同等級，還有其他措施可以采用。比如，提早用短信和電子廣告牌的方式通知在外灘的人群，大批人流即將匯入此地，以便人們可以做出提前離開的決策；或者在危機時刻采取像天安門升旗那樣的局部、短時間交通管制等，避免人流繼續涌入。

用手機數據的第三步就是輔助制定撤離和疏導方案。比如，根據事態等級的不同，調度增加離岸地鐵和公交的頻度，選擇正確的疏導方向，避免出現不同方向人流的逆向交匯等。我相信城市安全管理者會需要這些信息的。而這些都是需要根據當時的實地情況，依靠數據來制定的。但如果前兩步做得足夠好，我們并不希望走到第三步。防患于未然才是避免踩踏的最佳方法。當人們都已經在外灘擠成一片時，即便有技術的幫助，分流的工作難度仍然會很大。

綜上所述，完整的方案是一個基于手機數據的三步曲：1. 預測人流， 2.評估異常等級和范圍，3. 幫助確定撤離和疏導路線。這三個都是城市計算中的研究子課題，也都有相關成果。比如基于手機數據的撤離技術，在日本的海嘯事件中就有相關研究成果。德國發生踩踏事件后，各位專家討論的結果就是用手機數據來解決。2011年我就發過微博說過這件事情。后來，北京大雨成災我又提過用城市計算的方法來幫助城市應急。因此，這已經是很多次血的教訓了。

雖然已經有一些成果可用，但城市計算仍是朝陽領域，仍面臨很多的挑戰和難點等待我們去攻克。城市計算未來還有很長的路要走，遠沒到把我們面臨的問題都完全徹底解決了的地步。她帶給大家的是一種新的思維方式，一種使我們的城市朝著更好、更安全、更智慧的方向發展的途徑。希望行業能（至少向相關部門）盡可能的開放數據；希望更多的科研工作者能投身這個領域，做出更多、更有實際價值、關乎民生的研究成果；希望政府在日后的工作過程中也能更多的采用以數據為支撐的決策方式，依靠數據改善城市，以計算驅動未來。