面向應急方案智能輔助生成的基于案例推理的模型研究

丁 慧 王 勇

（1.東莞華南設計創新院，廣東 東莞 523000；2.廣東工業大學計算機學院，廣東 廣州 510000）

0 概述

智能化的應急系統需要快速高效的智能輔助決策來支持，根據突發應急事件的發展動態，結合數字化應急預案，智能化地輔助生成應急方案是提升應急事件科學合理和高效處置的重要構件。傳統的決策支持系統（DSS）是運用定量的單個或者多個數學模型進行輔助決策[1]，其存在的問題是構建正確反應客觀世界的數學模型是一個復雜且困難的過程，對一些模糊和不確定性問題更是難以建立相應的定量模型，并且靜態的數學模型也難以反應客觀世界的變化。因此，必須有合適的方法去提升決策支持的效能。

基于案例推理（CBR）的人工智能技術可以較好地適應這種要求。CBR是一種不同于基于規則推理（Ruler-Based Reasoning， RBR）的基于經驗知識進行推理的人工智能技術，它是用案例來表達知識，并將問題求解和學習相融合的一種推理模式[2]。

該文面向突發事件的應急處置提出了一個基于案例推理的具有自學習機制的智能輔助應急決策支持的模型，深入研究了應急案例的框架及案例檢索與匹配算法，為突發事件的應急處置提供一種科學高效的決策支持。

1 智能輔助應急決策流程

城市應急系統的流程包括警情上報、接警、處警、結案以及事后評估的流程。處警是應急系統的中心環節。處警的關鍵問題在于指揮人員發布一序列指令和處置步驟來指揮應急力量進行搶險救援工作，緩解危機，解決問題[3]。在發生城市突發應急事件時，需要通過合適的應急預案指導進行快速決策，使用智能化工具輔助決策，以提高決策效率。為此，筆者提出了基于智能決策過程的應急指揮工作模式，通過“應急事件警情上報-應急預案智能推理-應急方案輔助生成-應急決策指揮調度-應急預案學習評估”的循環處理過程，提升應急系統智能化效能。

基于案例推理的智能輔助應急決策的工作流程如圖1所示。

圖1 基于案例推理的智能輔助應急決策工作流程圖

應急事件警情上報需要建立一個特征向量，通過應急預案智能推理對應急預案庫的應急案例進行模糊匹配，完成應急案例的高效檢索，進而支持應急方案的輔助生成，支持應急決策指揮調度。在該基礎上，通過對應急事件的處置，將應急方案概化成應急預案，保存到應急預案庫中，完成對應急預案的學習評估。

2 基于案例推理的模型

2.1 應急預案的數據結構

根據基于案例推理的規格化要求，需要建立應急預案的數據結構。該文采用二維向量的模式構建應急預案的特征向量。

定義：應急案例EPi的特征向量：EPi

其中，EPi為第i條應急預案，Classi為應急事件的種類，即Classi={ci| 應急事件4類}；Pi為第i項應急預案的應急響應級別，即Pi={pi| 應急級別4級}；Sloti為應急預案的槽的鍵值對，即Sloti=（，，..），sij為第j個槽，vij為第j個槽對應的值。

應急預案的特征向量中的槽為應急預案定義的關鍵屬性，如發生時間、發生地點、損失價值等。

2.2 基于案例推理的智能決策算法

2.2.1 基于案例推理的應急決策模型

應急方案的智能輔助生成是應急決策與指揮調度中的關鍵環節，應急方案必須基于應急預案的框架生成。該文提出采用基于案例推理的智能算法，對應急預案庫中的應急預案進行推理及匹配，快速篩選與檢索有效的應急預案。

該文提出的應急預案智能匹配模型包括3個階段（圖2），即建庫階段、應用階段和學習階段。

圖2 基于案例推理的應急預案智能匹配模型

建庫階段主要是對大量的應急預案進行特征提取，構建特征向量，保存到應急預案庫中。同時，建立應急預案的特征索引的構建。

應用階段是根據應急事件的警情信息的特征提取，建立基于案例推理的智能特征匹配，對應急預案庫中的應急預案進行相似度計算，檢索合適的應急預案，并按照相似度進行排序，以便選擇合適的應急預案，作為應急方案智能輔助生成的依據和框架，以提供給應急決策與指揮調度使用。

學習階段是根據應急方案實施的應急指揮調度的結果，通過應急方案的概化處理，形成一種應急預案類的框架，并構建特征向量，保存到應急預案庫中，以備今后的應急響應的匹配需要。

2.2.2 相似度算法

該文提出的基于案例推理的算法主要采用歐拉距離計算，根據警情特征向量與應急預案庫中的應急預案特征向量進行相似度計算。

定義：警情信息與第i項應急預案的相似度計算公式如下。

式中：EI為警情信息的特征向量，即EI=；EPi為第i項應急預案的特征向量，即EPi=。

系統設定相似度的閾值，將相似度超過預定閾值的應急預案挑選出來，作為應急方案生成的備選預案。

2.3 自學習模型

學習階段是應急決策系統的重要組成部分，系統的學習能力是體現系統智能性的一個重要方面，通過學習過程，可以豐富系統的知識，改進應急預案和綜合信息庫中領域知識的內容，從而提高解決問題的準確性和科學性。該系統采用數據挖掘獲取隱含知識與案例學習相結合的學習方式，提出自學習循環結構模型。

整個學習評估模塊由3個部分組成：1）基于案例推理的系統學習（案例學習）部分，它主要實現了智能決策子系統的機器學習功能，是這個系統具有智能性特征的重要體現。2）基于數據挖掘技術實現的知識發現功能，有助于專家發現隱含在大量應急事件中的知識，幫助專家制定更好、更合理的應急預案。3）決策評估部分，通過專家對已實施應急處置的突發事件進行處置效果綜合評分，得出應急預案處置突發事件的有效程度，以便于制定更合理的預案，同時案例推理引擎進行更有效的案例檢索。

3 智能輔助方案生成模型

3.1 智能輔助方案生成的動態構建模式

在基于案例推理的基礎上，根據應急事件的特征，尋找相應的應急預案，就可以輔助生成應急方案了。

智能輔助方案生成主要由以下3個部分組成（如圖3所示），包括應急方案的框架生成，特征屬性匹配與數據填充，方案生成與指揮調度。

圖3 智能輔助方案生成模型

應急方案生成的主要依據是應急預案。因此，應急預案的篩選和匹配是智能輔助方案生成的前置步驟。應急系統根據應急預案生成應急方案的框架，并對應急預案的屬性進行匹配，通過查詢應急基礎數據庫的內容，填充應急方案框架的相應數據屬性。在此基礎上，構建完整的應急方案，并提交應急系統進行指揮調度。

應急方案生成的主要依據是應急預案。因此，應急預案的篩選和匹配是智能輔助方案生成的前置步驟。應急系統根據應急預案生成應急方案的框架，并對應急預案的屬性進行匹配，通過查詢應急基礎數據庫的內容，填充應急方案框架的相應數據屬性。在該基礎上構建完整的應急方案，并提交應急系統進行指揮調度。

應急方案的智能輔助生成過程是一個動態的過程，需要針對應急事件的處置和發展狀況進行不斷的修正和完善，進而指導對應急事件的持續處置。因此，應急系統需要對方案的執行進行持續的動態監控，并判斷應急事件的處置是否結束。如果應急事件的處置還沒有結束，就要根據最新的應急事件的發展狀態和屬性對應急預案進行實時匹配，并審查已有的應急方案是否合適，調整應急方案的框架，使應急屬性相匹配，形成一個閉環的應急方案，生成與應急指揮調度的應急事件處置過程，直至應急事件的處置完畢。

3.2 應急方案的特征結構

相應于應急預案的結構，應急方案也需要建立對應的特征結構。該文采用二維向量的模式構建應急預案的特征向量。

定義：應急方案ES的特征向量如下。

其中，Class為應急事件的種類，即Class={c| 應急事件4類}；P為應急方案的應急響應級別，即P={p| 應急級別4級}；K為應急事件的特征關鍵詞；Slot為應急方案的槽的鍵值對，即Slot=（，，..），sj為第j個槽，vj為第j個槽對應的值。

應急方案的特征向量中的槽基本對應應急預案中的相應的槽，如發生時間、發生地點和損失價值等。

3.3 應急方案的數據匹配

應急預案的框架結構中的各個槽值采用的是特征關鍵詞的模式，即在應急預案的特征向量中，記錄的是槽的關鍵詞。在應急方案生成中，根據應急預案的槽值，在應急基礎數據庫中查找相應的數據和描述，填充應急方案中相應的槽值，就是應急方案生成過程。

例如，在應急預案中建立了應急處置的組織架構，但是不會具體到應急處置的每個具體的人員。在應急方案中，就必須明確各類人員的具體信息，包括人員的姓名、職務、聯系電話等。應急基礎數據庫中包括應急系統所需要的各類信息，人員姓名、職務和聯系電話等。

在智能輔助方案的生成過程中，就通過應急預案特征向量的槽值作為關鍵詞，在應急基礎數據庫中查找數據，將人員的信息提取出來，填入應急方案的相應槽中，就構建和完善了應急方案中的數據，以支持應急處置中的精準指揮調度。

4 應用案例

該文以東莞市的一家工廠的消防應急救援事件為例，來說明該課題研究的基于案例推理的智能化應急系統的方案生成過程。

在該消防應急救援事件中，系統接警后，獲得了突發事件的特征，確定了該事件為社會應急事件類別，由于有人員受傷，但無人員死亡，因此確定應急響應級別為3級，起火原因是電器起火，工廠面積有10000 m2，起火地點為樓房的3層，周邊100 m范圍內有加油站。因此，警情的特征向量：

EI=< 3， 3， （<起火地點，低層>， <起火原因，電器>， <場地面積，10000>， <附件危險物，加油站>）

該文對消防應急救援建立的消防應急預案中的535項應急預案進行相似度計算，相似度閾值設定為0.7，共篩選出5項符合該類應急事件相應的處置預案。通過指揮員結合當時的應急救援資源的情況進行綜合判定，最后確定了其中一項應急預案作為該事件進行應急救援的主要依據。

5 結論

該文根據應急系統的需求，面向應急事件，建立基于案例推理的應急預案的篩選與檢索模型，通過對應急預案的特征化處理，完成智能推理及相似度計算，構建了自學習評估模塊，支持快速匹配與提取相應的應急預案，有效支持了應急系統的應急方案的智能輔助生成，提升了應急響應和處置的效能。