新年伊始，人群发生踩踏事件，在湖边，陈怡广场的庆祝活动，黄浦区、上海，造成35人死亡和43人受伤。当此消息一出，立即引起了人们的强烈反响和争论。在这里，我们不在人这一事件的争议（包括当事人、经理和其他因素）和责任，我们只讨论在科学和技术的飞速发展，科学技术可以帮助甚至发生减少此类事件的发生，可以使用科学技术，将损失降低到最低限度。


需要说明的是，我们在这里使用科技的原因是减少甚至消除此类事件。即使从技术角度看，这也是一个比较大的系统工程。事实上，类似的事件早在10年前，北京的元宵节花灯的发生。此外，当然，随着假期的增加，在中国的许多旅游景点已造成多人伤亡。

那么，第一个问题是：我们能用技术来分析这些事件的具体原因吗而不是使用相当普遍的词，如拥挤、管理不善，以及组织不力，对事件的原因进行了解释。尤其是在当今快速发展和大数据的应用，物联网，高性能计算，高性能计算，大数据和物联网技术可以方便我们天审查后，融合事件的序列整合事件，分析整理出一个普遍规律，建立激励模型的相关事件的发生，尽可能客观。

例如，上海的踩踏事件，有媒体报道由于反向运动之间的人（在观景台上，有些人有，有的叫下来）来烘托气氛，和类似的美钞引起哄抢，所以主要原因或导致发生踩踏事件的关键点是什么（俗称保险丝），确定收集和分析所有相关数据通过后，就可以分析和总结普遍性的原因，并提供可靠的数据支持，建模。

应该强调的是，我们之所以提出一个通用的模式，因为每个城市的旅游景点区，中国，情况是不同的，如果只有一个城市、地区和景点建立模型，而不是作为一个整体，减少或杜绝此类事件的发生，大数据现在是热的，每个人都往往是缺乏协调的结果，事倍功半，不仅浪费了资源，建立的模型不一定接近客观和有效的。

当涉及到模型的建立，我们不得不提的急救模型建立后的灾难。毕竟，原始数据可以在灾难后获得的，并能找出规律。例如，事件发生后，相关因素的干扰，是什么因素影响灾后浮雕的效果。事实上，我们经常看到很多美国大片。一方面，人们试图避免的事件，但关键是要避免在同一时间，在法的事件，他们还预测，一旦灾难发生后不可避免的灾情及救灾资源（包括人力和材料等。）均有分布。当然，这都是为基础采集、分析，以及相关模型的建立，并不断修改和完善。

当然，在这里我们不妨举例说明利用媒体的报道，在美国利用大数据提高防灾。在纽约，例如，有大约100万个城市的建筑，几乎3000的火要每年损坏。由于城市的复杂情况，消防队员往往很难去现场的第一时间，和火灾的预防已成为减少损失的最重要的事情。因此，根据收集的数据，纽约消防部门划分了60个因素，可能引起火灾的风险，包括居民的平均收入，建筑物的年龄，和电气性能问题的存在，通过这些因素，数据和相关的算法中，纽约消防部门对建筑物的风险指标进行了标注，从而确定了消防检查的重点和重点，从而加强了安全调查。

通过这个例子，我们相信不难看出大数据收集和相关算法分析的复杂性，除了技术，还需要社会各方面的积极合作。

也许在这里，有人会说，太多了，那么当事件发生时会发生什么呢技术有帮助吗事实上，它之所以成为一个突发事件，就在于它的不可预测性在它发生后，特别是在发生的过程。但就像我之前说的，通过大数据、网络、高性能计算技术，在紧急情况下，在两个至少有三个因素我们人类，即前有效经过干预，减少此类事故的发生和减少事故损失，这是已经在减少突发性急救技术手段的运用。

通过简单的分析，我们认为上海的踩踏事件类似，在教训我们政府的有关部门，不是简单的拥挤的理由，我们不能总是责怪政府有关部门管理不力，毕竟我们每天都要说，大数据，物联网，BI和其他高科技的今天科学和技术的帮助，减少人为因素的干扰手段是解决问题的方式。这也提醒我们，那些公司和专家们在大数据和物联网一整天将适用于土地和在关键时刻使用他们的根本。记住科技以人为本。