基于云模型的民用机场消防指挥员决策能力测评研究*

高大磊，于晓芳，杜红兵

(中国民航大学 飞行技术学院，天津 300300)

0 引言

机场发生的突发事件，尤其是涉及航空器失事的紧急事件，第一支响应力量是消防救援部门[1]。消防指挥员作为救援力量的组织协调者与决策处置者，是整个救援行动的关键，其决策能力的高低直接影响着救援的效果。因此，深入分析民用机场消防指挥员决策能力，构建测评其能力的方法体系，对于人才的鉴定、选拔、配置具有重要的现实意义。

目前，国内学者主要研究建筑火灾指挥员[2-3]、军事指挥员[4-5]、矿山救援指挥员[6]等的决策能力，归纳总结各领域指挥员决策能力的构成要素发现，指挥员决策能力是由一系列的定性与定量变量构成的，评价时应综合考虑指标的模糊性与随机性等特点。同时，由于定性变量与定量变量的评价方式不同，评估结果可能产生类似于“精确数值”或“优、良、中、差”形式的2类评价结果。为整合2类结果，确定最终评价值，需确立一个定性与定量相互转化的测评方法。传统的定性定量转换方法包括[7]：层次分析法、量化加权法、专家群体打分法、模糊综合评判法等，但上述方法均未兼顾测量实体的模糊性及随机性。基于此，李德毅提出了一种定性变量与定量变量可相互转化的云理论，该理论已应用于船员适任性综合评价[8]、水库诱发地震风险等级评价[9]、水体富营养化程度评价[10]、隧道塌方风险等级评价[11]等研究。云模型作为一种能够进行定性与定量相互转化的不确定性模型，可充分体现出用模糊语言评价定性变量时的模糊性和随机性，是进行定性与定量相互转化的有效工具。

基于云模型的思想及原理，将相关理论运用到民用机场消防指挥员决策能力测评研究中，运用云模型的特征参数期望Ex(Excepted Value)、熵En(Entropy)、超熵He(Hyper Entropy)建立一个由定性到定量的测评转换模型，使定性评价转化为简单、直观的定量评价，为分析民用机场消防指挥员决策能力提供理论依据。

1 云模型

云模型包含3个量值，分别反映定性概念的定量特征，记做C(Ex,En,He)，如图1所示。其中，Ex为期望，是云滴在论域空间最具代表性的定性概念值，反映了论域空间的中心值；En为熵，描述了云滴的模糊性与随机性，表示了以云滴形式表现出来的定性概念结果的分散度，以及在一定论域空间内能够被定性概念所接纳的云滴的取值范围；He为超熵，是对熵的不确定性的度量，是针对熵值的不确定度的衡量，表达了在一定论域空间内云滴的不确定性的聚合性。

图1 云及其数字特征Fig. 1 Cloud and its digital characters

云模型的基本算法包含正向云发生器和逆向云发生器2类。前者可实现从定性信息中获取定量数据的取值范围和分布规律，后者可实现将精确数值转化为合适的定性语言值。本文选用正向正态云发生器对民用机场消防指挥员决策能力指标的评价值进行云化。对于具有上下界的评价指标值，如：(Ymin,Ymax)，利用式(1)进行转化。

(1)

式中：k为常数，可依据变量本身的稳定性具体调整其数值，一般取值为0.01。

2 决策能力评价指标分析

评价指挥员的决策能力水平，首先需深入挖掘其决策能力的构成要素。通过了解建筑火灾指挥员[2-3]、军事指挥员[4-5]、矿山救援指挥员[6]等的决策能力发现，各领域的指挥员不仅应具备指挥岗位的基本能力，如：身心素质、应急处置能力、沟通协调能力、指挥基础知识等，还应掌握本专业的理论知识与业务技能，如：建筑火灾指挥员应具备识读建筑图纸、了解不同建筑结构特点的能力等，军事指挥员应懂得战术的运用、开展及队伍的组织等。

对于民用机场消防指挥员决策能力的研究，应结合航空器应急救援流程及事故特点，分析其决策能力影响因素。本文以《民用运输机场突发事件应急救援管理规则》为背景，分析几个较大机场的应急救援预案，当航空器突发事件发生时，经机场应急救援总指挥授权，机场消防指挥员可担任应急救援现场指挥员，依据突发事件周围环境及天气状况，开展救援行动。根据《国际民用航空公约》附件19的规定[12]，为确保发生航空器突发事件时，机场消防指挥员能够快速组织救援行动、指挥消防员迅速实施救援，机场消防指挥员应熟知机场的布局特点，以满足附件19对机场消防部门到达机场及其附近区域内任一位置的应答时间仅是3 min的要求；同时，应熟悉各机型的结构特点，便于规划出最优的人员逃生路径；而由于航空器结构的特殊性，机场消防指挥员还应掌握航空器火灾扑救知识，悉知航空器各部位发生事故时的救援对策；此外，航空运输中涉及9大类危险品，如运载有爆炸性、放射性或腐蚀性物质的航空器发生突发事件时，机场消防指挥员则应根据物质性质的要求，安排相应人员实施救援。

经上述分析，研究归纳出民用机场消防指挥员决策能力影响要素，并利用问卷调查及统计学知识，确定民用机场消防指挥员决策能力指标体系，如图2所示。

图2 指标体系Fig. 2 Index system

根据调查问卷的回收数据，选用结构方程模型确定各级指标权重。参考文献[13]的权值确定法，获得各指标权重如下：

1)一级指标权重：W=(WU1,WU2,WU3,WU4)=(0.14,0.21,0.33,0.32)。

2)二级指标权重：W1=(WX1,WX2,WX3)=(0.33,0.34,0.33)，W2=(WX4,WX5,WX6)=(0.20,0.40,0.40)，W3=(WX7,WX8,WX9,WX10,WX11,WX12,WX13)=(0.13,0.14,0.14,0.14,0.14,0.15,0.16)，W4=(WX14,WX15,WX16,WX17,WX18)=(0.2,0.2,0.2,0.2,0.2)。

3)三级指标权重：综合一级指标权重和二级指标权重的结果，得出18个三级指标对民用机场消防指挥员决策能力的影响权重w=(w1,w2,w3,…，w18)=(0.046 2,0.046 7,0.046 2,0.042,0.084,0.084,0.042 9,0.046 2,0.046 2,0.046 2,0.046 2,0.049 5,0.052 8,0.064,0.064,0.064,0.064,0.064)。

3 决策能力测评方法

3.1 方法确定

分析上述评价指标体系发现，民用机场消防指挥员决策能力由9项定量指标和9项定性指标构成。其中，定量指标包含：个人基础素质中的文化素质、心理素质，以及指挥知识(二级指标)中所含的7项三级指标；其余9项指标为定性指标。通过比对现有人才测评方法[14]，确定本文各指标的测评方案：选用通过考核打分确定具体分值的方式测评定量指标；选用通过专家评语的形式评价定性指标。然而，由于评价指标及人类思维具有随机性和模糊性的特点，以评语方式呈现的测评结果可能存在模糊性及不确定性，为弱化这种情况，采用区间数法首先对定性指标的测评结果进行转化[15]，过程如下：

1)筛选出测评指标体系中的定性指标：F={x1,x2,…，xn}，其中：n为正整数，表示定性指标的总数。

2)确定定性评价指标集对应的评语级和区间数。评语级：R={R1,R2,R3,R4,R5} ={很好，好，一般，较差，差}，区间数：I={I1,I2,I3,I4,I5}={[90,100],[80,90),[60,80),[50,60),[0,50)}，其中评语级与区间数的对应关系为，R1与I1对应，即“很好”对应的区间数为“[90,100]”，R2、R3、R4、R5评语级对应的区间数以此类推。

3.2 结果处理

为确定最终的测评结果，需对利用上述方法测评的定性指标和定量指标的测评结果进行统一处理，以便对民用机场消防指挥员决策能力做出评价。尽管为弱化评价指标及人类思维的模糊性及不确定性，采用区间数法对定性指标的评价结果进行了转化，但利用这种方法得到的测评结果，在某种程度上仍存在随机性的特点。通过对云模型的分析，云模型在传统的概率论和模糊数学基础上，通过三个数字特征(Ex,En,He)，能将在评价事物过程中产生的模糊性、随机性和离散性有机地结合起来，且可实现不确定性语言和定量数值间的自然转换[16]，且已成功运用于评价船员的适任性、水库诱发地震风险等级和隧道塌方风险等级等。

鉴于此，为能够统一处理定量指标与定性指标的测评结果，同时将评价结果的模糊性、随机性、离散性有机结合起来，本文利用云模型将各项指标的测评结果转化成包含期望、熵、超熵3个特征值的云形式。最后，为使测评结果更加直观、简便，选用加权逆向云测评算法对结果进行统一计算，即输入n个云滴的集合Y={y1,y2,…，yn}及云滴的权重集合Z=(z1,z2,…，zn)，输出n个云滴所表示的定性概念的期望值Ex，熵En和超熵He，步骤如下：

由云模型及其数字特征可知，测评结果的期望值表示民用机场消防指挥员进行指挥活动时预期达到的救援效果；熵表示民用机场消防指挥员的各次指挥活动效果的差异程度，该值能够体现出民用机场消防指挥员的决策能力水平；超熵表示民用机场消防指挥员的某次指挥活动效果与预期效果的偏离程度，该值能够反映出民用机场消防指挥员指挥素质的稳定性。

3.3 测评流程

整体测评流程可以按照以下5个步骤开展，如图3所示。

图3 测评流程Fig. 3 Evaluation flow chart

1)按定性指标与定量指标2种类别划分测评指标，其中定量指标按精确值法测评，定性指标按区间数法测评。

2)将测评结果利用云模型转化为云参数矩阵，如式

(2)所示。

(2)

3)确定指标权重Z=(z1,z2,…,zn)。

4)利用加权逆向云测评算法计算测评结果，如式(3)所示。

(3)

5)根据测评结果分析民用机场消防指挥员决策能力水平。

式(2)和式(3)中：q为测评指标数量。

4 算例分析

为验证基于云模型理论构建的民用机场消防指挥员决策能力测评模型的有效性，选取2名指挥能力差异较大的指挥员(V1,V2)为测评对象，以5位消防指挥专家(Z1,Z2,Z3,Z4,Z5)为评委，应用上述方法分析其决策能力水平。

根据本文的决策能力指标体系，确定评估指标集F={x1,x2,…，x18}={文化素质，身体素质，心理素质，…，洞察力}，其中x1、x3、x7、x8、x9、x10、x11、x12、x13为定量指标，其余为定性指标。综合专家评价法和考核法的测评结果，利用云模型得到定量与定性指标的期望、熵、超熵值，如表1所示。

表1 指标测评值云化结果

根据式(3)，通过加权逆向云测评法，得出民用机场消防指挥员决策能力的测评结果云化值，如表2所示，并将其通过matlab软件仿真得到测评结果云滴分布图，如图4所示。

表2 云的数字特征测评结果

图4 测评结果云滴分布Fig. 4 The cloud drop distribution chart of the evaluation results

由表2和图4可以看出，民用机场消防指挥员V1的期望值较V2的大，且V1的熵和超熵均小于V2的熵和超熵。根据云数字特征内涵可知，开展消防救援指挥活动时，指挥员V1较V2能达到较好的救援效果，做出的决策能力水平更高，且指挥素质的稳定性较好。通过实例验证得出，基于云模型的测评方法获得的测评结果与实际情况基本相符。

影响民用机场消防指挥员决策能力的因素涉及定性和定量2类指标共18项，由于定性和定量指标的评价方式及评价结果呈现形式的不同，使得很难选用一个适宜的数学模型对这18项指标的评价结果进行统一处理。同时，为了对民用机场消防指挥员决策能力这个定性概念做出良好的评价，在测评过程中，还需考虑测评主体及被测对象在概念理解、等级评价方面可能存在的模糊性与随机性等因素。经上述实测结果分析，本文采用的基于云模型的测评方法所获得的评价结果较好地体现了测评过程存在的模糊性与随机性的本质，较好地展示了在评价民用机场消防指挥员决策能力过程中定性语言与定量数值间不确定性的相互转换，进一步表明该测评方法是有效且合理可行的。

5 结论

1)综合其他领域指挥员的决策能力影响要素，根据中国民用航空规章和民用机场应急救援预案要求，通过咨询相关专家，采用问卷调查法确定了影响民用机场消防决策能力的指标体系，并利用结构方程模型法确定了各项指标的影响权重。

2)提出适用于本文研究对象的测评方案，并针对评价主体在评价被测对象决策能力过程中，存在不可避免的模糊性和随机性的特点，研究引入云模型，提出基于云模型的民用机场消防指挥员决策能力测评方法。经实例验证得出，该测评方法及思路具有较好的实用性。

3)采用区间数法评价民用机场消防指挥员决策能力指标体系中难以量化的、模糊的定性指标，并利用云模型转化测评结果，能将评价主体的人为主观因素和客观数据相融合，提高评估结果的科学性。

4)目前，本文研究成果仅选取了较少人员进行测评，在后续研究中，将对更多的对象实施测评，并根据测评结果及反馈意见对模型做进一步完善。

[1] 中国民用航空局.民用运输机场突发事件应急救援管理规则[EB/OL].(2016-04-20)[2018-04-17].http://www.caac.gov.cn/XXGK/XXGK/MHGZ/201606/t20160622_38643.html.

[2] 宋斌，李建华.灭火救援第一出动指挥员决策要素及应用探讨[J].消防科学与技术，2008(4)：277-280.

SONG Bin,LI Jianhua.The Key elements of decision making and its application on first due commander in fire fighting[J].Fire Science and Technology,2008(4): 277-280.

[3] 王勇，杜欣.浅谈消防指挥员的指挥艺术[J].广西民族大学学报(自然科学版)，2007(S1)：173-174,177.

WANG Yong,DU Xin.A discussion on the command art of fire commanders[J].Journal of Guangxi University for Nationalities(Natural Science Edition),2007(S1): 173-174,177.

[4] 高桂清，张会其.导弹部队指挥员决策能力评估[J].舰船电子工程，2011，31(12)：48-50,64.

GAO Guiqing,ZHANG Huiqi.Missile mlitary commander decision-making ability evaluation[J].Ship Electronic Engineering,2011,31(12): 48-50,64.

[5] 程阁，刘航.基于改进模糊AHP法的指挥员作战决策行为效果评估[J].舰船电子工程，2011，31(5)：51-53,61.

CHENG Ge,LIU Hang.Evaluation of the commander’s combat decision-making behavior impact based on fuzzy-AHP[J].Ship Electronic Engineering,2011,31(5):51-53,61.

[6] 李华炜，戴正烈，钟膨蓬，等.基于能力需求的矿山救护大中队指挥员培训内容分析[J].煤矿安全，2015，46(6)：228-230.

LI Huawei,DAI Zhenglie,ZHONG Pengpeng,et al.Training content analysis for lochus commanders of mine rescue based on capacity requirements[J].Safety in Coal Mines,2015,46(6):228-230.

[7] 吕辉军，王晔，李德毅，等.逆向云在定性评价中的应用[J].计算机学报，2003(8)：1009-1014.

LYU Huijun,WANG Ye,LI Deyi,et al.The application of backward cloud in qualitative evaluation[J].Chinese Journal of Computers,2003(8):1009-1014.

[8] 张晓辉，刘正江，吴兆麟.基于云模型的船员适任性综合评价[J].中国航海，2010(4)：65-70.

ZHANG Xiaohui,LIU Zhengjiang,WU Zhaolin.Cloud model based comprehensive evaluation of seafarers’ competency[J].Navigation of China,2010(4):65-70.

[9] 张秋文，章永志，钟鸣.基于云模型的水库诱发地震风险多级模糊综合评价[J].水利学报，2014(1)：87-95.

ZHANG Qiuwen,ZHANG Yongzhi,ZHONG Ming.A cloud model based approach for multi-hierarchy fuzzy comprehensive evaluation of reservoir-induced seismic risk[J].Shuili Xuebao,2014(1):87-95.

[10] 丁昊，王栋.基于云模型的水体富营养化程度评价方法[J].环境科学学报，2013，33(1)：251-257.

DING Hao,WANG Dong.The evaluation method of water eutrophication based on cloud model[J].Acta Scientiae Circumstantiae,2013,33(1):251-257.

[11] 杨光，刘敦文，褚夫蛟，等.基于云模型的隧道塌方风险等级评价[J].中国安全生产科学技术，2015,11(6)：95-101.

YANG Guang,LIU Guowen,CHU Fujiao,et al.Evaluation on risk grade of tunnel collapse based on cloud model[J].Journal of Safety Science and Technology,2015,11(6):95-101.

[12] 豆丁.国际民用航空公约附件19[EB/OL].(2017-01-12)[2018-04-17].http://www.docin.com/p-1833343207.html.

[13] 武海东.用结构方程模型构建图书馆读者满意度评价指标体系[J].情报科学，2011(2)：227-230.

WU Haidong.The construction of evaluation indicator system of iibrary reader satisfaction with structure equation modeling[J].Information Science,2011(2):227-230.

[14] 崔玉梅.企业人力资源主管岗位胜任力测评研究[D].南京：河海大学，2007.

[15] 高洪波，张新钰，张天雷，等.基于云模型的智能驾驶车辆变粒度测评研究[J].电子学报，2016(2)：365-373.

GAO Hongbo,ZHANG Xinyu,ZHANG Tianlei,et al.Research of intelligent vehicle variable granularity evaluation based on cloud model[J],2016(2):365-373.

[16] 李德毅，刘常昱，杜鹢，等.不确定性人工智能[J].软件学报，2004，15(11)：1583-1594.

LI Deyi,LIU Changyu,DU Yi,et al.Artificial intelligence with uncertainty[J].Journal of Software,2004,15(11):1583-1594.