基于ISM二维云模型的应急管理协同度研究*

王景春，林佳秀，张 法

(石家庄铁道大学 土木工程学院，河北 石家庄 050043)

0 引言

2018年3月，第十三届全国人民代表大会提出将国家安全生产监督管理总局、国务院办公厅、公安部、民政部、国土资源部等13个部门的相关职责进行整合，成立中华人民共和国应急管理部，推动形成统一指挥、专常兼备、反应灵敏、上下联动、平战结合的中国特色应急管理体制，提高防灾减灾救灾能力，确保人民群众生命财产安全和社会稳定[1]。2014年2月，习近平总书记提出推进京津冀协同发展战略要求，形成京津冀目标同向、措施一体、优势互补、互利共赢的协同发展新格局[2]。可以说，应急管理协同研究是符合新时代社会主义建设现实需求，促进应急管理与经济建设同步发展的重要课题。

目前，国内学者对应急管理协同度的研究多集中于应急决策的科学性与应急救援物资的系统性问题。高扬[3]通过拓展多agent系统理论，研究了应急管理决策过程中的推理方式，提高系统决策的适应性和有效性；赵林度[4]提出了“应激-应急-应变”和“学习-应急-协同”的决策模式，从能量的角度梳理城市群应急决策过程；王兴鹏等[5]通过知识协同理论将应急管理各主体之间进行有效联系，研究跨区域突发事件的响应问题。综合上述成果可以发现，总体上均是基于响应阶段链式应急决策流程进行的相关研究，但实际上影响应急管理协同效果的因素是错综复杂的，故梳理应急管理系统的结构模型和各要素之间的递阶关系将是协同度研究的重要方向之一。本文提出应用ISM二维云模型进行应急管理协同度研究，而协同度指标体系的建设和权重分析充分考虑了应急管理各因素之间的层间递进关系，力求最大限度符合应急管理系统的实际特征；在此基础上，应用二维云模型进行协同度评价，处理预防阶段和响应阶段协同度指标模糊性与不确定性的问题，兼顾应急管理复杂系统的数值特征与结构特征。

1 协同指标体系建立和权重分析

1.1 解释结构模型

解释结构模型(ISM)是一种应用面十分广泛的结构模型化方法，用于把一些模糊不清的思想、见解转化为通透直观的具有良好结构关系的模型[6]。通过数学方法计算复杂系统中各要素之间的逻辑关系，创建由节点和有向边组成的结构模型，描述系统内部的递阶层次和因果关系[7]。邻接矩阵A用于表示系统元素两两之间的影响关系，表示为

其中，αij为因素ai对aj的影响程度，可分为(无、弱、一般、较强、强)5个等级，对应取值为(0、1、2、3、4)，当i=j时，aij=0[8]。按照式(1)和式(2)对邻接矩阵A进行运算，分别构建直接影响矩阵B和综合影响矩阵C。

(1)

C=B+B2++Bn≈B(I-B)-1

(2)

根据综合影响矩阵C计算表征ai结构特征的4个概念：影响度fi、被影响度ei、中心度Mi、原因度Ni，如图1所示。fi表示ai对U=(a1，a2，，an)的综合影响程度，如式(3)所示；ei表示U对ai的综合影响程度，如式(4)所示；Mi表示ai对U的影响程度与受U影响程度的综合结果，能够代表ai的重要程度，Mi越大，ai越重要，如式(5)所示；Ni表示ai对U的净影响程度，当Ni≥0时，表示ai对U的影响程度大，为原因因素，而当Ni<0时，表示U对ai的影响程度大，为结果因素，如式(6)所示。

(3)

(4)

Mi=fi+eii=1,2,,n

(5)

Ni=fi-eii=1,2,,n

(6)

图1 fi,ei,Mi,Ni示意Fig.1 Diagram of fi,ei,Mi,Ni

根据式(7)计算整体影响矩阵D，I为单位矩阵。选取适当的阈值λ，应用式(8)计算可达矩阵E。对可达矩阵进行层级划分，比较可达矩阵E中第i行和第i列中元素为1的集合。当第i行中元素1按主对角线做对称，落在第i列对应位置的元素都为1时，定义ai是位于高层级的致因因素，划除ai。如此循环，直至没有符合条件的因素可做进一步划除，得到由高层次到低层次的影响因素递阶层次图。

D=I+C

(7)

(8)

1.2 递阶中心度权重法

目前求取权重的方法主要有层次分析法、熵权法等，这些方法往往独立于主计算模型且主观性较强。本文提出1种递阶中心度权重法，在ISM方法的基础上进一步挖掘，同时考虑影响因素的重要度和结构度，运算量小且主观程度较低。将因素的递阶层级作为影响系数纳入权重计算公式，如式(9)～(10)所示。

(9)

式中：Li为因素ai所在结构模型层级系数。

(10)

式中：Wi为因素ai的权重。

1.3 应急管理协同指标体系及权重分析

应急管理的主要任务是处理复杂社会系统中发生的一系列突发事故，使事件的发展趋势向预期可控的方向发展，达到消除危机、减小损失的目的[9]。进行预防准备、预警预测、响应控制、资源协调、抢险救援、信息管理、善后恢复等工作。优质的应急管理过程应为各应急主体相互协同，连接成1种专业化、信息化、智能化的处置网络。应急管理系统的协同度除要考虑政府纵向部门之间的联系以外，政府与公众、媒体等其他组织的联系，以及区域之间的横向联系同样至关重要。从应急组织、应急信息、应急物资和应急机制4方面讨论应急管理系统协同度的影响因素，并根据应急管理流程和相关文献[10-11]进一步细分为政府协同决策、救援队伍、志愿者服务等17项2级评价指标，如表1所示。

表1 协同度影响因素Table 1 Influence Factors of coordination degree

计算直接影响矩阵A、影响度fi、被影响度ei、中心度Mi和原因度Ni。划分原因因素和结果因素。观察整体影响矩阵D，以0.05为步长选取阈值λ=[0.05，0.1,0.15,0.2，0.25]进行计算。当λ=0.15时，得到影响因素递阶层次图，如图2所示。

图2 影响因素递阶层次Fig.2 Hierarchical map of influencing factors

结果因素为{a2,a3,a5,a8,a9,a10,a11,a15}，原因因素为{a1,a4,a6,a7,a12,a13,a14,a16,a17}，与前文所述原因度Ni确定的原因因素吻合率达到100%。经计算，当λ=[0.05,0.1,0.15,0.2,0.25]时，吻合率分别为(56.25%,69.2%,100%,55.6%,44.4%)，如图3所示。观察图3，选取阈值λ=0.15，应用递阶中心度法计算原因因素的权重，如下所示：{0.049，0.084，0.05，0.178，0.169，0.116，0.096，0.092，0.166}

图3 阈值吻合度Fig.3 Anastomosis degree of threshold

2 基于二维云模型的协同度评价

2.1 云模型

定义1个定量论域U，C是U上元素的定性表达，若x∈U，且x是C的1次随机实现，隶属度μ(x)∈[0,1]是x对C具有稳定倾向的随机数，则称x在U上的分布形式为云，x是组成云分布中的任意1个云滴[12-13]。期望Ex、熵En和超熵He可以表征云分布的模糊性与随机性，期望Ex最能代表云的定性特征；熵En是定性特征不确定性的度量；超熵He是熵En的熵，由熵的随机性和模糊性共同决定。

2.2 二维云

二维云模型由2个一维云合成得到，用来综合描述2个因素共同作用下的随机性与模糊性问题。设F为服从正态分布的二维随机函数，Ex和Ey为期望值，Enx和Eny为标准差，满足式(11)。则云滴drop(xi,yi,μi)构成的云模型为二维正态云模型[14]。

(11)

式中：xi和yi为云滴坐标；Pxi和Pyi为条件云滴坐标；He为超熵；μi为隶属度。

2.3 协同云

分析应急管理预防和响应2个阶段，选取每个评价指标的双阶段特征值作为协同云的2组基础变量。邀请相关专家进行打分，采取十分制，规定分值精度为0.1。每个评价指标的预防阶段和响应阶段分值分别形成1个云滴，组成该指标的预防云和响应云，统称为2级云。应用逆向云发生器生成预防云和响应云特征数字(Ex,En,He)。如式(12)所示[15]。

(12)

式中：Ex为样本期望；q为样本数量；xk为第k位专家打分值；En为熵；He为超熵；S2为样本方差。

将2级预防云矩阵、2级响应云矩阵分别与2级权重矩阵进行合成运算，得到1级预防云数字特征和1级响应云数字特征。合成运算如式(13)所示。

(13)

式中：Ex′、En′和He′分别为1级云的期望、熵和超熵。

2.4 标准云

(14)

表2 协同等级数字特征Table 2 Digital feature of synergetic level

2.5 协同云图

利用正向云发生器生成协同云图，对1级协同云与标准云进行分析比较，初步得出应急管理系统的整体协同度等级；同时对各级指标协同云与标准云进行比较，得出各协同指标等级。

2.6 相近度

考虑各指标的评价结果存在相似性，仅从云图上无法直接辨别协同等级，应用式(15)计算协同云与标准云的相近度，确定协同等级。

(15)

3 京津冀应急管理协同度评价

北京、天津、河北独具特色的嵌套型地理位置和协同发展战略的不断推进，使得京津冀应急管理协同合作成为必然选择。石羊沟山洪灾害应急救援便是京津冀协同应急救援的1个典型案例。2017年6月18日，北京市门头沟斋堂地区发生强降雨，而与此同时，其上游的河北省怀来县孙庄子乡麻黄峪村一带突降特大暴雨，上游来水导致石羊沟爆发山洪泥石流，12人被困。北京市政府、河北省政府组织现场救援，国家级应急救援专业力量和百灵、蓝天等社会救援组织参与救援救灾，北京林业大学科研团队进入现场进行监测预警研究。石羊沟山洪灾害反映出突发事件的流动性、跨区域性和边界渗透性等特点。目前京津冀应急管理协同联动机制正处于不断完善阶段，3地的协同合作多为政府高层互访和集体协商，各项政策协议、应急预案、法律法规等的协同效果仍有待实践检验，具体如表3所示[16]。

表3 京津冀协同应急管理现状Table 3 Situation of Beijing Tianjin Hebei coordinated emergency management

根据京津冀协同应急管理现状对京津冀应急管理各项指标的预防等级和响应等级进行打分，结果如表4所示。运用式(12)计算每个2级指标的协同云数字特征，结果如表5所示。根据式(13)分别对2级协同云数字特征与2级权重矩阵进行合成计算，得到1级协同云数字特征：预防阶段(6.51,0.52,0.17)；响应阶段(5.78,0.46,0.16)。

表4 预防等级和响应等级分值Table 4 Scores of prevention grade and response grade

注：xi为预防阶段分值，yi为响应阶段分值

表5 协同云数字特征Table 5 Digital features of collaborative cloud

应用正向云发生器生成1级协同云与标准云，如图4所示；为明确各级指标的协同程度，示例性选取U7，U13，U17生成2级协同云与标准云对比云图，如图5所示。应用式(15)计算各级协同云的相近度，得到各级协同云等级。经本文模型计算，京津冀应急管理综合协同度等级为良，基本满足京津冀区域突发事件应急管理协同联动要求，但仍有持续改进空间。可通过观察各2级指标对比云图，进一步分析京津冀应急管理系统存在的短板问题，据此提出针对性的对策建议。

1)据U7评价结果可知，京津冀横向信息交互程度仅为合格，需加大3地政府间的横向沟通合作。目前京津冀3地政府就应急管理协同工作签订了一系列文件，逐步建立应急协同联动机制，但现有京津冀应急管理横向合作多为高层互访和集体协商，更深层次、更高水平、更精细化、更规范化的应急管理横向合作亟待建立。

2)据U13评价结果可知，京津冀应急预案协同等级为中，且在预防阶段的应用程度要优于响应阶段。部分城市的应急预案仍缺少操作性，进而影响预案协同的整体效果，要想提高突发事件的应急救援效率与标准化水平，需进一步提高应急预案的可行性、稳定性与容错率，可通过“双盲”的预案演练提高应急演练的真实性，进而实现事故应急救援的“有案可依、有案必依”。

3)据U17评价结果可知，京津冀应急管理科技支撑能力为优，但表现为响应阶段的科技支撑能力略优于预防阶段。随着相关应急科研攻关课题的推出，一大批科技成果得到转化，许多先进、实用的救援技术和救援装备器材在事故应急响应过程中发挥了巨大的积极作用。2018年5月，中华人民共和国应急管理部推进了安全科技支撑平台建设，提高新科技、新技术在灾害防控、监管监察等方面的应用，支撑京津冀应急管理预防阶段协同工作系统的完善和发展。

图4 1级协同云Fig.4 First level collaborative cloud

图5 U7、U13、U17协同云Fig.5 Collaborative cloud of U7、U13、U17

4 结论

1)提出应用ISM模型构建应急管理协同度评价指标体系，通过梳理各因素之间的递阶层次关系，锁定应急管理复杂系统中的原因因素作为二维云模型的协同度指标体系。

2)提出1种递阶中心度法，用于求取各指标的权重系数。该方法既考虑了指标因素的中心度，又兼顾了该因素在结构模型中的纵向因果地位，更加贴近应急管理系统复杂的运行机制。

3)提出应用二维云模型进行京津冀应急管理协同度的探索性研究，从预防阶段和响应阶段2个角度分析相关应急管理现状，借助二维云模型完成定性因素定量化和量化结果定性表达2个过程。最后，依托京津冀应急管理协同度和2级指标协同度评价云图，提出相应的对策和建议。