近年来，世界各国均加大了反恐打击力度和反恐力量建设，但恐怖主义活动仍时有发生，甚至呈愈演愈烈之势。仅2017年，就发生了“4·3圣彼得堡地铁爆炸案”、“4·20香榭丽舍大道恐怖袭击事件”、“5·22曼彻斯特恐怖袭击事件”等重大恐袭案件，预防和打击恐怖主义刻不容缓。开展涉恐风险评估是进行安全防范的关键，而如何设计评估指标和构建评估模型更是风险评估的重中之重。恐怖主义活动不同于一般的犯罪活动，常常伴随着预谋性、组织性、严重危害性等特点，开展涉恐风险评估要准确把握其特点。同时，鉴于涉恐风险评估自身存在的复杂性、系统性和艰巨性，进行该问题定性分析定量化的研究具有巨大的应用价值。

不少学者在涉恐风险评估方面已有研究成果。在评估指标方面，有地铁车站恐怖袭击风险指标体系^[1]、城市社会安全与稳定预警指标体系^[2]、恐怖活动发展趋势社会指标体系^[3]、公共交通运输系统恐怖威胁评估指标^[4]、特定目标遭受恐怖袭击的风险因素^[5]、恐怖主义犯罪危害性和影响力评估^[6]等。这些指标体系有的从宏观方面提供了面向一定时期或较长时间阶段内的恐怖活动进行预测的指标依据，有的从详细具体指标入手，为开展具体领域的涉恐风险评估提供研究思路。在评估方法上，有核密度估计法(kernel density estimation，KDE)^[7]、基于ANP的桥梁恐怖袭击风险评估模型^[8]、以模糊层次分析法为基础的城市遭受恐怖袭击风险评估模型^[9]、基于因子分析的风险评估模型^[10]、以模糊方法及社会网络分析法的东突恐怖组织风险评估^[11]等。这些研究成果有效验证了Delphi咨询法、层次分析法、模糊综合评价法等数学方法在涉恐风险评估量化分析上的巨大作用。但研究对象集中于国家、城市或特定对象(如桥梁)，缺少对具体恐怖主义活动的一般性评估研究。因此，本文尝试从构成恐怖主义活动的主体(恐怖组织)、客体(易受攻击目标)、环境3方面因素入手，构建基于模糊综合评价法的一般性涉恐风险评估模型。

1 涉恐风险评估指标体系 1.1 指标选取原则

涉恐风险评估指标体系主要是面向相对具体的恐怖威胁目标或恐怖袭击行为作为评估依据，可以实现对涉恐风险的定性分析。构建指标体系，应遵循以下原则：

1) 典型性原则

恐怖主义活动具有预谋性、组织性、严重危害性等特点，其爆发前往往便显出不同寻常的征兆。因此，在选取指标时一定要考虑到指标的典型性、代表性，能够对评估涉恐风险起到关键作用。

2) 科学性原则

选取的指标相互之间有内在的逻辑关系，保证每个指标必须都是评估目标某一方面的具体体现；其次，各个指标之间要做到协调一致，确保相互之间不交叉、不重复。

3) 整体性原则

指标的选取要考虑恐怖主义活动的各个环节，从主体、客体、环境3个方面形成1个系统性整体，各指标之间要逻辑严谨、统筹协调。

1.2 评估指标体系

综合以往研究成果、恐怖主义活动特点及指标选取原则，本研究建立的涉恐风险评估指标体系考虑涵盖恐怖主义活动的主客体并融入环境因素。既有客体吸引性、防范性的正反两面因素，又有实施主体自身建设与外界支持的综合考量，同时在环境指标中加入时间因素，增强了涉恐风险评估的时间敏感度。与以往研究相比，使得指标体系更为全面、系统。

具体包括易受攻击目标、恐怖组织、环境要素3个一级指标；目标吸引力、目标弱点、自身情况、外界支持度、政治环境、公共安全环境、民族宗教环境、社会经济状况、时间9个二级指标；失能要素、历史要素、人口要素、象征要素、位置要素、可到达要素、处置能力要素、目标要素、组织结构要素、犯罪历史要素、能力要素、资金要素、装备要素、人员要素、国家统一度、反恐法治建设、国家反恐战略、社会治安管理、武器管制状况、反恐力量建设、民族融合度、文化融合度、宗教发展状况、民众反恐意识、贫富差距、社会失业率、时间敏感度27个三级指标。如图 1所示。

2 风险评估指标权重分配

为了更为精确地作出风险评估，本研究引入“权重”的概念。权重是对组成事物的要素在整体中的重要性进行赋值，它反映了不同要素在整体中地位和作用的价值区别。指标权重就是某一指标在整个指标体系中的相对重要程度，确定涉恐风险评估指标体系中各个指标的权重，有助于提升综合评价结果的科学合理性。

2.1 层次分析法

确定权重的方法大体上可以分为主观赋权法、客观赋权法和组合赋权法3类，各自具有不同的特点和优势^[12]。层次分析法属于主观性比较强的一种权重赋值方法，在一定程度上取决于评估者的知识储备与经验积累。它的基本原理是运用数学手段采取多因素分级处理，解决复杂系统问题。首先通过对处于同一层次的指标开展两两比较来判定其相对重要程度，并根据萨蒂标度法(层次分析判断尺度表)将比较结果予以赋值量化处理，最后通过统计计算，得出同一层次的各指标的权重系数。

2.2 权重分配过程

鉴于各层级指标权重分配的计算方法及过程相同，仅以易受攻击目标A₁、恐怖组织A₂、环境要素A₃这3个一级指标为例，详细演示计算步骤如下：

1) 建立判断矩阵

根据层次分析判断尺度表(表 1)建立一级指标判断矩阵(表 2)

2) 正规化(归一化)处理

对所有元素正规化后得到正规矩阵：

$ \mathit{\boldsymbol{Q}} = \left[ {\begin{array}{*{20}{c}} {0.286}&{0.250}&{0.400}\\ {0.571}&{0.500}&{0.400}\\ {0.143}&{0.250}&{0.200} \end{array}} \right] $

3) 求向量矩阵P

对正规矩阵Q按行相加得到列向量：

$ \mathit{\boldsymbol{P}} = \left[ \begin{array}{l} 0.936\\ 1.471\\ 0.539 \end{array} \right] $

4) 求特征向量矩阵W

将向量矩阵P正规化处理得出特征向量矩阵：

$ \mathit{\boldsymbol{W}} = \left[ \begin{array}{l} 0.312\\ 0.490\\ 0.198 \end{array} \right] $

即易受攻击目标A₁、恐怖组织A₂、环境要素A₃所各自对应的指标权重。

5) 一致性检验

$ \begin{array}{l} {\lambda _{\max }} = \frac{1}{3}\sum\limits_{i = 1}^3 {\frac{{{{\left( {AW} \right)}_3}}}{{{w_3}}} = 3.054} \\ \;\;\;{\rm{CI}} = \frac{{{\lambda _{\max }} - n}}{{n - 1}} = 0.0266 \end{array} $

根据平均随机一致性指标系数表(表 3)选取RI=0.58。

$ {\rm{CR}} = \frac{{{\rm{CI}}}}{{{\rm{RI}}}} = 0.0266/0.58 = 0.046 < 0.1 $

当CR＜0.1时，说明上述矩阵具有很好的一致性，也表明该矩阵中指标权重结果较为合理。同样运用层次分析法可以求得二级、三级指标相对于各自的上一层指标的权重，然后将各层级指标依据隶属的上级目标权重进行整合，并做归一化处理，具体数值详见表 4。

3 涉恐风险评估模型构建

指标体系中绝大多数指标属于定性指标，具有模糊性，难以划分等级，且现实研究中对于指标的量化有很强的主观性。如国家统一度、民族融合度、时间敏感度等指标难以赋值量化，只能设定固定的评价级别来表述；外界支持度中的资金要素、装备要素、人员要素受外界影响较大，没有一定的规律进行限制和描述。所以，考虑选取模糊综合评价法来解决涉恐风险评估量化分析的难题。

3.1 模糊综合评价法

模糊综合评价法是一种基于模糊数学的综合评价方法，它根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它适合开展各类非确定性问题的计算，能妥善解决模糊评价问题，具有系统性强和结果清晰的特点^[13]。

3.2 涉恐风险评估模型

根据综合模糊评价法的基本原理和一般步骤建立涉恐风险评估模型。模型包括建立模糊集、单因素模糊评价、模糊综合评价、多级模糊综合评价、评价结果处理5个步骤。

1) 建立模糊集

模糊集包括3个要素：因素集、权重集和评语集。

a) 建立因素集。

根据上文所构建的涉恐风险评估指标体系建立因素集，具体内容如下：

建立第1层因素集U={A₁, A₂, A₃}={易受攻击目标, 恐怖组织, 环境要素}；建立第2层因素集U₁={B₁，B₂}={目标吸引力，目标弱点}，依次可得到U₂，U₃；建立第3层因素集U₁₁={C₁，C₂，C₃，C₄}={失能要素，历史要素，人口要素，象征要素}，依次可得到U₁₂~U₁₉。

b) 建立权重集

根据上文所建立的恐怖威胁预警指标体系权重表建立权重集，具体内容如下：

建立第1层权重集W={W_A1，W_A2，W_A3}={0.312，0.490，0.198}；建立第2层权重集W₁={W_B1，W_B2}={0.260, 0.052}，依次可得到W₂，W₃；建立第3层权重集W₁₁={W_C1，W_C2，W_C3，W_C4}={0.019，0.012，0.066，0.163}，依次可得到W₁₂~W₁₉。

c) 建立评语集

为保证涉恐风险预警各指标具备进行量化的操作性，将评价等级设定为五级划分形式，分别为无警、轻警、中警、重警、巨警。因此评语集V={V₁，V₂，V₃，V₄，V₅}={无警，轻警，中警，重警，巨警}。

2) 单因素模糊评价并得到模糊综合评价矩阵

由熟悉恐怖活动的评估专家分别对涉恐威胁评估指标体系中的三级指标进行分析评价，求取每个指标的评语隶属度r_ij(r_ij是测评专家对第i项评估指标作出第j等级评估的人数占全部测评人数的比例)。以三级指标失能要素为例：

$ {r_{{C_1}}} = \{ {r_{{C_1}{V_1}}}, {r_{{C_1}{V_2}}}, {r_{{C_1}{V_3}}}, {r_{{C_1}{V_4}}}, {r_{{C_1}{V_5}}}\} $

然后进行同组指标汇总，根据前面所建立的涉恐威胁评估指标体系，一共得到9个二级指标的模糊综合判断矩阵。以目标吸引力B₁下面的4个三级指标为例：

$ {\mathit{\boldsymbol{R}}_{{U_{{1_1}}}}} = \left[ {\begin{array}{*{20}{c}} {{r_{{C_1}{V_1}}}}&{{r_{{C_1}{V_2}}}}&{{r_{{C_1}{V_3}}}}&{{r_{{C_1}{V_4}}}}&{{r_{{C_1}{V_5}}}}\\ {{r_{{C_2}{V_1}}}}&{{r_{{C_2}{V_2}}}}&{{r_{{C_2}{V_3}}}}&{{r_{{C_2}{V_4}}}}&{{r_{{C_2}{V_5}}}}\\ {{r_{{C_3}{V_1}}}}&{{r_{{C_3}{V_2}}}}&{{r_{{C_3}{V_3}}}}&{{r_{{C_3}{V_4}}}}&{{r_{{C_3}{V_5}}}}\\ {{r_{{C_4}{V_1}}}}&{{r_{{C_4}{V_2}}}}&{{r_{{C_4}{V_3}}}}&{{r_{{C_4}{V_4}}}}&{{r_{{C_4}{V_5}}}} \end{array}} \right] $

3) 对三级指标进行复合运算

复合运算就是按普通矩阵乘法法则进行预算。以目标吸引力B₁下面的4个三级指标为例：将该矩阵与对应的三级指标权重集进行复合运算，得到评价结果

$ {\mathit{\boldsymbol{B}}_{{U_{{1_1}}}}} = {\mathit{\boldsymbol{W}}_{{1_1}}}\bigcirc {\mathit{\boldsymbol{R}}_{{U_{{1_1}}}}} = ({b_{{B_1}{V_1}}}, {b_{{B_1}{V_2}}}, {b_{{B_1}{V_3}}}, {b_{{B_1}{V_4}}}, {b_{{B_1}{V_5}}}) $

对B_U11进行归一化处理可以得到标准评价结果(b`<sub>B1V1</sub>，b`_B1V2，b`<sub>B1 V3</sub>，b`_{B1 V4}，b`_{B1 V5})，根据此方法依次得到目标弱点B₂至时间B₉各二级指标的标准评价结果。

4) 对二级指标进行复核运算

将以上得到的9个标准评价视为单因素模糊评价进行汇总，形成对应的一级指标模糊综合评价矩阵。以一级指标易受攻击目标A₁为例：

$ {\mathit{\boldsymbol{R}}_{{U_1}}} = \left[ {\begin{array}{*{20}{c}} {{r_{{B_1}{V_1}}}}&{{r_{{B_1}{V_2}}}}&{{r_{{B_1}{V_3}}}}&{{r_{{B_1}{V_4}}}}&{{r_{{B_1}{V_5}}}}\\ {{r_{{B_2}{V_1}}}}&{{r_{{B_2}{V_2}}}}&{{r_{{B_2}{V_3}}}}&{{r_{{B_2}{V_4}}}}&{{r_{{B_2}{V_5}}}} \end{array}} \right] $

根据此方法依次得到恐怖组织A₂、环境要素A₃各指标下的模糊综合评价矩阵。将该矩阵与对应的二级指标权重集进行复合运算，得到评价结果

$ {\mathit{\boldsymbol{B}}_{{U_1}}} = {\mathit{\boldsymbol{W}}_1}\bigcirc {\mathit{\boldsymbol{R}}_{{U_1}}} = ({b_{{A_1}{V_1}}}, {b_{{A_1}{V_2}}}, {b_{{A_1}{V_3}}}, {b_{{A_1}{V_4}}}, {b_{{A_1}{V_5}}}) $

对B_U1进行归一化处理可以得到标准评价结果(b`<sub>A1 V1</sub>，b`_{A1 V2}，b`<sub>A1 V3</sub>，b`_{A1 V4}，b`_{A1 V5})，根据此方法依次得到恐怖组织A₂，环境要素A₃各一级指标的标准评价结果。

5) 对一级指标进行复核运算

将以上得到的三个标准评价结果视为单因素模糊评价进行汇总，即可得到目标层模糊综合评价矩阵。即为

$ {\mathit{\boldsymbol{R}}_U} = {\mathit{\boldsymbol{r}}_U} = \left[ {\begin{array}{*{20}{c}} {{r_{{A_1}{V_1}}}}&{{r_{{A_1}{V_2}}}}&{{r_{{A_1}{V_3}}}}&{{r_{{A_1}{V_4}}}}&{{r_{{A_1}{V_5}}}}\\ {{r_{{A_2}{V_1}}}}&{{r_{{A_2}{V_2}}}}&{{r_{{A_2}{V_3}}}}&{{r_{{A_2}{V_4}}}}&{{r_{{A_2}{V_5}}}}\\ {{r_{{A_3}{V_1}}}}&{{r_{{A_3}{V_2}}}}&{{r_{{A_3}{V_3}}}}&{{r_{{A_3}{V_4}}}}&{{r_{{A_3}{V_5}}}} \end{array}} \right] $

将该矩阵与对应的一级指标权重集进行复合运算，得到评价结果

$ {\mathit{\boldsymbol{B}}_U} = \mathit{\boldsymbol{W}}\bigcirc {\mathit{\boldsymbol{R}}_U} = ({b_{{V_1}}}, {b_{{V_2}}}, {b_{{V_3}}}, {b_{{V_4}}}, {b_{{V_5}}}) $

对B_U进行归一化处理可以得到标准评价结果(b`<sub>V1</sub>，b`_V2，b`<sub>V3</sub>，b`_V4，b`_V5)，即对于恐怖威胁预警的最终评价结果。

6) 判定评价结果

对于评价结果的判定，通常用最大隶属法和参数表征法2种方法。一般当最终评价结果值相差很大时，是按照最大隶属法来选择，当几个评判值相差很小时，采用参数表征法。由于需要视具体情况来定，所以本文将2种方法都纳入模型应用。采用最大隶属法，则评判结果中max(b)所在的评价等级为最终评价结果；若采用参数表征法，首先应确定评语集的等级加权向量。本研究设定加权向量β=(1.0、0.8、0.6、0.4、0.2)，用加权向量对最终评价结果进行合成运算，运用公式Z=β○B得到加权综合评价值Z，并设定Z值所对应的警级如表 5。

4 涉恐风险评估模型的应用

为验证涉恐风险评估模型的可操作性，邀请10名专家对模拟情景开展测评，并严格按照模型设定步骤进行评估运算，最终得出模拟情景的风险评估等级。

4.1 模拟情景设置

模拟情景为“10月份天安门遭受‘东突’组织袭击的风险评估”。天安门具有象征意义高、人流量大、安防措施高等特点，是重点建筑中的典型代表，因此设定其为潜在的易受攻击目标；“东突”组织是国内组织性强、具有代表性的恐怖组织，因此设定其为潜在的评估对象；10月份国庆节，时间上具有一定的敏感度，因此将模拟情景的时间设定在10月份。

4.2 风险评估过程

以问卷形式请10名专家对模拟情景测评，根据模型的评语集设定每个三级指标设定不同的5级评语，分别对应涉恐风险评估的5个等级。将打分结果汇总如表 6。

1) 对三级指标进行复合运算

根据表中数据，以二级指标目标吸引力B₁为例开展计算。对于目标吸引力B₁进行综合评价，单因素评价矩阵为

$ {\mathit{\boldsymbol{R}}_{{U_{11}}}} = \left[ {\begin{array}{*{20}{c}} {0.5}&{0.3}&0&{0.1}&{0.1}\\ {0.4}&{0.4}&{0.2}&0&0\\ 0&{0.1}&{0.2}&{0.3}&{0.4}\\ 0&0&0&{0.1}&{0.9} \end{array}} \right] $

其对应的指标权重是W₁₁=(0.019，0.012，0.066，0.163)。计算B_U11=W₁₁○R_U11=(0.014 4, 0.017 1, 0.015 6, 0.037 9, 0.175 0)，对结果进行归一化处理结果为(0.055 3, 0.065 9, 0.059 9, 0.145 8, 0.673 1)。同样求得目标弱点B₂标准评价结果B_U12=(0.151 9, 0.099 7, 0.164 6, 0.064 9, 0.518 9)。

2) 对二级指标进行复核运算

根据以上结果得到一级指标易受攻击目标A₁的评价矩阵为

$ {\mathit{\boldsymbol{R}}_{{U_1}}} = \left[ {\begin{array}{*{20}{c}} {0.0553}&{0.0659}&{0.0599}&{0.1458}&{0.6731}\\ {0.1519}&{0.0997}&{0.1646}&{0.0649}&{0.5189} \end{array}} \right] $

其对应的指标权重W₁=(0.260, 0.052)。

计算B_U1=W₁○R_U1=(0.022 3，0.022 3，0.024 1，0.041 3，0.202 0)，对结果进行归一化处理结果为(0.071 4，0.071 6，0.077 3，0.132 3，0.647 4)。同样求得恐怖组织A₂标准评价结果B_U2=(0.004 3，0.081 0，0.280 4，0.376 4，0.257 8)，环境要素A₃标准评价结果B_U3=(0.221 2，0.334 1，0.356 5，0.084 0，0.004 2)。

3) 对一级指标进行复核运算

根据以上结果得到总目标的评价矩阵为

$ {\mathit{\boldsymbol{R}}_U} = \left[ {\begin{array}{*{20}{c}} {0.0714}&{0.0716}&{0.0773}&{0.1323}&{0.6474}\\ {0.0043}&{0.0810}&{0.2804}&{0.3764}&{0.2578}\\ {0.2212}&{0.3341}&{0.3565}&{0.0840}&{0.0042} \end{array}} \right] $

其对应的指标权重W=(0.312，0.490，0.198)。

计算B_U= W○R_U=(0.0682，0.1282，0.2321，0.2424，0.3291)，对结果进行归一化处理最终结果为(0.07，0.13，0.23，0.24，0.33)。

4.3 评估结果分析

根据最大隶属法max(b)=0.33，隶属于“巨警”评价等级，所以模拟情景的评估等级是“巨警”。其中，中警、重警、巨警的评价结果较为接近，可根据参数表征法，运用公式Z=β○B计算加权综合评价值。Z =β○B =(0.2, 0.4, 0.6, 0.8, 1)○(0.07，0.13，0.23，0.24，0.33)=0.73。参照恐怖威胁预警等级判定表，模拟情景的评估等级是“重警”。

2种结果评价法都判定了模拟情景的涉恐风险评估等级非常高，故针对模拟情景应当及时调整防范策略、部署处置力量。在实际生活中，每年的10月份，天安门也正处于涉恐风险较高的状态，验证了模型的可操作性。

5 结论

1) 采用数学方法与情报分析相结合，开展了跨学科的交叉研究，在涉恐风险评估的定量分析研究上有所突破。

2) 评估指标体系中，目标弱点和自身情况的权重较高，在涉恐防范中要注重对位置要素、可到达要素的防护，同时要加强对恐怖组织的情报搜集、实时研判。

3) 模拟情景显示了特殊时间节点的涉恐风险较高，验证了时间敏感度对目标的重要性，要在特殊时间段提升目标的防范等级。

4) 反恐实践中，安防部门要根据评估结果有针对性地排查涉恐隐患、完善防范预案、部署反恐力量、应对恐怖袭击。

5) 在下一步研究中，还需要纳入大量现实案例不断验证模型的准确性，并依据验证结果完善指标体系、改进指标权重分配等关键环节。