城市核生化恐怖袭击的风险演化规律与预防策略研究

The urban nuclear, biological and chemical (NBC) terrorist attack is a kind of unconventional terrorism with significantly serious consequences and wide range of influence. Moreover, the NBC attackers always have high technology and are well concealed. Thus the risk factors of NBC terrorists are diversified and are also dynamic with the operation of cities. Meeting the requirements of prevention for NBC terrorists, by using personas, deep learning and game theory, this project will study the static attribute features and dynamic trajectory features of the terrorist organizations and members based on the data related to terrorists and other heterogeneous data sources, establishing the knowledge graph of NBC terrorist risks. On this basis, we will establish multi-agent simulation model in which the agents include terrorist organizations, defense forces and urban environments. Based on the multi-agent model, we will study the dynamic evolution of NBC terrorist risk under both normal operation conditions and emergencies of cities, establishing the simulation data set under different circumstances. Based on that, we will build the risk decision model with Bayesian network, studying the defensive capability of the current policing mode under NBC terrorists. Then we will investigate and propose prevention strategies with inventory, patrol, security and other different preventive measures, providing theoretical basis and method support for the police and other urban risk management department.

城市核生化恐怖袭击是一种后果极为严重、影响范围大、隐蔽性强、技术手段高的非常规恐怖主义形式，风险要素多元，且随城市运行呈现动态性。本课题针对城市核生化恐怖袭击的预防需求，基于涉恐重点人数据等多源异构数据，综合用户画像、深度学习、博弈论等理论与方法，研究核生化恐怖组织及成员的静态属性特征与动态轨迹特征，建立核生化恐怖袭击的风险知识图谱。以此为依据，建立包含恐怖组织、防御力量和城市环境等多类主体的仿真模型，分别研究城市正常运行和突发事件耦合情景下的核生化恐怖袭击风险演化规律，建立不同情景下的仿真数据集。在此基础上，建立基于贝叶斯网络的风险决策模型，研究现行警务模式对核生化恐怖袭击事件的防御能力，探索综合盘查、巡逻、安检等不同预防手段的预防策略，为公安实战和城市风险管理部门的安全防范决策提供理论依据与方法支持。

城市核生化恐怖袭击是一种影响范围大、隐蔽性强、技术手段高的非常规恐怖主义形式，一旦发生，极易造成灾难性后果，因此，核生化恐怖袭击的预防关口需要前移。当前的研究工作多侧重于事中的处置和事后的应急，而对于事前的预防策略研究较少，对核生化恐怖袭击的风险要素考虑通常较为简单，并且数据来源往往较少，导致据此制定的预防策略可靠性不足。针对城市核生化恐怖袭击的预防需求，本项目开展了一系列研究工作，取得的主要研究成果如下：（1）构建了基于多种机器学习模型的恐怖袭击事件数量与后果预测方法，研究了不同恐怖组织的特征画像和目标选择规律，提出了静态属性与动态轨迹融合的高危人员分类预测方法，构建了恐怖袭击风险知识图谱（包含核生化恐怖袭击的相关知识），为恐怖袭击风险防控提供了宏观决策支持；（2）建立了包含恐怖组织、防御力量和城市环境等不同类型智能体在内的多主体仿真模型，分析了不同风险要素的变化对风险分布的影响以及风险演化规律，研究了防御力量的多种布防方式对恐怖袭击事件的防御能力，探索了多种不同风险防范手段的有效性，为公安实战和城市风险管理部门的安全防范决策提供了定量化、精细化的依据；（3）利用贝叶斯网络方法，分别构建了“脏弹”、化学、生物恐怖袭击的风险分析与决策支持模型，通过贝叶斯建模，从危险物质的获取，到武器获取，再到实施攻击，进行了核生化恐怖袭击的全流程风险分析，运用情景分析和敏感性分析探索了关键因素对恐怖袭击风险的影响，在此基础上，构建了贝叶斯网络情景分析平台软件，为核生化风险防控实际工作提供了工具支撑。本项目研究成果预期可以为城市核生化恐怖袭击的风险防控与应急管理工作提供理论依据与方法支持。

内容获取失败，请点击重试