王元鵬 楊樹峰

摘要：本文基于2007-2017年的火災統(tǒng)計數(shù)據(jù)，引用“社群”概念和相關算法，挖掘火災社區(qū)之間拓撲關系的分析模型，同時獲取火災統(tǒng)計數(shù)據(jù)，地址網(wǎng)格化后，根據(jù)使用算法計算火災網(wǎng)格并發(fā)特征，形成制定周期的火災并發(fā)社區(qū)。計算結果呈現(xiàn)方式為，當某一網(wǎng)格發(fā)生火災，在制定計算周期中，顯示與其同在一個社群的其他網(wǎng)格作“高風險區(qū)域”預警。

關鍵詞：“社群”概念; 算法; 火災風險分析

1 ? 引言

為探討該市火災的規(guī)律，從行政區(qū)角度劃分過去十年的火災記錄。如圖1所示，縱觀十年的火災數(shù)據(jù)變化發(fā)現(xiàn)，并沒有火災數(shù)呈現(xiàn)常規(guī)突出的區(qū)域。以LG區(qū)為例，既有三年火災數(shù)居全市之首，也有某些年份呈現(xiàn)出與火災數(shù)變化大趨勢相反的現(xiàn)象，如2009和2012-2016年的連年下跌。經(jīng)調研，發(fā)現(xiàn)LG區(qū)在2013年一分為三 （LG、DP和PS），所以有可能是LG區(qū)域在2012-2016年火災數(shù)反常下跌的原因。但進一步挖掘發(fā)現(xiàn)，LG區(qū)的火災數(shù)加上被劃分出去兩個區(qū)的火災數(shù)總和，也呈下降趨勢。筆者由此得到啟發(fā)，類似的反常趨勢并非可以通過常規(guī)的信息判斷來挖掘，需要使用算法手段，從數(shù)學角度進行挖掘分析。同時也提出猜測，在“市-區(qū)”的層級，火災數(shù)量變化趨勢相似的區(qū)之間，是否存在某種可以從社群角度識別的特征（如被拆分后的LG、DP和PS區(qū)，有可能是在“市-區(qū)”層級的一個社群），而這種特征甚至還可以通過從層級的再次細分具體體現(xiàn)。經(jīng)過一番調研，筆者決定引入社會學的“社群”概念，采用社群發(fā)現(xiàn)算法，結合城市管理網(wǎng)格數(shù)據(jù)和火災統(tǒng)計數(shù)據(jù)，研究和描述火災的并發(fā)特征。

2 ? 算法識別火災社區(qū)規(guī)律

2.1 ?社群概念

在社會學概念中，社群，廣義而言是指在某些邊界線、地區(qū)或領域內發(fā)生作用的一切社會關系。同時，Worsley 曾提出社群的廣泛含義可被解釋為地區(qū)性的社區(qū)，以及一個交互的網(wǎng)絡。以微博這種社交網(wǎng)絡為例，每個賬號就是一個點，賬號之間通過關注或者點贊構成了整個網(wǎng)絡結構，當中有些賬號關系密切，有些疏遠。其中一群聯(lián)系頻繁的賬號可以視作一個社區(qū)，而聯(lián)系稀疏的兩個群體則可以視作兩個社區(qū)，定義為社團結構。

在對火災的分析當中，引入社群概念，將城市管理網(wǎng)格視作點，周期內并發(fā)火災的特征，作為這些點在火災事件上的交互，構成關系網(wǎng)絡，劃分社群。通過進一步對社群的調查研究，可以捕捉到同區(qū)域是否存在同隱患或者類似人類生態(tài)學的結構。

2.2 ?算法思路

為了評價社區(qū)劃分的優(yōu)劣，Newman等人提出了模塊度的概念，用模塊度來衡量社區(qū)劃分的好壞。模塊度越大，則社區(qū)劃分的效果越好 。

模塊度Q公式的簡化形式

其中，∑in表示的是社群C內部的權重，∑tot表示的是與社群C內部的點連接的邊的權重，包括社區(qū)內部的邊以及社區(qū)外部的邊。模塊度（modularity）指的是網(wǎng)絡中連接社區(qū)結構內部定點的邊所占的比例，減去在同樣的社團結構下任意連接這兩個節(jié)點的比例的期望值。

2.4 ?遷移應用

在應用時，首先需要做單元網(wǎng)格的區(qū)分工作。需要導入城市管理信息系統(tǒng)中的網(wǎng)格數(shù)據(jù)，根據(jù)不同的分析緯度導入不同的層級，以某城市為例：市-區(qū)-街道-社區(qū)-警格-一平方公里網(wǎng)格。

獲取火災統(tǒng)計數(shù)據(jù)，根據(jù)地址網(wǎng)格化后，使用算法計算火災網(wǎng)格并發(fā)特征，形成制定周期的火災并發(fā)社區(qū)。計算結果呈現(xiàn)方式為，當某一網(wǎng)格發(fā)生火災，在制定計算周期中，顯示與其同在一個社群的其他網(wǎng)格作“高風險區(qū)域”預警。 例：社群A為例。經(jīng)過計算，編號為#15、#16、#17、#18的四個網(wǎng)格被劃分A社群。 當9月1日A社群中，編號#15網(wǎng)格發(fā)生一起火災，那么在未來七天（9月1日-9月7日），同屬A社群的其他網(wǎng)格—— #16、#17、#18都被定義為“高風險網(wǎng)格區(qū)域”。這其中要注意，并不是所有網(wǎng)格都會被分到并發(fā)社群，只有特定并發(fā)特征的網(wǎng)格參與其中。

3 ? 應用社群算法對某城市的風險分析

3.1 ? 待分析數(shù)據(jù)樣本

a）中間展示結果

分析過程由python代碼實現(xiàn)，結果范例如 表3-2

其中“并發(fā)區(qū)域”含義是每個所劃分社群的獨立編號，“網(wǎng)格ids”代表的是該社群里面包含的城市管理網(wǎng)格編號。

b）結果分析

針對LG區(qū)2007-2017年數(shù)據(jù)的社群分析結果，用于2018年第一季度的數(shù)據(jù)做對比。

4 ? 結論與展望

本文針對火災中的并發(fā)規(guī)律進行分析，將社群的概念引入火災分析中，再結合數(shù)據(jù)挖掘方法用于火災事故分析理論，為消防風險管理、消防資源配置提供了決策基礎。另外，本文構建了社群概念的框架，而對于分析結果——所分類的社群，可以從以下兩方面結合深入研究，一是添加分析步驟對預測模型優(yōu)化，二是結合更多社會調查此類社群的共同之處。

參考文獻：

[1] ? ?M Canovan（1982） Two Strategies for the Study of Populism.

[2] ? ?M. Girvan and M. E. J. Newman. （2002） Community structure in social and biological networks.

[3] ? ?Vincent ?D Blondel，Jean-Loup Guillaume，Renaud Lambiotte，Etienne Lefebvre，F(xiàn)ast unfolding of communities in large networks， in Journal of Statistical Mechanics：Theory and Experiment 2008 （10）， P1000.