齐春泽，代文锋

（兰州财经大学 信息工程学院，兰州 730020）

0 引言

在城市灾害应急能力建设方面，与美国、日本等发达国家相比，我国的城市灾害应急能力非常薄弱，亟待加快建设和系统完善。1997年8月，美国各州使用应急能力测评软件对其应急管理工作中的13项管理职能进行了评价，是世界上第一个对政府应急能力进行评价的国家。2002年，日本政府出台了灾害应急能力评价准则，共包括危机的掌握、情报流通等12个方面。反观我国，至今主要停留于对城市灾害实行分类管理的初级水平，对于城市灾害应急能力的评价也比较侧重于单项评价研究，评价工作的内容缺乏系统全面性、评价水平还有待进一步提升。由此可见，如何评价城市灾害应急能力，正是我国从根本上提升能力的基础性课题。只有通过科学的灾害应急能力评价，才能较早发现城市应急管理中存在的突出问题，为提升城市灾害应急能力提供依据，更好的达到最终控制灾害损失的目的。

从理论来看，国内学者根据我国具体情况，围绕城市灾害应急能力评价问题已经取得一系列研究成果，为进一步深入研究提供了支撑条件。铁永波等[1]通过分析城市灾害的特点，从监测能力、防御能力等6个方面建构了城市灾害应急能力评价体系；张风华等[2]以地震灾害为研究背景，从人员伤亡、经济损失以及灾后恢复等3个方面构建了城市防震减灾能力评价指标体系，并用灰色关联法进行了实证研究；孙少文等[3]以台风灾害作为研究背景，分析了影响城市应急能力的主要因素；汪志红等[4]提出了基于Logistic曲线的城市应急能力评价模型，并对广州市的火灾应急能力进行了实证研究；周鹏霞等[5]从应急基础等3个方面建立了城市应急能力评价指标体系，并运用灰色层次分析法对城市应急能力进行了评价。总体看来，目前国内关于城市灾害应急能力评价的研究还处于发展阶段，直接研究文献相对较少，研究对象比较单一，研究方法也较为传统，这也为开展新的探索性研究留下了较大空间。

基于上述研究现状，本文对城市灾害应急能力评价问题做了系统梳理，在考虑专家权重的基础上，探索性地提出了一种基于云模型的不确定语言多属性群决策方法。以概率论和模糊理论为基础的云模型，能够将决策对象的模糊性与随机性很好的结合起来，实现定性概念与定量值之间的自然映射，最大程度的减少映射过程造成的信息丢失，从而有利于提高决策的客观合理性。

1 城市灾害应急能力评价方法

1.1 指标体系构建

构建科学、合理且完备的评价体系是保证城市灾害应急能力评价质量的关键环节。本文首先根据城市灾害应急管理包含的内容，通过梳理已有相关经典文献，在专家的指导下，构建了城市灾害应急能力初始评价指标体系。在此基础上，设计问卷进行调研。本文共发放问卷200份,回收有效问卷176份,有效回收率为88%。最后，运用因子分析、回归分析等方法提炼出最终的评价指标体系，主要包含检测与预警能力、基础保障能力、救援能力和灾后恢复能力等4个一级指标及其对应的16项二级指标，具体如下页表1所示。

1.2 不确定语言变量及其相关概念

定义1[6]：在对评价对象进行定性评价时，决策者需要一定的语言评价标度。假设S={sa|a=-h，...，h，h∈N}，其中sa表示语言变量，s-h与sh分别表示语言变量的下限与上限。S满足的条件有：

表1 城市灾害应急能力评价指标体系及权重

（1）S是有序的。如果a＞b，则sa＞sb。

（2）S的否定算子为：neg(sa)=s-a，∀a。

1.3 云模型

1995年，李德毅首次提出了云模型。云由许多云滴构成，其整体形状反映了定性概念的重要特征。云滴是对定性概念的定量描述，云滴的产生过程就是定性概念映射为定量值的过程。云的数字特征通常用三个数值表示:期望值Ex、熵En和超熵He。期望值Ex表示概念在论域中的中心值，它最能代表定性概念的值；熵En用来度量定性概念的模糊度，反映了在论域中可被该概念所接受的数值范围[7,8]。熵越大，就表明该概念接受的数值范围越大，概念就越模糊。超熵He是指熵En的熵，它反映了云滴的离散程度，也就是云的“厚度”[9]。

1.4 不确定语言变量与云的转换

定义3[10]：设n为评价术语集中评价术语的个数，[Xmin，Xmax]表示评价术语的有效域，就可以据此生成相应的云。若n为奇数，则最中间的云可以表示为，左右相邻的云可以表示为：

定义4[11]：设为不确定语言值，将si和sj分别转化为云和云，那么对应的云可以表示为

其中，wi(i=1，2，…，n)表示相应的权重

1.5 基于云模型的城市灾害应急能力评价模型构建

基于云模型的城市灾害应急能力评价就是运用正态分布的规律以及黄金分割法将不确定语言形式的评价信息转化为云，然后根据属性权重以及专家权重对各方案的云滴自下而上逐层集结，从形成各个方案的多层次综合云，最后根据多层次综合云的数字特征对各方案进行全方位的分析与比较。

（1）评价指标集

设S表示目标层，即城市灾害应急能力评价综合值。C表示一级评价指标Ci的集合，可以表示为分别代表检测与预警能力、基础保障能力、救援能力以及灾后恢复能力。Ci表示二级评价指标Cij的 集 合 ，可 以 表 示 为其 中 ，m=1，2，3，4 表示4个一级指标，cij表示第i个一级指标中的第j个二级指标。A表示方案集，A={a1，a2，…am}。D表示决策者，给出的决策矩阵为表示第i个备选方案的第j个属性的语言值。

（2）决策矩阵标准化

决策矩阵标准化主要有最大化变换和消除量纲两个操作。若所有的属性都是最大化属性（效益型属性）并且具有相同的量纲，则无需标准化操作。否则，就需要对最小化属性（成本型属性）进行最大化变换，对量纲不统一的属性进行消除量纲操作。假设决策矩阵标准化后的形式为对于最小化属性而言，其标准化的公式为

（3）将不确定语言形式的评价信息转换为云

根据公式（1）和公式（2）以及定性评语集中每个评语对应云模型的数字特征，可将不同专家给出的不确定语言形式的评价信息转换为云，其数字特征为：

（4）确定属性权重

如果专家组对同一方案在某个属性下的评价越一致，则表明该方案在该属性下的群决策越准确，因此该属性应该被赋予较大的权重；反之，则应赋予其较小的权重。本文运用信息熵来度量专家组在某个属性下评价信息的一致性，熵值越大，该属性的权重将越大。具体计算公式为：

式中，Iij表示方案ai在属性Cj下得分对应云的期望值的信息熵，Ij表示备选方案集在属性Cj下的平均信息熵表示属性Cj的权重。

（5）确定专家权重

专家权重可以通过专家给出的决策矩阵的偏离度确定。专家与其他专家给出的决策矩阵的偏离度越小，表明其决策将越准确，因此应赋予其较大的权；反之，则应赋予其较小的权重。具体计算步骤为：

①计算决策专家dk与其他专家给出的决策矩阵之间的偏离度fk

②计算专家权重λk

（6）构建不同专家下各个方案的多层次综合云

根据决策属性权重，采用自下而上的方法，将各个方案的相关云滴逐层综合，从而形成不同专家下各个方案的多层次综合云。

（7）引入专家权重，构建各个方案的总体多层次综合云

考虑到不同专家对于决策的重要程度存在一定的差异性，为了使决策结果更加科学合理，在构建各个方案的多层次综合云时就必须考虑专家权重。根据专家权重以及不同专家下各个方案的综合云，就能得到各个方案最终的多层次综合云。

（8）排序

云模型的期望值最能代表定性概念的值，因此可以根据各个方案最终的多层次综合云的期望值，对其进行全方位的分析、比较与排序。

2 实证

某省欲对3个城市的灾害应急能力进行比较评优,特选取了5名长期从事应急管理工作的专家组成专家组，运用本文提出的评价指标体系对3个城市进行评价。经过专家组协商讨论，本次评价选用5个评价等级：{差，较差，一般，较好，好}，即S={s-2=“差”，s-1=“较差”，s0=“一般”，s1=“较好”，s2=“好”}。专家组成员通过实地调研，访谈以及查阅相关资料等方式对3个城市的灾害应急能力进行了深入了解，并结合自身的专业知识及决策经验，对3个城市的灾害应急能力进行评价。

2.1 决策过程

第一步，标准化决策矩阵

通过分析发现本次评价涉及的属性均属于效益型，而且具有相同的量纲，因此无需标准化操作。

第二步，将不确定语言形式的决策信息转换为云

首先，运用黄金分割法生成评价集中5个评语对应云(Z-2，…，Z+2) 的数字特征。假定有效论域为 [Xmin，Xmax]=[0，1]，He0=0.1，则5个评语对应云的数字特征分别为：

因此，5个云依次为：Z-2(0，0.1031，0.26)，Z-1(0.309，0.0637，0.16) ，Z0(0.5，0.0393，0.1) ，Z+1(0.691，0.0637，0.16)，Z+2(1，0.1031，0.26)。在此基础上，根据公式（1）和公式（2），将不同专家给出的评价信息转化为云。

第三步，确定属性权重

在上一步的基础上，根据公式（4），可以得到专家组关于3个城市灾害应急能力在各个属性下的信息熵，如表2所示。

表2 3个城市灾害应急能力在各属性下的信息熵

根据公式（5）和公式（6），可以得到各个指标基于信息熵的权重：

第四步，确定专家权重

根据公式（7）和公式（8），可以得到专家的权重为：λ=(0.202，0.181，0.199，0.198，0.220)

第五步，构建不同专家下3个城市灾害应急能力的多层次综合云

根据公式（3）以及各属性权重，采用自下而上的方法，将3个城市灾害应急能力的相关云滴逐层综合，从而得到不同专家下3个城市灾害应急能力的多层次综合云。由于篇幅原因，此处只给出目标层对应综合云的数字特征，如表3所示。

表3 不同专家下3个城市灾害应急能力目标层的综合云

第六步，构建各个方案的总体多层次综合云

根据专家权重以及表3，就能得到3个城市灾害应急能力最终的多层次综合云。由于篇幅原因，此处只给出目标层以及一级指标对应综合云的数字特征，如表4所示。

表4 3个城市灾害应急能力多层次综合云

第七步，方案排序

由表4可知，3个城市的灾害应急能力整体上均属于较好等级，由高到低依次为：a3、a2、a1。从监测与预警能力来看，3个城市的灾害应急能力由高到低依次为：a2、a3、a1，其中a2与a3属于较好等级，而a3属于一般等级；从基础保障能力来看，3个城市的灾害应急能力均属于较好等级，由高到低依次为：a3、a2、a1；从救援能力来看，3个城市的灾害应急能力由高到低依次为：a3、a1、a2，其中a3和a1属于较好等级，而a2属于一般等级；从灾后恢复能力看，3个城市的灾害应急能力均属于较好等级，由高到低依次为：a3、a1、a2。由于保障能力以及救援能力的权重较大，因此从综合应急能力角度来看，a3是3个城市中灾害综合应急能力最好的。评价结果与3个城市灾害应急能力建设的实际情况相符，说明本文提出的方法是有效的。

2.2 敏感性分析

敏感性分析主要研究检测与预警能力、基础保障能力、救援能力以及灾后恢复能力等4个一级指标的权重在[0.05，0.9]上变动时，对评价结果的影响程度。敏感性分析的结果进一步证明了本文所提方法的有效性，敏感性分析结果如图1至图4所示。

图1 监测与预警能力敏感性分析

图2 基础保障能力敏感性分析

图3 救援能力敏感性分析

图4 灾后恢复能力敏感性分析

从整体来看，无论4个一级指标的权重在[0.05,0.85)上如何变动，城市a3的灾害综合应急能力都要优于其他两个城市，这说明城市a3各项指标建设情况相对较好，总体优势较为明显。

由图1可以看出，当监测与预警能力的权重不断增加时，3个城市的综合应急能力都有所下降，说明3个城市灾害的监测与预警能力都比较低。相比之下，城市a2的综合应急能力下降较慢。当监测与预警能力的权重达到0.85时，城市a2的灾害应急能力跃居第一。由此可见，就监测与预警能力而言，城市a2领先于其他两个城市。

由图2可以看出，当基础保障能力的权重不断增加时，3个城市的综合应急能力也都在不断提高，说明3个城市的应急设备、队伍、物资以及医疗建设情况都比较好。相比之下，a3最好，其次是a2和a1。

由图3可以看出，当救援能力的权重不断增加时，城市a3的综合应急能力以较大的幅度提升，领先优势越来越明显，城市a1的综合应急能力也有所上升，但不明显，而城市a2的综合应急能力则有所下降。这说明，在救援能力方面，城市a3的优势相当明显，其次是城市a1，而城市a2最差。

由图4可以看出，当灾后恢复能力的权重不断增加时，城市a3的领先优势逐渐减小。当灾后恢复能力的权重达到0.45时，城市a1超过了a2，当灾后恢复能力的权重达到0.9时，城市a1的综合应急能力与a3非常接近。这说明，在灾后恢复方面，城市a1与a3旗鼓相当，而a2处于落后位置。

3 结束语

本文从检测与预警能力、基础保障能力、救援能力以及灾后恢复能力4个方面构建了城市灾害应急能力评价指标体系。在考虑决策专家权重的基础上，提出了一种基于云模型的不确定语言多属性群决策方法，并用来解决城市灾害应急能力评价问题。本文所提方法具有鲜明的特色，其优点主要表现在以下3个方面：（1）以云模型为基础，能够很好地将决策对象的模糊性与随机性结合起来，实现定性概念与定量值之间的自然映射，最大程度的减少映射过程造成的信息丢失。（2）对各个方案的云滴自上而下逐层集结，从而生成各个方案的多层次综合云，便于对各个方案进行全方位的分析、比较与排序，为决策提供科学依据。（3）在生成各个方案的多层次综合云时，不仅考虑了属性权重，还考虑了专家权重，提升了应急决策的科学性和合理化水平。