# Journal of Risk Analysis and Crisis Response

Volume 10, Issue 3, October 2020, Pages 77 - 81

# Risk Analysis and Crisis Management of Novel Coronavirus COVID-19✩

Authors
Weixi Xu*, Xuanhua Xu
Central South University, Changsha, Hunan, China

*Corresponding author. Email: 8102191226@csu.edu.cn
Corresponding Author
Weixi Xu
Received 9 March 2020, Accepted 25 March 2020, Available Online 27 April 2020.
DOI
10.2991/jracr.k.200421.001How to use a DOI?
Keywords
Complementary judgment matrix; big data decision-making; maximum likelihood estimation; infectious disease risk
Abstract

After the outbreak of new coronavirus pneumonia, all regions have responded to take measures. Emergency decision-making plays an important role, directly related to the safety of the people, and more deeply will affect the future of the country. In this paper, we try to use the wisdom of large groups which are distributed in the social network to deal with the relevant indicators of the group big data decision-making model under the maximum likelihood estimation of the complementary judgment matrix, to establish the epidemic risk assessment system of infectious diseases, and to realize the group decision-making and risk analysis based on the big data.

Open Access

## 0. 引言

Wang等[5]针对人类在决策过程中面对风险和不确定性下的心理行为往往被忽略的问题，提出了一种考虑专家在决策过程中的心理行为的应急群决策方法，并与其他相关方法进行了比较，说明了专家心理行为在应急群决策中的重要性。Zhang和Wang等[6]建立了两个模型分别确定准则权重和专家权重，将个人知识聚合成集体知识，以此新的决策支持方法来生成决策知识。Angel和Jayaparvathy[7]利用随机petri网建立了火灾疏散应急事故的分析模型，考虑了人为行为和现实约束，结合实际数据做出应急决策。

## 1.1. 互补判断矩阵：在多属性决策中, 设 X = {x1, x2,... , xn}为方案集, 且记 N = {1, 2,... ,n}. 考虑专家对决策方案进行两两比较, 并作出判断.

(1)若专家按互反型标度[8]进行赋值, 给出互反判断矩阵A = (aij)n×n, 它具有如下性质: aij> 0, aji = 1/aij, aii = 1, i, j∈N. 若 aij = aikakj, i, j, k∈N, 则称 A = (aij)n×n是完全一致性互反判断矩阵. (2) 若专家按互补型标度[8]进行赋值, 给出互补判断矩阵 B = (bij)n×n, 它具有如下性质: bij > 0, b ij+ bji = 1, bii = 0.5, i, j∈N. 若 bikbkjbji = bkibjkbij, i, j, k∈N, 则称 B = (bij)n×n是完全一致性互补判断矩阵. 由互反判断矩阵 A = (aij)n×n通过转换公式[8]bij = aij/(aij+ 1), i, j∈N, 得倒互补判断矩阵 B = (bij)n×n. 并且由互补判断矩阵 B = (bij)n×n通过转换公式[8]aij = bij/(1- bij), i, j∈N, 也可得互反判断矩阵 A = (aij)n×n.

Av=nv (1)

Av=λmaxv (2)

1. 1)

对于给定的互补判断矩阵 B = (bij)n×n, 通过转换公式 aij = bij/bji, i, j∈N,得到相应的转换矩阵 A = (aij)n×n.

2. 2)

任取初始正向量 v (0) = (v1 (0), v2 (0),..., vn (0))T, 给定迭代精度X. 置 k = 0.

3. 3)

计算, d0 = maxi{vi (=0)}, v¯ (0) = v (0)/d0.

4. 4)

迭代计算 v(k + 1) = A v¯ (k), dk+ 1 = max i {xi (k + 1)},  v¯ (k+ 1) = v(k + 1)/dk+ 1.

5. 5)

若|dk+ 1- dk|<X, 则进行下一步; 否则, 置 k = k + 1, 转 4).

6. 6)

v ¯ (k + 1)归一化, 即 v= v ¯(k+ 1)\i=1nvi(k+1) .

7. 7)

v 为转换矩阵 A的排序向量, 也即为互补判断矩阵 B的排序向量.

8. 8)

结束.

## 1.2. 极大似然估计

D={x1,x2,x3...xn} (3)
1(θ)=p(D|(θ)=p(x1,x2,x3...xn|θ)=i=4n p(D|(θ) (4)

θˆ=d(x1,x2,x3,...,xn\θ)=i=1np(D|(θ) (5)

## 1.3 正态分布的极大似然估计

L(u,σ2)=i=1n12πσe(xμ)22σ2=(2πσ2)n2e12σ2i=1n(xiu)2 (6)

lnL(u,σ2)=n2ln(2π)n2ln(σ2)12σ2i=1n(xiu)2 (7)

(7)公式进行求导，得到(8), (9)

αlnL(u,σ2)αu=1σ2i=1n(xiu) 8
αln(u,σ2),ασ2=n2σ2+12σ4i=1n(xix¯)2 9

U=x¯=1ni=1nxi (10)
σ=1ni=1n(xix¯)2 (11)

## 2.1. 关键词提取技术

Dw=d1d2dm[w11w12w1nw21w22w2nwm1wm2wmn].

W(ω,d,D)=tf(ω,d)×idf(ω,D), (1)
idf(ω,D)=1g(Ndfw), (2)

## 2.2. 基于互补判断矩阵的极大似然估计下群体大数据决策模型模型构建

Step 1: 针对某特大突发事件, 采用TF-IDF技术对微博平台上公众发布的文本大数据进行关键词提取, 挖掘与分析公众关注主题, 获得方案评估准则C = {c1, c2,..., cn}及其权重W = (w1, w2,..., wn)T.决策专家根据掌握的信息, 以互反型标度对方案各属性进行判断.根据点估计的优良型准则进行多次打分评估.

Step 2: 每一个决策者m(m = 1, 2,..., M)在每一个属性n(n = 1, 2,..., N)下提供两两比较的方案并形成相应的互补判断矩阵.

Step 3: 将收集到的所有数据运用matlab进行正态分布拟合，根据不同权重算出每个方案下各项指标的评分融合成为一个矩阵.

Step 4: 利用 CEM 排序法求解, 则得互补判断矩阵的排序向量，并最终得到方案排序.

## 3. 算例分析

x1: 派遣大量武警官兵与医疗救援队迅速进入病源区, 对民进行救助并广泛组织群众进行及时就医隔离. 同时, 调派武警官兵进行道路严守控制人来人往，并及时支援救援物资，国内其余核心医疗力量应迅速进行支援到达病源区域再进行分区域调配，确保每一个病源区域都有较为充足的医疗资源。

x2: 组织部分医疗救援队与突击应急小分队一起, 对重症病源区域迅速进行救助, 同时, 调派武警官兵严格控制人流来往, 调派外界救援物资, 待突击小队反馈有效信息后, 进一步委派分配国内其余医疗力量进行支援。

x3: 成立突击应急小分队, 深入病源区域, 了解具体情况, 并指导人民进行自我隔离, 同时, 调派武警官兵严格控制人流来往, 调派外界救援物资, 待突击小队反馈有效信息后, 进一步再部署医疗救援队，进行核心病源区域支援。

x4：派遣直升机对灾区进行物资空投，通过无人机空中观察，得到的情况供远程指挥部评估，进一步再部署医疗救援队和武警官兵，前往核心病源区域支援。

Step 1: 经过TF-IDF技术对微博平台上公众发布的文本大数据进行关键词提取，进行决策群体聚类的大数据处理近似,确定四个属性的权重为: W = {0.1,0.25，0.3，0.35}.

Step 2: 将提取数据中民众和专家的数据观点对四个方案每一项评分，构成数量足够多的(4×4)互补判断矩阵Ai1j1，Ai2j2...Ajnin

Step 3: 将收集到的所有矩阵运用matlab进行正态分布拟合，根据不同权重算出每个方案下各项指标的评分融合成为一个矩阵，现举例矩阵为

B=[0.50.70.60.80.30.50.40.60.40.60.50.70.20.40.30.5]

Step 4：利用 CEM 排序法求解, 则得互补判断矩阵B的排序向量为 v = (0.4303, 0.1799, 0.2748, 0.1150)T, 于是求得的方案排序均为 x1> x3> x2> x4, 最优方案为 x1。

## 4.3. 传染病社会风险评估

 社会风险评估体系 一级指标 二级指标 三级指标 四级指标 政府效力 有效法措实行 相关数据 遵守率 打击谣言力度 管理职责 领导公信力 通告宣传率 人民信任度 社会经济 个体指标 个人财富 平均收入 平均损失 个人职务 平均上班率 市场指标 物品供应 物价水平 生活用品供应 必备药品供应 宏观经济 失业率 通货膨胀率 心理因素 人民心理 患者情绪 负面心理人数比例 积极心理人数比例 未感人群 认知程度 恐慌程度 医护人员心理 工作时间及 平均工作时间 强度影响 平均照顾病人个数 工作风险 工作感染率 社会稳定 医学指标安全 症状数据 传染率，病死率 重轻症比例 传染地区 分布情况 区域致病率 保障以及制度 治安情况 犯罪率，破案率 警察人数 社会保障 政府药物发放以及相关补贴 商场正常营业率以及物资供给情况

ρ(ai)=ν(ai)i=1Pν(ai) (1)
δ(ei)=i=1Pγ(ai)×ρ(ai) (2)

## 5. 结束语

1. 1)

将基于方案的互补矩阵判断方法和极大似然估计相结合, 考虑到不同属性下决策者有不同的权重, 使用几何平均法计算。

2. 2)

通过一个迭代算子, 可以使得决策群体自动达到群一致性水平, 从而得到每个属性下群体的矩阵数据类型, 并再次利用此模型求解每个属性的权重;

3. 3)

通过排序向量求出的方案比较, 保证了决策结论的客观性. 另外,不同方案的不同属性的差异性导致计算可能有一定偏差，将考虑怎样进行复合矩阵不同数据类型的聚合以及偏差修正，在此基础上进行进一步的分析研究.

## 参考文献

[8]泽水 徐, AHP中两类标度的关系研究, 系统工程理论与实践, Vol. 19, 1999, pp. 97-101.
[9]RJA Little and BR Donald, Maximum likelihood for general patterns of missing data: introduction and theory with ignorable nonresponse, Statistical analysis with missing data, 3rd ed., John Wiley & Sons, Inc., 2009.
[12]选华 徐, 传染病疫情社会风险评估指标体系研究[J], in 第八届(2013）中国管理学年会——管理与决策科学分会场论文集 (2013.11.08).
[13]选华 徐, 玉珊 杨, and 晓红 陈, 基于决策者风险偏好大数据分析的大群体应急决策方法, 运筹与管理, Vol. 28, 2019, pp. 1-10.
Journal
Journal of Risk Analysis and Crisis Response
Volume-Issue
10 - 3
Pages
77 - 81
Publication Date
2020/04/27
ISSN (Online)
2210-8505
ISSN (Print)
2210-8491
DOI
10.2991/jracr.k.200421.001How to use a DOI?
Open Access

TY  - JOUR
AU  - Weixi Xu
AU  - Xuanhua Xu
PY  - 2020
DA  - 2020/04/27
TI  - Risk Analysis and Crisis Management of Novel Coronavirus COVID-19✩
JO  - Journal of Risk Analysis and Crisis Response
SP  - 77
EP  - 81
VL  - 10
IS  - 3
SN  - 2210-8505
UR  - https://doi.org/10.2991/jracr.k.200421.001
DO  - 10.2991/jracr.k.200421.001
ID  - Xu2020
ER  -