基于云模型的民用機場消防指揮員決策能力測評研究*

高大磊，于曉芳，杜紅兵

(中國民航大學 飛行技術學院，天津 300300)

0 引言

機場發生的突發事件，尤其是涉及航空器失事的緊急事件，第一支響應力量是消防救援部門[1]。消防指揮員作為救援力量的組織協調者與決策處置者，是整個救援行動的關鍵，其決策能力的高低直接影響著救援的效果。因此，深入分析民用機場消防指揮員決策能力，構建測評其能力的方法體系，對于人才的鑒定、選拔、配置具有重要的現實意義。

目前，國內學者主要研究建筑火災指揮員[2-3]、軍事指揮員[4-5]、礦山救援指揮員[6]等的決策能力，歸納總結各領域指揮員決策能力的構成要素發現，指揮員決策能力是由一系列的定性與定量變量構成的，評價時應綜合考慮指標的模糊性與隨機性等特點。同時，由于定性變量與定量變量的評價方式不同，評估結果可能產生類似于“精確數值”或“優、良、中、差”形式的2類評價結果。為整合2類結果，確定最終評價值，需確立一個定性與定量相互轉化的測評方法。傳統的定性定量轉換方法包括[7]：層次分析法、量化加權法、專家群體打分法、模糊綜合評判法等，但上述方法均未兼顧測量實體的模糊性及隨機性。基于此，李德毅提出了一種定性變量與定量變量可相互轉化的云理論，該理論已應用于船員適任性綜合評價[8]、水庫誘發地震風險等級評價[9]、水體富營養化程度評價[10]、隧道塌方風險等級評價[11]等研究。云模型作為一種能夠進行定性與定量相互轉化的不確定性模型，可充分體現出用模糊語言評價定性變量時的模糊性和隨機性，是進行定性與定量相互轉化的有效工具。

基于云模型的思想及原理，將相關理論運用到民用機場消防指揮員決策能力測評研究中，運用云模型的特征參數期望Ex(Excepted Value)、熵En(Entropy)、超熵He(Hyper Entropy)建立一個由定性到定量的測評轉換模型，使定性評價轉化為簡單、直觀的定量評價，為分析民用機場消防指揮員決策能力提供理論依據。

1 云模型

云模型包含3個量值，分別反映定性概念的定量特征，記做C(Ex,En,He)，如圖1所示。其中，Ex為期望，是云滴在論域空間最具代表性的定性概念值，反映了論域空間的中心值；En為熵，描述了云滴的模糊性與隨機性，表示了以云滴形式表現出來的定性概念結果的分散度，以及在一定論域空間內能夠被定性概念所接納的云滴的取值范圍；He為超熵，是對熵的不確定性的度量，是針對熵值的不確定度的衡量，表達了在一定論域空間內云滴的不確定性的聚合性。

圖1 云及其數字特征Fig. 1 Cloud and its digital characters

云模型的基本算法包含正向云發生器和逆向云發生器2類。前者可實現從定性信息中獲取定量數據的取值范圍和分布規律，后者可實現將精確數值轉化為合適的定性語言值。本文選用正向正態云發生器對民用機場消防指揮員決策能力指標的評價值進行云化。對于具有上下界的評價指標值，如：(Ymin,Ymax)，利用式(1)進行轉化。

(1)

式中：k為常數，可依據變量本身的穩定性具體調整其數值，一般取值為0.01。

2 決策能力評價指標分析

評價指揮員的決策能力水平，首先需深入挖掘其決策能力的構成要素。通過了解建筑火災指揮員[2-3]、軍事指揮員[4-5]、礦山救援指揮員[6]等的決策能力發現，各領域的指揮員不僅應具備指揮崗位的基本能力，如：身心素質、應急處置能力、溝通協調能力、指揮基礎知識等，還應掌握本專業的理論知識與業務技能，如：建筑火災指揮員應具備識讀建筑圖紙、了解不同建筑結構特點的能力等，軍事指揮員應懂得戰術的運用、開展及隊伍的組織等。

對于民用機場消防指揮員決策能力的研究，應結合航空器應急救援流程及事故特點，分析其決策能力影響因素。本文以《民用運輸機場突發事件應急救援管理規則》為背景，分析幾個較大機場的應急救援預案，當航空器突發事件發生時，經機場應急救援總指揮授權，機場消防指揮員可擔任應急救援現場指揮員，依據突發事件周圍環境及天氣狀況，開展救援行動。根據《國際民用航空公約》附件19的規定[12]，為確保發生航空器突發事件時，機場消防指揮員能夠快速組織救援行動、指揮消防員迅速實施救援，機場消防指揮員應熟知機場的布局特點，以滿足附件19對機場消防部門到達機場及其附近區域內任一位置的應答時間僅是3 min的要求；同時，應熟悉各機型的結構特點，便于規劃出最優的人員逃生路徑；而由于航空器結構的特殊性，機場消防指揮員還應掌握航空器火災撲救知識，悉知航空器各部位發生事故時的救援對策；此外，航空運輸中涉及9大類危險品，如運載有爆炸性、放射性或腐蝕性物質的航空器發生突發事件時，機場消防指揮員則應根據物質性質的要求，安排相應人員實施救援。

經上述分析，研究歸納出民用機場消防指揮員決策能力影響要素，并利用問卷調查及統計學知識，確定民用機場消防指揮員決策能力指標體系，如圖2所示。

圖2 指標體系Fig. 2 Index system

根據調查問卷的回收數據，選用結構方程模型確定各級指標權重。參考文獻[13]的權值確定法，獲得各指標權重如下：

1)一級指標權重：W=(WU1,WU2,WU3,WU4)=(0.14,0.21,0.33,0.32)。

2)二級指標權重：W1=(WX1,WX2,WX3)=(0.33,0.34,0.33)，W2=(WX4,WX5,WX6)=(0.20,0.40,0.40)，W3=(WX7,WX8,WX9,WX10,WX11,WX12,WX13)=(0.13,0.14,0.14,0.14,0.14,0.15,0.16)，W4=(WX14,WX15,WX16,WX17,WX18)=(0.2,0.2,0.2,0.2,0.2)。

3)三級指標權重：綜合一級指標權重和二級指標權重的結果，得出18個三級指標對民用機場消防指揮員決策能力的影響權重w=(w1,w2,w3,…，w18)=(0.046 2,0.046 7,0.046 2,0.042,0.084,0.084,0.042 9,0.046 2,0.046 2,0.046 2,0.046 2,0.049 5,0.052 8,0.064,0.064,0.064,0.064,0.064)。

3 決策能力測評方法

3.1 方法確定

分析上述評價指標體系發現，民用機場消防指揮員決策能力由9項定量指標和9項定性指標構成。其中，定量指標包含：個人基礎素質中的文化素質、心理素質，以及指揮知識(二級指標)中所含的7項三級指標；其余9項指標為定性指標。通過比對現有人才測評方法[14]，確定本文各指標的測評方案：選用通過考核打分確定具體分值的方式測評定量指標；選用通過專家評語的形式評價定性指標。然而，由于評價指標及人類思維具有隨機性和模糊性的特點，以評語方式呈現的測評結果可能存在模糊性及不確定性，為弱化這種情況，采用區間數法首先對定性指標的測評結果進行轉化[15]，過程如下：

1)篩選出測評指標體系中的定性指標：F={x1,x2,…，xn}，其中：n為正整數，表示定性指標的總數。

2)確定定性評價指標集對應的評語級和區間數。評語級：R={R1,R2,R3,R4,R5} ={很好，好，一般，較差，差}，區間數：I={I1,I2,I3,I4,I5}={[90,100],[80,90),[60,80),[50,60),[0,50)}，其中評語級與區間數的對應關系為，R1與I1對應，即“很好”對應的區間數為“[90,100]”，R2、R3、R4、R5評語級對應的區間數以此類推。

3.2 結果處理

為確定最終的測評結果，需對利用上述方法測評的定性指標和定量指標的測評結果進行統一處理，以便對民用機場消防指揮員決策能力做出評價。盡管為弱化評價指標及人類思維的模糊性及不確定性，采用區間數法對定性指標的評價結果進行了轉化，但利用這種方法得到的測評結果，在某種程度上仍存在隨機性的特點。通過對云模型的分析，云模型在傳統的概率論和模糊數學基礎上，通過三個數字特征(Ex,En,He)，能將在評價事物過程中產生的模糊性、隨機性和離散性有機地結合起來，且可實現不確定性語言和定量數值間的自然轉換[16]，且已成功運用于評價船員的適任性、水庫誘發地震風險等級和隧道塌方風險等級等。

鑒于此，為能夠統一處理定量指標與定性指標的測評結果，同時將評價結果的模糊性、隨機性、離散性有機結合起來，本文利用云模型將各項指標的測評結果轉化成包含期望、熵、超熵3個特征值的云形式。最后，為使測評結果更加直觀、簡便，選用加權逆向云測評算法對結果進行統一計算，即輸入n個云滴的集合Y={y1,y2,…，yn}及云滴的權重集合Z=(z1,z2,…，zn)，輸出n個云滴所表示的定性概念的期望值Ex，熵En和超熵He，步驟如下：

由云模型及其數字特征可知，測評結果的期望值表示民用機場消防指揮員進行指揮活動時預期達到的救援效果；熵表示民用機場消防指揮員的各次指揮活動效果的差異程度，該值能夠體現出民用機場消防指揮員的決策能力水平；超熵表示民用機場消防指揮員的某次指揮活動效果與預期效果的偏離程度，該值能夠反映出民用機場消防指揮員指揮素質的穩定性。

3.3 測評流程

整體測評流程可以按照以下5個步驟開展，如圖3所示。

圖3 測評流程Fig. 3 Evaluation flow chart

1)按定性指標與定量指標2種類別劃分測評指標，其中定量指標按精確值法測評，定性指標按區間數法測評。

2)將測評結果利用云模型轉化為云參數矩陣，如式

(2)所示。

(2)

3)確定指標權重Z=(z1,z2,…,zn)。

4)利用加權逆向云測評算法計算測評結果，如式(3)所示。

(3)

5)根據測評結果分析民用機場消防指揮員決策能力水平。

式(2)和式(3)中：q為測評指標數量。

4 算例分析

為驗證基于云模型理論構建的民用機場消防指揮員決策能力測評模型的有效性，選取2名指揮能力差異較大的指揮員(V1,V2)為測評對象，以5位消防指揮專家(Z1,Z2,Z3,Z4,Z5)為評委，應用上述方法分析其決策能力水平。

根據本文的決策能力指標體系，確定評估指標集F={x1,x2,…，x18}={文化素質，身體素質，心理素質，…，洞察力}，其中x1、x3、x7、x8、x9、x10、x11、x12、x13為定量指標，其余為定性指標。綜合專家評價法和考核法的測評結果，利用云模型得到定量與定性指標的期望、熵、超熵值，如表1所示。

表1 指標測評值云化結果

根據式(3)，通過加權逆向云測評法，得出民用機場消防指揮員決策能力的測評結果云化值，如表2所示，并將其通過matlab軟件仿真得到測評結果云滴分布圖，如圖4所示。

表2 云的數字特征測評結果

圖4 測評結果云滴分布Fig. 4 The cloud drop distribution chart of the evaluation results

由表2和圖4可以看出，民用機場消防指揮員V1的期望值較V2的大，且V1的熵和超熵均小于V2的熵和超熵。根據云數字特征內涵可知，開展消防救援指揮活動時，指揮員V1較V2能達到較好的救援效果，做出的決策能力水平更高，且指揮素質的穩定性較好。通過實例驗證得出，基于云模型的測評方法獲得的測評結果與實際情況基本相符。

影響民用機場消防指揮員決策能力的因素涉及定性和定量2類指標共18項，由于定性和定量指標的評價方式及評價結果呈現形式的不同，使得很難選用一個適宜的數學模型對這18項指標的評價結果進行統一處理。同時，為了對民用機場消防指揮員決策能力這個定性概念做出良好的評價，在測評過程中，還需考慮測評主體及被測對象在概念理解、等級評價方面可能存在的模糊性與隨機性等因素。經上述實測結果分析，本文采用的基于云模型的測評方法所獲得的評價結果較好地體現了測評過程存在的模糊性與隨機性的本質，較好地展示了在評價民用機場消防指揮員決策能力過程中定性語言與定量數值間不確定性的相互轉換，進一步表明該測評方法是有效且合理可行的。

5 結論

1)綜合其他領域指揮員的決策能力影響要素，根據中國民用航空規章和民用機場應急救援預案要求，通過咨詢相關專家，采用問卷調查法確定了影響民用機場消防決策能力的指標體系，并利用結構方程模型法確定了各項指標的影響權重。

2)提出適用于本文研究對象的測評方案，并針對評價主體在評價被測對象決策能力過程中，存在不可避免的模糊性和隨機性的特點，研究引入云模型，提出基于云模型的民用機場消防指揮員決策能力測評方法。經實例驗證得出，該測評方法及思路具有較好的實用性。

3)采用區間數法評價民用機場消防指揮員決策能力指標體系中難以量化的、模糊的定性指標，并利用云模型轉化測評結果，能將評價主體的人為主觀因素和客觀數據相融合，提高評估結果的科學性。

4)目前，本文研究成果僅選取了較少人員進行測評，在后續研究中，將對更多的對象實施測評，并根據測評結果及反饋意見對模型做進一步完善。

[1] 中國民用航空局.民用運輸機場突發事件應急救援管理規則[EB/OL].(2016-04-20)[2018-04-17].http://www.caac.gov.cn/XXGK/XXGK/MHGZ/201606/t20160622_38643.html.

[2] 宋斌，李建華.滅火救援第一出動指揮員決策要素及應用探討[J].消防科學與技術，2008(4)：277-280.

SONG Bin,LI Jianhua.The Key elements of decision making and its application on first due commander in fire fighting[J].Fire Science and Technology,2008(4): 277-280.

[3] 王勇，杜欣.淺談消防指揮員的指揮藝術[J].廣西民族大學學報(自然科學版)，2007(S1)：173-174,177.

WANG Yong,DU Xin.A discussion on the command art of fire commanders[J].Journal of Guangxi University for Nationalities(Natural Science Edition),2007(S1): 173-174,177.

[4] 高桂清，張會其.導彈部隊指揮員決策能力評估[J].艦船電子工程，2011，31(12)：48-50,64.

GAO Guiqing,ZHANG Huiqi.Missile mlitary commander decision-making ability evaluation[J].Ship Electronic Engineering,2011,31(12): 48-50,64.

[5] 程閣，劉航.基于改進模糊AHP法的指揮員作戰決策行為效果評估[J].艦船電子工程，2011，31(5)：51-53,61.

CHENG Ge,LIU Hang.Evaluation of the commander’s combat decision-making behavior impact based on fuzzy-AHP[J].Ship Electronic Engineering,2011,31(5):51-53,61.

[6] 李華煒，戴正烈，鐘膨蓬，等.基于能力需求的礦山救護大中隊指揮員培訓內容分析[J].煤礦安全，2015，46(6)：228-230.

LI Huawei,DAI Zhenglie,ZHONG Pengpeng,et al.Training content analysis for lochus commanders of mine rescue based on capacity requirements[J].Safety in Coal Mines,2015,46(6):228-230.

[7] 呂輝軍，王曄，李德毅，等.逆向云在定性評價中的應用[J].計算機學報，2003(8)：1009-1014.

LYU Huijun,WANG Ye,LI Deyi,et al.The application of backward cloud in qualitative evaluation[J].Chinese Journal of Computers,2003(8):1009-1014.

[8] 張曉輝，劉正江，吳兆麟.基于云模型的船員適任性綜合評價[J].中國航海，2010(4)：65-70.

ZHANG Xiaohui,LIU Zhengjiang,WU Zhaolin.Cloud model based comprehensive evaluation of seafarers’ competency[J].Navigation of China,2010(4):65-70.

[9] 張秋文，章永志，鐘鳴.基于云模型的水庫誘發地震風險多級模糊綜合評價[J].水利學報，2014(1)：87-95.

ZHANG Qiuwen,ZHANG Yongzhi,ZHONG Ming.A cloud model based approach for multi-hierarchy fuzzy comprehensive evaluation of reservoir-induced seismic risk[J].Shuili Xuebao,2014(1):87-95.

[10] 丁昊，王棟.基于云模型的水體富營養化程度評價方法[J].環境科學學報，2013，33(1)：251-257.

DING Hao,WANG Dong.The evaluation method of water eutrophication based on cloud model[J].Acta Scientiae Circumstantiae,2013,33(1):251-257.

[11] 楊光，劉敦文，褚夫蛟，等.基于云模型的隧道塌方風險等級評價[J].中國安全生產科學技術，2015,11(6)：95-101.

YANG Guang,LIU Guowen,CHU Fujiao,et al.Evaluation on risk grade of tunnel collapse based on cloud model[J].Journal of Safety Science and Technology,2015,11(6):95-101.

[12] 豆丁.國際民用航空公約附件19[EB/OL].(2017-01-12)[2018-04-17].http://www.docin.com/p-1833343207.html.

[13] 武海東.用結構方程模型構建圖書館讀者滿意度評價指標體系[J].情報科學，2011(2)：227-230.

WU Haidong.The construction of evaluation indicator system of iibrary reader satisfaction with structure equation modeling[J].Information Science,2011(2):227-230.

[14] 崔玉梅.企業人力資源主管崗位勝任力測評研究[D].南京：河海大學，2007.

[15] 高洪波，張新鈺，張天雷，等.基于云模型的智能駕駛車輛變粒度測評研究[J].電子學報，2016(2)：365-373.

GAO Hongbo,ZHANG Xinyu,ZHANG Tianlei,et al.Research of intelligent vehicle variable granularity evaluation based on cloud model[J],2016(2):365-373.

[16] 李德毅，劉常昱，杜鹢，等.不確定性人工智能[J].軟件學報，2004，15(11)：1583-1594.

LI Deyi,LIU Changyu,DU Yi,et al.Artificial intelligence with uncertainty[J].Journal of Software,2004,15(11):1583-1594.