基于熵权灰色关联分析的恐怖袭击危害指标研究

王淑宁 杨金莲 罗兰

摘 要：基于恐怖袭击数据，研究恐怖袭击事件危害指标及影响因素。首先对恐怖袭击事件的危害进行定性分析，然后采用基于熵权的灰色关联分析方法进行定量分析，最后对全球恐怖主义数据库（GTD）数据进行研究，获得各危害指标的影响因素权重和危害程度大小排序，形成恐怖袭击事件危害评价指标体系。该成果可为恐怖袭击事件危害评价、预测和预警及制定反恐防控措施和方案提供科学依据。

关键词：恐怖袭击;指标体系;定性分析法;灰色关联分析;熵权法

DOI：10. 11907/rjdk. 192678 开放科学（资源服务）标识码（OSID）：

中图分类号：TP301文献标识码：A 文章编号：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

恐怖袭击是一种非常规突发事件，是社会和平与安全的最大威胁之一，全球对恐怖袭击的关注度越来越高。恐怖主义行动有3个阶段：①恐怖主义集团的攻击环境;②恐怖组织的攻击行为;③恐怖组织袭击的后效[1]。恐怖袭击事件给整个社会带来的危害是巨大的，国家不稳定始终与恐怖袭击导致的死亡事件增加有关[2]。与其它突发事件相比，恐怖袭击对金融市场波动的影响被认为具有长期性[3]。恐怖袭击事件产生的后果非常严重，对集中式大型能源设施的攻击造成重大损害和持久影响力[4]。

国内外学者对恐怖袭击事件从不同角度与不同方面进行了研究，尤其对恐怖袭击事件进行了特征提取并建立了风险评估模型，为人类制定反恐防控措施与方案提供了科学依据。李姝莹[5]对公众聚集场所的恐怖袭击事件进行特征提取与分析，给出了应急防御策略;龚伟志[6]采用大数据分析模型对恐怖袭击风险进行预测;傅子洋[7]利用贝叶斯网络建立恐怖袭击预警模型，对恐怖袭击事件中人员伤亡和财产损失等危害进行预测预警;江洋洋[8]对恐怖袭击特征及变化趋势进行研究;文献[9-13]基于恐怖袭击时空变化，对恐怖袭击事件的影响因素的不确定性进行度量与研究;魏静等[14]采用多模块贝叶斯网络进行恐怖袭擊威胁评估。

对已有恐怖袭击事件的研究成果进行调研分析，发现目前还没有专门定量分析恐怖袭击事件危害评价指标体系的方法，之前对恐怖袭击事件危害评价指标及影响因素的选取，主要采用文献调研与专家评定，危害性大小及权重由专家根据经验得出。基于此，本文采用文献调研与特征分析的定性分析方法，初步确定恐怖袭击危害指标及其影响因素指标体系;采用层次分析法等方法量化不同类型的大数据，并基于数据驱动和灰色关联分析方法建立恐怖袭击事件危害评价指标体系;最后利用熵值灰色加权关联分析方法定量挖掘恐怖袭击事件危害的影响因素权重，进行危害大小排序。

1 恐怖袭击事件危害性分析

1.1 恐怖袭击事件危害特征

恐怖袭击不仅对社会具有极大的杀伤性与破坏力，直接造成巨大的人员伤亡和财产损失，而且造成社会动荡不安，进而阻碍国家和地区发展。其危害性特征如下：

（1）政治性目的。恐怖袭击的主要目的是通过暴力行动制造社会混乱，营造恐慌氛围，影响民众心理，向政府和社会施加巨大的政治和经济压力，实现其打乱社会秩序、影响政府运转的险恶目的。

（2）手段的暴力性与残酷性。恐怖袭击过程残忍、传播广泛，恐怖分子以此扩大恐怖袭击影响，造成人员伤亡财产损失等严重后果。

（3）策略恐怖性。恐怖袭击策略不仅仅局限于袭击事件现场，还营造出一种恐怖氛围，严重影响民众正常生活和社会秩序。

（4）渲染性与鼓吹性。恐怖袭击不同于一般社会暴力活动，它在宣传和策略上突出渲染恐怖气氛，鼓吹极端思想。

综上所述，财产损失、人员伤亡、不良社会影响和社会失稳是恐怖袭击事件最直接的危害。因此，将上述特征作为恐怖袭击危害性指标。

1.2 恐怖袭击事件危害性特征指标影响因素

恐怖袭击危害特征指标不能直接判断恐怖袭击事件危害性大小及其权重，影响特征指标的主要因素如下：

（1）人员伤亡与财产损失影响因素。根据贝叶斯网络得到财产损失和人员伤亡模块 [14]。财产损失有财产损失度、赎金支付总额、凶手数量、攻击地点、攻击类型、攻击目标等因素;人员伤亡有死亡人数、受伤人数、人质/绑架受害者总数、获救数量、攻击类型、武器类型等因素。

（2）不良社会影响因素。恐怖袭击造成的人员伤亡、财产损失及发生的地区和持续时间等，给人们造成一定的心理压力和持续的恐慌情绪，进而产生不良的社会影响[5]。因此，不良社会影响因素包含人员伤亡、财产损失、攻击地区、人质/绑架事件的天数、是否为持续事件、事件组等。

（3）社会失稳影响因素。由于恐怖袭击方式多样化和攻击类型多样化，使袭击事件的破坏力和杀伤力程度不同;袭击目标或对象的多样性，尤其是袭击目标或对象为政府首脑或其它政治、军事有关部门，显而易见会导致民众对政府的信任度下降，导致社会不稳定[5-6]。因此，社会失稳可通过恐怖袭击方式、攻击类型、武器类型、目标/受害者类型等因素刻画。

综上定性分析确定恐怖袭击事件危害性特征评价指标及其影响因素。

2 基于熵权的灰色关联分析方法

2.1 灰色关联分析方法

灰色关联分析法（GRA）[15-16]是对灰色系统动态过程发展态势的一种定量描述和量化比较分析方法，通过展现影响因素间各种关系，为系统预测、控制和决策提供可靠的理论依据。该方法特别适用于时间序列数据，能充分考虑数据对象随时间变化而改变的特征，在随时间变化情况下能准确、快速地反映其态势变化。当样本数据反映出两因素间的变化态势基本一致时，时间序列曲线[17]几何形状会很接近，反映两因素间的关联度大，反之关联度就小。其方法步骤如下：

3 实例研究

3.1 数据获取与预处理

全球恐怖主义数据库（GTD）记录了1998-2017年世界上发生的恐怖袭击事件，其中原始样本属性个数135个，涵盖了数值属性、文本属性和分类属性，原始样本数据有114 183条。数据库存在部分样本数据记录不全等问题。为建立恐怖袭击事件评价指标体系，需要对数据进行合理筛选与整理。基于目的性和合理性考虑，数据预处理按以下原则进行：

（1）确定恐怖袭击事件数据，即保留属性doubtterr（疑似恐怖主义）取值为“0”——基本不怀疑该事件是恐怖袭击行为。3个入选标准（crit1、crit2、crit3）均满足的样本即为恐怖袭击事件样本。

（2）为提取后续关联度分析所需的属性变量，保证样本数据完全，剔除含有缺失数据的样本。

（3）删除与危害性无关的属性变量，如scitel（第一引用源）等属性变量。

（4）对有交集的指标进行整合，如武器类型一和武器类型二、攻击类型一和攻击类型二等相关指标。

根据文献资料和以上原则完成数据整理后，新的数据包含具有代表性的33 671条样本和14个影响因素：nkil（总死亡人数）、nwound（总受伤人数）、nhostkid（人质绑架的受害者总数）、propextent（财产损失度）、ransompaid（赎金支付总额）、extended（持续事件）、region（地区）、multiple（事件组的一部分）、attacktype1（攻击类型）、targtype1（目标类型）、npers（凶手数量）、weaptype1（武器类型）、nhours（绑架事件的天数）、INT_LOG（国际后勤）。

3.2 恐怖袭击事件危害基础指标与量化

以14个属性变量作为衡量恐怖袭击人员伤亡、财产损失、不良社会影响、社会失稳危害性的基础影响指标量化危害度。

原始数据中总死亡人数、总受伤人数、人质绑架的受害者总数、财产损失度、赎金支付总额、凶手数量、绑架事件的天数等7个影响因素体现了危害程度，由于具有不同的量纲或数量级，因此本文采取歸一化方法消除不同的数量级对分析结果的影响，方法如下：

（1）层次分析方法。由于影响因素指标如持续事件、事件组的一部分、攻击类型、目标类型、武器类型和国际后勤的原始数据只给出子类型编号，并没有刻画其危害程度，所以采用层次分析法[20]对它们进行量化，步骤如下：①建立层次结构，从上层（持续事件、事件组的一部分、攻击类型、目标类型、武器类型和国际后勤）到下层（各自子类型的编号）构成一个层次结构;②构造判断矩阵，从层次结构的上层开始，对同属于上层子类型的，用Satty的1—9标度构造判断矩阵;③计算判断矩阵的特征向量并作一致性检验。若检验通过，归一化后的特征向量即为所求的危害度;若不通过，需重新构造判断矩阵。

6类基础指标的危害度如表1所示。

（2）基于频率的方法。由于影响因素指标——地区在全球恐怖主义数据库（GTD）中只给出编号，并没有刻画其危害程度，所以下面运用各地区发生恐怖袭击事件的频率刻画地区指标对恐怖袭击危害指标的危害度，结果如表2所示。

3.3 恐怖袭击事件危害评价指标体系

确定基础指标后，首先通过灰色关联度方法求出每个危害指标下影响因素的关联度大小，剔除关联度小的指标，形成恐怖袭击事件危害评价指标体系;然后采用熵值法为主要指标赋予权值;最终利用灰色加权关联度法确定各指标的加权关联度并进行排序，找出影响恐怖袭击事件的因素顺序。

利用前述方法计算4个危害指标及其影响因素的灰色关联度，剔除关联度小的影响指标，得到4个特征指标的主要影响因素。

（1）各危害指标参考序列确定。由于已有的灾难性事件危害等级均主要按照人员伤亡和经济损失划分（参见《国家突发公共事件总体应急预案》[21]），说明这两个指标是危害性评级必不可少的因素，其中又以伤亡人数和财产损失程度最高，因此以总死亡人数、财产损失程度为人员伤亡和财产损失的参考序列。

恐怖袭击事件持续时间会给人们造成持续的心理压力和恐慌情绪，进而导致严重后果，因此不良社会影响以持续时间作为参考序列[5]。因为恐怖袭击通过攻击政府首脑或政治、軍事部门，导致民众对政府的信任度下降，造成社会动荡不安，所以社会失稳以攻击目标作为参考序列[5-6]。

（2）危害指标影响因素灰色关联度计算。将危害指标的参考序列与各影响因素进行比较，得到灰色关联度，结果如表3所示。

（3）恐怖袭击事件危害评价指标体系。根据灰色关联度原则，剔除与危害指标关联度小于0.6的影响因素指标，得到影响各危害指标的主要影响因素指标，从而形成恐怖袭击事件危害的评价指标体系，如表4所示。

（4）主要影响因素占其危害指标的权重计算及关联度排序。根据熵值法计算出各主要影响因素占其危害指标的权重，再结合表3的指标灰色关联度，用加权关联度法计算出各指标的加权关联度并排序，如表5所示。

依据表5分析恐怖袭击事件危害指标的主要影响因素，在进行反恐和防恐预警时，可按照各危害指标影响因素的加权关联度排序，进行评价指标体系的挑选，采取相应的反恐防恐措施。

4 结语

本文采用熵权灰色关联分析方法确定恐怖袭击危害性影响因素及权重，获得恐怖袭击事件各个指标的影响因素危害程度大小排序，建立了恐怖袭击事件危害评价指标体系。由恐怖袭击的危害评价指标体系可知，恐怖袭击造成的危害体现为人员伤亡、财产损失、不良社会影响、社会失稳4个危害特征指标，这比一般的突发事件只是刻画人员伤亡、财产损失的危害性更具参考价值。实例研究结果揭示每个危害指标的影响因素排序，按其排序可获得总受伤人数、财产损失度、持续事件、国际后勤是高危害等级指标;人质或绑架总数、绑架事件天数、总死亡人数、目标类型是中危害等级指标;攻击类型、赎金支付总额、凶手数量、事件组的一部分、武器类型是相对较低的风险等级指标。本文利用定性分析和数据驱动的定量分析方法，有效弥补了主观评价恐怖袭击危害性的不足，可为恐怖袭击危害的精准评价和预测预警提供支持。后续研究可考虑根据恐怖袭击事件的地域蔓延与改变情况进行预测和预警。

参考文献：

[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] 李姝莹. 公众聚集场所恐怖袭击事件分析及应急防御思考[C]. 第三届中国指挥控制大会论文集（下册），中国指挥与控制学会，2015.

[6] 龚伟志，刘增良，王烨，等. 基于大数据分析恐怖袭击风险预测研究与仿真[J]. 计算机仿真，2015，32（4）：30-33.

[7] 傅子洋. 基于贝叶斯网络的暴力恐怖活动研究[D]. 天津：天津科技大学，2016.

[8] 江洋洋. 恐怖袭击特征及变化趋势研究[D]. 上海：上海交通大学，2014.

[9] 隋晓妍. 我国恐怖袭击时空变化特征与影响因素研究[D]. 大连：大连理工大学，2017.

[10] 李国辉. 全球恐怖袭击时空演变及风险分析研究[D]. 合肥：中国科学技术大学，2014.

[11] 柴瑞瑞，刘德海，陈静锋. 恐怖袭击事件的时空差异特征分析及内生性VAR模型[J]. 中国管理科学，2016，24（S1）：281-288.

[12] 郝蒙蒙，陈帅，江东，等. 中南半岛恐怖袭击事件时空演变特征分析[J]. 科技导报，2018，36（3）：62-69.

[13] 贺怀清，王赫. 恐怖袭击事件不确定性度量及可视分析[J]. 计算机工程与科学，2012，34（09）：77-82.

[14] 魏静，王菊韵，于华. 基于多模块贝叶斯网络的恐怖袭击威胁评估[J]. 中国科学院大学学报，2015，32（2）：264-272.

[15] 刘琴. 基于新经济增长理论的人力资本贡献率算法新探[J]. 统计与决策，2012（4）：77-80.

[16] 鄢然，雷国平，孙丽娜，等. 基于灰色关联法的哈尔滨市土地可持续利用评价研究[J]. 水土保持研究，2012，19（1）：154-158.

[17] 崔东红，尚思彤.  灰色关联模型在投标前期决策中的应用——基于层次熵值组合赋权的研究[J]. 沈阳工业大学学报（社会科学版），2012，5（2）：149-154.

[18] 徐东胜，谢祥俊，张桉，等.  已开发低品位油藏开发效益评价优化模型研究[J]. 西石油大学学报（自然科学版） ，2011，33（5）：168-171.

[19] 张丽琨. 基于熵权TOPSIS模型的高校科研绩效评价[J]. 黑龙江高教研究，2013，31（11）：22-25.

[20] 赵玮，岳德权. AHP的算法及其比较分析[J]. 数学的实践与认识，1995（1）：25-46.

[21] 戚建刚. 突发事件管理中的“分类”、“分级”与“分期”原则——《中华人民共和国突发事件应对法（草案）》的管理学基础[J]. 江海学刊，2006（6）：133-137.

（责任编辑：杜能钢）