基于社群發現模型的區域火災風險分析

王元鵬 楊樹峰

摘要：本文基于2007-2017年的火災統計數據，引用“社群”概念和相關算法，挖掘火災社區之間拓撲關系的分析模型，同時獲取火災統計數據，地址網格化后，根據使用算法計算火災網格并發特征，形成制定周期的火災并發社區。計算結果呈現方式為，當某一網格發生火災，在制定計算周期中，顯示與其同在一個社群的其他網格作“高風險區域”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律，從行政區角度劃分過去十年的火災記錄。如圖1所示，縱觀十年的火災數據變化發現，并沒有火災數呈現常規突出的區域。以LG區為例，既有三年火災數居全市之首，也有某些年份呈現出與火災數變化大趨勢相反的現象，如2009和2012-2016年的連年下跌。經調研，發現LG區在2013年一分為三 （LG、DP和PS），所以有可能是LG區域在2012-2016年火災數反常下跌的原因。但進一步挖掘發現，LG區的火災數加上被劃分出去兩個區的火災數總和，也呈下降趨勢。筆者由此得到啟發，類似的反常趨勢并非可以通過常規的信息判斷來挖掘，需要使用算法手段，從數學角度進行挖掘分析。同時也提出猜測，在“市-區”的層級，火災數量變化趨勢相似的區之間，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，有可能是在“市-區”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。經過一番調研，筆者決定引入社會學的“社群”概念，采用社群發現算法，結合城市管理網格數據和火災統計數據，研究和描述火災的并發特征。

2 ? 算法識別火災社區規律

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、地區或領域內發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性的社區，以及一個交互的網絡。以微博這種社交網絡為例，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絡結構，當中有些賬號關系密切，有些疏遠。其中一群聯系頻繁的賬號可以視作一個社區，而聯系稀疏的兩個群體則可以視作兩個社區，定義為社團結構。

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

2.2 ?算法思路

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

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，包括社區內部的邊以及社區外部的邊。模塊度（modularity）指的是網絡中連接社區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，首先需要做單元網格的區分工作。需要導入城市管理信息系統中的網格數據，根據不同的分析緯度導入不同的層級，以某城市為例：市-區-街道-社區-警格-一平方公里網格。

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

3 ? 應用社群算法對某城市的風險分析

3.1 ? 待分析數據樣本

a）中間展示結果

分析過程由python代碼實現，結果范例如 表3-2

其中“并發區域”含義是每個所劃分社群的獨立編號，“網格ids”代表的是該社群里面包含的城市管理網格編號。

b）結果分析

針對LG區2007-2017年數據的社群分析結果，用于2018年第一季度的數據做對比。

4 ? 結論與展望

本文針對火災中的并發規律進行分析，將社群的概念引入火災分析中，再結合數據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，Fast unfolding of communities in large networks， in Journal of Statistical Mechanics：Theory and Experiment 2008 （10）， P1000.