Please wait a minute...
Advanced Search
数据分析与知识发现  2018, Vol. 2 Issue (10): 21-26    DOI: 10.11925/infotech.2096-3467.2018.0768
  专题 本期目录 | 过刊浏览 | 高级检索 |
基于K-means聚类分析的民航系统恐怖主义风险评估*
刘明辉()
中国人民公安大学侦查与反恐怖学院 北京 100038
Risk Assessment of Civil Aviation Terrorism Based on K-means Clustering
Minghui Liu()
School of Criminal Investigation and Counter Terrorism, People’s Public Security University of China, Beijing 100038, China
全文: PDF(680 KB)   HTML
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】使用K-means聚类分析方法, 对民航系统遭受的恐怖主义袭击进行定量、客观的评估。【方法】构造K-means聚类方法风险评估模型, 对1992年-2015年发生的民航系统恐怖袭击案件进行分析, 客观地计算出几类袭击方式、袭击目标的风险。【结果】飞机上爆炸、针对机场和工作人员的武装袭击是高风险等级, 飞机上的劫机、针对机场和工作人员的爆炸袭击是中风险等级, 其他形式的袭击方式风险等级相对较低。以此方法对2016年民航系统的恐怖袭击风险进行预测, 准确率达92.3%。【局限】使用K-means聚类分析方法进行风险评估, 仅适用于处理数值变量数据。【结论】该方法的分析计算过程不需要人工干预和打分, 可以根据统计数据对民航系统的恐怖袭击实现风险智能分类分级, 具有可推广性。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘明辉
关键词 K-means聚类分析民航风险评估    
Abstract

[Objective]This paper tries to assess the terrorism risks facing civil aviation industry quantitatively and objectively. [Methods] We proposed a risk assessment model based on K-means clustering, and then examined it with the data of terrorist attacks from 1992 to 2015. We calculated the risk of different types of attacks and their targets objectively. [Results] The risk of aircraft bombing, armed assault against the airport and airline staff were the highest, the risk of hijacking, bombing/explosion aginst the airport or airline staff were at medium level, and the risk of other attacks were relatively low. We used this method to predict the risk of terrorist attacks against the civil aviation in 2016, and the prediction accuracy was up to 92.3%. [Limitations] The proposed method for risk assessment is only suitable for processing numerical data. [Conclusions] The K-means clustering method can assess risk based on statistical data without human intervention, which could be applied to similar studies.

Key wordsK-means    Clustering    Aviation System    Risk Assessment
收稿日期: 2018-07-15     
基金资助:*本文系国家社会科学基金重大项目“当前我国反恐形势及对策研究”(项目编号: 15ZDA034)、国家社会科学基金项目“反恐维稳背景下边疆民族地区维稳战略研究”(项目编号: 14BZZ028)和中央高校基本科研业务费项目“数据挖掘方法在反恐情报分析中的应用”(项目编号: 2018JKF334)的研究成果之一
引用本文:   
刘明辉. 基于K-means聚类分析的民航系统恐怖主义风险评估*[J]. 数据分析与知识发现, 2018, 2(10): 21-26.
Minghui Liu. Risk Assessment of Civil Aviation Terrorism Based on K-means Clustering. Data Analysis and Knowledge Discovery, DOI:10.11925/infotech.2096-3467.2018.0768.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2018.0768
图1  K-means聚类分析风险评估流程
袭击手段 飞机 机场 民航工作人员 总计
武装袭击 20 24 8 54
暗杀 1 2 4 7
爆炸 27 236 27 290
基础设施攻击 1 12 8 21
劫机 106 1 - 107
劫持人质 1 2 - 3
绑架 3 4 2 9
徒手攻击 1 1 2
其他 3 8 4 15
合计 162 290 54 508
表1  针对民航的袭击手段及发生次数
袭击手段 死亡人数 受伤人数
飞机 机场 民航
工作人员
飞机 机场 民航
工作人员
武装袭击 9 117 9 26 44 12
暗杀 0 0 3 2 0 2
爆炸 635 266 0 25 780 0
基础设施攻击 0 1 0 0 13 0
劫机 60 0 0 19 0 0
劫持人质 123 1 0 0 2 0
绑架 0 12 0 0 1 0
其他 2 11 0 0 15 0
合计 829 408 12 72 855 14
表2  针对民航恐怖袭击伤亡人数
xi(j) j=1 j=2 j=3
i=1 0.1235 0.0109 0.3611
i=2 0.0062 0.0000 0.0278
i=3 0.1667 0.7660 0.3472
i=4 0.0062 0.0000 0.0000
i=5 0.6543 0.0724 0.2639
i=6 0.0062 0.1484 0.0000
i=7 0.0185 0.0000 0.0000
i=8 0.0000 0.0000 0.0000
表3  均一化处理后的观测集
图2  飞机上K-means聚类分析风险等级结果
(注: “*”点为低风险等级, “○”为中等风险等级, “+”为高风险等级。)
武装
袭击
暗杀 爆炸 基础
设施攻击
劫机 劫持
人质
绑架 徒手
攻击
表4  飞机上K-means聚类分析风险等级结果
袭击手段 飞机 机场 民航工作人员
武装袭击
暗杀
爆炸
基础设施攻击
劫机
劫持人质
绑架
徒手攻击
表5  K-means聚类分析风险等级结果
袭击手段 飞机 机场 民航工作人员
武装袭击
暗杀
爆炸
基础设施攻击
劫机
劫持人质
绑架
徒手攻击
其他
表6  2016年民航系统遭受的恐怖袭击聚类分析结果
[1] Han J, Kamber M, Pei J.数据挖掘概念与技术[M]. 范明, 孟小峰译. 第3版. 北京: 机械工业出版社, 2012.
(Han J, Kamber M, Pei J.Data Mining: Concepts and Techniques[M]. Translated by Fan Ming, Meng Xiaofeng. The 3rd Edition. Beijing: China Machine Press, 2012.)
[2] Wagstaff K, Cardie C, Rogers S.Constrained K-means Clustering with Background Knowledge[C]// Proceedings of the 18th International Conference on Machine Learning. 2001: 577-584.
[3] Krishna K, Murty M N.Genetic K-Means Algorithm[J]. IEEE Transactions on Systems, Man, and Cybernetics: Part B(Cybernetics), 1999, 29(3): 433-439.
doi: 10.1109/3477.764879
[4] Arai K, Ali R B.Hierarchical K-means: An Algorithm for Centroids Initialization for K-means[J]. Reports of the Faculty of Science and Engineering, 2007, 36(1): 25-31.
[5] 雷小锋, 谢昆青, 林帆, 等. 一种基于K-Means局部最优性的高效聚类算法[J]. 软件学报, 2008, 19(7): 1683-1692.
(Lei Xiaofeng, Xie Kunqing, Lin Fan, et al.An Efficient Clustering Algorithm Based on Local Optimality of K-Means[J]. Journal of Software, 2008, 19(7): 1683-1692.)
[6] 曾亮. 多层次模糊评估法在民航不安全事件风险评估中的应用[J]. 中国安全科学学报, 2008, 18(1): 131-138.
doi: 10.3969/j.issn.1003-3033.2008.01.023
(Zeng Liang.Application of Multi-layer Fuzzy Evaluation Method to Risk Assessment in Civil Aviation[J]. China Safety Science Journal, 2008, 18(1): 131-138.)
[7] 王衍洋, 李敬, 曹义华. 中国民航安全评价方法研究[J]. 中国安全生产科学技术, 2008, 4(5): 111-113.
doi: 10.3969/j.issn.1673-193X.2008.05.026
(Wang Yanyang, Li Jing, Cao Yihua.Study on Safety Assessment of China Civil Aviation Industry[J]. Journal of Safety Science and Technology, 2008, 4(5): 111-113.)
[8] 吕学梅, 王永刚, 荆增强. 风险管理在民航事故预防中的应用[J]. 安全与环境学报, 2006, 6(S1): 153-155.
doi: 10.3969/j.issn.1009-6094.2006.z1.053
(Lv Xuemei, Wang Yonggang, Jing Zengqiang.Application of Risk Management in Civil Aviation System[J]. Journal of Safety and Environment, 2006, 6(S1): 153-155.)
[9] 王永刚, 张秀艳. 民航系统三维风险评价模型的研究[J]. 中国水运, 2007, 5(7): 147-148.
(Wang Yonggang, Zhang Xiuyan.The Research of Three-Dimension Risk Assessment Model for Civil Aviation System[J]. China Water Transport, 2007, 5(7): 147-148.)
[10] Stewart M G, Mueller J.Terrorism Risks and Cost-Benefit Analysis of Aviation Security[J]. Risk Analysis, 2013, 33(5): 893-908.
doi: 10.1111/j.1539-6924.2012.01905.x pmid: 23035984
[11] 郭璇, 吴文辉, 肖治庭. 基于事件树和PRA的民航机场恐怖袭击风险评估模型[J]. 计算机应用研究, 2017, 34(6): 1809-1811.
(Guo Xuan, Wu Wenhui, Xiao Zhiting.Civil Aviation Airport Terrorism Risk Assessment Model Based on Event Tree and PRA[J]. Application Research of Computers, 2017, 34(6): 1809-1811.)
[12] 王振, 刘茂. 定量风险分析在恐怖袭击风险评估中的应用[J]. 中国公共安全:学术版, 2006, 7(4): 18-22.
doi: 10.3969/j.issn.1672-2396.2006.04.003
(Wang Zhen, Liu Mao.Application of Quantitative Risk Assessment on Terrorism Attack[J]. China Public Security: Academy Edition, 2006, 7(4): 18-22.)
[13] 贺元骅, 魏中许, 蔡正涛. 民航公共交通运输系统恐怖威胁评估模型分析[J]. 中国公共安全:学术版, 2009, 14(1): 11-14.
doi: 10.3969/j.issn.1672-2396.2009.01.002
(He Yuanhua, Wei Zhongxu, Cai Zhengtao.A Study of Threat Assessing Model on Terrorism in Traffic System[J]. China Public Security: Academy Edition, 2009, 14(1): 11-14.)
[14] 梅建明, 刘明辉, 蒋东龙. 城市反恐危机管理: 理论、方法与实务[M]. 北京: 中国人民公安大学出版社, 2017.
(Mei Jianming, Liu Minghui, Jiang Donglong.Crisis Management of Urban Counter Terrorism: Theory, Methods and Practice[M]. Beijing: Publishing House of People’s Public Security University of China, 2017.)
[15] Institute for Economics & Peace. Global Terrorism Index [EB/OL]. [2018-02-20]. .
[1] 牟冬梅,金姗,琚沅红. 基于文献数据的疾病与基因关联关系研究*[J]. 数据分析与知识发现, 2018, 2(8): 98-106.
[2] 范馨月,崔雷. 基于文本挖掘的药物副作用知识发现研究[J]. 数据分析与知识发现, 2018, 2(3): 79-86.
[3] 贾晓婷,王名扬,曹宇. 结合Doc2Vec与改进聚类算法的中文单文档自动摘要方法研究*[J]. 数据分析与知识发现, 2018, 2(2): 86-95.
[4] 刘洪伟,高鸿铭,陈丽,詹明君,梁周扬. 基于用户浏览行为的兴趣识别管理模型*[J]. 数据分析与知识发现, 2018, 2(2): 74-85.
[5] 冯文刚,李岩,李福海,王欣,周西平. 基于风险排名和决策树的民航反恐安保风险评估与决策分析研究*[J]. 数据分析与知识发现, 2018, 2(10): 27-36.
[6] 冯文刚,黄静. 基于深度学习的民航安检和航班预警研究*[J]. 数据分析与知识发现, 2018, 2(10): 46-53.
[7] 何跃,王爱欣,丰月,王莉. 基于关联规则的门诊药房布局优化[J]. 数据分析与知识发现, 2018, 2(1): 99-108.
[8] 陈润文,邱勇,黄文彬,王军. 基于日志分析的民办高校大学生网络生活类型研究[J]. 数据分析与知识发现, 2017, 1(8): 31-38.
[9] 王雪颖,张紫玄,王昊,邓三鸿. 中国农产品品牌评价研究的内容解析*[J]. 数据分析与知识发现, 2017, 1(7): 13-21.
[10] 官琴, 邓三鸿, 王昊. 中文文本聚类常用停用词表对比研究*[J]. 数据分析与知识发现, 2017, 1(3): 72-80.
[11] 方小飞,黄孝喜,王荣波,谌志群,王小华. 基于LDA模型的移动投诉文本热点话题识别*[J]. 数据分析与知识发现, 2017, 1(2): 19-27.
[12] 刘睿伦,叶文豪,高瑞卿,唐梦嘉,王东波. 基于大数据岗位需求的文本聚类研究*[J]. 数据分析与知识发现, 2017, 1(12): 32-40.
[13] 钮亮. 共主题网络方法及应用*[J]. 现代图书情报技术, 2016, 32(7-8): 137-146.
[14] 陈挺, 韩涛, 李泽霞, 李国鹏, 王小梅. 科研项目布局差异对比方法研究——以NSF和EUFP项目为例[J]. 现代图书情报技术, 2015, 31(7-8): 89-96.
[15] 李纲, 叶光辉, 张岩. “小众专家”特征识别——基于MetaFilter的实证分析[J]. 现代图书情报技术, 2015, 31(6): 71-77.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn