面向應(yīng)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(shè)計創(chuàng)新院，廣東 東莞 523000；2.廣東工業(yè)大學(xué)計算機學(xué)院，廣東 廣州 510000）

0 概述

智能化的應(yīng)急系統(tǒng)需要快速高效的智能輔助決策來支持，根據(jù)突發(fā)應(yīng)急事件的發(fā)展動態(tài)，結(jié)合數(shù)字化應(yīng)急預(yù)案，智能化地輔助生成應(yīng)急方案是提升應(yīng)急事件科學(xué)合理和高效處置的重要構(gòu)件。傳統(tǒng)的決策支持系統(tǒng)（DSS）是運用定量的單個或者多個數(shù)學(xué)模型進行輔助決策[1]，其存在的問題是構(gòu)建正確反應(yīng)客觀世界的數(shù)學(xué)模型是一個復(fù)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(yīng)的定量模型，并且靜態(tài)的數(shù)學(xué)模型也難以反應(yīng)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(shù)可以較好地適應(yīng)這種要求。CBR是一種不同于基于規(guī)則推理（Ruler-Based Reasoning， RBR）的基于經(jīng)驗知識進行推理的人工智能技術(shù)，它是用案例來表達知識，并將問題求解和學(xué)習(xí)相融合的一種推理模式[2]。

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

1 智能輔助應(yīng)急決策流程

城市應(yīng)急系統(tǒng)的流程包括警情上報、接警、處警、結(jié)案以及事后評估的流程。處警是應(yīng)急系統(tǒng)的中心環(huán)節(jié)。處警的關(guān)鍵問題在于指揮人員發(fā)布一序列指令和處置步驟來指揮應(yīng)急力量進行搶險救援工作，緩解危機，解決問題[3]。在發(fā)生城市突發(fā)應(yīng)急事件時，需要通過合適的應(yīng)急預(yù)案指導(dǎo)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(yīng)急指揮工作模式，通過“應(yīng)急事件警情上報-應(yīng)急預(yù)案智能推理-應(yīng)急方案輔助生成-應(yīng)急決策指揮調(diào)度-應(yīng)急預(yù)案學(xué)習(xí)評估”的循環(huán)處理過程，提升應(yīng)急系統(tǒng)智能化效能。

基于案例推理的智能輔助應(yīng)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(yīng)急決策工作流程圖

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

2 基于案例推理的模型

2.1 應(yīng)急預(yù)案的數(shù)據(jù)結(jié)構(gòu)

根據(jù)基于案例推理的規(guī)格化要求，需要建立應(yīng)急預(yù)案的數(shù)據(jù)結(jié)構(gòu)。該文采用二維向量的模式構(gòu)建應(yīng)急預(yù)案的特征向量。

定義：應(yīng)急案例EPi的特征向量：EPi

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

應(yīng)急預(yù)案的特征向量中的槽為應(yīng)急預(yù)案定義的關(guān)鍵屬性，如發(fā)生時間、發(fā)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(yīng)急決策模型

應(yīng)急方案的智能輔助生成是應(yīng)急決策與指揮調(diào)度中的關(guān)鍵環(huán)節(jié)，應(yīng)急方案必須基于應(yīng)急預(yù)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(yīng)急預(yù)案庫中的應(yīng)急預(yù)案進行推理及匹配，快速篩選與檢索有效的應(yīng)急預(yù)案。

該文提出的應(yīng)急預(yù)案智能匹配模型包括3個階段（圖2），即建庫階段、應(yīng)用階段和學(xué)習(xí)階段。

圖2 基于案例推理的應(yīng)急預(yù)案智能匹配模型

建庫階段主要是對大量的應(yīng)急預(yù)案進行特征提取，構(gòu)建特征向量，保存到應(yīng)急預(yù)案庫中。同時，建立應(yīng)急預(yù)案的特征索引的構(gòu)建。

應(yīng)用階段是根據(jù)應(yīng)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(yīng)急預(yù)案庫中的應(yīng)急預(yù)案進行相似度計算，檢索合適的應(yīng)急預(yù)案，并按照相似度進行排序，以便選擇合適的應(yīng)急預(yù)案，作為應(yīng)急方案智能輔助生成的依據(jù)和框架，以提供給應(yīng)急決策與指揮調(diào)度使用。

學(xué)習(xí)階段是根據(jù)應(yīng)急方案實施的應(yīng)急指揮調(diào)度的結(jié)果，通過應(yīng)急方案的概化處理，形成一種應(yīng)急預(yù)案類的框架，并構(gòu)建特征向量，保存到應(yīng)急預(yù)案庫中，以備今后的應(yīng)急響應(yīng)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(jù)警情特征向量與應(yīng)急預(yù)案庫中的應(yīng)急預(yù)案特征向量進行相似度計算。

定義：警情信息與第i項應(yīng)急預(yù)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(yīng)急預(yù)案的特征向量，即EPi=。

系統(tǒng)設(shè)定相似度的閾值，將相似度超過預(yù)定閾值的應(yīng)急預(yù)案挑選出來，作為應(yīng)急方案生成的備選預(yù)案。

2.3 自學(xué)習(xí)模型

學(xué)習(xí)階段是應(yīng)急決策系統(tǒng)的重要組成部分，系統(tǒng)的學(xué)習(xí)能力是體現(xiàn)系統(tǒng)智能性的一個重要方面，通過學(xué)習(xí)過程，可以豐富系統(tǒng)的知識，改進應(yīng)急預(yù)案和綜合信息庫中領(lǐng)域知識的內(nèi)容，從而提高解決問題的準確性和科學(xué)性。該系統(tǒng)采用數(shù)據(jù)挖掘獲取隱含知識與案例學(xué)習(xí)相結(jié)合的學(xué)習(xí)方式，提出自學(xué)習(xí)循環(huán)結(jié)構(gòu)模型。

整個學(xué)習(xí)評估模塊由3個部分組成：1）基于案例推理的系統(tǒng)學(xué)習(xí)（案例學(xué)習(xí)）部分，它主要實現(xiàn)了智能決策子系統(tǒng)的機器學(xué)習(xí)功能，是這個系統(tǒng)具有智能性特征的重要體現(xiàn)。2）基于數(shù)據(jù)挖掘技術(shù)實現(xiàn)的知識發(fā)現(xiàn)功能，有助于專家發(fā)現(xiàn)隱含在大量應(yīng)急事件中的知識，幫助專家制定更好、更合理的應(yīng)急預(yù)案。3）決策評估部分，通過專家對已實施應(yīng)急處置的突發(fā)事件進行處置效果綜合評分，得出應(yīng)急預(yù)案處置突發(fā)事件的有效程度，以便于制定更合理的預(yù)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(tài)構(gòu)建模式

在基于案例推理的基礎(chǔ)上，根據(jù)應(yīng)急事件的特征，尋找相應(yīng)的應(yīng)急預(yù)案，就可以輔助生成應(yīng)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(yīng)急方案的框架生成，特征屬性匹配與數(shù)據(jù)填充，方案生成與指揮調(diào)度。

圖3 智能輔助方案生成模型

應(yīng)急方案生成的主要依據(jù)是應(yīng)急預(yù)案。因此，應(yīng)急預(yù)案的篩選和匹配是智能輔助方案生成的前置步驟。應(yīng)急系統(tǒng)根據(jù)應(yīng)急預(yù)案生成應(yīng)急方案的框架，并對應(yīng)急預(yù)案的屬性進行匹配，通過查詢應(yīng)急基礎(chǔ)數(shù)據(jù)庫的內(nèi)容，填充應(yīng)急方案框架的相應(yīng)數(shù)據(jù)屬性。在此基礎(chǔ)上，構(gòu)建完整的應(yīng)急方案，并提交應(yīng)急系統(tǒng)進行指揮調(diào)度。

應(yīng)急方案生成的主要依據(jù)是應(yīng)急預(yù)案。因此，應(yīng)急預(yù)案的篩選和匹配是智能輔助方案生成的前置步驟。應(yīng)急系統(tǒng)根據(jù)應(yīng)急預(yù)案生成應(yīng)急方案的框架，并對應(yīng)急預(yù)案的屬性進行匹配，通過查詢應(yīng)急基礎(chǔ)數(shù)據(jù)庫的內(nèi)容，填充應(yīng)急方案框架的相應(yīng)數(shù)據(jù)屬性。在該基礎(chǔ)上構(gòu)建完整的應(yīng)急方案，并提交應(yīng)急系統(tǒng)進行指揮調(diào)度。

應(yīng)急方案的智能輔助生成過程是一個動態(tài)的過程，需要針對應(yīng)急事件的處置和發(fā)展?fàn)顩r進行不斷的修正和完善，進而指導(dǎo)對應(yīng)急事件的持續(xù)處置。因此，應(yīng)急系統(tǒng)需要對方案的執(zhí)行進行持續(xù)的動態(tài)監(jiān)控，并判斷應(yīng)急事件的處置是否結(jié)束。如果應(yīng)急事件的處置還沒有結(jié)束，就要根據(jù)最新的應(yīng)急事件的發(fā)展?fàn)顟B(tài)和屬性對應(yīng)急預(yù)案進行實時匹配，并審查已有的應(yīng)急方案是否合適，調(diào)整應(yīng)急方案的框架，使應(yīng)急屬性相匹配，形成一個閉環(huán)的應(yīng)急方案，生成與應(yīng)急指揮調(diào)度的應(yīng)急事件處置過程，直至應(yīng)急事件的處置完畢。

3.2 應(yīng)急方案的特征結(jié)構(gòu)

相應(yīng)于應(yīng)急預(yù)案的結(jié)構(gòu)，應(yīng)急方案也需要建立對應(yīng)的特征結(jié)構(gòu)。該文采用二維向量的模式構(gòu)建應(yīng)急預(yù)案的特征向量。

定義：應(yīng)急方案ES的特征向量如下。

其中，Class為應(yīng)急事件的種類，即Class={c| 應(yīng)急事件4類}；P為應(yīng)急方案的應(yīng)急響應(yīng)級別，即P={p| 應(yīng)急級別4級}；K為應(yīng)急事件的特征關(guān)鍵詞；Slot為應(yīng)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(yīng)的值。

應(yīng)急方案的特征向量中的槽基本對應(yīng)應(yīng)急預(yù)案中的相應(yīng)的槽，如發(fā)生時間、發(fā)生地點和損失價值等。

3.3 應(yīng)急方案的數(shù)據(jù)匹配

應(yīng)急預(yù)案的框架結(jié)構(gòu)中的各個槽值采用的是特征關(guān)鍵詞的模式，即在應(yīng)急預(yù)案的特征向量中，記錄的是槽的關(guān)鍵詞。在應(yīng)急方案生成中，根據(jù)應(yīng)急預(yù)案的槽值，在應(yīng)急基礎(chǔ)數(shù)據(jù)庫中查找相應(yīng)的數(shù)據(jù)和描述，填充應(yīng)急方案中相應(yīng)的槽值，就是應(yīng)急方案生成過程。

例如，在應(yīng)急預(yù)案中建立了應(yīng)急處置的組織架構(gòu)，但是不會具體到應(yīng)急處置的每個具體的人員。在應(yīng)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(wù)、聯(lián)系電話等。應(yīng)急基礎(chǔ)數(shù)據(jù)庫中包括應(yīng)急系統(tǒng)所需要的各類信息，人員姓名、職務(wù)和聯(lián)系電話等。

在智能輔助方案的生成過程中，就通過應(yīng)急預(yù)案特征向量的槽值作為關(guān)鍵詞，在應(yīng)急基礎(chǔ)數(shù)據(jù)庫中查找數(shù)據(jù)，將人員的信息提取出來，填入應(yīng)急方案的相應(yīng)槽中，就構(gòu)建和完善了應(yīng)急方案中的數(shù)據(jù)，以支持應(yīng)急處置中的精準指揮調(diào)度。

4 應(yīng)用案例

該文以東莞市的一家工廠的消防應(yīng)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(yīng)急系統(tǒng)的方案生成過程。

在該消防應(yīng)急救援事件中，系統(tǒng)接警后，獲得了突發(fā)事件的特征，確定了該事件為社會應(yīng)急事件類別，由于有人員受傷，但無人員死亡，因此確定應(yīng)急響應(yīng)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(nèi)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(yīng)急救援建立的消防應(yīng)急預(yù)案中的535項應(yīng)急預(yù)案進行相似度計算，相似度閾值設(shè)定為0.7，共篩選出5項符合該類應(yīng)急事件相應(yīng)的處置預(yù)案。通過指揮員結(jié)合當(dāng)時的應(yīng)急救援資源的情況進行綜合判定，最后確定了其中一項應(yīng)急預(yù)案作為該事件進行應(yīng)急救援的主要依據(jù)。

5 結(jié)論

該文根據(jù)應(yīng)急系統(tǒng)的需求，面向應(yīng)急事件，建立基于案例推理的應(yīng)急預(yù)案的篩選與檢索模型，通過對應(yīng)急預(yù)案的特征化處理，完成智能推理及相似度計算，構(gòu)建了自學(xué)習(xí)評估模塊，支持快速匹配與提取相應(yīng)的應(yīng)急預(yù)案，有效支持了應(yīng)急系統(tǒng)的應(yīng)急方案的智能輔助生成，提升了應(yīng)急響應(yīng)和處置的效能。