胡詩妍　羅萬杰　臺運啟

摘 要：文章通過對我國幾十例典型群體事件的實證分析，基于群體事件風(fēng)險理論和規(guī)律的探究，構(gòu)建了事件風(fēng)險預(yù)警指標(biāo)體系，建立了基于指標(biāo)體系的事件風(fēng)險預(yù)警的趨勢預(yù)測、動向預(yù)警、狀態(tài)預(yù)警數(shù)學(xué)模型。通過對事件應(yīng)急管理的深入探討，提出了融合CBR與RBR推理機的事件應(yīng)急智能決策系統(tǒng)的實現(xiàn)思路，對群體突發(fā)事件的量化認(rèn)定、等級評估以及智能輔助決策系統(tǒng)的功能模塊實現(xiàn)的相關(guān)技術(shù)進行了探討。模型系統(tǒng)在測試性應(yīng)用中取得了較好的效果。

關(guān)鍵詞：群體性事件；指標(biāo)體系；預(yù)警模型；智能決策

引言

自從2001年美國9.11事件、2004年印度洋海嘯事件以來，危機管理的體系化和平臺化建設(shè)引起了世界各國的高度重視。2003年非典在我國的爆發(fā)，開啟了我國公共安全應(yīng)急管理體系化研究工作[1]。至此社會安全事件的預(yù)測預(yù)警以及決策輔助系統(tǒng)的研究在我國蓬勃興起。但必須看到對于非物化社會現(xiàn)象的研究是一個世界范圍的難題。文章就社會安全事件中較為典型的群體性事件預(yù)測預(yù)警與輔助決策展開討論。希望對本領(lǐng)域的發(fā)展起到一個拋磚引玉的作用。

1 群體事件風(fēng)險預(yù)測預(yù)警系統(tǒng)研究

群體事件是一種非物化的社會現(xiàn)象。在社會科學(xué)領(lǐng)域?qū)τ谒某梢?、機理、表現(xiàn)形式、對策等研究較多，對于其風(fēng)險的預(yù)測則大多停留在定性研究階段。文章采用指標(biāo)模型方法，從多個角度對其發(fā)生趨勢和風(fēng)險展開討論。從預(yù)測理論來說，組合預(yù)測可以有效的提高預(yù)測精度和結(jié)果的可應(yīng)用特性。

1.1 風(fēng)險預(yù)測預(yù)警指標(biāo)體系構(gòu)建

指標(biāo)體系構(gòu)建借助社會運行和控制理論，對群體性事件的產(chǎn)生根源、特征展開實證研究。結(jié)合群體性事件專家的研究成果[2，3]，同時采用專家意見匯總、頭腦風(fēng)暴等方法，嚴(yán)格按照指標(biāo)選擇和篩選原則進行確立。對于指標(biāo)權(quán)重可以采用層次分析法結(jié)合Delphi法建立。

1.1.1 模塊化指標(biāo)與動向預(yù)警指標(biāo)

群體事件的發(fā)生看似沒有規(guī)律，隨機性較強。但案例分析表明：群體事件的發(fā)生是偶然之中的必然，是社會運行一種內(nèi)在能量的外在體現(xiàn)。因此文章從社會運行基礎(chǔ)因素進行挖掘，設(shè)計了三級“群體突發(fā)事件預(yù)警指標(biāo)體系”模塊化指標(biāo)體系。一級指標(biāo)是“突發(fā)群體事件的整體預(yù)警指數(shù)”；二級指標(biāo)為4項，用以量度群體事件發(fā)生風(fēng)險探測指標(biāo)，分別為社會安全的風(fēng)險測量、環(huán)境波動、安全狀況、控制能力；三級指標(biāo)是針對二級指標(biāo)分解的具體指標(biāo)，共20項。

群體性事件作為一種社會現(xiàn)象，總是處于永不停息的運動變化之中，在其內(nèi)在矛盾的交替更迭過程中，突發(fā)群體性事件發(fā)生風(fēng)險呈現(xiàn)出一定的周期性和規(guī)律性。作為社會矛盾的一種外在表現(xiàn)形式，群體事件發(fā)生需要經(jīng)歷一個潛伏到爆發(fā)時間過程。因此可采用經(jīng)濟學(xué)領(lǐng)域預(yù)警指標(biāo)法。文章構(gòu)建了動向預(yù)警指標(biāo)體系，其中先兆指標(biāo)（LDI）11個、同步指標(biāo)（CDI）13個、遲行指標(biāo)（GDI）6個。

1.1.2 指標(biāo)預(yù)警閾值設(shè)定

指標(biāo)預(yù)警閾值，是指標(biāo)數(shù)據(jù)的安全警限，超過這個閾值說明社會運行中的某個方面發(fā)生了異常變化。預(yù)警閾值的確立是社會預(yù)警問題中的難點也是重點。我國關(guān)于社會問題定量研究起步較晚，因此可以借鑒國外研究成果，但是由于文化背景和國情不同不能生硬照搬。通過歷史數(shù)據(jù)相關(guān)分析、歷史案例對比分析法、借鑒國外成果加以分析改進、廣泛采用專家預(yù)測法等方式，對30個指標(biāo)進行了預(yù)警閾值的確立，包括上限和下限。

1.2 風(fēng)險預(yù)測預(yù)警模型

1.2.1 趨勢預(yù)測模型?；谀车貐^(qū)大量歷史數(shù)據(jù)構(gòu)成的時間序列散點圖表明：在一段較長的時期，群體事件數(shù)量和變化率具有循環(huán)波動的同時，具有較明顯的長期趨勢。因此對群體性事件發(fā)生起數(shù)和增長率使用了時間序列回歸分析模型，從長期趨勢角度進行預(yù)測，有較好效果。

1.2.2 風(fēng)險動向預(yù)測模型。采用預(yù)警分析法模型，對某一地區(qū)動態(tài)監(jiān)測其社會運行中的先兆、同步、遲行指標(biāo)指數(shù)增長率變化情況，對突發(fā)群體事件發(fā)生風(fēng)險進行預(yù)測和警示，即根據(jù)3種指標(biāo)變化關(guān)系，定義了向好、向壞、維持三種動向。

1.2.3 狀態(tài)預(yù)警模型。對二級指標(biāo)的社會安全風(fēng)險測量、環(huán)境波動、安全狀況、控制能力4個模塊，采用模糊綜合評判模型進行評估，給出目前社會狀態(tài)下群體事件發(fā)生風(fēng)險的等級。

2 群體事件智能輔助決策系統(tǒng)研究

群體事件應(yīng)急處置對決策者提出了較高要求，決策者需要臨時判斷并快速作出反映，傳統(tǒng)的輔助決策模式有其局限性，應(yīng)急處置工作效率低下，為解決這個問題，可以參考以往的經(jīng)驗和知識，借助智能化工具來輔助指揮人員進行決策。

2.1 事件應(yīng)急智能輔助決策系統(tǒng)框架設(shè)計

文章提出基于CBR[4]與RBR的群體事件應(yīng)急智能決策系統(tǒng)IDSS[5，6]。將在群體事件處置流程中的處警、結(jié)案和事后評估階段發(fā)揮智能輔助決策的作用，該系統(tǒng)研究路線和流程圖如圖1示。系統(tǒng)首先根據(jù)數(shù)據(jù)庫系統(tǒng)提供的數(shù)據(jù)進行警情識別，如確有警情發(fā)生可以進行案例推理，調(diào)用相應(yīng)的預(yù)案，在危機管理依據(jù)的法律約束范圍內(nèi)，生成應(yīng)急方案，指揮調(diào)度部門根據(jù)應(yīng)急方案調(diào)度各職能部門采取相應(yīng)措施，最后根據(jù)輿情及專家打分進行事后評估。

2.2 關(guān)鍵技術(shù)耦合

從圖1可以看到，應(yīng)急輔助決策系統(tǒng)，涉及的關(guān)鍵技術(shù)較多，主要的包括案例庫、預(yù)案庫、知識庫、規(guī)則庫的構(gòu)建技術(shù)。警情的識別與判斷、融合RBR與CBR推理機技術(shù)、案例與預(yù)案的檢索與匹配技術(shù)及其耦合。案例庫、規(guī)則庫、知識庫需要借助大量標(biāo)準(zhǔn)案例、定性的專家知識等，需要做大量工作。

2.3 群體事件的量化認(rèn)定與等級評估研究

文章基于大量的公安工作中對群體性事件認(rèn)定的處置規(guī)定，以及一些國內(nèi)相關(guān)研究，采用專家咨詢的方法，歸納整理了群體性事件認(rèn)定的必備要素和等級評估的考慮要素。

2.3.1 事件認(rèn)定與等級評估要素

目前并沒有關(guān)于群體事件等級具體劃分統(tǒng)一標(biāo)準(zhǔn)，一般是借助于《信訪條例》規(guī)定的走訪人數(shù)的代表人數(shù)及《規(guī)定》中列舉的形式，或者根據(jù)以往的經(jīng)驗進行等級評估，這些都是主觀性較強的評估方法。本文基于公安系統(tǒng)群體突發(fā)事件的處置專家經(jīng)驗以及公安系統(tǒng)中的一些規(guī)定，形成了群體突發(fā)事件非量化認(rèn)定及等級評估指標(biāo)。分為特別重大、重大、較大、一般四個等級。這是事件量化認(rèn)定和等級評估的重要依據(jù)。（1）認(rèn)定必備要素： a.達(dá)到一定規(guī)?；蛘呷藬?shù)；b.行為方式，主要指是否采用了暴力；c.事件發(fā)生地點；d.事件是否涉及特殊問題，主要是“四涉”事件；e.事件發(fā)生的時間；（2）等級評估的考慮要素：a.事件的性質(zhì)；b.事件發(fā)展的態(tài)勢；c.事件原因；d.事件參與者身份；e.事件可能造成的損失等。endprint

2.3.2 事件量化認(rèn)定與等級評估

在社會計量學(xué)領(lǐng)域，由于非物化復(fù)雜社會現(xiàn)象計算的高難度性，往往在力求準(zhǔn)確計算的基礎(chǔ)上，根據(jù)以往的經(jīng)驗和專家知識進行評估。論文在群體性事件涉及的各因素及其賦值上，采取Delphi法以及層次分析法AHP進行，當(dāng)然這種分析方法也具有很大的主觀性，但是作為一種努力和嘗試，可以為進一步的具體細(xì)化和測量復(fù)雜的非物化社會現(xiàn)象提供一種思路。文章形成了群體突發(fā)事件認(rèn)定因素量化表和群體性事件等級評估因素表，從而形成了事件量化認(rèn)定和等級評估的依據(jù)。

（1）群體性事件的量化認(rèn)定：根據(jù)群體性事件參與的人數(shù)，行為方式（包括類型），發(fā)生的地點和地點是否涉獨、涉外、涉恐、涉黑等認(rèn)定因素，經(jīng)過加權(quán)計算，進行認(rèn)定。其中以人數(shù)為主要標(biāo)準(zhǔn)，以100分為滿分，以50分為臨界點，但當(dāng)人數(shù)超過50人時，可立即認(rèn)定為群體性事件，當(dāng)人數(shù)不足50人時，結(jié)合其他因素進行認(rèn)定。在特殊條件出現(xiàn)時，如發(fā)生在敏感時間節(jié)點（如“兩會”）或者在敏感區(qū)域（如“天安門地區(qū)”），等在原認(rèn)定基礎(chǔ)上升一檔。

（2）群體性事件的量化等級評估：在此基礎(chǔ)上，結(jié)合群體性事件的性質(zhì)、事件態(tài)勢、發(fā)生原因、參與者身份、損失（后果、影響）等評定群體性事件的等級。這里將所涉及因素稱為等級評定因素。

（3）群體性事件的認(rèn)定及等級評估模型：以人數(shù)為基本認(rèn)定標(biāo)準(zhǔn)，對各種因素進行加權(quán)計算，30分為臨界點，即總分達(dá)到30分即可認(rèn)定為群體性事件。在確定群體性事件的等級時，認(rèn)定因素得分占70%，升降因素占30%，兩者之和，對照相應(yīng)分值確定群體性事件的風(fēng)險等級。30-50分為一般性群體性事件（四級），50-70分為較大群體性事件（三級），70-90分為重大群體性事件（二級），90-100分為特別重大群體性事件（一級）。

3 系統(tǒng)結(jié)果發(fā)布與應(yīng)用測試

針對風(fēng)險預(yù)測預(yù)警結(jié)果發(fā)布，見圖2群體突發(fā)事件風(fēng)險預(yù)警體系示意圖。趨勢預(yù)測模型采用實際趨勢曲線和回歸預(yù)測曲線直觀顯示的形式；風(fēng)險動向預(yù)測模型結(jié)果采用曲線和解釋說明等圖文的形式；狀態(tài)預(yù)警模型結(jié)果采用綜合指數(shù)、各級模塊以及指標(biāo)指數(shù)柱狀圖、結(jié)合文字說明等圖文形式。簡單易懂，直觀明確。智能輔助決策模塊的結(jié)果發(fā)布，采用人機交互的形式，便于操作易于上手，有效地提高決策效率。

4 結(jié)束語

系統(tǒng)初步實現(xiàn)的功能有事件的長期趨勢預(yù)測模型、風(fēng)險動向預(yù)測模型、狀態(tài)預(yù)警模型；事件的量化認(rèn)定和等級評估；案例、預(yù)案的初步檢索與匹配。系統(tǒng)原型在公安大學(xué)承德和廊坊實習(xí)基地的進行了測試，多位公安一線群體突發(fā)事件的處置專家反映良好。測試結(jié)論表明：本預(yù)測預(yù)警與智能決策輔助系統(tǒng)對提高公安工作決策的科學(xué)性、客觀性以及提高群體性事件處置應(yīng)對效率等方面具有實際意義。

參考文獻

[1]清華大學(xué)美國應(yīng)急平臺考察團.美國應(yīng)急平臺及其支撐體系考察報告[R].北京：清華大學(xué)，2008.

[2]楊和德.群體性事件研究[M].北京：中國人民公安大學(xué)出版社，2002：16-23.

[3]閻耀軍.現(xiàn)代實證性社會預(yù)警的探索[J].社會，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者簡介：胡詩妍（1971-）女，北京市，講師，研究生，研究方向：風(fēng)險評估、預(yù)測預(yù)警。endprint

2.3.2 事件量化認(rèn)定與等級評估

在社會計量學(xué)領(lǐng)域，由于非物化復(fù)雜社會現(xiàn)象計算的高難度性，往往在力求準(zhǔn)確計算的基礎(chǔ)上，根據(jù)以往的經(jīng)驗和專家知識進行評估。論文在群體性事件涉及的各因素及其賦值上，采取Delphi法以及層次分析法AHP進行，當(dāng)然這種分析方法也具有很大的主觀性，但是作為一種努力和嘗試，可以為進一步的具體細(xì)化和測量復(fù)雜的非物化社會現(xiàn)象提供一種思路。文章形成了群體突發(fā)事件認(rèn)定因素量化表和群體性事件等級評估因素表，從而形成了事件量化認(rèn)定和等級評估的依據(jù)。

（1）群體性事件的量化認(rèn)定：根據(jù)群體性事件參與的人數(shù)，行為方式（包括類型），發(fā)生的地點和地點是否涉獨、涉外、涉恐、涉黑等認(rèn)定因素，經(jīng)過加權(quán)計算，進行認(rèn)定。其中以人數(shù)為主要標(biāo)準(zhǔn)，以100分為滿分，以50分為臨界點，但當(dāng)人數(shù)超過50人時，可立即認(rèn)定為群體性事件，當(dāng)人數(shù)不足50人時，結(jié)合其他因素進行認(rèn)定。在特殊條件出現(xiàn)時，如發(fā)生在敏感時間節(jié)點（如“兩會”）或者在敏感區(qū)域（如“天安門地區(qū)”），等在原認(rèn)定基礎(chǔ)上升一檔。

（2）群體性事件的量化等級評估：在此基礎(chǔ)上，結(jié)合群體性事件的性質(zhì)、事件態(tài)勢、發(fā)生原因、參與者身份、損失（后果、影響）等評定群體性事件的等級。這里將所涉及因素稱為等級評定因素。

（3）群體性事件的認(rèn)定及等級評估模型：以人數(shù)為基本認(rèn)定標(biāo)準(zhǔn)，對各種因素進行加權(quán)計算，30分為臨界點，即總分達(dá)到30分即可認(rèn)定為群體性事件。在確定群體性事件的等級時，認(rèn)定因素得分占70%，升降因素占30%，兩者之和，對照相應(yīng)分值確定群體性事件的風(fēng)險等級。30-50分為一般性群體性事件（四級），50-70分為較大群體性事件（三級），70-90分為重大群體性事件（二級），90-100分為特別重大群體性事件（一級）。

3 系統(tǒng)結(jié)果發(fā)布與應(yīng)用測試

針對風(fēng)險預(yù)測預(yù)警結(jié)果發(fā)布，見圖2群體突發(fā)事件風(fēng)險預(yù)警體系示意圖。趨勢預(yù)測模型采用實際趨勢曲線和回歸預(yù)測曲線直觀顯示的形式；風(fēng)險動向預(yù)測模型結(jié)果采用曲線和解釋說明等圖文的形式；狀態(tài)預(yù)警模型結(jié)果采用綜合指數(shù)、各級模塊以及指標(biāo)指數(shù)柱狀圖、結(jié)合文字說明等圖文形式。簡單易懂，直觀明確。智能輔助決策模塊的結(jié)果發(fā)布，采用人機交互的形式，便于操作易于上手，有效地提高決策效率。

4 結(jié)束語

系統(tǒng)初步實現(xiàn)的功能有事件的長期趨勢預(yù)測模型、風(fēng)險動向預(yù)測模型、狀態(tài)預(yù)警模型；事件的量化認(rèn)定和等級評估；案例、預(yù)案的初步檢索與匹配。系統(tǒng)原型在公安大學(xué)承德和廊坊實習(xí)基地的進行了測試，多位公安一線群體突發(fā)事件的處置專家反映良好。測試結(jié)論表明：本預(yù)測預(yù)警與智能決策輔助系統(tǒng)對提高公安工作決策的科學(xué)性、客觀性以及提高群體性事件處置應(yīng)對效率等方面具有實際意義。

參考文獻

[1]清華大學(xué)美國應(yīng)急平臺考察團.美國應(yīng)急平臺及其支撐體系考察報告[R].北京：清華大學(xué)，2008.

[2]楊和德.群體性事件研究[M].北京：中國人民公安大學(xué)出版社，2002：16-23.

[3]閻耀軍.現(xiàn)代實證性社會預(yù)警的探索[J].社會，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者簡介：胡詩妍（1971-）女，北京市，講師，研究生，研究方向：風(fēng)險評估、預(yù)測預(yù)警。endprint

2.3.2 事件量化認(rèn)定與等級評估

在社會計量學(xué)領(lǐng)域，由于非物化復(fù)雜社會現(xiàn)象計算的高難度性，往往在力求準(zhǔn)確計算的基礎(chǔ)上，根據(jù)以往的經(jīng)驗和專家知識進行評估。論文在群體性事件涉及的各因素及其賦值上，采取Delphi法以及層次分析法AHP進行，當(dāng)然這種分析方法也具有很大的主觀性，但是作為一種努力和嘗試，可以為進一步的具體細(xì)化和測量復(fù)雜的非物化社會現(xiàn)象提供一種思路。文章形成了群體突發(fā)事件認(rèn)定因素量化表和群體性事件等級評估因素表，從而形成了事件量化認(rèn)定和等級評估的依據(jù)。

（1）群體性事件的量化認(rèn)定：根據(jù)群體性事件參與的人數(shù)，行為方式（包括類型），發(fā)生的地點和地點是否涉獨、涉外、涉恐、涉黑等認(rèn)定因素，經(jīng)過加權(quán)計算，進行認(rèn)定。其中以人數(shù)為主要標(biāo)準(zhǔn)，以100分為滿分，以50分為臨界點，但當(dāng)人數(shù)超過50人時，可立即認(rèn)定為群體性事件，當(dāng)人數(shù)不足50人時，結(jié)合其他因素進行認(rèn)定。在特殊條件出現(xiàn)時，如發(fā)生在敏感時間節(jié)點（如“兩會”）或者在敏感區(qū)域（如“天安門地區(qū)”），等在原認(rèn)定基礎(chǔ)上升一檔。

（2）群體性事件的量化等級評估：在此基礎(chǔ)上，結(jié)合群體性事件的性質(zhì)、事件態(tài)勢、發(fā)生原因、參與者身份、損失（后果、影響）等評定群體性事件的等級。這里將所涉及因素稱為等級評定因素。

（3）群體性事件的認(rèn)定及等級評估模型：以人數(shù)為基本認(rèn)定標(biāo)準(zhǔn)，對各種因素進行加權(quán)計算，30分為臨界點，即總分達(dá)到30分即可認(rèn)定為群體性事件。在確定群體性事件的等級時，認(rèn)定因素得分占70%，升降因素占30%，兩者之和，對照相應(yīng)分值確定群體性事件的風(fēng)險等級。30-50分為一般性群體性事件（四級），50-70分為較大群體性事件（三級），70-90分為重大群體性事件（二級），90-100分為特別重大群體性事件（一級）。

3 系統(tǒng)結(jié)果發(fā)布與應(yīng)用測試

針對風(fēng)險預(yù)測預(yù)警結(jié)果發(fā)布，見圖2群體突發(fā)事件風(fēng)險預(yù)警體系示意圖。趨勢預(yù)測模型采用實際趨勢曲線和回歸預(yù)測曲線直觀顯示的形式；風(fēng)險動向預(yù)測模型結(jié)果采用曲線和解釋說明等圖文的形式；狀態(tài)預(yù)警模型結(jié)果采用綜合指數(shù)、各級模塊以及指標(biāo)指數(shù)柱狀圖、結(jié)合文字說明等圖文形式。簡單易懂，直觀明確。智能輔助決策模塊的結(jié)果發(fā)布，采用人機交互的形式，便于操作易于上手，有效地提高決策效率。

4 結(jié)束語

系統(tǒng)初步實現(xiàn)的功能有事件的長期趨勢預(yù)測模型、風(fēng)險動向預(yù)測模型、狀態(tài)預(yù)警模型；事件的量化認(rèn)定和等級評估；案例、預(yù)案的初步檢索與匹配。系統(tǒng)原型在公安大學(xué)承德和廊坊實習(xí)基地的進行了測試，多位公安一線群體突發(fā)事件的處置專家反映良好。測試結(jié)論表明：本預(yù)測預(yù)警與智能決策輔助系統(tǒng)對提高公安工作決策的科學(xué)性、客觀性以及提高群體性事件處置應(yīng)對效率等方面具有實際意義。

參考文獻

[1]清華大學(xué)美國應(yīng)急平臺考察團.美國應(yīng)急平臺及其支撐體系考察報告[R].北京：清華大學(xué)，2008.

[2]楊和德.群體性事件研究[M].北京：中國人民公安大學(xué)出版社，2002：16-23.

[3]閻耀軍.現(xiàn)代實證性社會預(yù)警的探索[J].社會，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者簡介：胡詩妍（1971-）女，北京市，講師，研究生，研究方向：風(fēng)險評估、預(yù)測預(yù)警。endprint