中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
Command Control and Simulation

Command Control and Simulation >

2025 , Vol. 47 >Issue 1: 60 - 68

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.01.008

Command & Control

Selection of key urban defense areas based on regional comprehensive risk assessment

  • WEI Hua ,
  • WANG Xiaoxia ,
  • YANG Fengbao ,
  • JIA Qi
Expand
  • School of Information and Communication Engineering, North University of China, Taiyuan 030051, China

Received date: 2024-06-09

  Revised date: 2024-07-09

  Online published: 2025-01-20

Fold

Abstract

Aiming at the problem of how to select high risk key defense area under the condition of limited urban defense force, to maximize the utility of limited force and minimize the urban risk, this paper proposes a method of selecting key defense area based on regional comprehensive risk assessment. Firstly, a reasonable risk assessment index system is constructed from the perspective of the intruder and the defender. Secondly, based on the idea of equivalent energy, the weight product normalization method is proposed to determine the combined weight of the target risk index, and then calculate the target risk value. Then, according to the centroid theory, the weighted centroid calculation model of target distribution is constructed, and the dispersion matrix is established to calculate the dispersion of regional target distribution. Finally, the regional comprehensive risk assessment function is constructed according to the area of risk radar map, and the comprehensive risk of each region is quantitatively assessed according to the target situation of districts I to VI of a city. The results show that compared with the target risk coupling method, the proposed method can realize the regional comprehensive risk assessment more accurately, and provide decision-making basis for the selection of key urban defense areas and the efficient deployment of limited forces.

Key words： limited defense forces; regional comprehensive risk; combinatorial weights; dispersion of distribution

Cite this article

WEI Hua , WANG Xiaoxia , YANG Fengbao , JIA Qi . Selection of key urban defense areas based on regional comprehensive risk assessment[J]. Command Control and Simulation, 2025 , 47(1) : 60 -68 . DOI: 10.3969/j.issn.1673-3819.2025.01.008

随着国际形势的不稳定性加剧,多地冲突频发。城市作为主要发生地[1],受到战略规划、资源限制和地形阻碍等因素的影响,不同地区间的防御力量调配变得困难,导致防御力量分散且有限。因此,需要对城市各个区域的综合风险进行精确评估,确定城市重点防卫区域,指导有限力量合理分配,确保力量效用最大化,使城市风险最小化。
目前,学者们的研究主要集中于对特定保卫目标的风险评估。例如,康锦伟[2]研究了城市中重点目标遭受恐怖袭击的风险,并以地铁站为例,为应急力量的资源配置提供依据。吴敏[3]构建了机场涉恐风险评估模型,对进一步建立我国机场风险评估机制和方法提供一定的科学依据。彭子眉等[4]基于威胁发生可能性、武器破坏性和目标脆弱性对火车站进行了风险评估,为后续开展反恐防范和应对工作提供了理论支持。孟婷[5]采用K-means聚类分析方法对外交机构遭受袭击的风险进行定量、客观的评估,研究成果对外交机构反恐策略具有重要的指导意义。这些研究实现了对特定目标的风险评估,但在城市防御力量不足情况下,重点防卫区域的选择和有限力量的分配需考虑整体目标群的综合风险,因此,针对特定保卫目标的风险评估方法并不能有效指导有限力量的分配。
对此,本文提出了一种区域综合风险评估方法。以保卫目标风险评估为基础,确定目标风险均值;在此基础上,从目标距离测度及目标重要程度出发,通过离差矩阵确定区域目标离散度;而后,利用风险雷达图面积原理将目标风险均值、目标离散度及目标数量因素结合,全面评估区域综合风险。

1 保卫目标风险评估

1.1 保卫目标风险评估体系构建

保卫目标风险评估指标体系构建是区域综合风险评估过程的基础。综合考虑入侵方威胁程度与保卫目标安全程度,确定了入侵方选择目标意图I1、相对破坏能力I2、相对干扰能力I3、己方目标重要程度I4、目标易损程度I5与目标隐蔽程度I6等6个风险评估指标及其影响因素,具体如图1所示。
图1 保卫目标风险评估指标体系

Fig.1 Defense target risk assessment index system

(1)指标合理性检验
结合城市防空的特点,为评估保卫目标风险,设计了包含6个指标条目的调查量表,并利用Cronbach’s α系数和Pearson相关系数度量其一致性与相关性[6]。当Cronbach’s α系数值大于0.7时,可认为条目之间的内在一致性较好;当Pearson相关系数值大于0.4或小于-0.4时,说明指标条目与目标风险间相关性较强。结果如表1所示。
表1 指标合理性分析数据表

Tab.1 Index rationality analysis data table

指标项 删除各项后
Cronbach’s α系数		 Pearson
相关系数
I1 0.830 0.874
I2 0.831 0.614
I3 0.832 0.700
I4 0.825 0.836
I5 0.812 0.535
I6 0.833 -0.438
通过计算量表的Cronbach’s α系数值为0.852,大于0.7,且如表1所示,删除各项后的Cronbach’s α系数值均小于0.852。各指标条目的Pearson相关系数值皆处于 - 1 , - 0.4 ) ⋃ ( 0.4,1范围内。由此说明评估指标选取较为合理,能有效反映目标风险。
(2)指标函数构建
I1是指入侵方对目标所表现出的意图[7]和策略,可根据其当前与目标相对距离dyt、飞行方向与目标方向的夹角θyt以及飞行速度vyt来判断。其中θyt∈[0°,90°),若θyt≥90°则视为入侵方对该目标暂无意图。当入侵方当前位置与目标的相对距离越短,飞行方向与目标方向的夹角越小,飞行速度越快时,判断其对该目标的意图越大,即保卫目标风险值提升。因此,构造I1函数为
I1= v y t c o s   θ y t d y t
I2可通过i(i=1,2,…,M)设备拥有数量Ni、荷载量ni、毁伤半径Ri及不同目标表面积Sj来确定。不同类型的设备毁伤半径不同,当毁伤半径越大,设备数量和荷载量越多且目标表面积越小时,相对打击能力越强,同时保卫目标的风险值也会上升。因此,构造I2函数如式(2)所示:
I2= 1 S j ∑ i = 1 M Niniπ R i 2
I3需考虑入侵方j(j=1,2,…,m)型干扰设备数量Lj、设备有效干扰半径rj、干扰有效率$η_{j}$[8-9]以及己方不同目标正常运作时对电子设备依赖程度ψs与目标面积Smb。其中,电子设备依赖程度是指金融中心、交通枢纽等目标正常运作时对电子设备和信息技术系统的依赖程度。当其依赖程度较高时,受到电子干扰而导致的目标风险值就越大。同样,当干扰设备的数量越多,有效干扰半径越大,干扰有效率越高,目标面积越小时,入侵设备对目标的干扰能力就越强,随之保卫目标的风险值也就越大。因此,构造I3函数如式(3)所示:
I3=   ψ s S m b ∑ j = 1 m L j η j π r j 2 　 ∑ j = 1 m π r j 2 S m b ψ s ∑ j = 1 m L j η j 　 ∑ j = 1 m π r j 2 ≥ S m b
I4是指目标对一个城市或国家的总体价值与意义。因此,可从目标的军事价值Wjs、政治价值Wzz、经济价值$W_{jj}$[9]方面来评估目标的总体价值。目标的价值越大,目标的重要程度就越高,遭受敌方重点打击的可能性也就越大,同时目标风险值也就越高。因此,构造I4函数如式(4)所示:
I4=η41Wjs+η42Wzz+η43Wjj
其中,η41+η42+η43=1。
I5可通过目标形状(点状目标、线状目标、面状目标)易损度Zs与目标材质(装甲类、钢筋混凝土类、砖石类、土木类)坚固度Gs来确定[10]。同等条件下,不同目标形状的易损程度不同,通常,点状目标易损程度>线状目标易损程度>面状目标易损程度[11];而目标材质不同导致目标坚固度不同,也会影响目标易损程度,通常,装甲类坚固度>钢筋混凝土类坚固度>砖石类坚固度>土木类坚固度。目标坚固度越低,其易损程度就越高,同时,目标风险值也会增高。因此,构造I5函数如式(5)所示:
I5= Z s ( 1 - G s )
I6是指目标在环境中不被对方发现的概率。可通过保卫目标的面积相对值qs、目标周围建筑密度ρs及目标高度隐蔽值qh来确定。其中,保卫目标的面积相对值由区域目标面积的切尾平均值[12] S m b ¯与目标面积Smb确定;周围目标密度为从目标中心向外延伸到边缘处的3倍距离范围内所有建筑的占地面积Sjz与该范围总面积S0的比值;目标高度隐蔽值由范围内所有建筑的平均高度值 h f w ¯与目标建筑高度hmb之间的关系决定。目标相对面积越小,周围建筑密度越大,目标高度隐蔽值越高,则目标隐蔽程度越好,随之目标的风险值也会越低。因此,构造I6函数如式(6)所示:
I6=η61qs+η62ρs+η63qh
其中,η61+η62+η63=1;ρs= S j z S 0;
qs=   0 　 　 　 　 　 　 　 S m b ≥ 2 S m b ¯ 0.5 - S m b - S m b ¯ 2 S m b ¯ 　 S m b ¯ ≤ S m b 2 S m b ¯ 1 - S m b 2 S m b ¯ 　 S m b ¯ S m b;
qh=   0 　 　 　 　 　 　 　 h f w ¯ ≤ 0.5 h m b 0.5 - h m b - h f w ¯ 2 h f w ¯ 　 0.5 h m b h f w ¯ h m b h f w ¯ - h m b 2 h m b + 0.5 　 0.5 h f w ¯ h m b ≤ h f w ¯ 1 　 h f w ¯ ≥ 2 h m b。

1.2 保卫目标风险评估指标权重确定

合理确定指标权重是确保风险评估有效性的关键步骤。为了消除传统算术平均组合赋权法对极端值的敏感与乘法合成组合赋权法的倍增效应[13],本文根据物理学中求两个不同能量源同时作用的等效能量思想,提出了采用几何平均计算方法的权积归一法进行主、客观权重融合,获得更为合理的指标组合权重。权积归一法具体步骤如下:
(1)采用直觉模糊层次分析法[14]确定主观权重ωsz:通过对指标的两两比较,判断指标间的相对重要性,得到判断矩阵,再用和积法计算得到各指标Iz(z=1,2,…,6)的主观权重值。
(2)利用变异系数法确定客观权重ωoz:根据数据的离散程度来决定各指标的客观权重,每个指标的客观权重值等于各指标的变异系数除以所有指标变异系数之和。
ωoz= C V z ∑ z = 1 6 C V z
其中,z=1,2,…,6;指标z的变异系数CVz= ξ z p z ¯;ξz为指标z数据的标准差; p z ¯为指标z数据的均值;ωoz为指标的客观权重。
(3)采用权积归一法融合主、客观权重特征获得组合权重ωz:根据等效能量思想,将已求得的主观权重ωsz与客观权重ωoz通过几何平均数计算方法进行融合,并且归一化后得到各风险评估指标的组合权重ωz,如公式(8)所示。
ωz= ω s z ω o z k ∑ z = 1 6 ω s z ω o z k
其中,z=1,2,…,6。k为组合权重的种类数,此处仅有主、客观两种权重,因此k=2。
权积归一法的原理是在乘法集成的基础上进行开方处理,且开方数由组合的权重种类数来确定。其中,乘法集成的运用消除了极端值的影响;而开方处理消除了乘积的倍增效应。因此,权积归一法能够更为合理地确定指标组合权重。

1.3 保卫目标风险值计算

通过1.1节中获得的目标风险评估指标值及1.2节中所求得的组合权重,可以算出各目标风险值。
Fs= ∑ z = 1 6 ωzXz
其中,s=1,2,…,N,N为区域目标总数;Fs为各目标风险值;z=1,2,…,6,Xz为目标风险评估指标Iz标准化且正向化后的值;ωz为各指标值对应的权重。

2 区域综合风险评估模型构建

在区域综合风险评估中,通过目标风险均值 F s ¯、目标离散度σ及目标数量N构建区域综合风险模型,如图2所示。
图2 区域综合风险评估模型

Fig.2 Regional integrated risk assessment model

2.1 区域目标分布离散度计算

在防御力量有限条件下,当城市区域内重要目标呈现较高程度的聚集时,可通过在关键区域集中部署防御力量,以较少部署点达到有效覆盖,目标防御被突破的风险相对较小;相反,若目标分布较为分散,分散的防御措施会导致每个防御区域的力量相对薄弱,被突破的风险也会增加。因此,目标分布的离散度σ可作为评估区域综合风险的关键指标。然而,由于每个目标的重要程度不同,需要引入质心理论[15]计算目标分布加权质心值Cd,进而构建离差矩阵D。
根据质心理论,可结合目标重要程度X4n与距离测度ρij确定目标分布加权质心值Cd。
Cd= 1 N - 1 ∑ i = 1 N ∑ j = 1 N X 4 n ∑ n = 1 N X 4 nρij
其中,i≠j;X4n为目标n的重要程度;ρij为目标i与目标j间的距离测度;N为目标数量。
根据距离测度ρij及目标分布加权质心值Cd构建离差矩阵D:
D= 0 d 12 … d 1 j … d 1 n d 21 0 … d 2 j … d 2 n ︙ ︙ ⋱ ︙   ︙ d i 1 d i 2 … 0 … d i n ︙ ︙   ︙ ⋱ ︙ d n 1 d n 2 … d n j … 0
其中,dij=|ρij-Cd|,i≠j;ρij为目标i与目标j间的距离测度。
目标分布离散度σ由离差矩阵D计算可得
σ= t r ( D 2 ) N ( N - 1 )
其中,N为目标数量。

2.2 区域综合风险函数构造

首先,计算目标风险均值 F s ¯,再对目标风险均值 F s ¯、目标分布离散度σ及目标数量N指标进行标准化处理,得到处理后的指标Fs'、N'、σ'。然后,根据风险雷达图面积原理,利用处理后的指标构造区域综合风险函数F0。
风险雷达图的面积原理,如图3所示。指标N'、F's、σ'呈正三角形排列,而每个区域指标值点的连线能够形成面积不同的三角形ΔS1、ΔS2、ΔS3。三角形的面积大小取决于指标值点离坐标原点的距离,即指标值的大小。指标值越大则三角形面积越大。同时,指标值的增大也意味着风险值的提升。因此,可通过三角形面积大小表示各区域综合风险的相对大小。
图3 区域综合风险示意图

Fig.3 Regional integrated risk diagram

另外,为了让风险值处于(0,1)范围内,对公式进行归一化处理,最终根据风险雷达图面积原理构造得各区域综合风险函数F0。
F0= 3 4(N'F's+N'σ'+Fs'σ')

3 实验验证及分析

假设发现3架A型及1架B型飞机,飞行方向为正北偏西49.0°,意图入侵我方某城市区域。该城市由Ⅰ区~Ⅵ区共6个区域构成。但该城市的防御力量不足,且受到地形、交通等限制,各区域间防御力量调度较为困难。因此,需通过计算各区域综合风险来辅助指挥人员进行合理力量部署。现以Ⅰ区为例,其目标分布如图4所示。
图4 某城市Ⅰ区目标分布图

Fig.4 Target distribution map of district I of a city

Ⅰ区目标包括机场、金融中心、医院、市政中心、交通枢纽。现有入侵方信息及我方各目标信息如表2、表3所示。
表2 入侵设备信息

Tab.2 Intrusion device information

类型 信息项 信息数据
打击
设备		 飞行速度 0.92马赫
{打击设备类型,设备数量} {A型,3}
{荷载物类型,荷载量} {A-1型,84}
毁伤半径 50 m
干扰
设备		 {干扰设备类型,设备数量} {B型,1}
干扰半径 100 km
干扰有效率 90%
表3 Ⅰ区目标信息

Tab.3 Zone Ⅰ target information

目标信息 机场 金融中心 医院 市政中心 交通枢纽
dyt/km 14.43 12.68 11.40 11.02 9.11
θyt/(°) 7.5 9.5 5.9 6.8 16.0
ψs 0.967 0.958 0.813 0.745 0.521
Wjs 8.51 3.12 6.52 4.79 7.51
Wzz 7.37 5.17 7.18 8.18 5.44
Wjj 7.72 8.24 6.84 5.12 7.80
Zs 0.6 0.3 0.3 0.3 0.6
Gs 0.540 0.580 0.575 0.580 0.520
Smb/hm2 70.0 5.5 8.2 6.5 10.8
{Sjz,S0}/hm2 {237.40,559.60} {44.05,49.49} {52.12,65.97} {42.06,51.30} {73.03,85.92}
{ h f w ¯,hmb}/m {20.1,24.4} {62.4,195.0} {20.0,42.0} {64.8,24.0} {43.2,20.0}

3.1 区域综合风险评估仿真

将表2与表3入侵设备信息数据及Ⅰ区目标信息数据代入1.1节中保卫目标风险评估指标函数计算后,再对指标值进行统一量纲和正向化处理。根据标准化后的指标值绘制Ⅰ区目标风险评估指标值折线图,如图5所示。
图5 Ⅰ区目标风险评估指标值折线图

Fig.5 Zone Ⅰ target risk assessment index value line chart

由图5可知,相比于其他目标,交通枢纽由于相对入侵方当前距离较近等原因,导致其选择目标意图指标值较大,标准化后X'1的值为0.696;而相对打击能力风险较高的则是目标表面积相对较小的市政中心;此外,对于各目标的相对干扰能力来说,目标正常运作时对电子设备依赖程度较大的机场与金融中心,其二者的风险指标标准值较大,X'3分别为0.87与0.862;而对于目标重要程度而言,机场的整体价值相较于其他目标更高,因此,其风险指标的X'4值最大为0.813;与此同时,由于机场占地面积较大且周围建筑高度较低,导致其目标易损程度相对较高,目标隐蔽程度相对较低,即X'5与X'6的指标值较高。
而各风险评估指标的组合权重ωz可根据本文第1.2节中的权积归一法来确定,组合权重值如表4所示。
表4 各指标组合权重

Tab.4 Weight of each indicator combination

ωz ω1 ω2 ω3 ω4 ω5 ω6
权值/% 21.5 20.7 11.6 20.5 10.7 15.0
结合表4中的组合权重值及其对应的各项指标值可根据公式(9)求得城市Ⅰ区中各目标的风险值,具体如表5所示。
表5 Ⅰ区保卫目标风险值

Tab.5 Zone Ⅰ protects target risk values

目标 Fs
机场 0.543
金融中心 0.522
医院 0.594
市政中心 0.552
交通枢纽 0.553
计算得到Ⅰ区保卫目标风险后,计算区域目标分布离散度。表6为目标距离测度数据。
表6 Ⅰ区目标距离测度

Tab.6 Zone Ⅰ target distance measurement

目标 距离/
km		 目标 距离/
km
机场⇔金融中心 4.30 金融中心⇔市政中心 3.71
机场⇔医院 4.20 金融中心⇔交通枢纽 5.95
机场⇔市政中心 3.41 医院⇔市政中心 2.43
机场⇔交通枢纽 5.54 医院⇔交通枢纽 4.48
金融中心⇔医院 1.49 市政中心⇔交通枢纽 2.50
根据表6中的目标距离测度,可计算出Ⅰ区加权质心值Cd为3.882,因此,可得Ⅰ区离差矩阵DⅠ为
DⅠ= 0 0.418 0.318 0.472 1.658 0.418 0 2.392 0.172 2.068 0.318 2.392 0 1.452 0.598 0.472 0.172 1.452 0 1.382 1.658 2.068 0.598 1.382 0
将离差矩阵DⅠ代入公式(12)计算可得Ⅰ区目标分布离散度σⅠ为1.33。
同理,对该城市其余区域的目标情况进行分析计算,可获得Ⅰ区~Ⅵ区的区域目标风险均值 F - s、区域目标数量N、区域目标分布离散度σ,其结果如表7所示。
表7 某城市各区风险评估数据表

Tab.7 Risk assessment data sheet by district of a city

区域 F - s N σ
Ⅰ区 0.553 5 1.33
Ⅱ区 0.503 9 2.23
Ⅲ区 0.527 6 3.68
Ⅳ区 0.567 5 2.70
Ⅴ区 0.500 4 4.82
Ⅵ区 0.524 5 2.72
依据表7数据经过标准化处理后得F's、N'、σ'指标值,构建城市区域风险雷达图,如图6所示。
图6 某城市各区域风险雷达图

Fig.6 Risk radar map by district of a city

以Ⅰ区为例,其指标F's、N'、σ'的值分别为0.975、0.556、0.276,经由公式(13)计算可得Ⅰ区综合风险F0为0.418。同理,其余区域综合风险计算结果如表8所示。
表8 某城市各区域综合风险值

Tab.8 Comprehensive risk value of each district of a city

Ⅰ区 Ⅱ区 Ⅲ区 Ⅳ区 Ⅴ区 Ⅵ区
F0 0.418 0.762 0.796 0.618 0.744 0.584
根据高风险区域优先识别为重点防卫区域的原则,结合表8的区域综合风险评估结果,可确定该城市重点防卫区域选择的优先级为Ⅲ区>Ⅱ区>Ⅴ区>Ⅳ区>Ⅵ区>Ⅰ区。

3.2 结果分析

3.2.1 区域综合风险评估结果分析

由3.1节评估结果可以得出该城市各区域风险程度情况如图7所示。
图7 某城市区域风险程度图

Fig.7 The map of regional risk levels for a city

结合图7与表7、表8内容可以看出,Ⅲ区目标分布较为分散且目标数量较多,因此,综合多方面因素评估后得到的风险值最大,区域重点防卫选择的优先次序最高;而Ⅱ区的目标数量与Ⅴ区的目标分布离散度远大于其他区域,因此,在力量有限条件下综合风险和优先次序也相对较高;同时,对于目标数量相同且分布离散度相近的Ⅵ区与Ⅳ区来说,Ⅳ区的目标风险均值为0.567,大于Ⅵ区,因此,Ⅳ区被选择重点防卫的优先次序大于Ⅵ区;此外,在这些区域中,Ⅰ区的分布离散度最小为1.33,综合其他因素考虑后的区域综合风险值最小,因此,Ⅰ区的选择次序排在最末。根据以上结果分析表明,本文所采用的基于区域综合风险评估的城市重点防卫区域选择方法较为合理且可行。

3.2.2 权积归一法与其他组合赋权法对比分析

通过算术平均组合赋权法[16]、乘法合成组合赋权法[17]与本文的权积归一法分别计算保卫目标风险评估指标组合权重ωss、ωjq、ωz,如表9所示。
表9 不同方法组合权重值

Tab.9 Different methods combine weight values

Iz ωss/% ωjq/% ωz/%
I1 15.73 27.07 21.50
I2 12.12 25.99 20.70
I3 10.68 9.25 11.60
I4 23.49 21.50 20.50
I5 25.62 5.03 10.70
I6 12.36 11.16 15.00
利用组合权重值ωss、ωjq、ωz,分别求出Ⅰ区目标风险值Fss、Fjq、Fz,如表10所示。
表10 不同组合权重评估目标风险值

Tab.10 Different combinatorial weights evaluate the target risk value

序号 目标 Fss Fjq Fz
1 机场 0.580 0.498 0.543
2 金融中心 0.492 0.518 0.522
3 医院 0.552 0.595 0.589
4 市政中心 0.502 0.590 0.551
5 交通枢纽 0.532 0.592 0.558
根据表9、表10结果所示,利用算术平均法进行风险评估结果为Fss1>Fss3>Fss5>Fss4>Fss2;利用乘法合成法进行风险评估结果为Fjq3>Fjq5>Fjq4>Fjq2>Fjq1;利用权积归一法进行风险评估结果为Fz3>Fz5>Fz4>Fz1>Fz2。由此可见,利用乘法合成法与权积归一法获得的组合权重计算出的风险评估结果近似,而算术平均法对离群值较为敏感,平均数易受其影响,从而扭曲组合权重值。而对比乘法合成法与权积归一法计算的组合权重值可以看出,由于乘法合成法的乘积倍增效应,使权重值过于极端。例如,指标I1与I5的组合权重ωjq的值为27.07%与5.03%,这会导致风险评估结果不准确。但权积归一法在这基础上进行了开方处理,开方数为组合的权重种类数,有效避免了乘积的倍增效应,使风险评估指标的组合权重值更为合理。

3.2.3 风险耦合方法与本文方法结果对比分析

为了验证本文方法的合理性,采用风险耦合方法[18-19]将现有的保卫目标风险进行耦合,所得区域耦合风险FRCT作为区域综合风险F0的对照数据,结果如表11所示。
表11 不同方法评估的各区域风险值

Tab.11 Regional risk values assessed by different methods

区域 FRCT F0
Ⅰ区 0.497 0.418
Ⅱ区 0.551 0.762
Ⅲ区 0.559 0.796
Ⅳ区 0.527 0.618
Ⅴ区 0.510 0.744
Ⅵ区 0.520 0.584
由表11可知,采用风险耦合法获得的该城市重点防卫区域选择的优先排序为Ⅲ区>Ⅱ区>Ⅳ区>Ⅵ区>Ⅴ区>Ⅰ区,与本文方法得到的排序结果近似,由此可说明本文方法较为合理。其中,与风险耦合法不同的是采用本文方法计算时,考虑了力量不足情况下评估区域综合风险需重视的目标整体位置分布因素。因此,在本文排序结果中目标分布离散度最大的Ⅴ区综合风险大于Ⅵ区和Ⅳ区,即Ⅴ区被优先选择的次序更高。另外,通过计算表11两组数据的方差可得,FRCT组方差为0.0007,数据区分度较低;F0组方差为0.0172,数据差异化较为显著,更利于划分城市区域优先防卫次序,对辅助指挥人员在防御力量有限条件下城市力量的合理部署更具有优越性。

4 结束语

本文根据雷达图面积原理,利用目标风险均值、目标离散度、目标数量构造了区域综合风险评估函数并结合实际数据对某城市区域综合风险进行评估,确定了在防御力量有限条件下城市重点区域的选择优先级。其中,在确定目标风险均值时,根据风险影响因素构建了保卫目标风险评估指标体系,确定了指标函数,并且为了提高指标权重的合理性,提出了一种不受极端值和乘积倍增效应影响的组合权重计算方法,并通过实验数据进行了验证。另外,在计算目标离散度时,考虑目标自身重要性对风险值的影响,引入了质心理论思想,将距离测度结合目标重要程度计算出的加权质心值作为基准,构建了离差矩阵,保证了离散度数据的合理性。通过实验验证,本文方法对区域综合风险的评估具有一定可行性,能够为指挥人员在有限力量条件下,确定重点防卫区域,合理分配防御力量提供重要依据,进而有效降低城市风险。后续,作者也将在区域综合风险模型构建上进行深入研究,探索保卫目标风险间更内在的联系,提升区域综合风险评估的数据深度。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
冯玉军. 俄乌冲突下东亚安全格局新趋势[J]. 东北亚学刊, 2023(2): 21-33, 146.

FENG Y J. The new trend of East Asian security pattern in the context of Russia-Ukraine conflict[J]. Journal of Northeast Asia Studies, 2023(2): 21-33, 146.

[2]
康锦伟. 城市重点目标恐怖袭击风险分析方法研究[D]. 北京: 中国人民公安大学, 2021.

KANG J W. Study on risk analysis method of terrorist attacks on urban key targets[D]. Beijing: Chinese People’s Public Security University, 2021.

[3]
吴敏. 基于仿真模拟的公共交通枢纽风险评估研究——以N机场为例[D]. 北京: 中国人民公安大学, 2020.

WU M. Research on terrorist attack risk assessment of public transportation hub based on simulation[D]. Beijing: Chinese People’s Public Security University, 2020.

[4]
彭子眉, 金华. 基于攻防对抗的反恐重点目标风险评估模型研究[J]. 中国人民公安大学学报(自然科学版), 2022, 28(3): 43-50.

PENG Z M, JIN H. Research on risk assessment model for key targets of anti-terrorism based on attack-defense confrontation[J]. Journal of People’s Public Security University of China(Science and Technology), 2022, 28(3): 43-50.

[5]
孟婷. 基于K-means算法的外交机构恐怖主义风险评估[J]. 情报探索, 2021(1): 47-55.

MENG T. Terrorism risk assessment of diplomatic agencies based on K-means clustering analysis[J]. Information Research, 2021(1): 47-55.

[6]
牛军锋, 甘旭升, 刘影, 等. 空中目标威胁的ABC-RVM评估方法[J]. 火力与指挥控制, 2022, 47(4): 63-68, 74.

NIU J F, GAN X S, LIU Y, et al. ABC-RVM assessment method for air target threat[J]. Fire Control & Command Control, 2022, 47(4): 63-68, 74.

[7]
汪鑫, 龙光正, 汪志宏, 等. 基于灰色聚类和序关系的防空保卫目标排序研究[J]. 弹箭与制导学报, 2018, 38(2): 25-29.

WANG X, LONG G Z, WANG Z H, et al. Based on the grey clustering method to resolve the defend target comprehensive sequencing in the mufti-stage air defense combat[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2018, 38(2): 25-29.

[8]
贾琦, 吉琳娜, 王肖霞, 等. 不确定条件下作战筹划态势研判风险预测方法[J]. 指挥控制与仿真, 2024, 46(2): 141-149.

DOI

JIA Q, JI L N, WANG X X, et al. Risk prediction method for operational planning situation analysis under uncertain conditions[J]. Command Control & Simulation, 2024, 46(2): 141-149.

[9]
黄威龙, 何涛. 空中目标威胁度分析与评估方法[J]. 指挥控制与仿真, 2023, 45(5): 123-128.

DOI

HUANG W L, HE T. Threat analysis and evaluation method of aerial targets[J]. Command Control & Simulation, 2023, 45(5): 123-128.

[10]
冯卉, 张春梅. 基于Vague集的防空重点保卫目标优选与排序[J]. 管理科学与工程, 2019, 8(2):132-136.

FENG H, ZHANG C M. Selecting and sequencing of the important defending targets in defense zone based on vague sets[J]. Management Science and Engineering, 2019, 8(2):132-136.

[11]
冯卉, 毛红保, 邢清华. MADM组合赋权的防空重点保卫目标优选与排序[J]. 火力与指挥控制, 2014, 39(8): 5-8.

FENG H, MAO H B, XING Q H. Selecting and sequencing of important defending targets in defense zone based on combination weighting for MADM[J]. Fire Control & Command Control, 2014, 39(8): 5-8.

[12]
孙东振, 史瑞芝, 张振华, 等. 切尾统计算法的优化及应用[J]. 中国印刷与包装研究, 2010, 2(2): 29-32.

SUN D Z, SHI R Z, ZHANG Z H, et al. Application and optimization of trimmed statistical algorithm[J]. China Printing and Packaging Study, 2010, 2(2): 29-32.

[13]
MU X P, WANG Y T, LIU H X, et al. Flood risk assessment of Hun-Tai Area due to dike break based on HEC-RAS[J]. Journal of Water Resources Research, 2020, 9(3): 289-300.

[14]
黄明田, 李泽玲. 基于直觉模糊层次分析法的90后知识型员工绩效评价与激励策略研究[J]. 数学的实践与认识, 2019, 49(23): 230-239.

HUANG M T, LI Z L. Study on performance appraisal and incentive strategy of 90s knowledge worker based on intuitionistic fuzzy hierarchy model[J]. Mathematics in Practice and Theory, 2019, 49(23): 230-239.

[15]
NI J H, CHEN J, WU Y L, et al. Method to determine the centroid of non-homogeneous polygons based on suspension theory[J]. ISPRS International Journal of Geo-Information, 2022, 11(4): 233.

[16]
魏久传, 许玉阳, 谢道雷, 等. 基于距离函数组合赋权法的突水危险性评价[J]. 中国矿业, 2021, 30(4): 162-167.

WEI J C, XU Y Y, XIE D L, et al. The risk assessment of water bursting based on combination rule of distance function[J]. China Mining Magazine, 2021, 30(4): 162-167.

[17]
邹国良, 刘娜娜. 基于组合赋权-云模型的离子型稀土矿开采工艺评价[J]. 有色金属科学与工程, 2021, 12(4): 88-95.

ZOU G L, LIU N N. Evaluation on the mining technology of ion-adsorption rare earth ore based on combined weighting-cloud model[J]. Nonferrous Metals Science and Engineering, 2021, 12(4): 88-95.

[18]
王乾坤, 亢显卫, 朱科. 地铁深基坑施工风险耦合评价方法[J]. 东北大学学报(自然科学版), 2021, 42(8): 1 152-1 158.

WANG Q K, KANG X W, ZHU K. Coupling evaluation method of the construction risk for subway deep foundation pit[J]. Journal of Northeastern University(Natural Science), 2021, 42(8): 1 152-1 158.

[19]
李胜男, 闫海峰, 吴鹏飞, 等. 基于N-K模型的铁路运营事故风险耦合性分析[J]. 现代城市轨道交通, 2023(11): 103-109.

LI S N, YAN H F, WU P F, et al. A risk coupling analysis of railway operation accident based on the N-K model[J]. Modern Urban Transit, 2023(11): 103-109.

Options
Outlines

/

〈 〉