基于模糊綜合評價的突發事件分級研究

王朝 姚敏 富展展

摘 要：傳統突發事件一般采用主觀方法分級，劃分標準主要依據人員傷亡與經濟損失，難以準確量化分析并形成統一標準。以全球恐怖主義數據庫中近20年的恐怖襲擊事件為例，依據危害性分兩個步驟對恐怖襲擊事件進行分級。首先通過線性降維PCA算法對大量數據進行處理，獲取與恐怖襲擊事件危害性最相關的影響因素，再創建模糊綜合評價模型，計算得到該恐怖襲擊事件評價級別。該模型充分考慮突發事件的各種復雜因素，可滿足突發事件分級要求與級別標準化要求。

關鍵詞：突發事件;模糊評價;量化分析;PCA

DOI：10. 11907/rjdk. 182488

中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2019）004-0149-04

0 引言

對突發性事件，比如地震、恐怖襲擊、交通事故等進行分級是一項重要的社會管理工作。其分級通常采用主觀方法，如《道路交通事故處理辦法》中規定主要按照人員傷亡與經濟損失劃分交通事故等級 [1]，但突發事件危害性不僅取決于這兩個主因， 還與事故發生時間、地點、針對的對象等許多因素相關，因此僅依據其中兩個因素進行分級的標準不夠準確。目前，針對突發事件的級別劃分國內外已有不少研究。如Movahedi等[2]針對電力系統的突發情況提出一種多維度分級的方法;Schulz等[3]針對能源類的突發性案件采用控制理論的方法進行分類分級別;黃崇福等[4]采用模糊數學中模糊集的手段定義了都市自然災害可能性風險，解決其中存在概率風險的問題;田玉敏等[5]通過綜合概率及模糊數學的方法，針對較高的建筑發生火災風險的概率評價模型，制定了火災評價標準;薛瀾等[6]對我國突發事件類別、劃分級別等進行了詳盡討論，并提出了針對突發事件管理體制的相應框架。

由于國內目前還沒有專門依據恐怖襲擊事件危害性進行量化的分級模型，本文提出基于模糊綜合評價方法的恐怖襲擊事件分級模型，通過對事件危害性的諸多因素進行考慮、綜合評價分級，可滿足事件分級要求及級別標準化要求，模型現實作用很強且有廣泛應用范圍。

1 原始數據預處理

通過環球恐怖主義數據庫（Global Terrorism Database，GTD）獲取1998-2017年共20年的恐怖襲擊詳盡內容，由于該數據庫中每條事件均包含有幾十條相關特征描述，故在對恐怖襲擊事件分級之前，本文首先選用主成分分析法（PCA）對高維數據進行降維[7] ，處理步驟如下：

（1）將原始數據轉換成矩陣：假設原始數據集含n個特征、N個觀測樣本，則可將數據構建為N*n的原始數據集矩陣T。

（2）對矩陣T進行歸一化處理[8]，得到N*n的矩陣Q。

（3）計算矩陣Q的協方差矩陣：

（4）計算P的特征值及相應特征向量，均為n個，并將特征值從大到小排序。

（5）保留對應的m個最大特征值的特征向量，構成n*m的特征空間矩陣R。

（6）將原始數據轉換到新空間中，得到處理后的N*m數據矩陣為：

（7） 將矩陣X轉換成新的數據集，用于后續處理。

針對步驟（4）中保留的m個特征，若選值較大則影響模型運算效率，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，并依據上述步驟對高維數據降維后得到特征分類為：事件發生區域、事件發生地區性質、事件國際性質、人員傷亡情況、人質數量、人員受傷數量、財產損失情況、兇手數量、兇手自身毀滅程度、聲明數量、事件發生持續時間、人質社會地位。

2 分級模型基本原理

模糊評價指在考慮被選定好的因素影響下，運用線性數學知識即模糊數學理論對分級事件作綜合性評價[10]。設[U=u1，u2，？um]為刻畫被評價對象的 m種因素，[V=v1，v2，？vn]為描述每一因素處在何種狀態的n種判定。此時有兩類模糊集合，主觀性賦予權值距離，一類是標志因素集U中各元素在主觀物體中重要程度的量，表現為因素集U上模糊權重向量A[=][a1，a2，？am];另一類是U×V上的模糊關聯，表示為n×m的模糊矩陣R，這兩類模糊集合體現價值觀與喜好程度。再對這兩類集合運用某種模糊演算，得到V上的一個相應子集B[=][b1，b2，？bn]。

綜上所述，模糊評價即為要查找的模糊權重向量[11]。

3 模糊綜合評價步驟

步驟 1：確定需要運用模糊評價的對象集合、元素集合與評語集合。

步驟2：建立m個評價因素的權重分配向量A。

判定元素集合中每個元素在“評價目標”中有不一樣的重要程度，即各判定元素在模糊綜合評價中占據不一樣的權值比重，該權值比重簡稱為權值，有多種方式確定權值，如可通過向專家詢問探討、使用層次分析法等。

步驟3：使用各單元素模糊評價獲取模糊綜合評價矩陣[12]。

步驟 5：依據計算結果獲取指定對象的最終分值。模糊綜合評價的目的是從選定的對象中確定一個最優即優勝對象[13]，因此在計算出結果后還需排序，將計算得到的評價結果[B]轉換為最終需要的分值[M]，之后再將[M]根據其值大小依次排序，最終挑選出符合的對象。綜合評價的對象是恐怖襲擊事件，評價結果是恐怖事件分級，從而得出最符合實際情況的恐怖事件級數[14]。

綜合評價流程如圖1所示。

4 算法應用

通過數據預處理獲取12大相關特征因素，根據恐怖襲擊分級的特點，從恐怖事件本身與恐怖事件負面管理等方面考慮[15]，將對突發事件尤其是恐怖襲擊事件有影響的所有元素集合T，按照事件屬性總結為4個維度以外的影響要素。

事件要素[T]包括4個維度[16]：①恐怖襲擊影響范圍[T1]，包括地區、城市、蔓延趨勢等;②恐怖襲擊危害性相關[T2]，包括人員死亡受傷、經濟破壞等;③恐怖襲擊手段[T3]，包括自殺性、武裝沖突、暴亂;④突發事件組織者的社會影響[T4]，包括恐怖組織惡劣程度、人質身份、事件是否持續。

分級指標體系如表1所示。

針對典型恐怖襲擊911事件進行實例驗證，對于容易指標化的影響因素（如人員傷亡、經濟損失等） ，通過數學方法進行指標化;對于不容易指標化的影響因素（如國內不良影響、國際波及度等） ，可通過專家評定確定[17]。其主要方法是，針對任意一個元素，對其進行單元素判定，再通過組合所有單因素判定，得到單因素評價判定矩陣R。如對于危害程度的影響（[u7]）進行評價判定時，若有10%的人認為特別重大，50%的人認為重大，20%的人認為較大，10%的人認為一般，10%的人認為影響較小，則評判集R10 =（0.1，0.5，0.2，0.1，0.1）。按照該方法對指標體系的 12 個因素逐一評判。

首先對恐怖襲擊事件發生區域進行評價，由于發生的假設地點在美國第一大城市紐約[18]，如表2所示，可得出其單元素評價判定集合集為：[R1=1，0，0，0，0]。

關于恐怖襲擊造成人員傷亡人數，由于911恐怖襲擊事件直接造成人員死亡人數達2 996人，參照表3可以得出其單因素評價集為[R4=1，0，0，0，0]。

恐怖襲擊事件社會影響可以從時間延續性等元素對其進行評估，時間持續越長對社會負面影響越大[19]。如表4所示，可得出其單元素評價判定集合為[R11=1，0，0，0，0]。

根據層次分析方法[20]可知：恐怖襲擊事件為一級指標，其級別為目標層，二級指標為影響范圍、危害程度、兇手相關社會影響度，屬準則層，而三級指標為事件發生地區城市規模、事件國際性質、人口傷亡數量、財產損失情況、兇手自身毀滅程度、聲明數量等，屬指標層，在得出如上指標體系后，根據事件造成的危害程度對準則層元素重要性進行專家評審后賦予權值，經過計算得到二級指標權重為：

按上文描述的方法，分別建立指標層相比于準則層T1、T2、T3、T4的重要程度，并賦予權重值，經計算后得出各指標層相對于準則層的權重，如表5所示，則該恐怖襲擊事件綜合權重值通過計算準則層權重[T]與指標層相比于準則層權重之間的積獲取。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。

綜合模糊評價運算，運用公式（8）可得：

根據最大隸屬度原則[21]可得：0.685 89>0.213 49>0.059 56>0.020 53，故綜合評判得出911恐怖事件等級為一級，此次恐怖襲擊事件國際影響大、危害性強、對社會造成了巨大不良后果，符合對事件的分級。

5 結語

本文依據危害性對恐怖襲擊事件建立了模糊綜合評價模型，該模型可應用于突發事件量化分級，模型充分考量了突發事件尤其是恐怖襲擊事件的眾多元素，彌補了目前國內僅依據固定特征對事件分級的缺陷。針對龐雜冗余的數據，先通過線性降維進行處理，獲取與突發事件危害性最相關的影響因素，并創建模糊綜合評價模型進行計算，得到該恐怖襲擊事件的評判級別。該模型可滿足對突發事件的分級要求及級別標準化要求，且適用范圍廣。

針對突發事件尤其是恐怖襲擊事件的分級與評價十分重要，但目前國內制定的標準不夠清晰準確，考慮的重要因素較少，缺乏合理性，不利于對突發事件的準確定級。通過提出的模型能夠很好地解決分級混亂、指標不清晰的問題，對于國內突發事件在限定時間內定級，并根據級別迅速作出應對、布置救援力量與制定應急方案有重要作用。但本文僅針對事件進行了準確的級別劃分，如何依據突發事件劃分級別及現有恐怖襲擊事件分級數據，預測未來需要重點防控的區域或重點防范的恐怖襲擊組織，并進行精準反恐防恐，將成為后續主要研究內容。

參考文獻：

[1] 李國輝. 全球恐怖襲擊時空演變及風險分析研究[D]. 合肥：中國科學技術大學，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，張遠明. 城市自然災害風險評價的一級模型[J]. 自然災害學報，1994，3（1）：3-7.

[5] 田玉敏，劉茂. 高層建筑火災風險的概率模糊綜合評價方法[J]. 中國安全科學學報，2004，14 （9）：99-103.

[6] 薛瀾，鐘開斌. 突發公共事件分類、分級與分期：應急體制的管理基礎[J]. 中國行政管理，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. 大數據環境下基于信息論的入侵檢測數據歸一化方法[J]. 武漢大學學報：理學版，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險評估模型研究[J]. 測繪與空間地理信息，2016，39（5）：38-40.

[11] 彭炎亮，李汪根，劉 嬌，等. 基于動態權重和模糊綜合評判法的健康評估模型[J]. 計算機系統應用，2017，26（1）：37-43.

[12] 王華. 基于層次分析的模糊綜合評價方法[J]. 信陽農林學院學報，2018，（3）：129-132.

[13] 葉春明，劉長平.? 專利測度與評價指標體系研究[M]. 北京：知識產權出版社，2013.

[14] WILLIS H H. Guiding resource allocations based on terrorism risk[J]. Risk Analysis，2007，27（3）：597-606.

[15] 計雷.? 突發事件應急管理[M].? 北京：高等教育出版社，2006.

[16] 季學偉，翁文國，倪順江，等. 突發公共事件預警分級模型[J]. 清華大學學報，2008，48（8）：1252-1255.

[17] 孫柏濤，王東明. 地震現場建筑物安全性鑒定智能輔助系統研究[J]. 地震工程與工程振動，2003，23（5）：209-213.

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

[19] 呂莎莎，魏玖長. 危機事件社會影響等級的評價方法研究[J]. 未來與發展，2008，（7）：6-11.

[20] 王華. 基于層次分析的模糊綜合評價方法[J]. 信陽農林學院學報，2018，28（3）：129-132.

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

（責任編輯：江 艷）