DOI：10.19850/j.cnki.2096-4706.2021.09.030

摘? 要：文章以地震災(zāi)害為例，通過對教育水平、經(jīng)濟(jì)水平、受災(zāi)經(jīng)歷、自然災(zāi)害嚴(yán)重度和受災(zāi)頻次五個要素進(jìn)行分析，基于AHP-Fuzzy建立重大自然災(zāi)害公眾風(fēng)險感知評價模型。首先利用層次分析法確定各要素的權(quán)重大小，再運(yùn)用一級模糊綜合評判法對四川省、云南省和浙江省關(guān)于地震災(zāi)害的公眾風(fēng)險感知水平進(jìn)行評價分析。結(jié)果顯示，四川、云南公眾風(fēng)險感知水平較高，浙江公眾風(fēng)險感知水平較低，模型結(jié)果合理，該模型能夠為自然災(zāi)害監(jiān)管提供初步指導(dǎo)意見。

關(guān)鍵詞：風(fēng)險感知;綜合評價;地震災(zāi)害;AHP-Fuzzy

中圖分類號：O141.4;X91 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2021）09-0115-05

Research on Public Risk Perception Model of Natural Disaster Based on AHP-Fuzzy

YU Tianlong

（China University of Geosciences（Beijing），Beijing? 100083，China）

Abstract：Taking the earthquake disaster as an example，this paper analyzes five elements of education level，economic level，disaster experience，natural disaster severity，and disaster frequency，and establishes a public risk perception evaluation model for major natural disasters based on AHP-Fuzzy. First，uses the analytic hierarchy process to determine the weight of each factor，and then uses the first-level fuzzy comprehensive evaluation method to evaluate and analyze the public risk perception level of earthquake disasters in Sichuan Province，Yunnan Province and Zhejiang Province. The results show that Sichuan and Yunnan have a high level of public risk perception，and Zhejiang has a low level of public risk perception. The model has a reasonable result and it can provide preliminary guidance for the natural disaster supervision.

Keywords：risk perception;comprehensive evaluation;earthquake disaster;AHP-Fuzzy

0? 引? 言

風(fēng)險感知是用來描述人們對風(fēng)險的態(tài)度和直覺判斷的一個概念。從廣義上來講，它也可以指代人們對風(fēng)險的一般評估與反映^[1]。P Slovic認(rèn)為，風(fēng)險感知是個體對其所處的外部環(huán)境，依據(jù)自身的直覺而產(chǎn)生的各種可能出現(xiàn)的客觀風(fēng)險的感知以及感受，并對風(fēng)險進(jìn)行評估的行為，且個體的風(fēng)險感知會受主觀判斷以及所獲經(jīng)驗的影響^[2]。相應(yīng)的，自然災(zāi)害風(fēng)險感知是公眾獲取自然災(zāi)害方面的信息，并根據(jù)自身情況采取避免災(zāi)害或者降低災(zāi)害損失的態(tài)度、選擇與行為^[3]。自然災(zāi)害風(fēng)險感知的研究能夠有效判斷人們在面對災(zāi)害時的行為以達(dá)到降低災(zāi)害損失的目的。

近20年來，世界各國城市化進(jìn)程加快，全球氣候變暖、海平面上升所帶來的負(fù)面效應(yīng)日漸顯現(xiàn)，洪澇、泥石流、臺風(fēng)、地震等自然災(zāi)害頻繁發(fā)生，造成了巨大的人員傷亡和財產(chǎn)損失，嚴(yán)重阻礙了人類社會的健康發(fā)展。本文基于AHP-Fuzzy的方法，建立普適性的重大自然災(zāi)害風(fēng)險感知模型，以對某地區(qū)公眾對某自然災(zāi)害的風(fēng)險感知程度進(jìn)行初步研究，為災(zāi)害的預(yù)防和管控提供指導(dǎo)性的意見。

1? 模型建立

1.1? 模型建立方法的選擇

本次模型的建立是運(yùn)用層次分析法篩選各要素并確定各要素權(quán)重，然后運(yùn)用模糊綜合評價法將各要素進(jìn)行定量評價并進(jìn)行梯度比較^[4]，最后確定重大自然災(zāi)害公眾風(fēng)險感知水平，具體方法如圖1所示。

1.2? 模型要素的確定

建立重大自然災(zāi)害公眾風(fēng)險感知模型，所確定的評價因素要有代表性、科學(xué)性及可操作性。首先，能夠?qū)χ卮笞匀还姙?zāi)害風(fēng)險感知水平造成影響的因素有很多，我們只能選擇其中相關(guān)性高、代表性強(qiáng)的因素來說明問題;另外，因素的選擇要具有實際操作性，每個指標(biāo)都應(yīng)有理有據(jù)，并易于量化分析^[5]。

根據(jù)收集的資料，相關(guān)研究一般將災(zāi)害嚴(yán)重度、災(zāi)害頻次、受災(zāi)經(jīng)歷、經(jīng)濟(jì)水平、情緒水平、教育水平、政府的應(yīng)對情況、社會輿論、公眾信任度以及可接受度等因素作為風(fēng)險感知評價要素。其中，災(zāi)害嚴(yán)重度、災(zāi)害頻次、受災(zāi)經(jīng)歷三大要素是影響重大災(zāi)害公眾風(fēng)險感知的最重要的因素，極具代表性，數(shù)據(jù)也易于收集與量化，處理較為簡便;經(jīng)濟(jì)水平和教育水平的重要性略次之，但數(shù)據(jù)也較易收集與量化。除此之外，情緒水平、政府的應(yīng)對情況、社會輿論等要素相對于地區(qū)公眾風(fēng)險感知程度重要度較低，且數(shù)據(jù)難以收集與量化，因此本次模型的建立將其舍去，只保留災(zāi)害嚴(yán)重度、災(zāi)害頻次、受災(zāi)經(jīng)歷、經(jīng)濟(jì)水平、教育水平五大要素進(jìn)行模型的建立。建立結(jié)果如圖2所示。

1.3? 要素權(quán)重的確定

要素確定以后，構(gòu)造判斷矩陣，如表1所示，通過層次分析法兩兩比較的方式確定各要素權(quán)重。經(jīng)計算各要素的權(quán)重為災(zāi)害嚴(yán)重度（S）：51.74%，災(zāi)害頻次（P）：17.22%，受災(zāi)經(jīng)歷（E）：17.22%，經(jīng)濟(jì)水平（G）：3.48%，教育水平（T）：10.35%。

經(jīng)計算，CI=0.001 2，一致性比率CR=0.001 1，此矩陣的一致性可以接受，因此各要素權(quán)重占比合理。

1.4? 評價要素的提取與量化

我們將教育水平、經(jīng)濟(jì)水平、受災(zāi)經(jīng)歷、自然災(zāi)害嚴(yán)重度和自然災(zāi)害頻次五個要素進(jìn)行分級，均由高到低確立了A，B，C，D四個等級，以下為具體分析：

（1）教育水平。風(fēng)險感知水平的高低一定程度上受該地區(qū)公眾受教育水平高低的影響。本文以學(xué)生人均教育經(jīng)費(fèi)的多少來判斷一個地區(qū)的教育水平高低，學(xué)生人均教育經(jīng)費(fèi)越高，教育水平越高，反之，學(xué)生人均教育經(jīng)費(fèi)越低，教育水平越低^[6]，具體分級標(biāo)準(zhǔn)如表2所示。

（2）經(jīng)濟(jì)水平。經(jīng)濟(jì)水平同樣會對某地區(qū)災(zāi)害風(fēng)險感知水平造成一定影響。本文以人均GDP來判斷一個地區(qū)的經(jīng)濟(jì)水平高低，人均GDP越高，經(jīng)濟(jì)水平越高，人均GDP水平越低，經(jīng)濟(jì)水平越低，具體分級標(biāo)準(zhǔn)如表3所示。

（3）受災(zāi)經(jīng)歷。一般情況下，公眾對于經(jīng)歷過的自然災(zāi)害風(fēng)險感知程度高于沒有經(jīng)歷過該自然災(zāi)害的公眾，因此，本文以受災(zāi)人口數(shù)量占該地區(qū)總?cè)丝跀?shù)量的比例來判斷該地區(qū)公眾的受災(zāi)經(jīng)歷情況，受災(zāi)人口數(shù)量占比越高，該地區(qū)公眾受災(zāi)經(jīng)歷越豐富，反之，受災(zāi)人口數(shù)量占比越低，經(jīng)歷越匱乏，具體分級標(biāo)準(zhǔn)如表4所示。

（4）自然災(zāi)害嚴(yán)重度。在自然災(zāi)害嚴(yán)重度的劃分依據(jù)方面，本文參考了安全生產(chǎn)事故等級的判定標(biāo)準(zhǔn)，將自然災(zāi)害嚴(yán)重度分為特別嚴(yán)重、比較嚴(yán)重、嚴(yán)重與一般四個等級，以傷亡人數(shù)和直接經(jīng)濟(jì)損失來判斷自然災(zāi)害嚴(yán)重度，具體分級標(biāo)準(zhǔn)如表5所示。

（5）自然災(zāi)害頻次。公眾的風(fēng)險感知水平高低與自然災(zāi)害的發(fā)生頻次有關(guān)，一方面，一種自然災(zāi)害發(fā)生頻次越高，公眾受災(zāi)經(jīng)歷得到豐富，有助于提高風(fēng)險感知水平;另一方面，一種自然災(zāi)害如果經(jīng)常發(fā)生，該地區(qū)的預(yù)警與防護(hù)設(shè)施措施將更加完備，也會提高公眾的風(fēng)險感知水平，具體的分級標(biāo)準(zhǔn)如表6所示。

1.5? 公眾風(fēng)險感知的評價

公眾風(fēng)險感知的評價方法為模糊綜合評判法，首先構(gòu)建模糊矩陣。本次模型確定的因素有5個，災(zāi)害嚴(yán)重度（S），災(zāi)害頻次（P），受災(zāi)經(jīng)歷（E）、經(jīng)濟(jì)水平（G）、教育水平（T），因此因素集為：

U={u₁，u₂，u₃，u₄，u₅}

u₁=“教育水平”、u₂=“經(jīng)濟(jì)水平”、u₃=“受災(zāi)經(jīng)歷”、u₄=“災(zāi)害嚴(yán)重度”、u₅=“災(zāi)害頻次”。

由各要素的地位和作用不同，確定權(quán)重向量：

A=[0.103 5，0.034 8，0.172 2，0.517 4，0.172 2]

本次模型出現(xiàn)的評語有4個：A、B、C、D，分別對應(yīng)風(fēng)險感知水平的高、較高、一般、較低。因此評語集為：

V={v₁，v₂，v₃，v₄}

v₁=“A”、v₂=“B”、v₃=“C”、v₄=“D”

確定評語集后，即可建立評判矩陣。先對每個因素進(jìn)行評價，例如，對于“教育水平”u₁，按照量化標(biāo)準(zhǔn)，某地區(qū)十年內(nèi)的教育水平等級依次為：A、A、B、B、B、C、B、D、D、C。其中A等級占20%，B等級占40%，C等級占20%，D等級占20%，則對該地區(qū)“教育水平”u₁的評價為：

r₁={0.2，0.4，0.2，0.2}

同樣，對該地區(qū)“經(jīng)濟(jì)水平”u2的評價為：

r₂={0.6，0.2，0.1，0.1}

對該地區(qū)“受災(zāi)經(jīng)歷”u3的評價為：

r₃={0.4，0.2，0.2，0.2}

對該地區(qū)“災(zāi)害嚴(yán)重度”u4的評價為：

r₄={0.3，0.1，0.3，0.3}

對該地區(qū)“災(zāi)害頻次”u5的評價為：

r₅={0.3，0.1，0.3，0.3}

得到評判矩陣：

基于合適的模糊合成算子計算總評價，一般對B進(jìn)行歸一化處理，再根據(jù)最大隸屬度原則做出判斷。

例如，計算出B=[0.317 3，0.151 7，0.265 5，0.265 5]，由于B中最大數(shù)0.317 3出現(xiàn)在第一位，故對該地區(qū)重大自然災(zāi)害公眾風(fēng)險感知水平“A”就是最終評判結(jié)果。

2? 應(yīng)用實例——以四川、云南和浙江為例

2.1? 相關(guān)數(shù)據(jù)搜集

本次研究的數(shù)據(jù)來源于國家統(tǒng)計局并參考了相關(guān)文獻(xiàn)，分別就教育水平、經(jīng)濟(jì)水平、受災(zāi)經(jīng)歷、自然災(zāi)害嚴(yán)重度和自然災(zāi)害頻次五個指標(biāo)進(jìn)行了數(shù)據(jù)匯總，具體的數(shù)據(jù)情況如表7、表8、表9所示。

2.2? 數(shù)據(jù)結(jié)果分析

基于本模型，由層次分析法確定5個指標(biāo)權(quán)重后，使用模糊評價法對四川、云南和浙江三個省份的地震災(zāi)害公眾風(fēng)險感知水平進(jìn)行評價，得到三個綜合評判向量，以下為具體內(nèi)容：

根據(jù)上述數(shù)據(jù)及步驟，四川最終得到評判矩陣：

基于合適的模糊合成算子B=A×R計算總評價，得到判別矩陣B=[0.586 2，0.124 0，0.134 4，0.155 3]，根據(jù)最大隸屬度原則可知，四川公眾對地震的風(fēng)險感知水平為A級，即風(fēng)險感知水平高。

云南最終得到評判矩陣：

基于合適的模糊合成算子B=A×R計算總評價，得到判別矩陣B=[0.637 9，0.082 7，0.186 0，0.093 4]，根據(jù)最大隸屬度原則可知，云南公眾對地震的風(fēng)險感知水平為A級，即風(fēng)險感知水平高。

浙江最終得到評判矩陣：

基于合適的模糊合成算子B=A×R計算總評價，得到判別矩陣B=[0.138 0，0.103 6，0.051 7，0.706 7]，根據(jù)最大隸屬度原則可知，浙江公眾對地震的風(fēng)險感知水平為D級，即風(fēng)險感知水平較低。

從結(jié)果來看，四川、云南的公眾地震風(fēng)險感知水平較高，而浙江的公眾地震風(fēng)險感知水平較低，與實際情況相符合。因此本文提出的重大自然災(zāi)害風(fēng)險感知模型較為合理，對政府的自然災(zāi)害監(jiān)管與預(yù)防工作具有初步的指導(dǎo)作用。

3? 結(jié)? 論

深入研究重大自然災(zāi)害下公眾的風(fēng)險感知水平、風(fēng)險行為模式，是幫助我們了解自然災(zāi)害、應(yīng)對自然災(zāi)害的基礎(chǔ)性研究。本文針對公眾對重大自然災(zāi)害風(fēng)險感知，提出了基于AHP-Fuzzy的重大自然災(zāi)害風(fēng)險感知模型，該模型具有普適性，能夠?qū)δ车貐^(qū)人民對某種自然災(zāi)害的風(fēng)險感知水平進(jìn)行初步判定，為政府的防災(zāi)減災(zāi)工作提供指導(dǎo)性的意見。重大自然災(zāi)害風(fēng)險感知模型的實際應(yīng)用與改進(jìn)仍在進(jìn)一步摸索之中，還需要進(jìn)一步完善。

參考文獻(xiàn)：

[1] 劉金平，周廣亞，黃宏強(qiáng).風(fēng)險認(rèn)知的結(jié)構(gòu)，因素及其研究方法 [J].心理科學(xué)，2006（2）：370-372.

[2] SLOVIC P. Perception of risk [J].Science，1987，236（4799）：280-285.

[3] 蘇飛，何超，黃建毅，等.災(zāi)害風(fēng)險感知研究現(xiàn)狀及趨向 [J].災(zāi)害學(xué)，2016，31（3）：146-151.

[4] 鄒濤，朱江雪.裝備制造企業(yè)產(chǎn)品創(chuàng)新設(shè)計思維評估方法 [J].機(jī)械設(shè)計，2020，37（9）：140-144.

[5] 張文朋.基于AHP-Fuzzy的地震危險度評價初探 [J].華北地震科學(xué)，2018，36（4）：63-72.

[6] 李華強(qiáng)，王順洪，范春梅，等.突發(fā)性災(zāi)害中的公眾恐懼心理及其應(yīng)急管理研究 [J].華東經(jīng)濟(jì)管理，2011，25（9）：36-40.

作者簡介：俞添瀧（2000.02—），男，漢族，浙江紹興人，本科在讀，研究方向：安全工程。

收稿日期：2021-04-04