基于優勢粗糙集構建突發事件應急通信分級模型

樊自甫，王麗花，孫 紅

（重慶郵電大學 經濟管理學院，重慶 400065）

0 引言

我國是一個地域廣、突發事件發生頻率高、事后損失較為嚴重的國家。通信行業作為國民經濟中舉足輕重的基礎性行業，直接關系到突發事件發生后的通信暢通，影響國家重要信息的及時傳遞，進而影響突發事件保障工作的順利進行，而應急通信的級別的確定是應急通信保障工作的重要前提，在突發事件應急通信保障中尤為重要[1]。目前我國在應急通信分類分級領域的定量研究較少，應急通信保障預案[2]中的響應等級是根據突發事件對通信基礎設施造成的影響程度來劃分，對不同類型、級別突發事件的主動應對能力不強，需要從通信應急保障視角對災害事件進行性質上分類、程度上分級，建立一套新的應急通信定量分級標準。本文選擇DRSA理論對突發自然災害事件時應急通信不完備數據進行數據補齊、離散化及屬性約簡，并提取偏好決策規則，為優化現有應急通信保障預案體系和應急管理部門科學確定應急通信等級提供模型支撐。

1 優勢粗糙集理論

優勢粗糙集相關定義如下：

定義2：（優勢關系）[4]令≥q為論域U上的弱偏序關系。y≥qz是指準則q上y至少和z一樣好，如果對?q∈P都有 y≥qz，則y，z在準則P∈C上的優勢關系表示為yDPz。顯然，優勢關系具有自反性和傳遞性。

定義3：（上并集和下并集）[5]假設決策屬性d將論域U分成有限的類集CL={Clt,t∈T}，T={1,2,…,n}，?y∈U 屬于且只屬于其中的一個分類Clt，且假設這種分類是有序的，即對所有的 i，j∈T，如果 j＞i，則 Clj中的任一對象優于（或劣于）Cli中的對象。則上并集和下并集表示為：

存在邊界域問題，不一致優勢粗糙集的分類質量為：

其中，ci1,…,cip表示具有優勢關系的條件屬性，ci（p+1）,…,ciz表示沒有優勢關系的條件屬性，tij表示屬性cij的屬性值。

2 基于優勢粗糙集應急通信分級模型構建

2.1 分級指標體系設計

選擇什么樣的指標作為研究變量，對模型的準確性和可靠性有著較大影響。根據《國家突發公共事件總體應急預案》和《國家通信保障應急預案》，結合非常規突發事件下的應急通信保障特性，最終將應急通信分級指標體系分為突發事件客觀因素、通信網絡受損、應急通信資源、社會影響因素等4個維度，20個指標，如圖1所示。

圖1 應急通信保障分級指標

2.2 級別判別知識表達系統建立

假設應急通信級別判別的知識表達系統為四元組S=＜U,A,V,f＞，其中，U為由多值屬性描述的應急通信級別論域，A為屬性集合，由條件屬性C和決策屬性D組成，C={突發事件客觀因素、通信網絡受損、應急通信資源、社會影響因素}，D={類別描述：1級，2級，3級，4級}，V為屬性對應的值域，f:U×A→V是一個應急通信分級信息函數，給每個分級對象屬性賦予一個信息值。

2.3 樣本選取及數據收集

本文的樣本為2008～2013年之間發生并啟動應急通信保障的60條突發事件案例。由于現階段我國應急通信保障缺少專業的數據庫系統[6]，數據獲取途徑為國內通信行業網站中的新聞報道和部分國內外災害數據庫，其中，通信網絡受損、應急通信資源和跨部門協調因素三類指標數據來源于工業和信息化部官網中的應急通信報道和中國信息產業網中的《自然災害應急通信保障追蹤報道》專題；突發事件客觀因素和社會影響因素兩類指標數據來源于國內外的相關災害數據庫，包括EM-DAT數據庫、USGS地震數據庫、中國海洋災害公報和中國地震臺網中心地震數據管理與服務系統等。

劉老師的父親，曾在國民黨軍隊中任職，從五十年代初期起，這就成為罩在他頭上的陰影，對他的命運發生了深遠的影響，他一直是按照自己對于國家政策的理解、認識來行事，很理性地對待。近年，確認他父親作為國民政府遠征軍的一名高級軍官，在中緬邊境抗擊日寇立下戰功，他十分興奮，寫下《往事歷歷記心頭》，把父親生命中光榮的一頁公之于世，同時，仍然冷靜地表達全面認識這種問題的意向。本書把此事前前后后的情況和他在不同時期的想法真實呈現，對許多遭遇坎坷的人，是一種有益的參照。

2.4 初始應急通信分級決策表建立

樣本獲取后，建立初始決策表。表中的每一行代表樣本突發事件，每一列代表一個屬性的描述，屬性分為條件屬性和決策屬性（自然災害事件造成應急通信的不同級別）。其中，條件屬性又分為具有偏好關系的標準和不具有偏好的常規屬性。數據關系表的建立收集各災害事件發生的各屬性值而成[7]。將新聞報道和國內外災害數據庫數據進行事件匹配，構建二維決策表，形成如表1所示的不完備決策信息表（篇幅所限，只顯示一部分）。

表1 原始決策信息表

2.5 數據預處理

優勢粗糙集處理對象的主要是數據，而在應急通信分級指標中，存在定性指標，因此需要對定性指標進行屬性賦值。如表1中的A1話務擁塞情況，話務量明顯增加賦值為1，話務量平穩如賦值0。同時，對于實際數據收集中存在的數據缺失（如表1中*），應用Mean/mode法進行數據補缺，進而得到完備的數據關系表。

2.6 屬性約簡，規則生成

Greco等提出了DOMLEM算法[8]，該算法使用迭代方法不斷從訓練集中提取規則,最終從學習數據集中提取出一個規則數相對較少,完備且非冗余的決策規則集。目前DOMLEM算法已被集成到JMAF（波蘭科學院Slowinski院士團隊開發的基于優勢關系粗糙集的智能決策分析系統）中。因此，本文在使用JMAF軟件進行屬性約簡后采用該算法提取規則，再根據支持度對規則進行選擇和過濾，最終得到應急通信級別偏好規則庫。

2.7 檢驗級別確定精度

根據規則庫，對樣本進行再次分級，檢驗該模型精度。

最后，應急管理部門或專家根據識別規則庫里的偏好決策規則，確定最終的應急通信級別，整體流程如圖2所示。

圖2 應急通信分級模型

3 結果分析

3.1 近似質量

將原始決策信息表利用Mean/mode法進行數據補齊，得到完備二維決策表，根據優勢粗糙集定義，得到各個聯合類的近似質量為：，近似質量都較高，整體質量水平為96.7%。說明所選取的條件屬性較為全面，能夠得到比較精確的分級結果。

表2 規則庫

3.2 屬性約簡結果

3.3 識別規則庫形成

采用DOMLEM算法提取得到44條確定性規則，由于規則數量較多，本文選取支持度高于5的29條確定性規則形成判別規則庫，如表2所示：

其中，判斷級別為1級的應急通信級別規則是4條，7條規則至少為2級，8條規則為至多2級，6條規則至少為3級，3條規則至多為3級，1條規則為4級。

由以上規則可以得到以下結論：

（1）突發事件影響范圍對應急通信等級的決定作用較大，例如，突發事件造成通信網絡話務量急劇上升，且需要設立多個部、省聯合指揮部來應對該突發事件，應急通信等級為1級（規則3）；話務量沒有急增，設立單一部委、省級指揮部及以下且最終的經濟損失不超過1614億元的，該級別最多設定為2級（規則27）；影響范圍為多個市且派遣出應急通信保障人員超過150000，則應急通信的級別至少為3級（規則13）；當突發事件的影響范圍僅是一個縣級以內的，設立省級以下的指揮層級，且受損局點、桿路數少于13400的，僅啟動4級響應（規則18）。

（2）突發事件對通信基礎設施造成的損害程度對應急通信等級影響較大，例如，突發事件發生時，設立單一部委、省級指揮部及以下的，且受損局點、桿路數至多為43900處，則該應急級別設定至多為2級（規則24）；當受損基站數小于等于13400個，派遣應急通信保障人員少于42700個，且設立單一部委、省級指揮部及以下的指揮部，則至多設定為3級（規則20）。

（3）應急通信資源保障對應急通信等級的設定起到一定作用，例如，如果需要設立多個部、省聯合指揮部，且啟用的衛星電話至少為2000部，應急通信等級至少2級（規則6）；多個市受災且啟用的應急通信車至少為1600輛，派遣出應急通信保障人員超過43600輛，規定應急通信級別至少為3級（規則15）。

當發生突發事件時，應急通信管理部門或專家可以參考該模型中的規則庫偏好決策規則，重點考慮11個核心影響因素，最終確立應急通信等級。上述結論同時驗證了國家通信保障應急預案從不同行政范圍的通信大面積中斷和需提供的通信保障來劃分等級的合理性，并可以根據規則中的通信基礎設施損毀以及通信資源保障情況的定量數據對等級進行劃分，進一步明確了國家通信保障應急預案中大面積中斷的模糊概念。

3.4 模型精度檢驗

將60個案例使用該分級規則進行再次分級時發現，原來4個級別3被誤判成級別2，1個級別2被誤判成級別3，1個級別1被誤判為級別2，模型整體精度為90%。說明該模型學習能力較強，能夠較為準確地判別出應急通信保障級別。

4 結論

本文將優勢粗糙集模型應用到應急通信分級研究中，利用優勢粗糙集理論的屬性約簡能力，從大量的原始數據中挖掘出關鍵屬性，采用DOMLEM算法，得出應急通信4個級別的相應判定規則。應急通信管理部門可以根據此判定規則中的級別決策范圍，并結合關鍵屬性，最后確定應急通信級別。該模型避免了應急通信級別確定的主觀臆斷性，且精度高達90%，具有良好的應急通信等級劃分能力。

應急等級劃分貫穿于整個突發事件始終，包括事情監測、預防預警、事中應急響應處置和事后分級評估等幾個部分。本文提出的基于優勢粗糙集的應急通信分級模型，雖然可以提高應急通信等級劃分的準確性和合理性，但主要針對的是突發事件發生后的應急通信分級評估問題。未來可以就整個事件的動態級別劃分問題，使用系統方法提出一套基于過程的應急通信動態分級模型。

[1]萬曉榆,孫三山,盧安文.我國特大自然災害下的應急通信管理探討[J].重慶郵電大學學報（社會科學版），2009,(1).

[2]中華人民共和國信息產業部.國家通信保障應急預案[Z].2011.

[3]Greco S,Matarazzo B,Slowinski R.Rough Approximation of Preference Relation By Dominance Relations[J]European Journal of Operational Research,1999,(117).

[4]Greco S,Matarazzo B,Slowinski R.Rough Approximation By Dominance Relations[J].International Journal of Intelligent Systems，2002,17(2)．

[5]Greco S，Matarazzo B，Slowinski R.Rough Sets Theory for Multicriteria Decision Analysis[J].European Journal of Operation Research，2001，(129)．

[6]劉耀龍，許世遠，王軍等.國內外災害數據信息共享現狀研究[J].災害學，2008,(3).

[7]王德魯，宋學鋒.基于戰略轉換的企業戰略風險預警模型研究[J].管理工程學報，2010,(3).

[8]Greco S,Matarazzo B,S?owinski R,Stefanowski J.An Algorithm for Induction of Decision Rules Consistent With Dominance Principle//Proceedings of The 2nd Rough Sets and Current Trends in Computing.Berlin,Springer,2000.