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(jí)，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(kù)中近20年的恐怖襲擊事件為例，依據(jù)危害性分兩個(gè)步驟對(duì)恐怖襲擊事件進(jìn)行分級(jí)。首先通過(guò)線性降維PCA算法對(duì)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(píng)價(jià)模型，計(jì)算得到該恐怖襲擊事件評(píng)價(jià)級(jí)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(jí)要求與級(jí)別標(biāo)準(zhǔn)化要求。

關(guān)鍵詞：突發(fā)事件;模糊評(píng)價(jià);量化分析;PCA

DOI：10. 11907/rjdk. 182488

中圖分類(lèi)號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）004-0149-04

0 引言

對(duì)突發(fā)性事件，比如地震、恐怖襲擊、交通事故等進(jìn)行分級(jí)是一項(xiàng)重要的社會(huì)管理工作。其分級(jí)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(jí) [1]，但突發(fā)事件危害性不僅取決于這兩個(gè)主因， 還與事故發(fā)生時(shí)間、地點(diǎn)、針對(duì)的對(duì)象等許多因素相關(guān)，因此僅依據(jù)其中兩個(gè)因素進(jìn)行分級(jí)的標(biāo)準(zhǔn)不夠準(zhǔn)確。目前，針對(duì)突發(fā)事件的級(jí)別劃分國(guó)內(nèi)外已有不少研究。如Movahedi等[2]針對(duì)電力系統(tǒng)的突發(fā)情況提出一種多維度分級(jí)的方法;Schulz等[3]針對(duì)能源類(lèi)的突發(fā)性案件采用控制理論的方法進(jìn)行分類(lèi)分級(jí)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(xiǎn)，解決其中存在概率風(fēng)險(xiǎn)的問(wèn)題;田玉敏等[5]通過(guò)綜合概率及模糊數(shù)學(xué)的方法，針對(duì)較高的建筑發(fā)生火災(zāi)風(fēng)險(xiǎn)的概率評(píng)價(jià)模型，制定了火災(zāi)評(píng)價(jià)標(biāo)準(zhǔn);薛瀾等[6]對(duì)我國(guó)突發(fā)事件類(lèi)別、劃分級(jí)別等進(jìn)行了詳盡討論，并提出了針對(duì)突發(fā)事件管理體制的相應(yīng)框架。

由于國(guó)內(nèi)目前還沒(méi)有專門(mén)依據(jù)恐怖襲擊事件危害性進(jìn)行量化的分級(jí)模型，本文提出基于模糊綜合評(píng)價(jià)方法的恐怖襲擊事件分級(jí)模型，通過(guò)對(duì)事件危害性的諸多因素進(jìn)行考慮、綜合評(píng)價(jià)分級(jí)，可滿足事件分級(jí)要求及級(jí)別標(biāo)準(zhǔn)化要求，模型現(xiàn)實(shí)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(guò)環(huán)球恐怖主義數(shù)據(jù)庫(kù)（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(kù)中每條事件均包含有幾十條相關(guān)特征描述，故在對(duì)恐怖襲擊事件分級(jí)之前，本文首先選用主成分分析法（PCA）對(duì)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(gè)特征、N個(gè)觀測(cè)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(duì)矩陣T進(jìn)行歸一化處理[8]，得到N*n的矩陣Q。

（3）計(jì)算矩陣Q的協(xié)方差矩陣：

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

（5）保留對(duì)應(yīng)的m個(gè)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(duì)步驟（4）中保留的m個(gè)特征，若選值較大則影響模型運(yùn)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(duì)高維數(shù)據(jù)降維后得到特征分類(lèi)為：事件發(fā)生區(qū)域、事件發(fā)生地區(qū)性質(zhì)、事件國(guó)際性質(zhì)、人員傷亡情況、人質(zhì)數(shù)量、人員受傷數(shù)量、財(cái)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(shí)間、人質(zhì)社會(huì)地位。

2 分級(jí)模型基本原理

模糊評(píng)價(jià)指在考慮被選定好的因素影響下，運(yùn)用線性數(shù)學(xué)知識(shí)即模糊數(shù)學(xué)理論對(duì)分級(jí)事件作綜合性評(píng)價(jià)[10]。設(shè)[U=u1，u2，？um]為刻畫(huà)被評(píng)價(jià)對(duì)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(shí)有兩類(lèi)模糊集合，主觀性賦予權(quán)值距離，一類(lèi)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(lèi)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(lèi)模糊集合體現(xiàn)價(jià)值觀與喜好程度。再對(duì)這兩類(lèi)集合運(yùn)用某種模糊演算，得到V上的一個(gè)相應(yīng)子集B[=][b1，b2，？bn]。

綜上所述，模糊評(píng)價(jià)即為要查找的模糊權(quán)重向量[11]。

3 模糊綜合評(píng)價(jià)步驟

步驟 1：確定需要運(yùn)用模糊評(píng)價(jià)的對(duì)象集合、元素集合與評(píng)語(yǔ)集合。

步驟2：建立m個(gè)評(píng)價(jià)因素的權(quán)重分配向量A。

判定元素集合中每個(gè)元素在“評(píng)價(jià)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(píng)價(jià)中占據(jù)不一樣的權(quán)值比重，該權(quán)值比重簡(jiǎn)稱為權(quán)值，有多種方式確定權(quán)值，如可通過(guò)向?qū)＜以儐?wèn)探討、使用層次分析法等。

步驟3：使用各單元素模糊評(píng)價(jià)獲取模糊綜合評(píng)價(jià)矩陣[12]。

步驟 5：依據(jù)計(jì)算結(jié)果獲取指定對(duì)象的最終分值。模糊綜合評(píng)價(jià)的目的是從選定的對(duì)象中確定一個(gè)最優(yōu)即優(yōu)勝對(duì)象[13]，因此在計(jì)算出結(jié)果后還需排序，將計(jì)算得到的評(píng)價(jià)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(duì)象。綜合評(píng)價(jià)的對(duì)象是恐怖襲擊事件，評(píng)價(jià)結(jié)果是恐怖事件分級(jí)，從而得出最符合實(shí)際情況的恐怖事件級(jí)數(shù)[14]。

綜合評(píng)價(jià)流程如圖1所示。

4 算法應(yīng)用

通過(guò)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(jí)的特點(diǎn)，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(duì)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(gè)維度以外的影響要素。

事件要素[T]包括4個(gè)維度[16]：①恐怖襲擊影響范圍[T1]，包括地區(qū)、城市、蔓延趨勢(shì)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(huì)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(jí)指標(biāo)體系如表1所示。

針對(duì)典型恐怖襲擊911事件進(jìn)行實(shí)例驗(yàn)證，對(duì)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(guò)數(shù)學(xué)方法進(jìn)行指標(biāo)化;對(duì)于不容易指標(biāo)化的影響因素（如國(guó)內(nèi)不良影響、國(guó)際波及度等） ，可通過(guò)專家評(píng)定確定[17]。其主要方法是，針對(duì)任意一個(gè)元素，對(duì)其進(jìn)行單元素判定，再通過(guò)組合所有單因素判定，得到單因素評(píng)價(jià)判定矩陣R。如對(duì)于危害程度的影響（[u7]）進(jìn)行評(píng)價(jià)判定時(shí)，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(píng)判集R10 =（0.1，0.5，0.2，0.1，0.1）。按照該方法對(duì)指標(biāo)體系的 12 個(gè)因素逐一評(píng)判。

首先對(duì)恐怖襲擊事件發(fā)生區(qū)域進(jìn)行評(píng)價(jià)，由于發(fā)生的假設(shè)地點(diǎn)在美國(guó)第一大城市紐約[18]，如表2所示，可得出其單元素評(píng)價(jià)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(píng)價(jià)集為[R4=1，0，0，0，0]。

恐怖襲擊事件社會(huì)影響可以從時(shí)間延續(xù)性等元素對(duì)其進(jìn)行評(píng)估，時(shí)間持續(xù)越長(zhǎng)對(duì)社會(huì)負(fù)面影響越大[19]。如表4所示，可得出其單元素評(píng)價(jià)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(jí)指標(biāo)，其級(jí)別為目標(biāo)層，二級(jí)指標(biāo)為影響范圍、危害程度、兇手相關(guān)社會(huì)影響度，屬準(zhǔn)則層，而三級(jí)指標(biāo)為事件發(fā)生地區(qū)城市規(guī)模、事件國(guó)際性質(zhì)、人口傷亡數(shù)量、財(cái)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(duì)準(zhǔn)則層元素重要性進(jìn)行專家評(píng)審后賦予權(quán)值，經(jīng)過(guò)計(jì)算得到二級(jí)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(jì)算后得出各指標(biāo)層相對(duì)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(guò)計(jì)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(píng)價(jià)運(yùn)算，運(yùn)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(píng)判得出911恐怖事件等級(jí)為一級(jí)，此次恐怖襲擊事件國(guó)際影響大、危害性強(qiáng)、對(duì)社會(huì)造成了巨大不良后果，符合對(duì)事件的分級(jí)。

5 結(jié)語(yǔ)

本文依據(jù)危害性對(duì)恐怖襲擊事件建立了模糊綜合評(píng)價(jià)模型，該模型可應(yīng)用于突發(fā)事件量化分級(jí)，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(bǔ)了目前國(guó)內(nèi)僅依據(jù)固定特征對(duì)事件分級(jí)的缺陷。針對(duì)龐雜冗余的數(shù)據(jù)，先通過(guò)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(píng)價(jià)模型進(jìn)行計(jì)算，得到該恐怖襲擊事件的評(píng)判級(jí)別。該模型可滿足對(duì)突發(fā)事件的分級(jí)要求及級(jí)別標(biāo)準(zhǔn)化要求，且適用范圍廣。

針對(duì)突發(fā)事件尤其是恐怖襲擊事件的分級(jí)與評(píng)價(jià)十分重要，但目前國(guó)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(duì)突發(fā)事件的準(zhǔn)確定級(jí)。通過(guò)提出的模型能夠很好地解決分級(jí)混亂、指標(biāo)不清晰的問(wèn)題，對(duì)于國(guó)內(nèi)突發(fā)事件在限定時(shí)間內(nèi)定級(jí)，并根據(jù)級(jí)別迅速作出應(yīng)對(duì)、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(duì)事件進(jìn)行了準(zhǔn)確的級(jí)別劃分，如何依據(jù)突發(fā)事件劃分級(jí)別及現(xiàn)有恐怖襲擊事件分級(jí)數(shù)據(jù)，預(yù)測(cè)未來(lái)需要重點(diǎn)防控的區(qū)域或重點(diǎn)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?jī)?nèi)容。

參考文獻(xiàn)：

[1] 李國(guó)輝. 全球恐怖襲擊時(shí)空演變及風(fēng)險(xiǎn)分析研究[D]. 合肥：中國(guó)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(xiǎn)評(píng)價(jià)的一級(jí)模型[J]. 自然災(zāi)害學(xué)報(bào)，1994，3（1）：3-7.

[5] 田玉敏，劉茂. 高層建筑火災(zāi)風(fēng)險(xiǎn)的概率模糊綜合評(píng)價(jià)方法[J]. 中國(guó)安全科學(xué)學(xué)報(bào)，2004，14 （9）：99-103.

[6] 薛瀾，鐘開(kāi)斌. 突發(fā)公共事件分類(lèi)、分級(jí)與分期：應(yīng)急體制的管理基礎(chǔ)[J]. 中國(guó)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(cè)數(shù)據(jù)歸一化方法[J]. 武漢大學(xué)學(xué)報(bào)：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(xiǎn)評(píng)估模型研究[J]. 測(cè)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(dòng)態(tài)權(quán)重和模糊綜合評(píng)判法的健康評(píng)估模型[J]. 計(jì)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(píng)價(jià)方法[J]. 信陽(yáng)農(nóng)林學(xué)院學(xué)報(bào)，2018，（3）：129-132.

[13] 葉春明，劉長(zhǎng)平.? 專利測(cè)度與評(píng)價(jià)指標(biāo)體系研究[M]. 北京：知識(shí)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(jì)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(guó)，倪順江，等. 突發(fā)公共事件預(yù)警分級(jí)模型[J]. 清華大學(xué)學(xué)報(bào)，2008，48（8）：1252-1255.

[17] 孫柏濤，王東明. 地震現(xiàn)場(chǎng)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(dòng)，2003，23（5）：209-213.

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

[19] 呂莎莎，魏玖長(zhǎng). 危機(jī)事件社會(huì)影響等級(jí)的評(píng)價(jià)方法研究[J]. 未來(lái)與發(fā)展，2008，（7）：6-11.

[20] 王華. 基于層次分析的模糊綜合評(píng)價(jià)方法[J]. 信陽(yáng)農(nóng)林學(xué)院學(xué)報(bào)，2018，28（3）：129-132.

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

（責(zé)任編輯：江 艷）