重大化工安全事故應急決策模型構建

□文/ 馬國樂

（沈陽化工大學 遼寧·沈陽）

［提要］ 大數據時代，應用大數據技術解決各類復雜問題已顯現一定成果。 當前，全球重大化工安全事故頻發，探究其原因，往往是決策過程存在問題。 而應急決策是應急管理工作的核心內容，利用大數據的應急決策更能有效提高決策過程的科學性和準確性。 因此，本文以大數據為基本要素，通過決策影響因素分析和理論架構，試圖構建重大化工安全事故應急決策模型，以期為化工企業應急管理工作提供部分借鑒。

化學工業作為重要經濟來源產業，是世界各國的支柱產業。但由于化工行業門類眾多、產品多樣和工藝流程復雜，其生產的化工產品往往存在毒性高、性質差異大等特性，在產品的加工、存儲和使用過程中，稍加不慎就有可能引發化工安全事故。當前，我國化工安全事故頻發，嚴重滯后社會和經濟的穩定發展。如何在重大化工安全事故發生時準確快速地進行應急決策一直是各國迫切需要解決的問題。

應急管理的對象是突發事件，重大化工安全事故屬于突發事件中事故災難范疇，而國家應急管理部門的成立也體現了國家對應急管理工作的重視。應急管理的全過程由預防、準備、響應和恢復四部分組成，其中，應急響應即對突發事件的及時反應，通過應急預案的制定，結合實時信息的反饋，來制定恰當的應急決策，進而對應急資源協調配置、實現應急管理的過程。應急決策是應急管理工作的核心內容，是應急響應的關鍵環節。

隨著大數據的深入應用，大數據正在成為重要戰略資源，為各領域研究開拓全新模式。在決策領域，大數據為其提供了重要的數據資源和分析方法，這種新思維模式勢必帶來決策的整體變革。大數據通常指由多種數據源構成的、大小超出常規的、可供獲取、存儲、管理和分析的數據集。因此，在應急決策過程中融入大數據要素，通過數據分析，實現大數據應急決策是大勢所趨。大數據應急決策是指大數據在應急決策中的普遍應用，是應急管理部門用數據驅動決策，是基于海量數據分析應對突發事件的應急決策。

一、相關研究綜述

近年來，基于大數據的應急決策已引起國內外應急管理領域學者的高度關注，并且在各領域的安全事故應急管理中已有所應用。國外學者在大數據應急決策中的研究主要集中在應急決策方法研究、應急決策系統研究和應急決策模型研究三個方面。在方法研究上，T.Onorati 等通過實證分析提出“地震強度是地震應急決策中的關鍵因素”這一觀點，從而總結出一套針對地震強度的快速高效計算方法。在系統研究上，G.L.Foresti 等設計了名為ASyEM 的應急管理系統，利用系統能夠捕獲和匯總事故受災人群在社交網絡上在線共享的數據和語音獲取的數據，通過數據融合技術提高管理人員的應急決策效率。在模型研究上，W.Wei 等認為傳統的城市應急決策模型在災害信息的實時獲取方面存在問題，從而提出城市環境下的網絡時空決策過程建模方法。Y.Tao 等利用大數據與威脅智能技術融合手段，設計出一種信息系統分類保護模型，通過生成威脅情報和與其對應的信息來輔助應急響應和預警，從而實現決策過程。

國內學者在大數據應急決策中的研究與國外略有不同，主要集中在應急決策體系研究、應急決策模式研究和應急決策系統研究上。在體系研究上，李陽等通過探討應急決策情報體系的內涵，認為“構建并完善大數據下的應急決策情報體系十分重要”。何沙等在分析中國國際石油合作突發事件的特點和不足的基礎上，構建了結合大數據技術的應急指揮體系，為應急指揮系統的構建提供理論基礎。在模式研究上，黃磊通過案例分析，探究了數據驅動業務模式在地質災害應急管理中的應用。楊旎等對傳統應急決策的構成和互動機理進行了研究，提出了基于大數據的應急決策模式創新和轉型的新路徑，同時構建了開放式信息系統。在系統研究上，劉峰博等以城市交通分析為背景，開發了基于大數據的應急決策系統，通過關鍵子系統分析，認為該系統可為城市軌道交通應急管理提供參考。田肖等設計了基于大數據的城市警情定位與指揮決策系統，通過流程及關鍵技術的分析，認為該系統可為城市警情處理提供有效決策依據和應用方案。

綜上，國內外學者在大數據應急決策方面已取得豐富的學術成果。由于化工安全事故是應急管理工作的重點內容，因此本文以大數據環境下重大化工安全事故應急決策模型為重點研究內容，通過探索模型構建，以期為化工企業各組織部門在大數據環境下的應急決策提供借鑒。

二、模型分析

（一）模型假設。 在應急決策模型構建前，需要對模型的核心要素進行了解，通過大數據的分析，我們將重大化工安全事故應急決策信息存在的動態性定義為模型構建的兩個假設：

H1：在決策目標一定的情況下，決策者的決策需求會隨著事故進展發生推進式改變

決策者的決策需求是腦力活動的產物，從生成到開發利用全過程通常來源于決策者自身的經驗積累。在重大化工安全事故這一決策目標一定的情況下，隨著時間推移，事故的進展會呈現階段式發展，不同的階段呈現不同的決策需求，其需求變化隨時間軸呈散點式分布或集聚式分布，如圖1 所示。（圖1）

圖1 模型假設示意圖

H2：在決策目標范圍內，隨著決策進度的發展，決策者的決策需求呈現擴張態勢

文中所謂的“擴張”，是指在應急決策過程中，隨著事故致災因子的逐步明確，在大數據的支持下決策者的決策需求不斷調整、優化，最終形成一個完整的需求路線。

（二）理論架構。相較于傳統突發事件應急決策流程的繁瑣和功能的單一，在大數據背景下的突發事件應急決策分析呈現高效的流動性。由于重大化工安全事故存在信息的復雜性、大數據存在信息的海量性，這就要求所有的應急相關人員必須參與其中，共同建立一種以應急目標為中心、相互之間能夠進行實時數據信息共享的網絡，如圖2 所示。（圖2）

圖2 大數據下應急決策流程圖

通過相關文獻查閱，總結在重大化工安全事故環境下應急決策的影響因素包括四個方面：一是情境因素，即事故所處的外界環境給決策人員帶來的心理壓力和輿論壓力影響決策的準確性；二是信息因素，即重大安全事故的災情數據和資源調度信息等的多變性給應急決策過程帶來困難；三是制度因素，即在重大安全事故上的決策上，決策者需要理性判斷，抉擇時需要遵守國家相關法律法規；四是決策者自身因素，決策者需求的不同和自身能力的高低對決策方案的可行性和實效性發揮有至關重要影響。

我們構建的重大化工安全事故應急決策理論架構，主要由三個層面構成：需求層：其構成要素主要是決策者需求源，具體表現為決策者對大數據抓取信息的價值性需求；分析層：其構成要素主要是數據挖掘手段和方法，具體表現為對需求源的針對性關聯分析；決策層：其構成要素主要是過程決策，具體表現為需求源和數據分析建立面向決策的二維空間。

三、模型構建

通過對應急決策影響因素的分析，結合大數據功能，構建了基于大數據的重大化工安全事故應急決策模型，如圖3 所示。（圖3）

圖3 大數據下應急決策模型圖

模型概述：該模型以決策定位和數據定位為軸，將應急決策影響因素和所需數據要素相結合，通過數據的多階段處理實現應急決策整體過程。由于應急決策存在的復雜性、難以預測性等多種特征，無論在傳統應急決策過程中還是在大數據背景下的應急決策，構建模型時首要因素即對影響決策的多要素進行探究；然后通過數據挖掘等技術獲取決策所需的各類數據，包括事故數據、環境數據等；隨之通過數據采集、提取等技術手段對數據進行相應處理，得到價值數據并對其進行和影響因素的關聯分析，以便實施應急決策；在應急預案和決策內容制定完畢后，將數據反饋到應急決策的全過程中，同時驗證決策方案的可行性和有效性。通過這一循環機制，可以在決策過程中不斷優化決策內容，進而大幅提升數據的價值性，也可以為后來的重大化工安全事故應急決策提供信息參考。

四、政策建議及展望

（一）政策建議。大數據背景下，應急管理工作正在發生變革。盡管當前我國基于大數據的應急決策研究已初見成效，但受限于傳統應急決策思維，尤其是針對重大化工安全事故這類對社會危害嚴重且信息搜集滯后等特點的事故，利用大數據應急決策在數據抓取、整合、相關分析上存在各類問題。因此，在大數據應急決策的發展中，給出以下政策建議：

1、建立明確的大數據應急決策法律體系。 首先，政府部門應跟隨時代變化，適時更新完善《突發事件應對法》，從數據的開源和整合入手，對于大數據時代下的數據安全和隱私保護設立補充條文；其次，建立健全政府信息透明公開制度，從數據開放入手，通過制度的完善向公眾提供詳實的應急管理數據；最后，建立健全符合國情的法律體系，針對大數據在不同應用領域可能涉及的共性問題做出明文規定。

2、建設大數據應急決策人才培養體系。 政府、高校和企業等社會組織共同合作，高校可以開設大數據應急管理專業課程或研究方向，同時貫徹落實社會實踐環節，通過與相關大數據企業或應急管理部門的合作，推進應急人才培養體系。此外，要推動高校和企業聯合啟動人才培養計劃，通過建立大數據應急決策人才培養基地，鼓勵高校應急人才積極參加相關培訓，以達到強實戰的目標。基于此，國家相關部門應針對此類人才培養計劃設立激勵政策，用以鼓勵通過校企合作方式培養人才。

3、構建統一的大數據應急決策管理平臺。大數據時代的到來，使得傳統應急信息系統的單一性和多級性缺陷放到最大，系統難以發揮其應有的職能。因此，在大數據背景下，建立統一的大數據應急決策管理平臺顯得至關重要。第一，該平臺可以打通區域和行業間的信息壁壘，通過平臺合力構成應急管理基礎網絡，在大數據和云計算的支持下實現全國各省市的信息共享；第二，該平臺可以捕捉公眾的信息需求，通過科學研判增強大數據應急決策的科學性和有效性，從而提升決策支持能力。

（二）展望。 通過對重大化工安全事故應急決策模型的研究，雖已呈現一定成果，但還有許多技術難題有待解決。一是數據關聯分析能力不足。事故的決策因素不僅取決于發生領域，關聯領域的信息也非常重要，需要通過信息的關聯分析進行應急決策，但目前涉及多領域的數據關聯分析能力仍有待提高。二是數據提取處理能力不足。安全事故存在眾多不確定性因素，面對大數據的廣泛性和時效性，如何在提取的海量數據中獲得真正有質量、有價值的數據是需要重點解決的技術問題。