决定一次救灾行动是否顺利的关键就是信息，如果不能最快速度采集到灾情、伤亡人数等信息，就有可能错过72小时紧急救援的黄金时间，生命、财产损失会加剧；采集到的信息不准确、救灾信息传递的通道不顺畅，不仅会拖延救灾时间，也会导致灾情研判、救灾物资准备上的偏差，给救灾效果打折扣。不论是防灾、备灾还是紧急救援、过渡安置或者灾后重建，都需要有足够、及时、准确的信息为救灾提供研判、指挥依据。说到底，科技救灾也就是信息救灾。

　　数字救灾地图

　　传统的救灾，救灾人员往往因为地震、水灾导致的灾区交通中断、网络信号中断、没有足够的人手帮助传递实时救灾信息等困难，无法及时回传信息，面对信息不对称的困难，无法及时跨地域协同救灾，危机绘图（disaster mapping）成为救灾中最能帮助解决信息共享问题的技术工具。来自互联网上众多的信息志愿者，通过公共的地图网站，形成数据众包志愿者团队进行危机绘图。这些网络志愿者借助谷歌地图、Openstreet、Ushahidi、Mapbox以及中国的益云地图等地图平台，在汶川地震、海地地震、雅安地震等国内外多次地震中快速形成跨地域联动，通过志愿者从facebook、微博等社交媒体上以手工或者网络爬虫技术收集灾情信息，分类标注到地图上，形成一个全面的救灾信息地图，供救灾的各个相关方进行及时的救灾人员和物资的配给。

　　这便是一张由成千上万的网络志愿者共同绘制的尼泊尔地震农村地区的食物及其他物资的供给地图，从而加快了这些救灾物资的快速运达。

　　国际红十字会的地理工程师Dale Kunce更是认为这样的灾情绘图工作不仅仅需要在灾后开展，在灾情发生之前、日常的备灾工作中，也需要有这些安全隐患相关的地图支持。他们开发出Missing Map以应对持续快速的全球城市化进程中多发的日常灾难。不仅如此，美国红十字会就在Dell公司协助下，用9个屏幕、3台电脑搭建了一个“数字指挥中心”，通过搜集Facebook、Twitter上的求救信息（包括停电、停水等日常危机），来指挥、调度救援任务。

　　美国红十字会数字指挥中心

　　文化敏感的“人肉传感器”作为一种救灾技术

　　不论是灾情绘图还是人工智能算法，在灾难发生后的最短时间内，都需要离灾情最近的人收集、传递数据给后方的志愿者和计算机进行数据处理、灾情研判，再集结人力、物资运往灾区进行救助、安置。Sensor杂志在2008年的一篇名为“On Line Disaster Response Community： People as Sensors of High Magnitude Disasters Using Internet GIS”的文章中，将救灾中的志愿者、救灾队员称为“人肉传感器”（Human Sensor）。早在1964年的Annals of the New York Academy of Science中，香水的试闻员就被学者称为“人肉传感器”，通过人的感知和反应来收集数据，这一点也同样出现在救灾行动者身上，因此救灾前线的救灾队员、灾民、志愿者都成为灾难中最鲜活的“人肉传感器”，Humanitarian OpenStreet Map Team 以及Map Courtesy Mapaction等都是由志愿者自发组成的公益机构，随时准备召集网络志愿者为各类灾害进行众包绘图，他们就是这类“Human Sensor”的典型代表。

　　这些“人肉传感器”具有很强的文化敏感性，能够帮助救灾队员们很快适应不同文化环境下的灾难救助状况。曾在北大留学的尼泊尔医生舒俊便提道，在尼泊尔地震救灾中，中国最开始送往尼泊尔的救灾物资有牛肉方便面，本以为灾民会喜欢，谁能想到在尼泊尔人心中牛是神圣之物，灾民都拒绝食用。同样的文化差异的问题也出现在就餐方式上，救灾队员派发餐食的时候，按照中国人的习惯集中派餐，但是尼泊尔的受灾村庄却没有这种集体用餐的习惯，因此没有什么灾民愿意来领食物。舒俊了解本地人的习俗，帮救灾队找了更符合本地人就餐习惯的地点派发救灾餐食，这样才召集了数千名尼泊尔灾民前来吃饭。熟悉本地文化、洞察本地人特点的“人肉传感器”，是科技救灾中不可或缺的重要一部分。也正是因为文化和人在科技救灾中的重要性，在救灾科技工具的研发中，也越来越倾向于文化敏感的人本技术的研发。

　　人工智能算法作为一种新兴的救灾技术

　　这些数字地图工具和灾情地图绘图志愿者团队，主要的贡献在于前端的数据收集。如果仅靠这些“人肉传感器”来手工完成信息整理、分析、洞察和研判的工作，随着灾情数据大量汇集，往往给救灾队员带来一种我称之为“数字化次生灾害”的“信息赤潮”。这是参加过一线救灾工作的救灾队员们最揪心的痛。

　　大量繁杂的数据堆积，夹杂着洪水般无法快速判断真伪的情绪化表达内容，没有及时准确的分拣、分析和洞察，无从进行救助行动的研判决策。这时候，在“人肉传感器”不断实时更新数据的协助下，人工智能算法可以帮得上忙，解除一线救灾人员的信息压力，帮助救灾决策者更好地核对一线灾情信息，做出准确的救灾决策。

　　在2012年IEEE 100会议上， Oleg Aulov和Milton Halem研发了一种基于社交媒体数据推测海洋洋面上的石油扩散的建模方法。他们的Gnome软件可以通过海面的风速、洋流方向、卫星数据，通过收集社交媒体上海岸边的志愿者观测到的实际海平面的漏油扩散情况，比对计算机根据算法模拟的趋势模型，非常精准地预测海面漏油扩散趋势，从而在漏油污染下一个海岸之前，做好相应的预防准备。

　　灾后重建中的城市治理信息系统

　　不论是国际顶级会议CHI系列还是国际数字政府会议，近年来每次都会有较大比重与会者讨论科技与救灾之间的关系。灾难救助中的科技支持已经成为各国数字政府、智慧城市中应对风险社会治理的重要内容。对救灾志愿者的管理、对救灾信息的管理，以及对灾难管理的流程管理，都是灾难中的人本科技研发的重要部分。

　　除了众包灾情地图中的志愿者自组织模式、众包志愿工作的社会网络关系的研究之外，更有对受灾地区互联网信息系统恢复过程中的信息管理模式进行研究。

　　按理说，这个时候网络中断、电脑损毁、信息丢失，硬件和软件，哪怕是数据都没有了，在这样的环境下研究信息科技与救灾的关系，恐怕是比登天还难。在2016年第49届夏威夷信息科学国际会议(HICSS 2016)上，一项关于2011年东日本大地震的研究颇受瞩目。通过对3个受灾镇的田野调研，学者Mihoko Sakurai等人考察灾后重建过程中的政府管理，不是聚焦科技工具硬件意义上的信息系统恢复，而是把考察的重点放在软性管理信息系统的恢复和重建。他们通过经济资本、社会资本、象征资本、人力资本、机构资本等5个理论维度，深入梳理政府机构在多种灾后公众服务过程中的网络信息硬件恢复、信息管理系统重建。他们发现整个市民服务的信息系统的恢复过程，经历了各种资本重新创建的过程，而其中具有采用尚存物资、工具等各类资本的“弹回模式”（Capital Resiliency Model），更能够帮助政府管理部门尽快恢复公众服务，帮助公众快速回到平静的生活序列中去。这也为其他地区的政府进行灾前、灾后的灾难管理提供了城市风险治理上的经验。

　　随着科技的进步，科技救灾已经突破了仅限于科技工具支持救灾的局限，越来越多地体现在“人肉传感器”的灾情志愿者和后端人工智能算法合作机制下的救灾信息收集、分析和决策的技术，也包括政府数字治理过程中的管理机制，都属于科技救灾的重要内容。随着越来越多的新技术加入到救灾的队伍中来，不仅是无人机，或许智能式穿戴设备、AR/VR技术也能成为助力科技救灾的重要工具，而以人为本则是作为人道主义救援的科技救灾至关重要的核心所在。