群体事件风险预测预警与智能辅助决策系统研究

胡诗妍　罗万杰　台运启

摘 要：文章通过对我国几十例典型群体事件的实证分析，基于群体事件风险理论和规律的探究，构建了事件风险预警指标体系，建立了基于指标体系的事件风险预警的趋势预测、动向预警、状态预警数学模型。通过对事件应急管理的深入探讨，提出了融合CBR与RBR推理机的事件应急智能决策系统的实现思路，对群体突发事件的量化认定、等级评估以及智能辅助决策系统的功能模块实现的相关技术进行了探讨。模型系统在测试性应用中取得了较好的效果。

关键词：群体性事件；指标体系；预警模型；智能决策

引言

自从2001年美国9.11事件、2004年印度洋海啸事件以来，危机管理的体系化和平台化建设引起了世界各国的高度重视。2003年非典在我国的爆发，开启了我国公共安全应急管理体系化研究工作[1]。至此社会安全事件的预测预警以及决策辅助系统的研究在我国蓬勃兴起。但必须看到对于非物化社会现象的研究是一个世界范围的难题。文章就社会安全事件中较为典型的群体性事件预测预警与辅助决策展开讨论。希望对本领域的发展起到一个抛砖引玉的作用。

1 群体事件风险预测预警系统研究

群体事件是一种非物化的社会现象。在社会科学领域对于它的成因、机理、表现形式、对策等研究较多，对于其风险的预测则大多停留在定性研究阶段。文章采用指标模型方法，从多个角度对其发生趋势和风险展开讨论。从预测理论来说，组合预测可以有效的提高预测精度和结果的可应用特性。

1.1 风险预测预警指标体系构建

指标体系构建借助社会运行和控制理论，对群体性事件的产生根源、特征展开实证研究。结合群体性事件专家的研究成果[2，3]，同时采用专家意见汇总、头脑风暴等方法，严格按照指标选择和筛选原则进行确立。对于指标权重可以采用层次分析法结合Delphi法建立。

1.1.1 模块化指标与动向预警指标

群体事件的发生看似没有规律，随机性较强。但案例分析表明：群体事件的发生是偶然之中的必然，是社会运行一种内在能量的外在体现。因此文章从社会运行基础因素进行挖掘，设计了三级“群体突发事件预警指标体系”模块化指标体系。一级指标是“突发群体事件的整体预警指数”；二级指标为4项，用以量度群体事件发生风险探测指标，分别为社会安全的风险测量、环境波动、安全状况、控制能力；三级指标是针对二级指标分解的具体指标，共20项。

群体性事件作为一种社会现象，总是处于永不停息的运动变化之中，在其内在矛盾的交替更迭过程中，突发群体性事件发生风险呈现出一定的周期性和规律性。作为社会矛盾的一种外在表现形式，群体事件发生需要经历一个潜伏到爆发时间过程。因此可采用经济学领域预警指标法。文章构建了动向预警指标体系，其中先兆指标（LDI）11个、同步指标（CDI）13个、迟行指标（GDI）6个。

1.1.2 指标预警阈值设定

指标预警阈值，是指标数据的安全警限，超过这个阈值说明社会运行中的某个方面发生了异常变化。预警阈值的确立是社会预警问题中的难点也是重点。我国关于社会问题定量研究起步较晚，因此可以借鉴国外研究成果，但是由于文化背景和国情不同不能生硬照搬。通过历史数据相关分析、历史案例对比分析法、借鉴国外成果加以分析改进、广泛采用专家预测法等方式，对30个指标进行了预警阈值的确立，包括上限和下限。

1.2 风险预测预警模型

1.2.1 趋势预测模型。基于某地区大量历史数据构成的时间序列散点图表明：在一段较长的时期，群体事件数量和变化率具有循环波动的同时，具有较明显的长期趋势。因此对群体性事件发生起数和增长率使用了时间序列回归分析模型，从长期趋势角度进行预测，有较好效果。

1.2.2 风险动向预测模型。采用预警分析法模型，对某一地区动态监测其社会运行中的先兆、同步、迟行指标指数增长率变化情况，对突发群体事件发生风险进行预测和警示，即根据3种指标变化关系，定义了向好、向坏、维持三种动向。

1.2.3 状态预警模型。对二级指标的社会安全风险测量、环境波动、安全状况、控制能力4个模块，采用模糊综合评判模型进行评估，给出目前社会状态下群体事件发生风险的等级。

2 群体事件智能辅助决策系统研究

群体事件应急处置对决策者提出了较高要求，决策者需要临时判断并快速作出反映，传统的辅助决策模式有其局限性，应急处置工作效率低下，为解决这个问题，可以参考以往的经验和知识，借助智能化工具来辅助指挥人员进行决策。

2.1 事件应急智能辅助决策系统框架设计

文章提出基于CBR[4]与RBR的群体事件应急智能决策系统IDSS[5，6]。将在群体事件处置流程中的处警、结案和事后评估阶段发挥智能辅助决策的作用，该系统研究路线和流程图如图1示。系统首先根据数据库系统提供的数据进行警情识别，如确有警情发生可以进行案例推理，调用相应的预案，在危机管理依据的法律约束范围内，生成应急方案，指挥调度部门根据应急方案调度各职能部门采取相应措施，最后根据舆情及专家打分进行事后评估。

2.2 关键技术耦合

从图1可以看到，应急辅助决策系统，涉及的关键技术较多，主要的包括案例库、预案库、知识库、规则库的构建技术。警情的识别与判断、融合RBR与CBR推理机技术、案例与预案的检索与匹配技术及其耦合。案例库、规则库、知识库需要借助大量标准案例、定性的专家知识等，需要做大量工作。

2.3 群体事件的量化认定与等级评估研究

文章基于大量的公安工作中对群体性事件认定的处置规定，以及一些国内相关研究，采用专家咨询的方法，归纳整理了群体性事件认定的必备要素和等级评估的考虑要素。

2.3.1 事件认定与等级评估要素

目前并没有关于群体事件等级具体划分统一标准，一般是借助于《信访条例》规定的走访人数的代表人数及《规定》中列举的形式，或者根据以往的经验进行等级评估，这些都是主观性较强的评估方法。本文基于公安系统群体突发事件的处置专家经验以及公安系统中的一些规定，形成了群体突发事件非量化认定及等级评估指标。分为特别重大、重大、较大、一般四个等级。这是事件量化认定和等级评估的重要依据。（1）认定必备要素： a.达到一定规模或者人数；b.行为方式，主要指是否采用了暴力；c.事件发生地点；d.事件是否涉及特殊问题，主要是“四涉”事件；e.事件发生的时间；（2）等级评估的考虑要素：a.事件的性质；b.事件发展的态势；c.事件原因；d.事件参与者身份；e.事件可能造成的损失等。endprint

2.3.2 事件量化认定与等级评估

在社会计量学领域，由于非物化复杂社会现象计算的高难度性，往往在力求准确计算的基础上，根据以往的经验和专家知识进行评估。论文在群体性事件涉及的各因素及其赋值上，采取Delphi法以及层次分析法AHP进行，当然这种分析方法也具有很大的主观性，但是作为一种努力和尝试，可以为进一步的具体细化和测量复杂的非物化社会现象提供一种思路。文章形成了群体突发事件认定因素量化表和群体性事件等级评估因素表，从而形成了事件量化认定和等级评估的依据。

（1）群体性事件的量化认定：根据群体性事件参与的人数，行为方式（包括类型），发生的地点和地点是否涉独、涉外、涉恐、涉黑等认定因素，经过加权计算，进行认定。其中以人数为主要标准，以100分为满分，以50分为临界点，但当人数超过50人时，可立即认定为群体性事件，当人数不足50人时，结合其他因素进行认定。在特殊条件出现时，如发生在敏感时间节点（如“两会”）或者在敏感区域（如“天安门地区”），等在原认定基础上升一档。

（2）群体性事件的量化等级评估：在此基础上，结合群体性事件的性质、事件态势、发生原因、参与者身份、损失（后果、影响）等评定群体性事件的等级。这里将所涉及因素称为等级评定因素。

（3）群体性事件的认定及等级评估模型：以人数为基本认定标准，对各种因素进行加权计算，30分为临界点，即总分达到30分即可认定为群体性事件。在确定群体性事件的等级时，认定因素得分占70%，升降因素占30%，两者之和，对照相应分值确定群体性事件的风险等级。30-50分为一般性群体性事件（四级），50-70分为较大群体性事件（三级），70-90分为重大群体性事件（二级），90-100分为特别重大群体性事件（一级）。

3 系统结果发布与应用测试

针对风险预测预警结果发布，见图2群体突发事件风险预警体系示意图。趋势预测模型采用实际趋势曲线和回归预测曲线直观显示的形式；风险动向预测模型结果采用曲线和解释说明等图文的形式；状态预警模型结果采用综合指数、各级模块以及指标指数柱状图、结合文字说明等图文形式。简单易懂，直观明确。智能辅助决策模块的结果发布，采用人机交互的形式，便于操作易于上手，有效地提高决策效率。

4 结束语

系统初步实现的功能有事件的长期趋势预测模型、风险动向预测模型、状态预警模型；事件的量化认定和等级评估；案例、预案的初步检索与匹配。系统原型在公安大学承德和廊坊实习基地的进行了测试，多位公安一线群体突发事件的处置专家反映良好。测试结论表明：本预测预警与智能决策辅助系统对提高公安工作决策的科学性、客观性以及提高群体性事件处置应对效率等方面具有实际意义。

参考文献

[1]清华大学美国应急平台考察团.美国应急平台及其支撑体系考察报告[R].北京：清华大学，2008.

[2]杨和德.群体性事件研究[M].北京：中国人民公安大学出版社，2002：16-23.

[3]阎耀军.现代实证性社会预警的探索[J].社会，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者简介：胡诗妍（1971-）女，北京市，讲师，研究生，研究方向：风险评估、预测预警。endprint

2.3.2 事件量化认定与等级评估

在社会计量学领域，由于非物化复杂社会现象计算的高难度性，往往在力求准确计算的基础上，根据以往的经验和专家知识进行评估。论文在群体性事件涉及的各因素及其赋值上，采取Delphi法以及层次分析法AHP进行，当然这种分析方法也具有很大的主观性，但是作为一种努力和尝试，可以为进一步的具体细化和测量复杂的非物化社会现象提供一种思路。文章形成了群体突发事件认定因素量化表和群体性事件等级评估因素表，从而形成了事件量化认定和等级评估的依据。

（1）群体性事件的量化认定：根据群体性事件参与的人数，行为方式（包括类型），发生的地点和地点是否涉独、涉外、涉恐、涉黑等认定因素，经过加权计算，进行认定。其中以人数为主要标准，以100分为满分，以50分为临界点，但当人数超过50人时，可立即认定为群体性事件，当人数不足50人时，结合其他因素进行认定。在特殊条件出现时，如发生在敏感时间节点（如“两会”）或者在敏感区域（如“天安门地区”），等在原认定基础上升一档。

（2）群体性事件的量化等级评估：在此基础上，结合群体性事件的性质、事件态势、发生原因、参与者身份、损失（后果、影响）等评定群体性事件的等级。这里将所涉及因素称为等级评定因素。

（3）群体性事件的认定及等级评估模型：以人数为基本认定标准，对各种因素进行加权计算，30分为临界点，即总分达到30分即可认定为群体性事件。在确定群体性事件的等级时，认定因素得分占70%，升降因素占30%，两者之和，对照相应分值确定群体性事件的风险等级。30-50分为一般性群体性事件（四级），50-70分为较大群体性事件（三级），70-90分为重大群体性事件（二级），90-100分为特别重大群体性事件（一级）。

3 系统结果发布与应用测试

针对风险预测预警结果发布，见图2群体突发事件风险预警体系示意图。趋势预测模型采用实际趋势曲线和回归预测曲线直观显示的形式；风险动向预测模型结果采用曲线和解释说明等图文的形式；状态预警模型结果采用综合指数、各级模块以及指标指数柱状图、结合文字说明等图文形式。简单易懂，直观明确。智能辅助决策模块的结果发布，采用人机交互的形式，便于操作易于上手，有效地提高决策效率。

4 结束语

系统初步实现的功能有事件的长期趋势预测模型、风险动向预测模型、状态预警模型；事件的量化认定和等级评估；案例、预案的初步检索与匹配。系统原型在公安大学承德和廊坊实习基地的进行了测试，多位公安一线群体突发事件的处置专家反映良好。测试结论表明：本预测预警与智能决策辅助系统对提高公安工作决策的科学性、客观性以及提高群体性事件处置应对效率等方面具有实际意义。

参考文献

[1]清华大学美国应急平台考察团.美国应急平台及其支撑体系考察报告[R].北京：清华大学，2008.

[2]杨和德.群体性事件研究[M].北京：中国人民公安大学出版社，2002：16-23.

[3]阎耀军.现代实证性社会预警的探索[J].社会，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者简介：胡诗妍（1971-）女，北京市，讲师，研究生，研究方向：风险评估、预测预警。endprint

2.3.2 事件量化认定与等级评估

在社会计量学领域，由于非物化复杂社会现象计算的高难度性，往往在力求准确计算的基础上，根据以往的经验和专家知识进行评估。论文在群体性事件涉及的各因素及其赋值上，采取Delphi法以及层次分析法AHP进行，当然这种分析方法也具有很大的主观性，但是作为一种努力和尝试，可以为进一步的具体细化和测量复杂的非物化社会现象提供一种思路。文章形成了群体突发事件认定因素量化表和群体性事件等级评估因素表，从而形成了事件量化认定和等级评估的依据。

（1）群体性事件的量化认定：根据群体性事件参与的人数，行为方式（包括类型），发生的地点和地点是否涉独、涉外、涉恐、涉黑等认定因素，经过加权计算，进行认定。其中以人数为主要标准，以100分为满分，以50分为临界点，但当人数超过50人时，可立即认定为群体性事件，当人数不足50人时，结合其他因素进行认定。在特殊条件出现时，如发生在敏感时间节点（如“两会”）或者在敏感区域（如“天安门地区”），等在原认定基础上升一档。

（2）群体性事件的量化等级评估：在此基础上，结合群体性事件的性质、事件态势、发生原因、参与者身份、损失（后果、影响）等评定群体性事件的等级。这里将所涉及因素称为等级评定因素。

（3）群体性事件的认定及等级评估模型：以人数为基本认定标准，对各种因素进行加权计算，30分为临界点，即总分达到30分即可认定为群体性事件。在确定群体性事件的等级时，认定因素得分占70%，升降因素占30%，两者之和，对照相应分值确定群体性事件的风险等级。30-50分为一般性群体性事件（四级），50-70分为较大群体性事件（三级），70-90分为重大群体性事件（二级），90-100分为特别重大群体性事件（一级）。

3 系统结果发布与应用测试

针对风险预测预警结果发布，见图2群体突发事件风险预警体系示意图。趋势预测模型采用实际趋势曲线和回归预测曲线直观显示的形式；风险动向预测模型结果采用曲线和解释说明等图文的形式；状态预警模型结果采用综合指数、各级模块以及指标指数柱状图、结合文字说明等图文形式。简单易懂，直观明确。智能辅助决策模块的结果发布，采用人机交互的形式，便于操作易于上手，有效地提高决策效率。

4 结束语

系统初步实现的功能有事件的长期趋势预测模型、风险动向预测模型、状态预警模型；事件的量化认定和等级评估；案例、预案的初步检索与匹配。系统原型在公安大学承德和廊坊实习基地的进行了测试，多位公安一线群体突发事件的处置专家反映良好。测试结论表明：本预测预警与智能决策辅助系统对提高公安工作决策的科学性、客观性以及提高群体性事件处置应对效率等方面具有实际意义。

参考文献

[1]清华大学美国应急平台考察团.美国应急平台及其支撑体系考察报告[R].北京：清华大学，2008.

[2]杨和德.群体性事件研究[M].北京：中国人民公安大学出版社，2002：16-23.

[3]阎耀军.现代实证性社会预警的探索[J].社会，2005，25（4）：156-168.

[4]Schank R. Dynamic Memory：A Theory of Learning in Computers and People[M]. New York： Cambridge University Press，1982：150-166.

[5]WATSON I. Applying case-based reasoning：techniques for enterprise system[M]. San Francisco， CA： Morgan Kaufmann，l997：123-128.

[6]C.K. Riesbeck， R.C. Shank. Inside Case-Based Reasoning [M]. Lawrence Erbium Associates：Psychology Press，1989：333-336.

作者简介：胡诗妍（1971-）女，北京市，讲师，研究生，研究方向：风险评估、预测预警。endprint