基于“风险源+承灾体+减灾体”的城市安全表征“库-网-流-谱-法”理论框架

岳清瑞，陆新征，许 镇，田 源，顾栋炼，郑 哲，徐永嘉，费一凡，孙楚津，施钟淇

(1. 城镇化与城市安全研究院，土木与资源工程学院，北京科技大学，北京 100083；
2. 深圳市城市公共安全技术研究院有限公司，广东，深圳 518046；
3. 国家城市安全发展科技研究院，广东，深圳 518046；
4. 土木工程安全与耐久教育部重点实验室，清华大学土木工程系，北京 100084)

1.1 城市安全与管理的需求

城市安全是维持社会正常运行、保证国家稳定发展的重要内容。长期以来，我国的城市安全面临着重大挑战，包括自然灾害、事故灾难、公共卫生事件、社会安全事件等。例如，汶川地震[1-2]、上海外滩踩踏事件[3-4]、天津滨海新区爆炸事故[5]、新冠疫情[6-7]等。因此，加强城市安全管理，提升城市安全水平，降低自然灾害、事故灾难和各类安全事件的负面影响，已经成为国家和社会的重大需求。

1.2 国内外相关研究和实践

随着我国城镇化发展，城市安全近年来成为研究热点，其研究内容包括但不限于：

1) 城市安全基础理论。许多学者对城市安全问题提出了理论模型和方法论。范维澄等[8]提出了公共安全“三角形”理论模型(即突发事件、承灾载体、应急管理)和“4+1”方法学(即确定性方法、随机性方法、基于监测探测的方法、复杂系统方法，以及综合性方法)，黄弘等[9]进一步将公共安全三角形模型应用于安全韧性城市研究领域，提出了城市安全韧性三角形模型；
李升友等[10]提出了安全“三元分形双系统”原理和“用安全系统思想实现城市安全发展复杂系统动态安全”的安全系统方法论；
吴超[11-12]从科学学的角度对安全科学方法进行了广泛论述，并指出了一系列城市安全系统学理论基础问题。

2) 城市安全风险评估。目前，城市安全领域的风险评估主要围绕“点-线-面”的思路，依托企业、行业、政府这3 个主体开展[13]。城市安全风险评估采用的主要方法，包括层次分析法和综合模糊评价法等[14-16]。

3) 城市安全监测预警。在宏观层面，袁宏永等[17]提出了基于物联网的城市安全空间构建技术，朱伟[18]提出了城市运行系统安全体检的内涵和路径，胡树华等[19]提出了城市安全预警管理系统的构建及其管理体系。在生命线工程[20-23]、交通工程[24-26]、消防工程[27-29]等各个细分领域，城市安全监测预警也都存在相应的研究和实践。

4) 城市安全应急管理。既有研究主要在理论方法层面上[30-32]和技术系统层面上[33-36]开展。也有部分学者对某些重大安全事件开展了针对性研究[37-39]。

此外，近年来产生的数字孪生、人工智能等各类新概念、新技术也为城市安全的研究提供了重要技术手段，并带来了积极影响。

1) 数字孪生在城市安全的应用

“ 数字孪生” (digital twin)概念萌发于Grieves 等[40]提出的镜像空间模型概念，而后美国NASA 正式将“数字孪生”定义为“一种综合多物理、多尺度模拟的载体或系统，以反映其对应实体的真实状态”[41]。城市是一个有机生长的综合类生命体，常规方法难以高效、完整、真实地反映城市的安全状态，近年来数字孪生技术在智能制造领域快速发展[42-43]为其在城市安全领域的应用提供了启示和借鉴，有望极大促进城市安全管控领域的数字化、智能化、集成化快速升级。

目前，在城市相关方面，数字孪生技术主要用于建设“数字孪生城市”，以辅助城市管理、运营与决策[44-47]。如“虚拟新加坡”平台[47]、西剑桥校区的数字孪生模型[45]等。

2) 知识图谱在城市安全的应用

知识图谱(knowledge graph)是结构化的语义知识库，以符号形式描述物理世界中的概念及其相互关系[48]，其初衷是为了优化搜索引擎返回的结果，增强搜索质量以及搜索体验[48-49]。知识图谱在知识推理方面具有较大的优势，可以通过基于规则或图的推理发掘未被定义的隐藏知识[50-54]。因此，知识图谱已在城市安全相关的领域中得到初步应用[55]。

例如，蚂蚁金融构建了金融智能化信贷风控知识图谱，实现金融风险查询与决策[55]。某省建立了公安知识图谱，实现了2 s 内完成十亿级检索目标数范围内检索[55]。从以上案例可以看出，知识图谱在城市安全隐藏风险识别与发现中有着很高的应用价值。

3) 人工智能在城市安全的应用

近年来，人工智能技术飞速发展，并在城市安全领域中得到广泛应用[56-66]。在自然灾害预防方面，人工智能已成功应用于地震、风暴潮等多种自然灾害的预防、监测与速报。如中国地震局研发的“智能地动”监测系统能够在1 s～2 s 内实现地震信息速报[58]；
广州市等建立了风暴潮智能监测系统[59]。在交通安全领域，人工智能成功应用于城市交通指挥调度、事故处理等。例如，上海部署了基于人工智能的智能交通灯系统与违法行为电子监管系统[60]；
杭州、西安等城市基于“城市大脑”系统，提升了交通调度、事故处置、救护车等应急车辆通行调度等的有效性[61-62]。在民生安全方面，具有火灾监测、预警等功能的智慧消防系统在多个城市推广应用[63]。在犯罪预防与查处方面，诸多城市已经将基于人工智能的面部识别技术应用于城市安防工作[64]。此外，对抗学习、自然语言处理等技术的提出与发展，也为城市安全领域的难题提供了解决思路。总之，在城市安全领域，人工智能应用场景越来越多元化，有助于打造智慧、健康、安全的城市环境。

1.3 面临的难题

整体而言，城市安全涉及的各类自然灾害、事故灾难、安全事件往往具有以下特征：① 突发性强，前期隐患不易察觉；
② 紧迫性强，一旦发生安全问题需要立即采取措施进行处置；
③ 时变性强，初始安全事件发生后，后续会出现一系列的连锁反应，容易造成处置环节信息不对称；
④ 耦联性强，安全问题往往涉及多种对象、多个系统，关系错综复杂，潜在灾害链不明确；
⑤ 领域交叉多，安全事件的解决有时需要涉及多个专业的协同处理，对于偶发事件处置经验不足，资源需求不明晰。

我国于2018 年发布了《关于推进城市安全发展的意见》，为相关研究和实践从以下5 方面提供了指导性意见：加强城市安全源头治理、健全城市安全防控机制、提升城市安全监管效能、强化城市安全保障能力、加强统筹推动[67]。

但值得注意的是，城市安全问题中，不同灾害具有特异性，对灾害的后果往往需要具体问题具体对待，缺少统一表征思想，难以形成系统的体系。因此，尽管前述研究均对城市安全与管理中各个环节、各个内容的关键问题提供了良好的解决方法，但目前仍缺少统一的城市安全表征架构和理论体系。

此外，在城市安全问题中，至少有3 类要素需要加以重点考虑：风险源(致灾体)、承灾体和减灾体。以往的研究通常更加重视风险源与承灾体的研究，而对减灾体重要作用的考虑相对有限。这样做的直接后果是，忽视了政府与社会群体在减灾方面的贡献。以自然灾害为例，唐桂娟[68]研究并评价了武汉、重庆、哈尔滨等7 座城市的自然灾害应急能力，发现由于各城市的灾害识别能力、资源保障能力、行为反应能力等方面的区别，不同城市的应急能力具有显著区别，评价得分差距可超过3 倍。因此，应当注意到，不同的城市减灾体能力会带来不同的安全事件演化结果，不当的减灾行为反而会使得事件后果进一步恶化。最为直观的例子之一就是近年来爆发的新冠疫情，严峻地考验了不同国家和地区在公共卫生事件上的减灾能力，每个国家、地区、城市、乡镇的管理能力与应对策略的差异显著改变了疫情的发展过程与致灾后果[69]，特别是中国具备“集中力量办大事”的体制特色，所以，在衡量安全表征时应充分考虑减灾体价值和作用。

本文综合考虑风险源、承灾体和减灾体，提出了图1 所示的城市安全表征研究思想。首先，需要明确城市安全问题涉及的基本要素，即风险源、承灾体和减灾体。

风险源主要是指造成城市安全的风险要素，包括：台风、地震等自然灾害，公共设施设备事故等事故灾难，传染病疫情等公共卫生事件，恐怖袭击等社会安全事件，以及政治、经济安全威胁等宏观环境风险。

承灾体主要指承受风险源作用的要素，包含：建筑物、基础设施等物理要素，经济、医疗等社会要素，以及信号、网络等信息要素。

减灾体则是在城市安全的时间发展中(灾前、灾中、灾后)能够起到防灾、救灾、减灾作用的主体，包括：救援设备与设施、避难空间等物理要素；
人员素质、组织管理水平等社会要素。当然，减灾体的效果不一定总是有利的，不当的减灾处置反而会加重灾害后果。

需要特别说明的是，实际的城市安全问题十分复杂，对于不同的事件或同一事件的不同过程，都可能存在同一要素在风险源、承灾体和减灾体之间的角色转换过程。例如，大坝的修建可能诱发地震，而地震的作用会引起溃坝，进而产生洪水，对下游建筑等造成灾害。因此，风险源、承灾体和减灾体之间的相互演化和相互作用关系是客观存在的。

在明确基本要素后，需要定量给出各要素的强度或能力指标，包括风险源的致灾能力、承灾体的抗灾能力、减灾体的减灾能力。以台风为例，其致灾能力指标可以用风力等级、湍流强度、时变特性等加以衡量。接下来，通过致灾能力与承灾体抗灾能力的分析，可以得到风险源对承灾体造成的破坏力，进一步结合减灾体的减灾能力，则可以得到减灾体在城市安全事件中实际贡献的减灾效果，如灾前加固危房、转移人群等。综合风险源的破坏力、承载体的抗灾能力与减灾体的减灾能力即可以得到城市安全事件造成的后果，包括伤亡人数、经济损失、社会功能中断等。通过将实际后果与城市安全目标对比，即可以判断城市安全水平。

基于上述指导思想，本文提出了基于“风险源+承灾体+减灾体”的城市安全表征“库-网-流-谱-法”理论框架，如图2 所示。

该框架以数字孪生城市为基础，以风险源、承灾体和减灾体为主体，采用知识图谱、人工智能等作为理论实践的技术工具。具体而言，“库-网-流-谱-法”框架通过建立城市安全要素库，构建风险源、承灾体和减灾体之间的关联关系网络，触发和推演灾害链和事件流，分析风险源破坏力，形成时空脉络图谱，进而挖掘其中关键要害与控制因素，最后确定基于减灾体的风险疏导与安全提升方法，实现城市安全的动态循环管控与风险消减，提升城市安全至需求目标。数字孪生城市是“库-网-流-谱-法”的基础，知识图谱、人工智能是“库-网-流-谱-法”的推演工具。下文进一步阐述“库-网-流-谱-法”的每个环节在理论与技术层面涉及到的研究内容与关键科学问题。

3.1 库

库是指城市安全表征工作中涉及的城市安全要素的数据和信息库，是城市安全表征的数据基础。城市安全要素涉及面广、数据信息多源异构，部分内容在不同体系下的概念与界定具有模糊性。因此，在理论层面上，需要首先解决以下2 个科学问题：

1) 城市安全要素的定义与分类问题

从宏观上，可将安全要素库中的对象划分为风险源、承灾体和减灾体，但这还不足以满足城市安全表征的需求，还需开展更加科学、合理、精细的研究，包括：① 城市安全问题与对象的界定。科学合理的界定有助于明确各类城市安全问题的内容边界，辅助厘清城市安全问题的整体架构。② 城市安全要素的分类体系。根据对图1 的初步思考，风险源可包含台风、地震等自然灾害，公共设施设备事故等事故灾难，传染病疫情等公共卫生事件，恐怖袭击等社会安全事件，政治、经济安全威胁等宏观环境风险。承灾体可包含建筑物、基础设施等物理元素，经济、医疗等社会元素，信号、网络等信息要素。减灾体可包含救援装备、消防设施、避难空间等物理元素，人员素质、组织能力、管理水平等社会元素。③ 城市安全要素的定义标准。城市安全的问题错综复杂，对于不同的城市安全问题，同样的元素可能同时隶属于不同尺度或扮演着不同的角色。例如，建筑物在地震下既是承灾体，又能作为致灾体导致次生坠物灾害。因此，明确的定义标准是保证理论完备性的重要基础。

2) 城市安全要素表征理论

基于城市安全要素的定义，还需进一步开展城市安全要素的表征，其核心问题主要包括：① 城市安全实体与非实体要素的特征定义。城市中既有物理元素等实体元素，又有社会元素、信息元素等非实体元素。需要建立一套统一的定义方法，将实体与非实体元素放在一个架构下进行特征定义。② 城市安全要素特征的表征与度量理论。对安全问题的量化分析是城市安全表征的关键。而量化分析的前提是安全要素特征的定量表征与度量。同样，所有安全要素的特征表征与度量应在统一架构下进行。③ 城市安全要素特征的更新与融合理论。城市是“不断生长的有机体”，城市安全要素是时变、耦合的。建立城市安全要素特征的更新机制，提出多关联特征的融合凝聚方法，是构建“活”的城市安全要素库的必要条件。

在技术层面上，城市安全要素库应从数据的存储和更新方面重点解决两大问题：

1) 在数据存储方面，需要提出城市安全要素库的数字孪生平台构建技术。具体包括：低成本、高鲁棒性的硬件平台；

面向多灾害全周期的数字孪生数据结构；
低时滞高一致性的分布式存储技术。

2) 在数据更新方面，核心在于提出城市安全要素特征的感知与融合技术。具体包括：
基于物联网和群智感知的数据获取技术；

海量时序数据的高效存储与调用技术；
多维异构数据的关键特征感知与融合技术。

3.2 网

城市安全表征理论架构的第二个层次是网，其概念为风险、承灾体和减灾体之间的关联关系网络。总的来说是在第一个层次(库)的基础上，定义、建立、挖掘、完善、表征、量化城市安全要素之间的联系。在理论层面上，需要首先解决以下2 个科学问题：

1) 城市安全要素间关联关系体系构建理论

城市安全对象众多、特征复杂，导致了不同对象间的关系复杂数量庞大、特征模糊难以界定。为此，首先应该对相关内容从理论上提出更加科学、合理、精细的定义，并在此基础上，需要提出关联关系的判别准则，以实现关系的自动或者半自动化识别。具体包括：① 安全要素间关联关系定义及分类，即确定安全要素间关联关系的定义并建立关联关系的分类体系；
② 基础关联与隐藏关联的判别理论，即建立基础关联关系判别标准、提出隐藏关联关系推演与判别方法；
③ 城市安全要素及关联的本体模型。

2) 城市安全要素关联关系表征理论

为满足城市安全风险推演的需求，“网”应同时具备逻辑推断能力与量化计算的能力。具体包括：① 城市安全要素关联关系特征的表征理论，不同要素间既有实体关系，也有非实体关系，因此，需要为不同的关系建立一套统一的表征方法；
② 城市安全要素间典型关系的基本关联模式图。

在技术层面上，为了应对城市安全要素间关系中海量大数据带来的系列问题。城市安全要素网应从大规模网络的构建与量化方面重点解决2 个技术问题：

1) 城市安全要素关联知识图谱构建技术。具体包括：大规模关系网络模型分布式存储与快速查询技术；
基于规则的关联关系快速推理技术；
关联关系模糊网络推理与关系网络自增广方法。

2) 城市安全要素关联关系量化技术。具体包括：多类别关联特征量化模型构建；
大规模关联关系网络的高效特征量化算法。

3.3 流

“流”是第三个层次，其在“网”的基础上，通过模型和算法实现灾害链和事件流的全过程推演，以完成城市安全事件的发展预测，为挖掘城市安全关键要害和控制因素提供技术手段，为相关运维和决策提供可视化、动态化的量化数据支撑。为此，在理论层面首先需要解决2 个科学问题：

1) 城市安全事件触发作用机理

城市是一个复杂、庞大、不断发展变化的有机生命体。城市中某一要素的突发改变可能带来一系列“蝴蝶效应”式的链式反应。因此，预测城市安全事件发展演化规律的第一要点是需要明确事件触发的作用机理，具体包括：① 城市安全事件作用的触发激活理论，明确城市中哪些关键要素能够诱发城市安全的链式反应；
② 城市安全事件作用的链式传递理论，揭示链式反应中关键要素的更迭与传递规律；
③ 城市安全要素在事件作用下的影响与干涉机理，明晰动态变化的城市安全要素对链式反应的影响。

2) 城市安全事件流时空推演方法

灾害链和事件流的情景推演是赋予城市安全表征“生命力”的重要基础。通过融合物理驱动和数据驱动模拟方法的各自优势，并充分考虑物理-社会-信息三度空间的相互作用，可以实现快、准、真的城市安全时空演化预测。为此，需要研究：① 物理与数据驱动的城市安全事件流情景推演；
② 物理与数据驱动的城市安全事件流不确定性因素传递推演，考虑工程要素和模型要素不确定性因素，实现城市安全演化预测结果的置信度评估，为城市安全智慧管控提供多层次数据支撑；
③ 物理-社会-信息三度空间下的城市系统时空演化机理，考虑城市是集合物理-社会-信息多维信息的综合有机体，从顶层宏观多维度视角揭示城市安全事件流中的物理-社会-信息的复杂相互作用规律。

在技术层面上，为实现上述内容，需要依赖知识图谱、大数据、人工智能等多种新型技术。为此，需要解决2 个技术难题：

1) 城市安全事件触发作用表征与感知技术。具体包括：城市安全事件触发监测与预警技术；
复杂灾变耦合要素特征影响关系的数字化表征方法；
基于知识图谱的大数据有向图存储与查询技术。

2) 城市安全事件流时空推演模型方法。具体包括：基于大数据和知识图谱的高性能图贝叶斯推理技术；
时间推演物理模型的轻量化与并发技术；
时空推演模型的多维度数据融合方法。

需要说明的是，“流”和“网”的区别在于：“网”主要是指风险、承灾体和减灾体之间的关联关系网络，即用于表达不同基本要素之间的逻辑与演化关系，是指整体上的关联架构，它不依赖于具体的某一事件，是所有要素之间客观存在的固有关联。而“流”是在某一事件触发后，在“网”上形成的事件和灾害的传递和演化过程。对于同样的要素，拥有同样的“网”，但是对于不同的风险源所触发的事件，则会产生不同的“流”。

3.4 谱

“谱”是基于库、网、流的内容建立城市安全的时空脉络图谱，进而挖掘城市安全的关键要害和控制因素，是为下一层次(法)的风险消减管控、城市安全提升指明方向。为此，在理论层面首先应当解决2 个科学问题：

1) 城市安全表征图谱的建立

城市安全表征图谱是一种城市安全统一表征范式，是统一衡量和比较不同风险的理论基础，主要包括：① 城市安全表征指标。城市安全问题的后果涉及人员伤亡、房屋损坏等多个内容，不同的风险会产生不同类型的后果，需要针对不同层面建立需要分析的城市安全表征指标。② 构建城市安全协调统一评估框架。不同的风险会对不同的指标产生不同的影响，如何在统一的框架下综合评估比较不同风险带来的城市安全危害是一个难题。③ 城市安全指标动态评估体系。无论是风险、承灾体还是减灾体，都是动态的、时变的要素，需要考虑各类要素的动态变化对城市安全造成的影响。

2) 城市安全控制要素挖掘理论

城市安全控制要素挖掘是寻找关键要害的重要内容。需要研究：① 城市安全控制要素定义与分类方法。为了判断影响城市安全的控制要素，首先需要明确控制要素的定义，并有针对性的开展分类，方便对不同类型要素制定有效的应对策略。② 城市安全要素权重与敏感性度量理论。通过度量各个要素的重要性与敏感性，识别关键要素，形成关键要害和控制因素清单。

在技术层面，为获取关键要害和控制因素，需要解决2 个技术难题：

1) 城市安全表征体系构建与安全指标评估技术。具体包括：面向不同风险源的城市安全表征指标体系构建技术；
物理与数据耦合驱动的城市安全表征指标影响分析技术；
面向物理-社会-信息三度空间的城市安全动态评估技术。

2) 城市安全控制要素挖掘和清单自动生成技术。具体包括：基于层次分析法的城市安全要素挖掘方法；
基于人工智能代理模型的城市安全要素敏感性分析技术。

3.5 法

“法”是指城市安全的动态循环管控与风险消减对策与方法，是提升城市安全水平的手段。在“法”的基础上，面向城市安全的感知、评估、预警、响应4 个环节，开展城市安全循环提升，打通致灾-抗灾-减灾的逻辑链路，直接面向城市治理的关键目标。在理论层面上，“法”需要解决2 个科学问题。

1) 城市减灾体作用效果表征理论

研究城市安全风险消减的方法与环路，首先应充分表征城市减灾体的作用效果。具体地，理论应包括：① 多要素约束下的城市减灾目标理论。城市安全的承灾体由于要素属性的不同，具有不同的减灾目标，这些基础性的目标不一定具有一致性。因此，需要针对城市减灾的客观需求，明确存在的约束条件，统筹协调城市安全承灾体多层次的减灾目标。② 面向单关键环节的减灾力表征理论。在明确了减灾目标之后，针对城市安全的单一关键环节表征减灾体的作用效果。③ 多环节下的减灾力耦合作用效果表征理论。进一步地，考察减灾体在多个环节下的作用效果，在这个过程中，对于不同的承灾体，其效果可以是正面的也可能是负面的，需要统筹表征减灾力的耦合作用。

2) 城市减灾体作用效果动态评估与反馈理论

“法”需要面向城市安全循环管控与风险消减的动态性。为了实现这样的动态性，应研究的理论具体包括：① 城市安全风险疏导与减灾力提升理论。城市安全风险疏导与减灾力提升是环路作用的最终目标，该理论研究需揭示风险疏导与减灾力提升的机理，服务于减灾体作用效果的评估反馈。② 物理-社会-信息三度空间约束下的减灾力动态评估理论。物理空间、社会空间和信息空间共同组成了城市复杂巨系统，其共同影响城市中减灾体的减灾力水平与作用效果，且具有时空变化特征，因此需要量化评估三度空间约束对减灾力的动态作用。③ 城市安全策略动态更新与反馈理论。上述动态评估结果通过合适的反馈机制到达减灾体的管理人员，在信息辅助下经过专业研判，实现城市安全策略的动态更新，在循环过程中持续疏导城市安全风险并提升城市安全治理的减灾力。

在技术层面上，城市安全提升围绕动态循环管控与风险消减重点解决2 个问题：

1) 城市安全的数字孪生对抗学习循环管控技术。具体包括：基于对抗学习实现减灾策略库自学习动态更新；
基于物联网与人工智能研发高效的减灾设施管控技术；
物理与数据驱动的城市安全大规模快速数字孪生循环推演技术。

2) 在风险消减方面，需要提出城市安全的风险消减与能力提升技术。具体包括：基于知识图谱研发风险消减与疏导路径挖掘技术；
情境驱动的组织管理能力提升技术；
高效低成本减灾物理设备研发。

本文针对当前的城市安全需求与面临的难题，依托数字孪生、机器学习、知识图谱等新技术，提出“减灾体”和“减灾力”的概念，进而建立了基于“风险源+承灾体+减灾体”的城市安全表征“库-网-流-谱-法”理论框架，并对“库-网-流-谱-法”中每个环节涉及的研究内容与关键问题进行了详细阐述。该理论的特点在于：① “减灾体”和“减灾力”概念的引入能够更加合理的表征城市的管理能力在城市安全中的作用；
② 以数字孪生为基础的“库-网-流-谱-法”体系有望动态表征城市安全，实现数字模型与物理模型的同生共长、虚实交融；
③ 以知识图谱、人工智能为推演工具，引入“对抗学习”等先进概念，实现城市安全能力与决策的智能学习与智能优化。

在未来，基于上述理论框架，以风险源、承灾体、减灾体为数据层，以“库-网-流-谱-法”为理论层，以数字孪生、知识图谱、人工智能为技术层，以城市安全数字孪生平台为平台层，以城市安全问题的感知、评估、预警、响应为应用层，有望搭建城市安全表征应用平台架构，进而实现本理论在城市安全问题中的具体实践。

猜你喜欢 安全事件减灾要素 防震减灾 科普先行当代矿工(2022年7期)2022-11-26山东玉米主要逆境及抗逆减灾技术农业知识(2022年9期)2022-10-13中国“防灾减灾日”问答家庭医学(2021年11期)2021-12-29防灾减灾 共迎丰收之季今日农业(2021年15期)2021-11-262020年度区块链领域安全事件达555起中国计算机报(2021年9期)2021-04-26也谈做人的要素山东青年(2016年2期)2016-02-282015年8月债券发行要素一览表债券(2015年9期)2015-09-29优质护理干预对精神科护理安全事件发生率的影响探析现代养生·下半月(2015年1期)2015-05-26

推荐访问:减灾 表征 框架