柴 龍

（陜西警官職業(yè)學院，陜西 西安 710021）

一、引言

2020年第七次全國人口普查數(shù)據(jù)顯示，我國特大以上城市已經達到21個。目前超大城市有上海、北京、深圳、重慶、廣州、成都、天津7城，特大城市有武漢、東莞、西安、杭州、佛山、南京、沈陽、青島、濟南、長沙、哈爾濱、鄭州、昆明和大連14城。特大城市的城區(qū)人口規(guī)模通常在500萬以上，人口具有很強的流動性，當出現(xiàn)突發(fā)性公共安全事件時，產生的風險波及面較廣，城市運維工作往往遭遇極大阻礙。同時，建筑設施高度集中、交通系統(tǒng)持續(xù)處于高負荷運轉狀態(tài)、城市土地綜合開發(fā)水平較高、對資源和能量的需求較大等特征也加劇了城市系統(tǒng)的脆弱性，進一步對環(huán)境造成較大損害。［1］2021年，針對特大及以上城市風險防控和化解國家安全屏障等方面的問題，《中華人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》闡述了具體的發(fā)展指導意見，要求特大及以上城市必須更有效、更高標準地應對和防范重大突發(fā)風險。特大城市作為我國崛起的一種新興城市形態(tài)，其城市安全管理工作面臨著新的挑戰(zhàn)，亦成為我國經濟社會高質量發(fā)展過程中亟待解決的關鍵性問題。［2］

在公共安全風險評估體系方面，國內外學者做出了大量工作，形成了較多極具參考價值的研究成果。［3、4、5］關于公共安全風險評價體系方面的相關研究主要可歸為三類，第一類以持續(xù)性業(yè)務評價量表為主要工具的“單純能力評價”；第二類以UNDP構建的災害危險指標（DRI）為代表的“單純脆弱性評價”；第三類為“脆弱性與能力綜合評價框架”，也是目前應用較為廣泛的評價體系。我國公共安全風險評價工作的重點是建立和健全城市公共安全評價體系。孫毓鴻［6］從資產、脆弱性、威脅三個角度出發(fā)，提出了一種全新的AF-RA評價模式。劉繼川［7］等建立了“災難嚴重度——危機處理”的城市公共安全評價指標體系。李瓊等［8］從自然環(huán)境風險、基礎設施運行風險、公共安全風險三個方面出發(fā)，認為城市公共安全風險因子評價的主要指標是城市社會風險和產業(yè)金融風險。從整體上看，關于城市公共安全風險問題的研究具有視角多元化、學科廣泛化和維度多層式的特點，但仍存在有待補充和推進之處。第一，某些風險評價的手段有其局限性。比如，風險矩陣方法可以將危險因子的出現(xiàn)概率和影響度進行量化，但是關于危險的概率和影響因子的定量分析仍然是經驗式的，尚未有準確、嚴密的評價。第二，調查對象不完整。已有調查多集中在國家層面或省級層面，我國的特大城市具有獨特的社會環(huán)境屬性，因而在建立相應的評價指標體系時也存在一定差異。

基于此，本研究以我國21個特大城市為具體研究對象，從風險評估、公共安全管理、指標構建、因素分析等角度研討其存在的公共安全風險。一方面基于國內外已有研究構建了評價模型，結合現(xiàn)實數(shù)據(jù)分析我國特大城市公共安全風險現(xiàn)狀，運用熵值法測度我國特大城市公共安全風險系數(shù)；另一方面考慮特大城市公共安全承突能力及抗災能力，運用基準回歸模型篩選出影響我國特大城市公共安全風險的主要因素。本研究具備理論價值與實踐意義：一方面有助于深化特大城市公共安全風險評價的相關理論，從而為今后的理論研究提供新的方向；另一方面有利于推動我國特大城市治安綜合治理的發(fā)展，為特大城市防范與應對公共安全風險提供實踐層面的指導，最終有益于提升我國城市整體公共安全水平。

二、評價指標體系構建

（一）特大城市公共安全風險影響因素識別

本部分借鑒劉繼川、李瓊等［8］學者的研究，以特大城市公共安全風險為具體研究對象，從自然災害、事故災難、公共衛(wèi)生事件、社會安全事件四個方面著手，綜合衡量評估相關指標，最終篩選出22項指標。其中自然災害危害性較大，涵蓋了崩塌發(fā)生次數(shù)、地面塌陷發(fā)生次數(shù)、地質災害發(fā)生次數(shù)、地質災害死亡人數(shù)、地質災害直接經濟損失、高溫天氣（平均高于30攝氏度）持續(xù)最長天數(shù)、旱災成災占受災面積比例、滑坡發(fā)生次數(shù)、泥石流發(fā)生次數(shù)、年均降雨量、水災成災占受災面積比例、汛期月均降雨量等指標；事故災難包含道路交通事故損失折款、十萬工礦商貿企業(yè)從業(yè)人員出現(xiàn)生產安全事故死亡率、十萬人口火災發(fā)生率、億元地區(qū)生產總值安全事故死亡率等指標；食品藥品安全事件、傳染性疾病事件等指標歸屬于公共衛(wèi)生事件范疇；刑事案件立案起數(shù)、刑事案件破案率、治安案件查處率、治安案件受理起數(shù)等指標歸屬于社會安全事件范疇，具體如表1所示。

表1 指標體系框架

（二）特大城市公共安全風險指數(shù)測度

1.數(shù)據(jù)獲取。本部分參考了大量統(tǒng)計資料和文獻（孫華麗等［9］；張麗娜等［10］），主要從兩個方面進行了基本指數(shù)資料的采集：一是通過食藥、衛(wèi)生、環(huán)保、水利、電力、氣象、安監(jiān)局、國土資源部等官方網(wǎng)站，獲取了有關城市降水、氣溫等氣象災害信息；滑坡、泥石流、地表塌方等地質災難資料；交通安全、煤礦、工商安全、消防等行業(yè)信息以及突發(fā)環(huán)境事件資料等。二是從《中國經濟年鑒》《中國統(tǒng)計年鑒》以及《中國勞動統(tǒng)計年鑒》等相關文獻資料中收集了大量刑事、治安立案統(tǒng)計資料、人群特征資料等。通過上述方法，本部分總共獲取了中國21個特大城市2010年至2021年12年間22個基礎指標的數(shù)據(jù)，共5 544個數(shù)據(jù)。

2.熵值法實現(xiàn)過程。熵值法是指從各個指標的觀測值出發(fā)，依據(jù)信息值最終確定指標的權重，其賦權方法具有客觀性，具體的算法實現(xiàn)過程如下：

（1）數(shù)據(jù)矩陣。

其中，Xij為第j個指標第i個對象的評價值，1≤i≤m，1≤j≤n。

（2）數(shù)據(jù)的歸一化處理。在確定各個指數(shù)的權重時，首先要將各個指數(shù)的絕對價值轉換成相應的數(shù)值，這樣就可以避免各個指數(shù)之間的均一性。積極與消極指標的意義不一樣，積極指數(shù)的值愈高愈好；消極指數(shù)的值愈小愈好，故應采取不同的資料規(guī)范化處理。對于第i個評價對象而言，標準化第j個指標數(shù)據(jù)得出Pij，該指標表示對于第i個評價對象而言，第j個指標值的最大值、最小值之間存在的偏差；對第i個評價對象而言，第j個指標具備的原始數(shù)據(jù)用Xij表示；被評價對象用n表示其數(shù)量。

對于積極指標：

對于消極指標：

對本部分的22個指標，先進行正向化處理，再按照上述步驟標準化。

（3）計算第j個指標第i個對象指標的比重。

（4）計算第j個指標的熵值ej。

其中，自然對數(shù)用ln表示，ej≥0。式中樣本數(shù)m決定了常數(shù)k，通常c=，則0≤ej≤1。

（5）計算第j個指標的熵權。

（三）評價結果

用熵權法計算各個指標的權重，結果顯示，權重排名前三的為治安案件受理起數(shù)（0.1110）、道路交通事故損失折款（0.0797）、刑事案件立案起數(shù)（0.0568），權重最低的為傳染性疾病事件（0.0308）、治安案件查處率（0.0335）、汛期月均降雨量（0.0338）。之后根據(jù)以上權重計算得到綜合指標得分。

三、特大城市公共安全風險影響因素的實證分析

（一）研究設計

1.變量選擇。結合以上對于特大城市公共風險指數(shù)的分析，本部分借鑒趙冬月［11］、胡傳博［12］等學者的研究，選取的主要變量如表2所示。

2.模型構建。根據(jù)本部分的研究目的，建立面板數(shù)據(jù)模型：

UPSFit=α0+α1INFit+α2ECDEit+α3SOSEit+α4ECOit+α5LRit+α6PCPit+α7EDit+α8lnPOPit+μi+νt+εit

其中，α0為常量，代表其他數(shù)值為0的時候，UPSF的平均值；α1為系數(shù)項，代表解釋變量、控制變量對被解釋變量的影響；i代表第i個大型城市；t代表數(shù)據(jù)所在的年份；εit則代表未被考慮到模型中的其他因素，從數(shù)值上來說，是實際值與真實值的差值；μi代表個體效應；νt代表年份效應。本研究控制了個體效應和年份效應對被解釋變量的影響，可以使得模型結果更為精確。

3.數(shù)據(jù)的采集及處理。在特大城市公共安全風險影響因素的變量選取上，主要借鑒《城市公共安全風險識別規(guī)范》《國家突發(fā)公共事件總體應急預案》等文件對于城市承突能力、抗災能力的衡量標準。繼續(xù)獲取有關特大城市承突能力及抗災能力的相關指標數(shù)據(jù)，總共收集到我國21個特大城市2010年到2021年12年間22個基礎指標和1個人口指標的數(shù)據(jù)，共5 769個數(shù)據(jù)。利用熵權法得到權重如表3所示。

表3 承突能力和抗災能力指標權重

從表3可以發(fā)現(xiàn)，權重最高的為人均GDP，權重最低的為電信長途光纜線路長度，根據(jù)以上權重，得到各二級指標得分。

（二）描述性統(tǒng)計

本部分對觀測值的數(shù)量、均值、標準差、最小值以及最大值進行描述性統(tǒng)計。結果顯示，研究數(shù)值樣本個數(shù)均為252個，說明缺失數(shù)值均已剔除；UPSF的均值為0.4453，標準差為0.0958，最小值為0.2728，最大值為0.7456，數(shù)據(jù)的區(qū)間波動比較大；INF的均值為0.1204，最小值為0.0288，最大值為0.2703，數(shù)據(jù)比較傾向于最小值；ECDE的均值為0.0229，最小值為0.0009，最大值為0.1553；SOSE的均值為0.0775，其最大值和最小值分別是0.1553和0.0029，存在較大的波動；ECO的最大值和最小值分別是0.0641和0.0025，均值達到0.0333；LR的最大值和最小值分別是0.1109和0.0000，均值達到了0.0520；PCP和ED的均值分別是0.0477和0.0455。

（三）相關性分析

相關性分析是兩兩變量間在未加入其他變量和相關效應控制下的結果，因此只能作為初步判斷，但不能作為回歸結果的判斷，若絕對值高于0.8，那么存在多重共線性特征，需要進行修正。相關性分析結果如表4所示：

表4 相關性分析

從表4可以發(fā)現(xiàn)，解釋變量相關系數(shù)最大值的絕對值低于0.8，初步判斷不存在相關性過強導致的模型結果不好的問題。解釋變量INF、SOSE、ECO、PCP、ED與被解釋變量UPSF的相關系數(shù)分別為-0.5168、-0.2072、-0.4597、-0.6621、-0.4478，表明均存在顯著的負相關關系，即INF、SOSE、ECO、PCP、ED的增加會引起被解釋變量UPSF的降低；而ECDE、LR與UPSF的相關系數(shù)雖然是負向的，但是不顯著。由于相關分析沒有考慮到大型城市效應的影響，也未加入其他解釋變量加以控制，因此需進一步進行回歸分析。

（四）模型檢驗及選擇

1.多重共線性檢驗。由于相關性分析只是兩兩變量之間的相關性，更為精準的判斷共線性的方法是VIF檢驗。VIF檢驗是將每個解釋變量或者控制變量與其余的解釋變量或者控制變量進行回歸，得到的擬合優(yōu)度若高于0.9，即VIF值高于10，則說明其他解釋變量或者控制變量與該解釋變量關系過強。VIF檢驗結果顯示：各變量的VIF值都在10以下，SOSE的VIF為4.3100，為VIF中最大項，并且經過了方差膨脹因子的測試，因而可視為無多重共線性。

2.模型選擇。模型檢驗結果如表5所示：

表5 模型檢驗結果

從表5可以發(fā)現(xiàn)，F(xiàn)檢驗的P值為0.0000，表明應選擇固定效應模型；LM檢驗的P值為0.0000，表明應選擇隨機效應模型；進一步在固定和隨機之中進行選擇，Hausman檢驗的P值為0.0000，表明應選擇固定效應模型。經過三個檢驗，確定固定效應模型最為合適。

（五）回歸分析

接下來對固定效應模型進行估計，估計結果如表6所示：

表6 模型估計結果

從表6的估計結果中，F(xiàn)檢驗的結果為54.3540，模型整體通過了顯著性檢驗。城市公共安全有其自身的生成和發(fā)展規(guī)律，它是源發(fā)性要素和促發(fā)性要素相互耦合過程和結果的反映。尤其是特大城市，因為規(guī)模體量更大、人口結構更復雜、流動性更高，因此其城市公共安全管理體系更為復雜，如基礎設施建設、社會保障等要素也成為了特大城市公共安全的重要影響變量。

回歸結果顯示，基礎設施建設（INF）的系數(shù)為-0.1086，在1%的顯著性水平下存在負向影響，表明基礎設施建設水平越高，城市公共安全風險水平越低；物質性層面的建設是城市公共安全治理現(xiàn)代化的前提和基礎，且在所有正向影響指標中，基礎設施建設水平對于城市公共安全風險的貢獻率為最大。實踐證明，城市生命線系統(tǒng)、防災設施系統(tǒng)、環(huán)境保護系統(tǒng)以及科教文衛(wèi)服務性設施等作為城市治理和發(fā)展的重要基礎設施，其建設水平越高，在特大城市公共安全管理體系中發(fā)揮的基礎性作用也越強，同時，城市公共安全風險水平也將隨之降低。社會保障（SOSE）的系數(shù)為-0.0259，在5%的顯著性水平下存在負向影響，表明社會保障水平越高，城市公共安全風險水平越低。特大城市經濟發(fā)達，人口密度大，住房需求高，房價高，供需缺口帶動房價高漲，部分居民對住房需求不理智，出現(xiàn)住房資源占有不平衡、緊缺的情況。與此同時，空巢老人、空巢青年、離婚家庭急劇增加，人口老齡化、獨居居民的增加、代際關系的弱化導致養(yǎng)老、住房等社會保障問題成為流動人口中的中年人、老年人所最為關注的問題。只有做好社會保障工作，才能提高公眾對于特大城市政府的信任度，擁有良好的群眾基礎也將從側面緩解特大城市在社會治安方面的公共安全管理風險。生態(tài)環(huán)境（ECO）的系數(shù)為-0.0497，在1%的顯著性水平下存在負向影響，表明生態(tài)環(huán)境越好，城市公共安全風險越低。加拿大生態(tài)學家Crawford·S·Holling（1973）首次將韌性的思想應用到系統(tǒng)生態(tài)學的研究領域。生態(tài)韌性不僅意味著系統(tǒng)能夠恢復到原始狀態(tài)的平衡，而且可以促使系統(tǒng)形成新的平衡狀態(tài)。生態(tài)韌性強調系統(tǒng)得以持續(xù)生存的自我適應和自我修復的能力。因此，打造具有恢復韌性的生態(tài)環(huán)境能夠進一步加強特大城市應對諸如地質、旱澇災害等城市安全風險的能力，進而降低公共安全風險。防治項目（PCP）、應急演練（ED）的系數(shù)分別為-5.0063、-0.0655，在1%的顯著性水平下存在負向影響，表明在防治項目水平、應急演練水平比較高情況下，城市公共安全風險水平越低。防治項目與應急演練兩個指標具有較強的內部聯(lián)系，其中的防治項目在所有指標中的影響系數(shù)為最高，結合前文對于基礎設施、生態(tài)環(huán)境的分析，在城市公共安全管理體系中，加強基礎設施與生態(tài)環(huán)境等的建設是基礎性工作，并注重自然災害等防治項目的建設，能夠較大幅度地提升特大城市的抗風險能力。同時注重在日常生活中引導社會公眾積極參加應急演練，提高個體對于城市安全風險的應對能力，由此整體提升城市公共安全風險管理能力。經濟發(fā)展（ECDE）和法律法規(guī)（LR）的負向影響不顯著，原因可能在于經濟發(fā)展與城市公共安全風險之間存在內生性，且各城市關于城市風險的法律法規(guī)數(shù)量較為欠缺，因此二者對特大城市公共安全風險造成了威脅。

（六）穩(wěn)健性檢驗

為了結果的穩(wěn)定性，將2020年和2021年受到疫情影響的數(shù)據(jù)加以剔除，若解釋變量對被解釋變量的影響方向和影響的顯著性仍然是一致的，說明模型結果是穩(wěn)定的，檢驗結果如表7所示。從表7可以看到，變量的顯著性與前文是一致的，因此，模型結果通過了穩(wěn)健性檢驗。

表7 穩(wěn)健性檢驗

四、結果討論

（一）特大城市公共安全承突能力討論

很多災難事件發(fā)生后，往往會引發(fā)一系列的次生災難，也就是所謂的“災難連鎖”或“災害鏈”。前文對特大城市的災難承載能力和公共安全危險程度進行了相關分析，發(fā)現(xiàn)“基礎設施”在承受突發(fā)事件的能力中，隨著各系數(shù)單元的提高，其城市公共安全的危險程度下降了0.1086?！吧鷳B(tài)環(huán)境”指數(shù)的增加，使城市公共安全的危險程度減少了0.0698。造成這種現(xiàn)象的主要原因在于，隨著城市化和工業(yè)化的不斷推進，特大城市產業(yè)鏈與供應鏈日趨復雜，各種承災體暴露度、集中度、脆弱性都在進一步加大，多災種的聚集和災難鏈條的特點日趨明顯，風險的系統(tǒng)性和復雜性也在持續(xù)加劇。另外，根據(jù)“生態(tài)環(huán)境”災情鏈條構成原則，不同災種對環(huán)境反應程度也不盡相同，有些災種對某些環(huán)境幾乎沒有影響；不同災害的作用區(qū)域（規(guī)模）也不一樣。

以基礎建設與生態(tài)環(huán)境的關聯(lián)為前提的城市建設雖然可以大大提升整個城市系統(tǒng)的協(xié)調和運營效能，但某個單一意外很可能導致多起事故，并演變成復雜、系統(tǒng)的關聯(lián)事件，從而導致影響的范圍不斷擴展，產生巨大的經濟損害，城市的承災能力與城市的社會治安風險密切相關。因此，基礎設施所引發(fā)的災難勢必會給公眾生產生活造成巨大沖擊；而由于生態(tài)脆弱所引起的災難，在短期內難以恢復，極易引起輿論乃至群體性事件，從而產生不良的社會后果。因而，在特大城市的承災能力建設中，必須重視以上兩個重要指標。

（二）特大城市公共安全抗災能力討論

通過對特大城市的災害防御和社會治安危險程度的分析，發(fā)現(xiàn)“防治項目”在超大型城市的防災能力中，隨著其指標的提高，整體的社會治安危險指數(shù)下降了3.4885個單位。隨著“應急演練”等級的提高，城市公共安全風險也將下降0.0721個單位?！胺乐雾椖俊睂μ卮蟪鞘械闹伟搽[患的影響因子值是“基礎設施”“生態(tài)環(huán)境”和“應急演練”三個指標的三倍以上。一般情況下，城市公共安全相關管理部門都會結合自身職能特征設定相應的應急預案，重大公共安全事件發(fā)生時，各個單位往往難以第一時間對上屬部門的統(tǒng)一指揮做出響應，“保持步調一致”的可操作性較弱。從另一個方面來說，“防治項目”包括了基礎建設、生態(tài)環(huán)境建設、應急演練等方面的建設工作?？梢灶A見，“防治項目”的建設水平將會對特大城市的公共安全風險產生巨大影響。

五、結論與建議

本研究以中國21個特大城市為研究對象，對特大城市公共安全風險進行評價，并對其影響因素進行分析，構建了特大城市公共安全風險評價指標體系，指標體系從公共衛(wèi)生事件、社會安全事件、事故災難、自然災害等維度出發(fā)確定22個指標，并利用熵值法求得各特大城市公共安全風險系數(shù)。將特大城市的承突能力與抗災能力作為解釋變量，特大城市公共安全風險系數(shù)為被解釋變量，構建了回歸模型。對于特大城市公共安全風險而言，基礎設施建設、社會保障、生態(tài)環(huán)境、防治項目、應急演練等指標是其重要影響因素。實證結果表明，特大城市基礎設施建設、生態(tài)環(huán)境、防治項目、應急演練等對特大城市公共安全風險均存在顯著的負向影響，意味著特大城市基礎設施建設水平、生態(tài)環(huán)境建設水平、防治項目設置水平、應急演練開展水平越高，特大城市面臨的公共安全風險越低。

特大城市承突能力提升建議方面：第一，完善基礎設施建設。防災設備等基礎設施建造水平與施工質量是提高城市抗災減災能力的重要因素。在規(guī)劃設計上，應充分顧及到城市特征，合理規(guī)劃災害防御體系的布置與施工，尤其是地下防災、防震、排水等方面。健全災害防治機構運行的整體運行體制，把災害防治工作融入到公共安全保障系統(tǒng)中，實現(xiàn)城市可持續(xù)發(fā)展。第二，注重生態(tài)環(huán)境保護。特大城市面臨著生態(tài)轉型與可持續(xù)發(fā)展等問題，因而需重視生態(tài)規(guī)劃中的危險因素防治。注意加強對生態(tài)環(huán)境治理的精細化控制，比如確保工作機制的暢通、健全規(guī)范程序、突出前瞻性管理思維等，充分利用科技工具提升城市治理成效。［13］

特大城市抗災能力提升建議方面：第一，注重防治項目設置。預防工程建設是城市公共安全體系建設的“保險”，尤其是在特大型城市中，要加強此類防治工程建設，提高防汛抗旱、氣象、地質災害、安全、運輸、化工等災害的防治能力和水平。大力開展“防災綜合治理示范社區(qū)”“平安校園”“平安工業(yè)園”等示范工程的建設。第二，提高應急演練意識。各大城市應重視緊急情況下的演練活動，提高公民對于應急演練重要性的意識。［14］此外，除了應急演練“資源”的建設，更要有“教育”的支持，特大城市中的各區(qū)、縣、相關企業(yè)、場所運營部門都要強化對“應急演練”的意識，例如可以在地鐵、高校等人流密集場所進行大型消防演練，以增強城市整體的防災減災能力。［15］