园林绿化部门 管理部门 空间载体 登山古道、防火隔离带、溪谷步道。 主要使用人群 休闲游客、户外爱好者、研学团体、应急队伍、 当地村民。 沿山体、林地、河湖周围的生态线性空间，串 联各类自然、人文历史文化资源。 主要形式 场景化目标 无痕轻徒步、峰骑跃野道、应急生命线。 暖 暖 回 家 路 社区绿道 社区绿道是广泛分布于居住、商圈、园区、公 园、校区等各类城乡社区单元内部或周边，满足该 连接居住区、办公区、商业区。游客与访客：结合 城市文化景观，打造旅游观光路线。 道路或公园内的绿色线性空间。 主要形式 场景化目标 早安能量站、松弛社交圈、舒畅悦骑行、人文 漫步道、夜光跑酷场、自然治愈所。 分类提出不同场景化目标，形成从“类型-场景-任务-要 点”层层传导建设要求。 10 09 面向全生命周期，梳理三个阶段 通过每个环节提升达到系统性提升的目标 场景驱动设计+建设服务场景+全生命周期管理 现在骑到哪里 了呢？ M 65-1 M 65-1 67-1 M 65-1 67-1 M 65-1 65-2 40 39 分类建设指引 早安 能量站 松弛 社交圈 夜光 跑酷场 悦骑 畅行道 自然 治愈所 文化 漫游道 城镇休闲绿道 Urban Leisure Greenway 42 41 松弛社交圈 2 任务7：全龄友好，持续热点 任务9：百变驿站 任务6：联动消费节点，户内户

号令，《生产安全事故应急条例》于 2019 年 4 月开始执行  提高自然灾害防治能力，要全面贯彻习近平新时代中国特色社会主义思想和党的十九大精神，牢固树立“四个意识”，紧紧围绕统筹推进“五位一体”总体 布局和协调推进“四个全面”战略布局，坚持以人民为中心的发展思想，坚持以防为主、防抗救相结合，坚持常态救灾和非常态救灾相统一，强化综合减 灾、统筹抵御各种自然灾害。  要针对关键领域和薄弱环节，推动建设若干重 旱工程体系；实施地质灾害综合治理和避险移民搬迁工 程，落实好“十三五”地质灾害避险搬迁任务；实施应急救援中心建设工程，建设若干区域性应急救援中心；实施自然灾害监测预警信息化工程，提高多 灾种和灾害链综合监测、风险早期识别和预报预警能力；实施自然灾害防治技术装备现代化工程，加大关键技术攻关力度，提高我国救援队伍专业化技 术装备水平。 --- 中央财经委员会第三次会议 2018-10-10 根 （应急救援指挥） 自然灾害防治 （灾害监测预警） 行业背景 方案 02 数据治理需求 汛旱风 森林 火灾 草原 火灾 城市 火灾 安全 生产 监督 管理 监测 预警 指挥 救援 决策 支持 地质 灾害 空间数据 感知数据 业务数据 多媒体数据 人口经济 医疗卫生 交通 教育 社会保障 城乡水务 自然资源 …… 网络需求 感知网 应急通信网 自然灾害 城市安全监测

， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from transformer，BERT） 的出现，以及 2022 年第四代生成式预训练模型（gen⁃ erative pre-trained transformer，GPT），人工智能领域 自然语言处理方向的重大突破，引领了大规模预训 练模型及应用研究的热潮。大语言模型技术的迅猛 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语言处理技术的边界，也正在改变知识获取和创 新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 emergency management brain[J]. Journal of Command and Control, 2025, 11（2）: 217-224 摘 要 大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水

行业 监管 消防 管理 应急 管理 救灾管理 地 质 灾 害 防 治 防汛抗旱 森草原林防火 职 能 分 析 安全监管 政务管理 应急管理 （决策辅助） 灾害救援 （应急救援指挥） 自然灾害防治 （灾害监测预警） 根据《关于国务院机构改革方案的说明》 ，为防范化解重特大安全风险 ，健全公共安全体系 ，整合优化应急力量和资源 组建应急管理部 ，推动形成统一指挥、 专常兼备、 反应灵敏、 人工智能赋能 省级应急管 理部门要重 点加强源头 信息采集和 业务系统建 设 一是大力开展监测预警感知网络建设 ，实现安全生产、 自然灾害、应急资源等信息的采集 ，提高实时 监测、动态分析、预测预警能力。 物联数据采集 二是不断扩大信息获取范围 ，分类接入气象、 自然资源、水利、交通运输、海洋、淼林等外部单位信 息资源。 信息资源数据接入 三是建设应急管理综合应用平台 ，对各类数据资源进行自动汇聚、关联、融合 四是建设应急指挥调度等业务系统 与应急管理大数据应用平台的相关模块实现高效协同 大数据应用平台协同 信息化系统建设要求： 坚持统分结合 ，确保应急管理信息化科学布局 建设背景 02 . 安全事故 森林火灾 自然灾害 管 理 贯 穿 预案演练 力量建设 场 景 赋 能 事前 事发 事后 事中 风险评估 救灾物资分配 突发预报 灾害预警 数据应用 应急救援 联动会商

大模型具备强大的数据处理能力，能够高 效处理海量的结构化与非结构化数据，这为保险公司在风险评估、 客户画像、理赔审核等核心业务环节提供了前所未有的精准度与效 率。其次，AI 大模型通过自然语言处理（NLP）技术，能够实现与 客户的自然交互，大幅提升客户服务体验。例如，智能客服可以通 过上下文理解客户需求，提供个性化建议，从而降低人工客服的工 作负担。此外，AI 大模型在预测分析方面表现卓越，通过对历史数 精准营销：基于客户画像和行为分析，精准推荐保险产 品，提高转化率。 - 理赔自动化：通过图像识别和文本分析技术， 自动审核理赔申请，减少人为错误和欺诈风险。 - 风险预测与管 理：利用大数据和机器学习技术，预测自然灾害、市场波动等风 险，优化风险管理策略。 据统计，采用 AI 大模型的保险公司在运营效率和客户满意度 方面均有显著提升。例如，某领先保险公司在引入 AI 大模型后， 核保时间缩短了 40%，客户投诉率降低了 2. 保险公司 AI 大模型应用概述 保险公司行业场景 AI 大模型应用概述 在保险公司行业中，AI 大模型的应用正逐步成为提升业务效率 和客户服务质量的关键驱动力。这些大模型通过深度学习、自然语 言处理和计算机视觉等技术，能够处理和分析大量复杂的数据，从 而为保险公司提供精准的决策支持和智能化的服务体验。 首先，AI 大模型在保险产品设计和定价中发挥着重要作用。通 过分析历史数据

以上位于地震基本 烈 等新业态大量涌现 ，一些“想不到、 w l 自然灾害风险也不容乐观。我国城市有 70% 以上 l 储能电站、氢能、电动车、密室逃脱 进入集中暴露期 城乡安全 智慧大脑 自然灾害 综合展现 安全生产 公共卫生 交通运输 …… 智慧城市大讲堂 智慧应急在城市安全中的应用路径 物联网 GPS 高层建筑 大型综合体 城市生命线 交通运输 消防安全 全面实施自然灾害风险监测预警信息化工程 ，加快推动自然资源、 水利、 农业、 林草、 气象等部门的灾害和监 测预警信息共享 ，建立面向全灾种的自然灾害感知网络 u 一是推进监测预警系统的全覆盖和智能化 一是推进监测预警系统的全覆盖和智能化 n （ 二 ）自然灾害风险综合监测预警 智慧城市大讲堂 形成六大业务应用 Ø 部门监测综合管理系统 Ø 多灾种和灾害链监测预警系统 Ø 灾害综合风险评估系统 Ø 全球灾害监测分析系统 Ø 灾害综合研判系统 Ø 综合预警信息发布管理系统 构建一个汇聚平台 Ø 汇聚各部门共享数据 Ø 建设自然灾害全要素实时汇聚 平台 Ø 建设自然灾害监测数据共享服 务平台

智能助理产品的特点 . 深度学习与智能助理 目 录 用户终端的变化和技术的进步，推动更自然的人机交 互方式及产品形态 通过理解文本或语音形式 的自然语言来协助用户完 成需求的软件应用或平台 2000s PC 键盘 & 鼠 标 网站 时间 设备 交互方式 产品形态 2020s IoT 自然语言 在线助理 2010s 手机 触摸 APP ■ 从在线客服到在线助 在线助理：专业咨询、 售前交互、售后服务、 行业洞察等 • 在线客服：以售后服 务 为主 更主动的 双向交互 更丰富的 价值场景 更长期的 伙伴关系 1,800 基于人工智能与自然语言处理技术的在线智能助理产 品用户不断增加 虚 拟 个 人 助 理 (VPA) 将改变手机 用户与设备的互动 方式 ，并成为日常 生活的一部分 。 到 2019 年 ，全球 20% 的智能手机 600 1,400 1,200 1,000 800 600 400 200 0 • AI, NLP 等技术加速创新 • 以 GPU 为代表的算力提 升 基础设施 不断完善 自然交互 广泛应用 底层技术 不断成熟 • LBS 、移动支付全面普 及 • 服务从线下到线上 • IM 主导移动互联网 • 智能设备数量不断增 长 Number of Users

收稿日期 2024-08-01 录用日期 2024-09-09 Manuscript received August 1, 2024; accepted September 9, 2024 国家自然科学基金面上项目 (62173352), 广东省基础与应用基础 研究基金杰出青年基金 (2024B1515020104) 资助 Supported by National Natural Science SINICA January, 2025 数更新或微调的情况下, 仅通过文本交互来指定任 务和少样本示例就能很好地完成各类任务. 在此之 后, 具有优秀泛化能力与丰富常识的基础模型在计 算机视觉、自然语言处理等领域都展现出令人瞩目 的效果. GPT-4[5]、LLaMA[6]、LLaMA2[7]、Gemini[8]、 Gemini1.5[9] 等大语言模型能与人类进行流畅的对 话, 进行推理任务 捕获各模态之间的关系, 提取为统一的高维特征, 形成对世界的理解. 如对大量无标签的互联网文本 和图像进行预训练的视觉模型, 能将图像与文本编 码到同样的向量空间中, 这种对齐不仅有利于对环 境的感知, 也有利于对用户自然语言指令的理解, 利于完成复杂的任务. 本节主要讨论各类将大模型 用于具身智能感知与理解的方法, 讨论范围是文本、 图像和音频等信息, 其中感知的信息来源于环境与 人类用户. 1.1 多模态模型理解

只要有人类活动，自然灾害就有可能发生， 我国是世界上自然灾害种类最多的国家 八大类： 气象灾害、海洋灾害、洪水灾害、地质灾害、 地震灾害、农作物生物灾害和森林生物灾害和森林火灾。 自然灾害具有频繁性和不确定性 自然灾害具有一定的周期性和不重复性 各种自然灾害所造成的危害具有严重性 自然灾害具有不可避免性和可减轻性 自然灾害威胁 事故灾难威胁 援救助 新技术驱动：从信息化向智能化转变 互联网 + 信息阶段（ 1990-2016 ） 计算机 + 早期阶段（ 1946-1990 ） AI + 智慧阶段（ 2017- ） 人与自然 和谐共生 智能化 无人化 柔性化 智慧社会之果 以人为本 多元共治 文明有序 人性化 精细化 智能化 智慧社会之本 万物互联 三元融合 自动化 普及化 从智慧城市到智慧社会：公共安全是最基本的民生 响应救援 总结评估 部门数据融合 消防 安监局 应急办 地震局 三防办 国土局 转隶部门 智慧 AI+ 应急大模型 AI+ 风险监测预警 应急指挥联动 联动委办局 公安交通 水利气象 自然资源 视频数据 监测数据 业务数据 视频数据 监测数据 业务数据 赋能 应急管理一张图 视频数据 监测数据 业务数据 业务监管对象 化工行业 烟花爆竹 工贸企业 融合通信 预防准备