对城市公共安全的环境、基础设施与社会风险的综合评估

为何城市安全不止是犯罪与交通

当我们思考在城市中保持安全时，通常会想到犯罪、繁忙的道路，或偶发的洪水。本文指出，城市安全实际上是这些因素共同作用的结果：热浪与污染的空气、老化的管线和道路，以及贫困与犯罪等社会问题。通过考察这些因素在一个快速增长的城市中如何相互作用，研究展示了官员如何定位危险区域并选择最有效、最公平的应对措施。

多重风险，共享城市

城市正成为世界大多数人口的居所，这意味着更多人暴露于叠加的危险之中。以本研究的案例——巴基斯坦伊斯兰堡为例，社区面临上升的高温、反复发生的洪水、超负荷的基础设施和显著的收入差距。论文把这些看作同一系统的不同部分，而非分离的问题。环境风险包括高地表温度、污染空气、强降雨和易涝地；基础设施风险涵盖老旧建筑、薄弱排水以及超负荷的道路与电力线路；社会风险则关注居住分布：拥挤的住房、低收入、受教育程度有限和犯罪。核心观点是，当这些模式在同一地点重叠时，日常生活的安全性大幅下降。

将凌乱的数据转化为清晰的风险图景

作者汇集了多种数据：地表温度的卫星影像、官方空气质量监测值、降雨与洪水图、道路与排水布局、电网分布、建筑年代与状况、人口普查与收入统计，以及犯罪记录。所有信息都经过清洗、按时空对齐并转换为统一尺度，以便比较不同图层。利用地理信息系统（GIS）和一种决策分析方法，每个指标被赋予反映专家判断与其在城市中实际变异程度的权重。这些加权图层被融合为各社区的单一复合风险指数，显示环境、基础设施与社会弱点在何处叠加。

危险在哪里聚集以及谁受影响最深

一旦将复合指数绘制成图，清晰的模式便显现。大约三分之一的城市区域属于高风险类别。河畔定居点与中心交通走廊成为热点：它们集合了易涝地、受压的排水、老旧建筑、交通拥堵以及更高的贫困与犯罪水平。相比之下，服务更好、密度较低的新兴郊区往往属于低风险。为了检验模型与现实的契合度，研究用多年真实事件数据——洪水报告、与高温相关的急救事件、犯罪和服务中断——训练现代机器学习算法。这些模型对高风险区域的预测具有较高准确性，表明风险地图不仅是理论上的，而是与地面实际发生的情况紧密相关。

如果我们改变城市，会发生什么

研究进一步提出一个务实问题：若城市投资于特定改善措施，居民的安全能提升多少？计算机模拟测试了不同干预组合。加强排水能显著降低洪水风险。植树与增加绿色基础设施可以为高温社区降温并适度改善空气质量。更好的照明与有针对性的警务能在已知热点区域减少犯罪。当这些措施结合施行——而非单独逐项推进——影响更为显著：在最脆弱的区，整体复合风险下降约22%–30%。研究也追踪了谁受益最多。由于低收入地区起点更差，当资源刻意向其倾斜时，这些地区获得的改善尤其显著。

用数据引导更公平的城市决策

对于非专业读者，关键结论是：城市安全不能靠单一工具或一个部门来解决。高温、洪水、失修的基础设施与社会不平等相互强化，唯有将它们一并衡量，城市领导者才能看到完整图景。本研究展示了城市如何将分散的数据转化为明晰的地图，识别最易受影响的社区，并测试哪些升级组合在每一美元投入下能带来最大的安全提升——尤其是对通常被忽视的居民。简而言之，综合且注重公平的规划不仅能让城市总体更安全，而且能更公平地保护各类人群。

引用: Liu, S. Integrated assessment of environmental infrastructural and social risks for urban public safety. Sci Rep 16, 5909 (2026). https://doi.org/10.1038/s41598-026-35822-w

关键词: 城市公共安全, 复合风险, GIS 与制图, 气候与城市, 城市不平等