王朝 姚敏 富展展

摘 要：傳統(tǒng)突發(fā)事件一般采用主觀方法分級，劃分標(biāo)準(zhǔn)主要依據(jù)人員傷亡與經(jīng)濟(jì)損失，難以準(zhǔn)確量化分析并形成統(tǒng)一標(biāo)準(zhǔn)。以全球恐怖主義數(shù)據(jù)庫中近20年的恐怖襲擊事件為例，依據(jù)危害性分兩個步驟對恐怖襲擊事件進(jìn)行分級。首先通過線性降維PCA算法對大量數(shù)據(jù)進(jìn)行處理，獲取與恐怖襲擊事件危害性最相關(guān)的影響因素，再創(chuàng)建模糊綜合評價模型，計算得到該恐怖襲擊事件評價級別。該模型充分考慮突發(fā)事件的各種復(fù)雜因素，可滿足突發(fā)事件分級要求與級別標(biāo)準(zhǔn)化要求。

關(guān)鍵詞：突發(fā)事件;模糊評價;量化分析;PCA

DOI：10. 11907/rjdk. 182488

中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2019）004-0149-04

0 引言

對突發(fā)性事件，比如地震、恐怖襲擊、交通事故等進(jìn)行分級是一項重要的社會管理工作。其分級通常采用主觀方法，如《道路交通事故處理辦法》中規(guī)定主要按照人員傷亡與經(jīng)濟(jì)損失劃分交通事故等級 [1]，但突發(fā)事件危害性不僅取決于這兩個主因， 還與事故發(fā)生時間、地點、針對的對象等許多因素相關(guān)，因此僅依據(jù)其中兩個因素進(jìn)行分級的標(biāo)準(zhǔn)不夠準(zhǔn)確。目前，針對突發(fā)事件的級別劃分國內(nèi)外已有不少研究。如Movahedi等[2]針對電力系統(tǒng)的突發(fā)情況提出一種多維度分級的方法;Schulz等[3]針對能源類的突發(fā)性案件采用控制理論的方法進(jìn)行分類分級別;黃崇福等[4]采用模糊數(shù)學(xué)中模糊集的手段定義了都市自然災(zāi)害可能性風(fēng)險，解決其中存在概率風(fēng)險的問題;田玉敏等[5]通過綜合概率及模糊數(shù)學(xué)的方法，針對較高的建筑發(fā)生火災(zāi)風(fēng)險的概率評價模型，制定了火災(zāi)評價標(biāo)準(zhǔn);薛瀾等[6]對我國突發(fā)事件類別、劃分級別等進(jìn)行了詳盡討論，并提出了針對突發(fā)事件管理體制的相應(yīng)框架。

由于國內(nèi)目前還沒有專門依據(jù)恐怖襲擊事件危害性進(jìn)行量化的分級模型，本文提出基于模糊綜合評價方法的恐怖襲擊事件分級模型，通過對事件危害性的諸多因素進(jìn)行考慮、綜合評價分級，可滿足事件分級要求及級別標(biāo)準(zhǔn)化要求，模型現(xiàn)實作用很強(qiáng)且有廣泛應(yīng)用范圍。

1 原始數(shù)據(jù)預(yù)處理

通過環(huán)球恐怖主義數(shù)據(jù)庫（Global Terrorism Database，GTD）獲取1998-2017年共20年的恐怖襲擊詳盡內(nèi)容，由于該數(shù)據(jù)庫中每條事件均包含有幾十條相關(guān)特征描述，故在對恐怖襲擊事件分級之前，本文首先選用主成分分析法（PCA）對高維數(shù)據(jù)進(jìn)行降維[7] ，處理步驟如下：

（1）將原始數(shù)據(jù)轉(zhuǎn)換成矩陣：假設(shè)原始數(shù)據(jù)集含n個特征、N個觀測樣本，則可將數(shù)據(jù)構(gòu)建為N*n的原始數(shù)據(jù)集矩陣T。

（2）對矩陣T進(jìn)行歸一化處理[8]，得到N*n的矩陣Q。

（3）計算矩陣Q的協(xié)方差矩陣：

（4）計算P的特征值及相應(yīng)特征向量，均為n個，并將特征值從大到小排序。

（5）保留對應(yīng)的m個最大特征值的特征向量，構(gòu)成n*m的特征空間矩陣R。

（6）將原始數(shù)據(jù)轉(zhuǎn)換到新空間中，得到處理后的N*m數(shù)據(jù)矩陣為：

（7） 將矩陣X轉(zhuǎn)換成新的數(shù)據(jù)集，用于后續(xù)處理。

針對步驟（4）中保留的m個特征，若選值較大則影響模型運算效率，選值較小則遺漏重要特征描述[9]，故本文在綜合考慮上述兩種情況后確定m取值為12，并依據(jù)上述步驟對高維數(shù)據(jù)降維后得到特征分類為：事件發(fā)生區(qū)域、事件發(fā)生地區(qū)性質(zhì)、事件國際性質(zhì)、人員傷亡情況、人質(zhì)數(shù)量、人員受傷數(shù)量、財產(chǎn)損失情況、兇手?jǐn)?shù)量、兇手自身毀滅程度、聲明數(shù)量、事件發(fā)生持續(xù)時間、人質(zhì)社會地位。

2 分級模型基本原理

模糊評價指在考慮被選定好的因素影響下，運用線性數(shù)學(xué)知識即模糊數(shù)學(xué)理論對分級事件作綜合性評價[10]。設(shè)[U=u1，u2，？um]為刻畫被評價對象的 m種因素，[V=v1，v2，？vn]為描述每一因素處在何種狀態(tài)的n種判定。此時有兩類模糊集合，主觀性賦予權(quán)值距離，一類是標(biāo)志因素集U中各元素在主觀物體中重要程度的量，表現(xiàn)為因素集U上模糊權(quán)重向量A[=][a1，a2，？am];另一類是U×V上的模糊關(guān)聯(lián)，表示為n×m的模糊矩陣R，這兩類模糊集合體現(xiàn)價值觀與喜好程度。再對這兩類集合運用某種模糊演算，得到V上的一個相應(yīng)子集B[=][b1，b2，？bn]。

綜上所述，模糊評價即為要查找的模糊權(quán)重向量[11]。

3 模糊綜合評價步驟

步驟 1：確定需要運用模糊評價的對象集合、元素集合與評語集合。

步驟2：建立m個評價因素的權(quán)重分配向量A。

判定元素集合中每個元素在“評價目標(biāo)”中有不一樣的重要程度，即各判定元素在模糊綜合評價中占據(jù)不一樣的權(quán)值比重，該權(quán)值比重簡稱為權(quán)值，有多種方式確定權(quán)值，如可通過向?qū)＜以儐柼接憽⑹褂脤哟畏治龇ǖ取?/p>

步驟3：使用各單元素模糊評價獲取模糊綜合評價矩陣[12]。

步驟 5：依據(jù)計算結(jié)果獲取指定對象的最終分值。模糊綜合評價的目的是從選定的對象中確定一個最優(yōu)即優(yōu)勝對象[13]，因此在計算出結(jié)果后還需排序，將計算得到的評價結(jié)果[B]轉(zhuǎn)換為最終需要的分值[M]，之后再將[M]根據(jù)其值大小依次排序，最終挑選出符合的對象。綜合評價的對象是恐怖襲擊事件，評價結(jié)果是恐怖事件分級，從而得出最符合實際情況的恐怖事件級數(shù)[14]。

綜合評價流程如圖1所示。

4 算法應(yīng)用

通過數(shù)據(jù)預(yù)處理獲取12大相關(guān)特征因素，根據(jù)恐怖襲擊分級的特點，從恐怖事件本身與恐怖事件負(fù)面管理等方面考慮[15]，將對突發(fā)事件尤其是恐怖襲擊事件有影響的所有元素集合T，按照事件屬性總結(jié)為4個維度以外的影響要素。

事件要素[T]包括4個維度[16]：①恐怖襲擊影響范圍[T1]，包括地區(qū)、城市、蔓延趨勢等;②恐怖襲擊危害性相關(guān)[T2]，包括人員死亡受傷、經(jīng)濟(jì)破壞等;③恐怖襲擊手段[T3]，包括自殺性、武裝沖突、暴亂;④突發(fā)事件組織者的社會影響[T4]，包括恐怖組織惡劣程度、人質(zhì)身份、事件是否持續(xù)。

分級指標(biāo)體系如表1所示。

針對典型恐怖襲擊911事件進(jìn)行實例驗證，對于容易指標(biāo)化的影響因素（如人員傷亡、經(jīng)濟(jì)損失等） ，通過數(shù)學(xué)方法進(jìn)行指標(biāo)化;對于不容易指標(biāo)化的影響因素（如國內(nèi)不良影響、國際波及度等） ，可通過專家評定確定[17]。其主要方法是，針對任意一個元素，對其進(jìn)行單元素判定，再通過組合所有單因素判定，得到單因素評價判定矩陣R。如對于危害程度的影響（[u7]）進(jìn)行評價判定時，若有10%的人認(rèn)為特別重大，50%的人認(rèn)為重大，20%的人認(rèn)為較大，10%的人認(rèn)為一般，10%的人認(rèn)為影響較小，則評判集R10 =（0.1，0.5，0.2，0.1，0.1）。按照該方法對指標(biāo)體系的 12 個因素逐一評判。

首先對恐怖襲擊事件發(fā)生區(qū)域進(jìn)行評價，由于發(fā)生的假設(shè)地點在美國第一大城市紐約[18]，如表2所示，可得出其單元素評價判定集合集為：[R1=1，0，0，0，0]。

關(guān)于恐怖襲擊造成人員傷亡人數(shù)，由于911恐怖襲擊事件直接造成人員死亡人數(shù)達(dá)2 996人，參照表3可以得出其單因素評價集為[R4=1，0，0，0，0]。

恐怖襲擊事件社會影響可以從時間延續(xù)性等元素對其進(jìn)行評估，時間持續(xù)越長對社會負(fù)面影響越大[19]。如表4所示，可得出其單元素評價判定集合為[R11=1，0，0，0，0]。

根據(jù)層次分析方法[20]可知：恐怖襲擊事件為一級指標(biāo)，其級別為目標(biāo)層，二級指標(biāo)為影響范圍、危害程度、兇手相關(guān)社會影響度，屬準(zhǔn)則層，而三級指標(biāo)為事件發(fā)生地區(qū)城市規(guī)模、事件國際性質(zhì)、人口傷亡數(shù)量、財產(chǎn)損失情況、兇手自身毀滅程度、聲明數(shù)量等，屬指標(biāo)層，在得出如上指標(biāo)體系后，根據(jù)事件造成的危害程度對準(zhǔn)則層元素重要性進(jìn)行專家評審后賦予權(quán)值，經(jīng)過計算得到二級指標(biāo)權(quán)重為：

按上文描述的方法，分別建立指標(biāo)層相比于準(zhǔn)則層T1、T2、T3、T4的重要程度，并賦予權(quán)重值，經(jīng)計算后得出各指標(biāo)層相對于準(zhǔn)則層的權(quán)重，如表5所示，則該恐怖襲擊事件綜合權(quán)重值通過計算準(zhǔn)則層權(quán)重[T]與指標(biāo)層相比于準(zhǔn)則層權(quán)重之間的積獲取。詳情如表6所示。

故由表6可知，A=（[u1，u2，？，u12]）T=（0.022 4，0.032 1，0.050 6，0.091 6，0.070 6，0.027 7，0.080 5，0.049，0.016 2，0.205 3，0.169，0.185）T。

綜合模糊評價運算，運用公式（8）可得：

根據(jù)最大隸屬度原則[21]可得：0.685 89>0.213 49>0.059 56>0.020 53，故綜合評判得出911恐怖事件等級為一級，此次恐怖襲擊事件國際影響大、危害性強(qiáng)、對社會造成了巨大不良后果，符合對事件的分級。

5 結(jié)語

本文依據(jù)危害性對恐怖襲擊事件建立了模糊綜合評價模型，該模型可應(yīng)用于突發(fā)事件量化分級，模型充分考量了突發(fā)事件尤其是恐怖襲擊事件的眾多元素，彌補了目前國內(nèi)僅依據(jù)固定特征對事件分級的缺陷。針對龐雜冗余的數(shù)據(jù)，先通過線性降維進(jìn)行處理，獲取與突發(fā)事件危害性最相關(guān)的影響因素，并創(chuàng)建模糊綜合評價模型進(jìn)行計算，得到該恐怖襲擊事件的評判級別。該模型可滿足對突發(fā)事件的分級要求及級別標(biāo)準(zhǔn)化要求，且適用范圍廣。

針對突發(fā)事件尤其是恐怖襲擊事件的分級與評價十分重要，但目前國內(nèi)制定的標(biāo)準(zhǔn)不夠清晰準(zhǔn)確，考慮的重要因素較少，缺乏合理性，不利于對突發(fā)事件的準(zhǔn)確定級。通過提出的模型能夠很好地解決分級混亂、指標(biāo)不清晰的問題，對于國內(nèi)突發(fā)事件在限定時間內(nèi)定級，并根據(jù)級別迅速作出應(yīng)對、布置救援力量與制定應(yīng)急方案有重要作用。但本文僅針對事件進(jìn)行了準(zhǔn)確的級別劃分，如何依據(jù)突發(fā)事件劃分級別及現(xiàn)有恐怖襲擊事件分級數(shù)據(jù)，預(yù)測未來需要重點防控的區(qū)域或重點防范的恐怖襲擊組織，并進(jìn)行精準(zhǔn)反恐防恐，將成為后續(xù)主要研究內(nèi)容。

參考文獻(xiàn)：

[1] 李國輝. 全球恐怖襲擊時空演變及風(fēng)險分析研究[D]. 合肥：中國科學(xué)技術(shù)大學(xué)，2014.

[2] MOVAHEDI B，LAVASSANI K M，KUMAR E. E-market place emergence： evolution， developments and classification[J]. Journal of Electronic Commerce in organizations， 2012 ，10（1） ：14-32.

[3] SCHULZ R P， PRICE W W. Classification and identification of power system emergencies[J].? IEEE Transactions on Power Apparatus and Systems， 1984， 103（12）： 3471-3479.

[4] 黃崇福，史培軍，張遠(yuǎn)明. 城市自然災(zāi)害風(fēng)險評價的一級模型[J]. 自然災(zāi)害學(xué)報，1994，3（1）：3-7.

[5] 田玉敏，劉茂. 高層建筑火災(zāi)風(fēng)險的概率模糊綜合評價方法[J]. 中國安全科學(xué)學(xué)報，2004，14 （9）：99-103.

[6] 薛瀾，鐘開斌. 突發(fā)公共事件分類、分級與分期：應(yīng)急體制的管理基礎(chǔ)[J]. 中國行政管理，2005，236（2）：102-107.

[7] MUSA A B.？A comparison of 1-regularizion， PCA， KPCA and ICA for dimensionality reduction in logistic regression[J]. ？International Journal of Machine Learning and Cybernetics. 2014，（6）：121-126.

[8] 宋勇，蔡志平. 大數(shù)據(jù)環(huán)境下基于信息論的入侵檢測數(shù)據(jù)歸一化方法[J]. 武漢大學(xué)學(xué)報：理學(xué)版，2018，64（2）：121-126.

[9] ESBENSEN K H，GELADI P. Principal component analysis：concept，geometrical interpretation，mathematical background，algorithms，history，practice[J]. Comprehensive Chemometrics，2009，（2）：211-226.

[10] 滑騰飛，白玲，劉大慶. 城市遭受恐怖襲擊的風(fēng)險評估模型研究[J]. 測繪與空間地理信息，2016，39（5）：38-40.

[11] 彭炎亮，李汪根，劉 嬌，等. 基于動態(tài)權(quán)重和模糊綜合評判法的健康評估模型[J]. 計算機(jī)系統(tǒng)應(yīng)用，2017，26（1）：37-43.

[12] 王華. 基于層次分析的模糊綜合評價方法[J]. 信陽農(nóng)林學(xué)院學(xué)報，2018，（3）：129-132.

[13] 葉春明，劉長平.? 專利測度與評價指標(biāo)體系研究[M]. 北京：知識產(chǎn)權(quán)出版社，2013.

[14] WILLIS H H. Guiding resource allocations based on terrorism risk[J]. Risk Analysis，2007，27（3）：597-606.

[15] 計雷.? 突發(fā)事件應(yīng)急管理[M].? 北京：高等教育出版社，2006.

[16] 季學(xué)偉，翁文國，倪順江，等. 突發(fā)公共事件預(yù)警分級模型[J]. 清華大學(xué)學(xué)報，2008，48（8）：1252-1255.

[17] 孫柏濤，王東明. 地震現(xiàn)場建筑物安全性鑒定智能輔助系統(tǒng)研究[J]. 地震工程與工程振動，2003，23（5）：209-213.

[18] 龐紅霞. 美國第一大城市——紐約[J].? 中學(xué)英語園地，2008，16（9）：37-38.

[19] 呂莎莎，魏玖長. 危機(jī)事件社會影響等級的評價方法研究[J]. 未來與發(fā)展，2008，（7）：6-11.

[20] 王華. 基于層次分析的模糊綜合評價方法[J]. 信陽農(nóng)林學(xué)院學(xué)報，2018，28（3）：129-132.

[21] 朱小飛，王永君，李大軍. 模糊評價中最大隸屬度原則有效性檢驗[J]. 測繪與空間地理信息，2016，39（5）：135-137.

（責(zé)任編輯：江 艷）