基于模糊综合评价的突发事件分级研究

摘 要：传统突发事件一般采用主观方法分级，划分标准主要依据人员伤亡与经济损失，难以准确量化分析并形成统一标准。以全球恐怖主义数据库中近20年的恐怖袭击事件为例，依据危害性分两个步骤对恐怖袭击事件进行分级。首先通过线性降维PCA算法对大量数据进行处理，获取与恐怖袭击事件危害性最相关的影响因素，再创建模糊综合评价模型，计算得到该恐怖袭击事件评价级别。该模型充分考虑突发事件的各种复杂因素，可满足突发事件分级要求与级别标准化要求。

关键词：突发事件;模糊评价;量化分析;PCA

DOI：10. 11907/rjdk. 182488

中图分类号：TP319文献标识码：A文章编号：1672-7800（2019）004-0149-04

0 引言

对突发性事件，比如地震、恐怖袭击、交通事故等进行分级是一项重要的社会管理工作。其分级通常采用主观方法，如《道路交通事故处理办法》中规定主要按照人员伤亡与经济损失划分交通事故等级 [1]，但突发事件危害性不仅取决于这两个主因， 还与事故发生时间、地点、针对的对象等许多因素相关，因此仅依据其中两个因素进行分级的标准不够准确。目前，针对突发事件的级别划分国内外已有不少研究。如Movahedi等[2]针对电力系统的突发情况提出一种多维度分级的方法;Schulz等[3]针对能源类的突发性案件采用控制理论的方法进行分类分级别;黄崇福等[4]采用模糊数学中模糊集的手段定义了都市自然灾害可能性风险，解决其中存在概率风险的问题;田玉敏等[5]通过综合概率及模糊数学的方法，针对较高的建筑发生火灾风险的概率评价模型，制定了火灾评价标准;薛澜等[6]对我国突发事件类别、划分级别等进行了详尽讨论，并提出了针对突发事件管理体制的相应框架。

由于国内目前还没有专门依据恐怖袭击事件危害性进行量化的分级模型，本文提出基于模糊综合评价方法的恐怖袭击事件分级模型，通过对事件危害性的诸多因素进行考虑、综合评价分级，可满足事件分级要求及级别标准化要求，模型现实作用很强且有广泛应用范围。

1 原始数据预处理

通过环球恐怖主义数据库（Global Terrorism Database，GTD）获取1998-2017年共20年的恐怖袭击详尽内容，由于该数据库中每条事件均包含有几十条相关特征描述，故在对恐怖袭击事件分级之前，本文首先选用主成分分析法（PCA）对高维数据进行降维[7] ，处理步骤如下：

（1）将原始数据转换成矩阵：假设原始数据集含n个特征、N个观测样本，则可将数据构建为N*n的原始数据集矩阵T。

（2）对矩阵T进行归一化处理[8]，得到N*n的矩阵Q。

（3）计算矩阵Q的协方差矩阵：

（4）计算P的特征值及相应特征向量，均为n个，并将特征值从大到小排序。

（5）保留对应的m个最大特征值的特征向量，构成n*m的特征空间矩阵R。

（6）将原始数据转换到新空间中，得到处理后的N*m数据矩阵为：

（7） 将矩阵X转换成新的数据集，用于后续处理。

针对步骤（4）中保留的m个特征，若选值较大则影响模型运算效率，选值较小则遗漏重要特征描述[9]，故本文在综合考虑上述两种情况后确定m取值为12，并依据上述步骤对高维数据降维后得到特征分类为：事件发生区域、事件发生地区性质、事件国际性质、人员伤亡情况、人质数量、人员受伤数量、财产损失情况、凶手数量、凶手自身毁灭程度、声明数量、事件发生持续时间、人质社会地位。

2 分级模型基本原理

模糊评价指在考虑被选定好的因素影响下，运用线性数学知识即模糊数学理论对分级事件作综合性评价[10]。设[U=u1，u2，？um]为刻画被评价对象的 m种因素，[V=v1，v2，？vn]为描述每一因素处在何种状态的n种判定。此时有两类模糊集合，主观性赋予权值距离，一类是标志因素集U中各元素在主觀物体中重要程度的量，表现为因素集U上模糊权重向量A[=][a1，a2，？am];另一类是U×V上的模糊关联，表示为n×m的模糊矩阵R，这两类模糊集合体现价值观与喜好程度。再对这两类集合运用某种模糊演算，得到V上的一个相应子集B[=][b1，b2，？bn]。

综上所述，模糊评价即为要查找的模糊权重向量[11]。

3 模糊综合评价步骤

步骤 1：确定需要运用模糊评价的对象集合、元素集合与评语集合。

步骤2：建立m个评价因素的权重分配向量A。

判定元素集合中每个元素在“评价目标”中有不一样的重要程度，即各判定元素在模糊综合评价中占据不一样的权值比重，该权值比重简称为权值，有多种方式确定权值，如可通过向专家询问探讨、使用层次分析法等。

步骤3：使用各单元素模糊评价获取模糊综合评价矩阵[12]。

步骤 5：依据计算结果获取指定对象的最终分值。模糊综合评价的目的是从选定的对象中确定一个最优即优胜对象[13]，因此在计算出结果后还需排序，将计算得到的评价结果[B]转换为最终需要的分值[M]，之后再将[M]根据其值大小依次排序，最终挑选出符合的对象。综合评价的对象是恐怖袭击事件，评价结果是恐怖事件分级，从而得出最符合实际情况的恐怖事件级数[14]。

综合评价流程如图1所示。

4 算法应用

通过数据预处理获取12大相关特征因素，根据恐怖袭击分级的特点，从恐怖事件本身与恐怖事件负面管理等方面考虑[15]，将对突发事件尤其是恐怖袭击事件有影响的所有元素集合T，按照事件属性总结为4个维度以外的影响要素。

事件要素[T]包括4个维度[16]：①恐怖袭击影响范围[T1]，包括地区、城市、蔓延趋势等;②恐怖袭击危害性相关[T2]，包括人员死亡受伤、经济破坏等;③恐怖袭击手段[T3]，包括自杀性、武装冲突、暴乱;④突发事件组织者的社会影响[T4]，包括恐怖组织恶劣程度、人质身份、事件是否持续。

分级指标体系如表1所示。

针对典型恐怖袭击911事件进行实例验证，对于容易指标化的影响因素（如人员伤亡、经济损失等） ，通过数学方法进行指标化;对于不容易指标化的影响因素（如国内不良影响、国际波及度等） ，可通过专家评定确定[17]。其主要方法是，针对任意一个元素，对其进行单元素判定，再通过组合所有单因素判定，得到单因素评价判定矩阵R。如对于危害程度的影响（[u7]）进行评价判定时，若有10%的人认为特别重大，50%的人认为重大，20%的人认为较大，10%的人认为一般，10%的人认为影响较小，则评判集R10 =（0.1，0.5，0.2，0.1，0.1）。按照该方法对指标体系的 12 个因素逐一评判。

首先对恐怖袭击事件发生区域进行评价，由于发生的假设地点在美国第一大城市纽约[18]，如表2所示，可得出其单元素评价判定集合集为：[R1=1，0，0，0，0]。

关于恐怖袭击造成人员伤亡人数，由于911恐怖袭击事件直接造成人员死亡人数达2 996人，参照表3可以得出其单因素评价集为[R4=1，0，0，0，0]。

恐怖袭击事件社会影响可以从时间延续性等元素对其进行评估，时间持续越长对社会负面影响越大[19]。如表4所示，可得出其单元素评价判定集合为[R11=1，0，0，0，0]。

根据层次分析方法[20]可知：恐怖袭击事件为一级指标，其级别为目标层，二级指标为影响范围、危害程度、凶手相关社会影响度，属准则层，而三级指标为事件发生地区城市规模、事件国际性质、人口伤亡数量、财产损失情况、凶手自身毁灭程度、声明数量等，属指标层，在得出如上指标体系后，根据事件造成的危害程度对准则层元素重要性进行专家评审后赋予权值，經过计算得到二级指标权重为：

按上文描述的方法，分别建立指标层相比于准则层T1、T2、T3、T4的重要程度，并赋予权重值，经计算后得出各指标层相对于准则层的权重，如表5所示，则该恐怖袭击事件综合权重值通过计算准则层权重[T]与指标层相比于准则层权重之间的积获取。详情如表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。

综合模糊评价运算，运用公式（8）可得：

根据最大隶属度原则[21]可得：0.685 89>0.213 49>0.059 56>0.020 53，故综合评判得出911恐怖事件等级为一级，此次恐怖袭击事件国际影响大、危害性强、对社会造成了巨大不良后果，符合对事件的分级。

5 结语

本文依据危害性对恐怖袭击事件建立了模糊综合评价模型，该模型可应用于突发事件量化分级，模型充分考量了突发事件尤其是恐怖袭击事件的众多元素，弥补了目前国内仅依据固定特征对事件分级的缺陷。针对庞杂冗余的数据，先通过线性降维进行处理，获取与突发事件危害性最相关的影响因素，并创建模糊综合评价模型进行计算，得到该恐怖袭击事件的评判级别。该模型可满足对突发事件的分级要求及级别标准化要求，且适用范围广。

针对突发事件尤其是恐怖袭击事件的分级与评价十分重要，但目前国内制定的标准不够清晰准确，考虑的重要因素较少，缺乏合理性，不利于对突发事件的准确定级。通过提出的模型能够很好地解决分级混乱、指标不清晰的问题，对于国内突发事件在限定时间内定级，并根据级别迅速作出应对、布置救援力量与制定应急方案有重要作用。但本文仅针对事件进行了准确的级别划分，如何依据突发事件划分级别及现有恐怖袭击事件分级数据，预测未来需要重点防控的区域或重点防范的恐怖袭击组织，并进行精准反恐防恐，将成为后续主要研究内容。

参考文献：

[1] 李国辉. 全球恐怖袭击时空演变及风险分析研究[D]. 合肥：中国科学技术大学，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] 黄崇福，史培军，张远明. 城市自然灾害风险评价的一级模型[J]. 自然灾害学报，1994，3（1）：3-7.

[5] 田玉敏，刘茂. 高层建筑火灾风险的概率模糊综合评价方法[J]. 中国安全科学学报，2004，14 （9）：99-103.

[6] 薛澜，钟开斌. 突发公共事件分类、分级与分期：应急体制的管理基础[J]. 中国行政管理，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. 大数据环境下基于信息论的入侵检测数据归一化方法[J]. 武汉大学学报：理学版，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] 滑腾飞，白玲，刘大庆. 城市遭受恐怖袭击的风险评估模型研究[J]. 测绘与空间地理信息，2016，39（5）：38-40.

[11] 彭炎亮，李汪根，劉 娇，等. 基于动态权重和模糊综合评判法的健康评估模型[J]. 计算机系统应用，2017，26（1）：37-43.

[12] 王华. 基于层次分析的模糊综合评价方法[J]. 信阳农林学院学报，2018，（3）：129-132.

[13] 叶春明，刘长平.  专利测度与评价指标体系研究[M]. 北京：知识产权出版社，2013.

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

[15] 计雷.  突发事件应急管理[M].  北京：高等教育出版社，2006.

[16] 季学伟，翁文国，倪顺江，等. 突发公共事件预警分级模型[J]. 清华大学学报，2008，48（8）：1252-1255.

[17] 孙柏涛，王东明. 地震现场建筑物安全性鉴定智能辅助系统研究[J]. 地震工程与工程振动，2003，23（5）：209-213.

[18] 庞红霞. 美国第一大城市——纽约[J].  中学英语园地，2008，16（9）：37-38.

[19] 吕莎莎，魏玖长. 危机事件社会影响等级的评价方法研究[J]. 未来与发展，2008，（7）：6-11.

[20] 王华. 基于层次分析的模糊综合评价方法[J]. 信阳农林学院学报，2018，28（3）：129-132.

[21] 朱小飞，王永君，李大军. 模糊评价中最大隶属度原则有效性检验[J]. 测绘与空间地理信息，2016，39（5）：135-137.

（责任编辑：江 艳）