DOI：10.19850/j.cnki.2096-4706.2021.09.030
摘 要：文章以地震灾害为例，通过对教育水平、经济水平、受灾经历、自然灾害严重度和受灾频次五个要素进行分析，基于AHP-Fuzzy建立重大自然灾害公众风险感知评价模型。首先利用层次分析法确定各要素的权重大小，再运用一级模糊综合评判法对四川省、云南省和浙江省关于地震灾害的公众风险感知水平进行评价分析。结果显示，四川、云南公众风险感知水平较高，浙江公众风险感知水平较低，模型结果合理，该模型能够为自然灾害监管提供初步指导意见。
关键词：风险感知;综合评价;地震灾害;AHP-Fuzzy
中图分类号：O141.4;X91 文献标识码：A 文章编号：2096-4706（2021）09-0115-05
Research on Public Risk Perception Model of Natural Disaster Based on AHP-Fuzzy
YU Tianlong
（China University of Geosciences（Beijing），Beijing 100083，China）
Abstract：Taking the earthquake disaster as an example，this paper analyzes five elements of education level，economic level，disaster experience，natural disaster severity，and disaster frequency，and establishes a public risk perception evaluation model for major natural disasters based on AHP-Fuzzy. First，uses the analytic hierarchy process to determine the weight of each factor，and then uses the first-level fuzzy comprehensive evaluation method to evaluate and analyze the public risk perception level of earthquake disasters in Sichuan Province，Yunnan Province and Zhejiang Province. The results show that Sichuan and Yunnan have a high level of public risk perception，and Zhejiang has a low level of public risk perception. The model has a reasonable result and it can provide preliminary guidance for the natural disaster supervision.
Keywords：risk perception;comprehensive evaluation;earthquake disaster;AHP-Fuzzy
0 引 言
风险感知是用来描述人们对风险的态度和直觉判断的一个概念。从广义上来讲，它也可以指代人们对风险的一般评估与反映[1]。P Slovic认为，风险感知是个体对其所处的外部环境，依据自身的直觉而产生的各种可能出现的客观风险的感知以及感受，并对风险进行评估的行为，且个体的风险感知会受主观判断以及所获经验的影响[2]。相应的，自然灾害风险感知是公众获取自然灾害方面的信息，并根据自身情况采取避免灾害或者降低灾害损失的态度、选择与行为[3]。自然灾害风险感知的研究能够有效判断人们在面对灾害时的行为以达到降低灾害损失的目的。
近20年来，世界各国城市化进程加快，全球气候变暖、海平面上升所带来的负面效应日渐显现，洪涝、泥石流、台风、地震等自然灾害频繁发生，造成了巨大的人员伤亡和财产损失，严重阻碍了人类社会的健康发展。本文基于AHP-Fuzzy的方法，建立普适性的重大自然灾害风险感知模型，以对某地区公众对某自然灾害的风险感知程度进行初步研究，为灾害的预防和管控提供指导性的意见。
1 模型建立
1.1 模型建立方法的选择
本次模型的建立是运用层次分析法筛选各要素并确定各要素权重，然后运用模糊综合评价法将各要素进行定量评价并进行梯度比较[4]，最后确定重大自然灾害公众风险感知水平，具体方法如图1所示。
1.2 模型要素的确定
建立重大自然灾害公众风险感知模型，所确定的评价因素要有代表性、科学性及可操作性。首先，能够对重大自然公众灾害风险感知水平造成影响的因素有很多，我们只能选择其中相关性高、代表性强的因素来说明问题;另外，因素的选择要具有实际操作性，每个指标都应有理有据，并易于量化分析[5]。
根据收集的资料，相关研究一般将灾害严重度、灾害频次、受灾经历、经济水平、情绪水平、教育水平、政府的应对情况、社会舆论、公众信任度以及可接受度等因素作为风险感知评价要素。其中，灾害严重度、灾害频次、受灾经历三大要素是影响重大灾害公众风险感知的最重要的因素，极具代表性，数据也易于收集与量化，处理较为简便;经济水平和教育水平的重要性略次之，但数据也较易收集与量化。除此之外，情绪水平、政府的应对情况、社会舆论等要素相对于地区公众风险感知程度重要度较低，且数据难以收集与量化，因此本次模型的建立将其舍去，只保留灾害严重度、灾害频次、受灾经历、经济水平、教育水平五大要素进行模型的建立。建立结果如图2所示。
1.3 要素权重的确定
要素确定以后，构造判断矩阵，如表1所示，通过层次分析法两两比较的方式确定各要素权重。经计算各要素的权重为灾害严重度（S）：51.74%，灾害频次（P）：17.22%，受灾经历（E）：17.22%，经济水平（G）：3.48%，教育水平（T）：10.35%。
经计算，CI=0.001 2，一致性比率CR=0.001 1，此矩阵的一致性可以接受，因此各要素权重占比合理。
1.4 评价要素的提取与量化
我们将教育水平、经济水平、受灾经历、自然灾害严重度和自然灾害频次五个要素进行分级，均由高到低确立了A，B，C，D四个等级，以下为具体分析：
（1）教育水平。风险感知水平的高低一定程度上受该地区公众受教育水平高低的影响。本文以学生人均教育经费的多少来判断一个地区的教育水平高低，学生人均教育经费越高，教育水平越高，反之，学生人均教育经费越低，教育水平越低[6]，具体分级标准如表2所示。
（2）经济水平。经济水平同样会对某地区灾害风险感知水平造成一定影响。本文以人均GDP来判断一个地区的经济水平高低，人均GDP越高，经济水平越高，人均GDP水平越低，经济水平越低，具体分级标准如表3所示。
（3）受灾经历。一般情况下，公众对于经历过的自然灾害风险感知程度高于没有经历过该自然灾害的公众，因此，本文以受灾人口数量占该地区总人口数量的比例来判断该地区公众的受灾经历情况，受灾人口数量占比越高，该地区公众受灾经历越丰富，反之，受灾人口数量占比越低，经历越匮乏，具体分级标准如表4所示。
（4）自然灾害严重度。在自然灾害严重度的划分依据方面，本文参考了安全生产事故等级的判定标准，将自然灾害严重度分为特别严重、比较严重、严重与一般四个等级，以伤亡人数和直接经济损失来判断自然灾害严重度，具体分级标准如表5所示。
（5）自然灾害频次。公众的风险感知水平高低与自然灾害的发生频次有关，一方面，一种自然灾害发生频次越高，公众受灾经历得到丰富，有助于提高风险感知水平;另一方面，一种自然灾害如果经常发生，该地区的预警与防护设施措施将更加完备，也会提高公众的风险感知水平，具体的分级标准如表6所示。
1.5 公众风险感知的评价
公众风险感知的评价方法为模糊综合评判法，首先构建模糊矩阵。本次模型确定的因素有5个，灾害严重度（S），灾害频次（P），受灾经历（E）、经济水平（G）、教育水平（T），因此因素集为：
U={u1，u2，u3，u4，u5}
u1=“教育水平”、u2=“经济水平”、u3=“受灾经历”、u4=“灾害严重度”、u5=“灾害频次”。
由各要素的地位和作用不同，确定权重向量：
A=[0.103 5，0.034 8，0.172 2，0.517 4，0.172 2]
本次模型出现的评语有4个：A、B、C、D，分别对应风险感知水平的高、较高、一般、较低。因此评语集为：
V={v1，v2，v3，v4}
v1=“A”、v2=“B”、v3=“C”、v4=“D”
确定评语集后，即可建立评判矩阵。先对每个因素进行评价，例如，对于“教育水平”u1，按照量化标准，某地区十年内的教育水平等级依次为：A、A、B、B、B、C、B、D、D、C。其中A等级占20%，B等级占40%，C等级占20%，D等级占20%，则对该地区“教育水平”u1的评价为：
r1={0.2，0.4，0.2，0.2}
同样，对该地区“经济水平”u2的评价为：
r2={0.6，0.2，0.1，0.1}
对该地区“受灾经历”u3的评价为：
r3={0.4，0.2，0.2，0.2}
对该地区“灾害严重度”u4的评价为：
r4={0.3，0.1，0.3，0.3}
对该地区“灾害频次”u5的评价为：
r5={0.3，0.1，0.3，0.3}
得到评判矩阵：
基于合适的模糊合成算子计算总评价，一般对B进行归一化处理，再根据最大隶属度原则做出判断。
例如，计算出B=[0.317 3，0.151 7，0.265 5，0.265 5]，由于B中最大数0.317 3出现在第一位，故对该地区重大自然灾害公众风险感知水平“A”就是最终评判结果。
2 应用实例——以四川、云南和浙江为例
2.1 相关数据搜集
本次研究的数据来源于国家统计局并参考了相关文献，分别就教育水平、经济水平、受灾经历、自然灾害严重度和自然灾害频次五个指标进行了数据汇总，具体的数据情况如表7、表8、表9所示。
2.2 数据结果分析
基于本模型，由层次分析法确定5个指标权重后，使用模糊评价法对四川、云南和浙江三个省份的地震灾害公众风险感知水平进行评价，得到三个综合评判向量，以下为具体内容：
根据上述数据及步骤，四川最终得到评判矩阵：
基于合适的模糊合成算子B=A×R计算总评价，得到判别矩阵B=[0.586 2，0.124 0，0.134 4，0.155 3]，根据最大隶属度原则可知，四川公众对地震的风险感知水平为A级，即风险感知水平高。
云南最终得到评判矩阵：
基于合适的模糊合成算子B=A×R计算总评价，得到判别矩阵B=[0.637 9，0.082 7，0.186 0，0.093 4]，根据最大隶属度原则可知，云南公众对地震的风险感知水平为A级，即风险感知水平高。
浙江最终得到评判矩阵：
基于合适的模糊合成算子B=A×R计算总评价，得到判别矩阵B=[0.138 0，0.103 6，0.051 7，0.706 7]，根据最大隶属度原则可知，浙江公众对地震的风险感知水平为D级，即风险感知水平较低。
从结果来看，四川、云南的公众地震风险感知水平较高，而浙江的公众地震风险感知水平较低，与实际情况相符合。因此本文提出的重大自然灾害风险感知模型较为合理，对政府的自然灾害监管与预防工作具有初步的指导作用。
3 结 论
深入研究重大自然灾害下公众的风险感知水平、风险行为模式，是帮助我们了解自然灾害、应对自然灾害的基础性研究。本文针对公众对重大自然灾害风险感知，提出了基于AHP-Fuzzy的重大自然灾害风险感知模型，该模型具有普适性，能够对某地区人民对某种自然灾害的风险感知水平进行初步判定，为政府的防灾减灾工作提供指导性的意见。重大自然灾害风险感知模型的实际应用与改进仍在进一步摸索之中，还需要进一步完善。
参考文献：
[1] 刘金平，周广亚，黄宏强.风险认知的结构，因素及其研究方法 [J].心理科学，2006（2）：370-372.
[2] SLOVIC P. Perception of risk [J].Science，1987，236（4799）：280-285.
[3] 苏飞，何超，黄建毅，等.灾害风险感知研究现状及趋向 [J].灾害学，2016，31（3）：146-151.
[4] 邹涛，朱江雪.装备制造企业产品创新设计思维评估方法 [J].机械设计，2020，37（9）：140-144.
[5] 张文朋.基于AHP-Fuzzy的地震危险度评价初探 [J].华北地震科学，2018，36（4）：63-72.
[6] 李华强，王顺洪，范春梅，等.突发性灾害中的公众恐惧心理及其应急管理研究 [J].华东经济管理，2011，25（9）：36-40.
作者简介：俞添泷（2000.02—），男，汉族，浙江绍兴人，本科在读，研究方向：安全工程。
收稿日期：2021-04-04
