基于熵權灰色關聯分析的恐怖襲擊危害指標研究

王淑寧 楊金蓮 羅蘭

摘 要：基于恐怖襲擊數據，研究恐怖襲擊事件危害指標及影響因素。首先對恐怖襲擊事件的危害進行定性分析，然后采用基于熵權的灰色關聯分析方法進行定量分析，最后對全球恐怖主義數據庫（GTD）數據進行研究，獲得各危害指標的影響因素權重和危害程度大小排序，形成恐怖襲擊事件危害評價指標體系。該成果可為恐怖襲擊事件危害評價、預測和預警及制定反恐防控措施和方案提供科學依據。

關鍵詞：恐怖襲擊;指標體系;定性分析法;灰色關聯分析;熵權法

DOI：10. 11907/rjdk. 192678 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP301文獻標識碼：A 文章編號：1672-7800（2020）008-0100-05

Abstract：According to the data of the terrorist attack， this paper puts forward a method to analyze the harm index of the terrorist attack and its influencing factors. Firstly， the harm of terrorist attack is analyzed qualitatively. Secondly， the method of grey correlation analysis based on entropy weight is given. Finally， a case study is made on the data of global terrorism database （GTD） to obtain the weight of the influential factors of each hazard index and the ranking of the hazard degree， forming an index system to evaluate the hazard of terrorist attacks. The results can provide a scientific basis for peoples evaluation， prediction and early warning of terrorist attacks.

Key Words： terrorist attacks;index system;qualitative analysis;grey relational analysis;entropy method

0 引言

恐怖襲擊是一種非常規突發事件，是社會和平與安全的最大威脅之一，全球對恐怖襲擊的關注度越來越高。恐怖主義行動有3個階段：①恐怖主義集團的攻擊環境;②恐怖組織的攻擊行為;③恐怖組織襲擊的后效[1]。恐怖襲擊事件給整個社會帶來的危害是巨大的，國家不穩定始終與恐怖襲擊導致的死亡事件增加有關[2]。與其它突發事件相比，恐怖襲擊對金融市場波動的影響被認為具有長期性[3]。恐怖襲擊事件產生的后果非常嚴重，對集中式大型能源設施的攻擊造成重大損害和持久影響力[4]。

國內外學者對恐怖襲擊事件從不同角度與不同方面進行了研究，尤其對恐怖襲擊事件進行了特征提取并建立了風險評估模型，為人類制定反恐防控措施與方案提供了科學依據。李姝瑩[5]對公眾聚集場所的恐怖襲擊事件進行特征提取與分析，給出了應急防御策略;龔偉志[6]采用大數據分析模型對恐怖襲擊風險進行預測;傅子洋[7]利用貝葉斯網絡建立恐怖襲擊預警模型，對恐怖襲擊事件中人員傷亡和財產損失等危害進行預測預警;江洋洋[8]對恐怖襲擊特征及變化趨勢進行研究;文獻[9-13]基于恐怖襲擊時空變化，對恐怖襲擊事件的影響因素的不確定性進行度量與研究;魏靜等[14]采用多模塊貝葉斯網絡進行恐怖襲擊威脅評估。

對已有恐怖襲擊事件的研究成果進行調研分析，發現目前還沒有專門定量分析恐怖襲擊事件危害評價指標體系的方法，之前對恐怖襲擊事件危害評價指標及影響因素的選取，主要采用文獻調研與專家評定，危害性大小及權重由專家根據經驗得出。基于此，本文采用文獻調研與特征分析的定性分析方法，初步確定恐怖襲擊危害指標及其影響因素指標體系;采用層次分析法等方法量化不同類型的大數據，并基于數據驅動和灰色關聯分析方法建立恐怖襲擊事件危害評價指標體系;最后利用熵值灰色加權關聯分析方法定量挖掘恐怖襲擊事件危害的影響因素權重，進行危害大小排序。

1 恐怖襲擊事件危害性分析

1.1 恐怖襲擊事件危害特征

恐怖襲擊不僅對社會具有極大的殺傷性與破壞力，直接造成巨大的人員傷亡和財產損失，而且造成社會動蕩不安，進而阻礙國家和地區發展。其危害性特征如下：

（1）政治性目的。恐怖襲擊的主要目的是通過暴力行動制造社會混亂，營造恐慌氛圍，影響民眾心理，向政府和社會施加巨大的政治和經濟壓力，實現其打亂社會秩序、影響政府運轉的險惡目的。

（2）手段的暴力性與殘酷性。恐怖襲擊過程殘忍、傳播廣泛，恐怖分子以此擴大恐怖襲擊影響，造成人員傷亡財產損失等嚴重后果。

（3）策略恐怖性。恐怖襲擊策略不僅僅局限于襲擊事件現場，還營造出一種恐怖氛圍，嚴重影響民眾正常生活和社會秩序。

（4）渲染性與鼓吹性。恐怖襲擊不同于一般社會暴力活動，它在宣傳和策略上突出渲染恐怖氣氛，鼓吹極端思想。

綜上所述，財產損失、人員傷亡、不良社會影響和社會失穩是恐怖襲擊事件最直接的危害。因此，將上述特征作為恐怖襲擊危害性指標。

1.2 恐怖襲擊事件危害性特征指標影響因素

恐怖襲擊危害特征指標不能直接判斷恐怖襲擊事件危害性大小及其權重，影響特征指標的主要因素如下：

（1）人員傷亡與財產損失影響因素。根據貝葉斯網絡得到財產損失和人員傷亡模塊 [14]。財產損失有財產損失度、贖金支付總額、兇手數量、攻擊地點、攻擊類型、攻擊目標等因素;人員傷亡有死亡人數、受傷人數、人質/綁架受害者總數、獲救數量、攻擊類型、武器類型等因素。

（2）不良社會影響因素。恐怖襲擊造成的人員傷亡、財產損失及發生的地區和持續時間等，給人們造成一定的心理壓力和持續的恐慌情緒，進而產生不良的社會影響[5]。因此，不良社會影響因素包含人員傷亡、財產損失、攻擊地區、人質/綁架事件的天數、是否為持續事件、事件組等。

（3）社會失穩影響因素。由于恐怖襲擊方式多樣化和攻擊類型多樣化，使襲擊事件的破壞力和殺傷力程度不同;襲擊目標或對象的多樣性，尤其是襲擊目標或對象為政府首腦或其它政治、軍事有關部門，顯而易見會導致民眾對政府的信任度下降，導致社會不穩定[5-6]。因此，社會失穩可通過恐怖襲擊方式、攻擊類型、武器類型、目標/受害者類型等因素刻畫。

綜上定性分析確定恐怖襲擊事件危害性特征評價指標及其影響因素。

2 基于熵權的灰色關聯分析方法

2.1 灰色關聯分析方法

灰色關聯分析法（GRA）[15-16]是對灰色系統動態過程發展態勢的一種定量描述和量化比較分析方法，通過展現影響因素間各種關系，為系統預測、控制和決策提供可靠的理論依據。該方法特別適用于時間序列數據，能充分考慮數據對象隨時間變化而改變的特征，在隨時間變化情況下能準確、快速地反映其態勢變化。當樣本數據反映出兩因素間的變化態勢基本一致時，時間序列曲線[17]幾何形狀會很接近，反映兩因素間的關聯度大，反之關聯度就小。其方法步驟如下：

3 實例研究

3.1 數據獲取與預處理

全球恐怖主義數據庫（GTD）記錄了1998-2017年世界上發生的恐怖襲擊事件，其中原始樣本屬性個數135個，涵蓋了數值屬性、文本屬性和分類屬性，原始樣本數據有114 183條。數據庫存在部分樣本數據記錄不全等問題。為建立恐怖襲擊事件評價指標體系，需要對數據進行合理篩選與整理。基于目的性和合理性考慮，數據預處理按以下原則進行：

（1）確定恐怖襲擊事件數據，即保留屬性doubtterr（疑似恐怖主義）取值為“0”——基本不懷疑該事件是恐怖襲擊行為。3個入選標準（crit1、crit2、crit3）均滿足的樣本即為恐怖襲擊事件樣本。

（2）為提取后續關聯度分析所需的屬性變量，保證樣本數據完全，剔除含有缺失數據的樣本。

（3）刪除與危害性無關的屬性變量，如scitel（第一引用源）等屬性變量。

（4）對有交集的指標進行整合，如武器類型一和武器類型二、攻擊類型一和攻擊類型二等相關指標。

根據文獻資料和以上原則完成數據整理后，新的數據包含具有代表性的33 671條樣本和14個影響因素：nkil（總死亡人數）、nwound（總受傷人數）、nhostkid（人質綁架的受害者總數）、propextent（財產損失度）、ransompaid（贖金支付總額）、extended（持續事件）、region（地區）、multiple（事件組的一部分）、attacktype1（攻擊類型）、targtype1（目標類型）、npers（兇手數量）、weaptype1（武器類型）、nhours（綁架事件的天數）、INT_LOG（國際后勤）。

3.2 恐怖襲擊事件危害基礎指標與量化

以14個屬性變量作為衡量恐怖襲擊人員傷亡、財產損失、不良社會影響、社會失穩危害性的基礎影響指標量化危害度。

原始數據中總死亡人數、總受傷人數、人質綁架的受害者總數、財產損失度、贖金支付總額、兇手數量、綁架事件的天數等7個影響因素體現了危害程度，由于具有不同的量綱或數量級，因此本文采取歸一化方法消除不同的數量級對分析結果的影響，方法如下：

（1）層次分析方法。由于影響因素指標如持續事件、事件組的一部分、攻擊類型、目標類型、武器類型和國際后勤的原始數據只給出子類型編號，并沒有刻畫其危害程度，所以采用層次分析法[20]對它們進行量化，步驟如下：①建立層次結構，從上層（持續事件、事件組的一部分、攻擊類型、目標類型、武器類型和國際后勤）到下層（各自子類型的編號）構成一個層次結構;②構造判斷矩陣，從層次結構的上層開始，對同屬于上層子類型的，用Satty的1—9標度構造判斷矩陣;③計算判斷矩陣的特征向量并作一致性檢驗。若檢驗通過，歸一化后的特征向量即為所求的危害度;若不通過，需重新構造判斷矩陣。

6類基礎指標的危害度如表1所示。

（2）基于頻率的方法。由于影響因素指標——地區在全球恐怖主義數據庫（GTD）中只給出編號，并沒有刻畫其危害程度，所以下面運用各地區發生恐怖襲擊事件的頻率刻畫地區指標對恐怖襲擊危害指標的危害度，結果如表2所示。

3.3 恐怖襲擊事件危害評價指標體系

確定基礎指標后，首先通過灰色關聯度方法求出每個危害指標下影響因素的關聯度大小，剔除關聯度小的指標，形成恐怖襲擊事件危害評價指標體系;然后采用熵值法為主要指標賦予權值;最終利用灰色加權關聯度法確定各指標的加權關聯度并進行排序，找出影響恐怖襲擊事件的因素順序。

利用前述方法計算4個危害指標及其影響因素的灰色關聯度，剔除關聯度小的影響指標，得到4個特征指標的主要影響因素。

（1）各危害指標參考序列確定。由于已有的災難性事件危害等級均主要按照人員傷亡和經濟損失劃分（參見《國家突發公共事件總體應急預案》[21]），說明這兩個指標是危害性評級必不可少的因素，其中又以傷亡人數和財產損失程度最高，因此以總死亡人數、財產損失程度為人員傷亡和財產損失的參考序列。

恐怖襲擊事件持續時間會給人們造成持續的心理壓力和恐慌情緒，進而導致嚴重后果，因此不良社會影響以持續時間作為參考序列[5]。因為恐怖襲擊通過攻擊政府首腦或政治、軍事部門，導致民眾對政府的信任度下降，造成社會動蕩不安，所以社會失穩以攻擊目標作為參考序列[5-6]。

（2）危害指標影響因素灰色關聯度計算。將危害指標的參考序列與各影響因素進行比較，得到灰色關聯度，結果如表3所示。

（3）恐怖襲擊事件危害評價指標體系。根據灰色關聯度原則，剔除與危害指標關聯度小于0.6的影響因素指標，得到影響各危害指標的主要影響因素指標，從而形成恐怖襲擊事件危害的評價指標體系，如表4所示。

（4）主要影響因素占其危害指標的權重計算及關聯度排序。根據熵值法計算出各主要影響因素占其危害指標的權重，再結合表3的指標灰色關聯度，用加權關聯度法計算出各指標的加權關聯度并排序，如表5所示。

依據表5分析恐怖襲擊事件危害指標的主要影響因素，在進行反恐和防恐預警時，可按照各危害指標影響因素的加權關聯度排序，進行評價指標體系的挑選，采取相應的反恐防恐措施。

4 結語

本文采用熵權灰色關聯分析方法確定恐怖襲擊危害性影響因素及權重，獲得恐怖襲擊事件各個指標的影響因素危害程度大小排序，建立了恐怖襲擊事件危害評價指標體系。由恐怖襲擊的危害評價指標體系可知，恐怖襲擊造成的危害體現為人員傷亡、財產損失、不良社會影響、社會失穩4個危害特征指標，這比一般的突發事件只是刻畫人員傷亡、財產損失的危害性更具參考價值。實例研究結果揭示每個危害指標的影響因素排序，按其排序可獲得總受傷人數、財產損失度、持續事件、國際后勤是高危害等級指標;人質或綁架總數、綁架事件天數、總死亡人數、目標類型是中危害等級指標;攻擊類型、贖金支付總額、兇手數量、事件組的一部分、武器類型是相對較低的風險等級指標。本文利用定性分析和數據驅動的定量分析方法，有效彌補了主觀評價恐怖襲擊危害性的不足，可為恐怖襲擊危害的精準評價和預測預警提供支持。后續研究可考慮根據恐怖襲擊事件的地域蔓延與改變情況進行預測和預警。

參考文獻：

[1] ESTRADA M A R， KOUTRONAS E. Terrorist attack assessment：paris november 2015 and brusels march 2016[J]. Journal of Policy Modeling，2016， 38（3）： 553-571.

[2] FAHEY S， LAFREE G.Does country-level socialdisorganization increase terrorist attacks [J]. ?Terrorism and Political Violence， 2015， 27（1）： 81-111.

[3] MNASRI A，NECHI S.Impact of terrorist attacks on stock market volatility in emerging markets[J]. EmergingMarkets Review， 2016（28）：184-202.

[4] HIRSCHBERG S，BAUER C， BURGHERR P， et al. Health effects of technologies for power generation： contributions from normal operation， severe accidents and terrorist threat[J]. ?Reliability Engineering & System Safety， 2016（145）： 373-387.

[5] 李姝瑩. 公眾聚集場所恐怖襲擊事件分析及應急防御思考[C]. 第三屆中國指揮控制大會論文集（下冊），中國指揮與控制學會，2015.

[6] 龔偉志，劉增良，王燁，等. 基于大數據分析恐怖襲擊風險預測研究與仿真[J]. 計算機仿真，2015，32（4）：30-33.

[7] 傅子洋. 基于貝葉斯網絡的暴力恐怖活動研究[D]. 天津：天津科技大學，2016.

[8] 江洋洋. 恐怖襲擊特征及變化趨勢研究[D]. 上海：上海交通大學，2014.

[9] 隋曉妍. 我國恐怖襲擊時空變化特征與影響因素研究[D]. 大連：大連理工大學，2017.

[10] 李國輝. 全球恐怖襲擊時空演變及風險分析研究[D]. 合肥：中國科學技術大學，2014.

[11] 柴瑞瑞，劉德海，陳靜鋒. 恐怖襲擊事件的時空差異特征分析及內生性VAR模型[J]. 中國管理科學，2016，24（S1）：281-288.

[12] 郝蒙蒙，陳帥，江東，等. 中南半島恐怖襲擊事件時空演變特征分析[J]. 科技導報，2018，36（3）：62-69.

[13] 賀懷清，王赫. 恐怖襲擊事件不確定性度量及可視分析[J]. 計算機工程與科學，2012，34（09）：77-82.

[14] 魏靜，王菊韻，于華. 基于多模塊貝葉斯網絡的恐怖襲擊威脅評估[J]. 中國科學院大學學報，2015，32（2）：264-272.

[15] 劉琴. 基于新經濟增長理論的人力資本貢獻率算法新探[J]. 統計與決策，2012（4）：77-80.

[16] 鄢然，雷國平，孫麗娜，等. 基于灰色關聯法的哈爾濱市土地可持續利用評價研究[J]. 水土保持研究，2012，19（1）：154-158.

[17] 崔東紅，尚思彤. ?灰色關聯模型在投標前期決策中的應用——基于層次熵值組合賦權的研究[J]. 沈陽工業大學學報（社會科學版），2012，5（2）：149-154.

[18] 徐東勝，謝祥俊，張桉，等. ?已開發低品位油藏開發效益評價優化模型研究[J]. 西石油大學學報（自然科學版） ，2011，33（5）：168-171.

[19] 張麗琨. 基于熵權TOPSIS模型的高校科研績效評價[J]. 黑龍江高教研究，2013，31（11）：22-25.

[20] 趙瑋，岳德權. AHP的算法及其比較分析[J]. 數學的實踐與認識，1995（1）：25-46.

[21] 戚建剛. 突發事件管理中的“分類”、“分級”與“分期”原則——《中華人民共和國突發事件應對法（草案）》的管理學基礎[J]. 江海學刊，2006（6）：133-137.

（責任編輯：杜能鋼）