車站應急保障體系屬性約簡研究

王 鐵，蒲 云

WANG Tie,PU Yun

西南交通大學 交通運輸與物流學院，成都610031

College of Transportation&Logistics,Southwest Jiaotong University,Chengdu 610031,China

1 引言

車站的突發事件種類繁多，如恐怖襲擊、地震、洪水、突發疫情、暴風雨雪、突發刑事案件等等都會對車站或某一區間的正常生產秩序帶來嚴重影響。如何避免突發事件的發生及突發事件發生后，最大限度地減少突發事件造成的人員傷亡和財產損失，降低對運輸組織秩序的影響是當務之急，這就要求我們對車站應急保障體系的特點有深刻認識并熟練運用它。車站應急保障體系具有安全指標屬性較多較復雜這一特點，在對其分析評價的時候，由于計算誤差等影響，不同的安全指標屬性有可能存在重復和冗余，并非用到條件屬性越多，對車站保障體系的分析評價的效果就越準確，全部指標顯然不適合直接作為后期計算的指標體系。粗糙集約簡理論[1-5]在約簡過程中不破壞原始數據分類質量的屬性，同時又減少了指標的數量，這種特性使其近年來在諸多領域得到了應用。

粗糙集理論是由波蘭數學家Pawlak[6-8]在1982 年提出的一種處理模糊和不精確問題的數據分析理論。屬性約簡是粗糙集理論應用的一個重要方面，在大多數情況下，分類由幾個甚至一個屬性決定，而不是由關系數據庫中的所有屬性的微小差異來決定。屬性約簡又稱為特征選擇或維數約簡，它的三個目的[9]是：⑴減少存儲空間和運行時間以提高運行效率；⑵為更好地理解數據提供語義分析；⑶避免“維數災難”，提高預測精度。

粗糙集理論[10]與概率方法、模糊集方法等其他處理不確定問題理論的最顯著的區別在于：它無需指定隸屬度或隸屬函數，所以對問題的不確定性的描述或處理可以說是比較客觀的。粗糙集的約簡理論本著保持信息系統分類能力不變的前提下，約去不必要的屬性，減少了條件屬性的數量，簡化了系統的復雜度，便于進一步分析和計算。基于粗糙集理論的這種特性，本文采用粗糙集知識對車站突發事件保障體系的屬性指標進行約簡。

2 車站突發事件安全應急保障綜合評價指標體系分析

車站是鐵路運輸的基層單位，其生產安全關系著千家萬戶的健康幸福，其重要意義不言而喻。車站突發事件安全應急保障指標體系一般應從突發事件前期工作、突發事件發生時工作、突發事件發生后的工作三個層面進行考慮，具體包含：基礎建設、預防預警和信息處理、應急管理、應急處置管理、后期處置管理、宣傳教育檢查考核等內容。其中前四項屬于前期工作范疇。

結合其他參考文獻[11-12]和目前一些車站的做法以及車站工作的特性，建立如下車站突發事件安全應急保障評價體系層次結構，如圖1 所示。

3 粗糙集理論及熵權背景知識

3.1 Pawlak 粗糙集模型

粗糙集理論認為，知識是對對象進行分類的能力，即區分對象的能力。知識越多、越強，分類越細。Pawlak 粗糙集理論僅討論能對論域形成劃分的知識。由于劃分與等價關系可以互相確定，因此，一個知識就是U上的一個等價關系。

設U是一個非空有限集合，稱為論域，R為U上的一個等價關系，稱二元組(U，R)為一個Pawlak 近似空間，簡稱為近似空間。對于任意X?U，X關于近似空間(U，R)的下近似與上近似分別定義為[6]：

在粗糙集理論中，不確定性概念通過兩個精確概念進行逼近。

3.2 信息系統

信息系統可以通過表格進行表示。

一個決策表是一個四元組S=(U，A∪g0gggggg，V，f)，其中U，A，V，f的意義同信息系統，d稱為決策屬性，具有條件屬性和決策屬性的知識表達系統稱為決策表。

3.3 正域約簡

設S=(U，A∪g0gggggg，V，f)是決策表，其中A為條件屬性集合，d為決策屬性。對于B?A，決策屬性d的B正域定義為：

圖1 車站突發事件安全應急保障體系綜合評價指標層次圖

定理1[13]設S=(U，A∪g0gggggg，V，f)是決策表且B?A。則posB(d)=posA(d) 當 且 僅 當：對 于 任 意x，y∈U，α*(x，y)≠?時，有B∩α*(x，y)≠?.

3.4 熵權

信息熵[14]實質是一個有普適意義的關于不確定性的數學度量，熵權是根據信息熵確定的，又稱為客觀權重，其獲得是建立在評價矩陣之上的。在多屬性的決策中應用較為廣泛，反映了事物不同屬性特征在決策過程中所占的重要性程度，有效地減少了決策中的主觀因素。文章采用熵權系數法來確定指標的權重向量。

第i權重個評價指標的熵被定義為：

這里

則熵權

記權重W=(w1，w2，…，wn)。

4 基于粗糙集理論的車站應急保障體系知識約簡

已知5 個車站的突發事件應急保障體系建設情況，影響車站突發事件應急保障系統的因素集合取為A={a1，a2，…，a6}，其中a1表示基礎建設，a2表示預防預警信息處理，a3表示應急救援隊伍管理，a4表示救援設備物資管理，a5應急處置a6表示后期處置。其中a1，a2，…，a6為條件屬性，d為決策屬性。把效率高用2 來表示，效率較高用1 來表示，效率低用0 來示，得到表2。下面運用粗糙集理論對車站突發事件應急保障體系決策表進行分析。

表1 車站突發事件應急保障系統決策表

表2 離散化后的車站突發事件應急保障系統決策表

區分矩陣是對稱矩陣，因此，僅需計算矩陣的一半元素：

區分函數為

△*=(a2∨a3∨a4∨a5∨a6)∧(a1∨a5)∧(a1∨a2∨a3∨a4∨a6)∧(a2∨a3∨a4∨a6)∧(a1)=(a1∧a2)∨(a1∧a3)∨(a1∧a4)∨(a1∧a6)

共有4個約簡，分別為：{a1，a2}，{a1，a3}，{a1，a4}，{a1，a6}。

根據公式（1）、（2）對表3 的各項評價指標進行計算，得到車站突發事件應急保障體系指標權重如表3 所示。

表3 車站突發事件應急保障系統指標熵重表

由表3 可知，在車站突發事件應急保障系統中應急救援的熵重最大，應急救援隊伍的管理的熵重最小，結合區分函數約簡結果及各項評價指標的熵權權重可以得知本例中最優約簡為{a1，a6}。

與傳統的區分矩陣約簡算法相比，基于粗糙集和熵權約簡算法結合各個屬性指標本身的熵重，突出了重要屬性的作用，提高了計算約簡的效率。

5 結論

（1）本文建立了車站突發事件安全應急保障指標體系，進而構建了車站突發事件應急保障體系信息系統決策表，將粗糙集的區分矩陣約簡理論應用到車站突發事件應急保障體系的分析當中，并對車站突發事件應急保障體系影響因素評價指標進行了約簡。

（2）本文借助區分矩陣提出了基于粗糙集和熵權的約簡算法，并用實例驗證了這種算法的有效性和實用性。

（3）本文只討論了把車站突發事件應急保障體系作為完備信息系統的情況來進行約簡，對于車站突發事件應急保障體系的不完備信息系統的分析，本文所討論的方法同樣適用。

[1] 龔偉林，李德玉，王素格，等.基于模糊區分矩陣的區間值信息系統屬性約簡[J].山西大學學報：自然科學版，2011，34（3）：381-387.

[2] 王楊.一種基于區分度矩陣的屬性約簡及規則提取算法[J].計算機與數字工程，2011（9）：7-9.

[3] 胡彧，李智玲，李春偉.一種基于區分矩陣的屬性約簡算法[J].計算機工程與應用，2007，43（9）：178-180.

[4] 鄧九英，毛宗源，徐寧.基于粗糙集屬性變分區的屬性約簡[J].華南理工大學學報：自然科學版，2006，34（9）：50-55.

[5] 徐曉慧，童秉樞.基于粗糙集理論的產品結構設計模糊評價[J].清華大學學報：自然科學版，2006，46（11）：1880-1883.

[6] Pawlak Z.Rough sets[J].International Journal of Computer and Information Science，1982，11（5）：341-356.

[7] Pawlak Z.Rough set approach to multi-attribute decision analysis[J].European Journal of Operational Research，1994，72（12）：443-459.

[8] Pawlak Z.Rough sets-theoretical aspects of reasoning about data[M].Dordrecht the Netherlands：Kluwer Academic Publishers，1991：1-168.

[9] 陳德剛.模糊粗糙集理論與方法[M].北京：科學出版社，2013.

[10] 張文修.粗糙集理論與方法[M].北京：科學出版社，2001.

[11] 羅文婷，王艷輝，賈利民，等.改進層次分析法在鐵路應急預案評價中的應用研究[J].鐵道學報，2008，30（6）：24-28.

[12] 王艷輝，羅文婷，郭曉妮.基于改進SP 法的鐵路應急能力綜合評價研究[J].鐵道學報，2009，31（2）：17-22.

[13] Skowron A，Rauszer C.The discernibility matrices and functions in information systems[C]//Intelligent Decision Support Handbook of Applications and Advances of the Rough Sets Theory.Dordrecht：Kluwer Academic Publishers，1992：331-362.

[14] 張繼國，辛格.信息熵-理論與應用[M].北京：中國水利水電出版社，2012：2-80.