[發(fā)明專利]應急預案數(shù)字化生成方法

有效

• 申請?zhí)枺?/td>: 201310752783.4
• 申請日: 2013-12-31
• 公開（公告）號: CN103886507B
• 公開（公告）日: 2017-07-14
• 發(fā)明（設計）人: 王子洋;杜渺;秦勇;賈利民;趙忠信;鐘玲玲;朱婕;于鴻飛;李倩;李文宇;朱鵬;劉利忠;劉瑜;梁平;王金利
• 申請（專利權(quán)）人: 北京交通大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司11246
• 代理人: 薄觀玖

1.一種應急預案數(shù)字化生成方法，其特征在于，該方法包括以下步驟：

步驟1：將原有應急預案分解生成數(shù)字化應急預案庫；

步驟2：根據(jù)突發(fā)事件的類型、等級、傷亡情況，生成該事件下應急預案的信息維度；

步驟3：將根據(jù)突發(fā)事件生成的信息維度與應急預案數(shù)字化庫中信息維度相關目標的內(nèi)容進行匹配，選擇出相似度最高的預案；

步驟4：根據(jù)相似度最高的預案，提取相似度最高的預案的過程維度信息生成初步處置流程；

步驟5：對生成的初步處置流程采用初始場景到結(jié)束場景線路正確的路線匹配策略進行正確性驗證，并對不合法或錯誤的流程進行修訂，得到更為合理的處置流程案；

步驟6：根據(jù)步驟5所得處置流程，對突發(fā)事件進行處置，直至事件處理結(jié)束；如果應急事件擴大，則更新事件信息維度，并轉(zhuǎn)向步驟2，從而，循環(huán)執(zhí)行上述流程直到處置結(jié)束；

所述將根據(jù)突發(fā)事件生成的信息維度與應急預案數(shù)字化庫中信息維度中相關目標的內(nèi)容進行匹配，方法如下：

假設目標事件α與事件β進行匹配，α和β分別是由m個屬性進行描述α＝{a₁,a₂,a₃...a_m}，β＝{b₁,b₂,b₃...b_m}與各屬性的權(quán)重分別為w_i,i＝1,2,3,4...m,則α和β之間相似度SIM(α,β)的計算方法表示如下：

其中，ω_α,β表示α和β的結(jié)構(gòu)相似度，它描述了缺失的屬性數(shù)據(jù)對于事件間相似度計算的影響，表示了案例α和β間屬性的可替代程度，sim(a_i,b_i)表示案例α和β的在屬性i上的局部相似度；

事件α與事件β的事件全局相似度SIM(α,β)和屬性的局部相似度sim(a_i,b_i)的取值范圍均為[0,1]，取值越高表示相似程度越高；

1)結(jié)構(gòu)相似度的計算

目標事件α和事件β結(jié)構(gòu)相似度的計算過程如下：

假設目標事件所有非空屬性組成的集合為A₀，源事件非空屬性組成的集合為A₁；計算為A₀與A₁的交集記為I，并集記為U；分別計算集合I與U中所有屬性的權(quán)重之和分別記為ω_I和ω_U，則α和β的結(jié)構(gòu)相似度的定義為：

${\mathrm{\ω}}_{\mathrm{\α},\mathrm{\β}}=\frac{{\mathrm{\ω}}_I}{{\mathrm{\ω}}_U},---\left(1\right)$

2)屬性局部相似度的計算

屬性局部相似性指事件在各屬性上的相似性，突發(fā)事件屬性類型包括符號型、數(shù)值型，根據(jù)不同數(shù)據(jù)類型規(guī)定相應的屬性局部相似性度量——

符號型屬性相似度算法：符號型數(shù)據(jù)屬于一種簡單的枚舉值，它列舉了該屬性所有可能的取值；他們的相似度計算如下：

$sim(a_i,b_i)=\left\{\begin{array}{cc}1& a_i=b_i\\ 0& a_i\≠b_i\end{array}\right.,---\left(2\right)$

其中a_i,b_i表示目標事件α和β在屬性i上的取值；

數(shù)值型屬性相似度算法：這里采用基于海明距離公式演化來的相似度方法，計算如下：

$sim(a_i,b_i)=1-dist(a_i,b_i)=1-\frac{\left|a_i-b_i\right|}{\left|{\max }_i-{\min }_i\right|},---\left(3\right)$

其中，a_i,b_i表示α和β在屬性i上的取值，max_i和min_i表示屬性i的最大值和最小值；

對于每個數(shù)值型屬性在計算相似度時都需要事先確定其取值范圍；

3)目標事件α和事件β屬性間的差異程度的計算

由于屬性之間往往不能相互替代，這里引入了“變異指標”來對屬性之間的可替代性進行量化；變異指標反映的是總體中各單位間的差異程度，差異程度越大就越難以被代替；其計算方法如下：

${\stackrel{\‾}{X}}_{\mathrm{\α},\mathrm{\β}}=\frac{1}{n}\underset{i=1}{\overset{m}{\Σ}}sim(a_i,b_i),---\left(5\right)$

${\mathrm{\σ}}_{\mathrm{\α},\mathrm{\β}}=\frac{1}{n}\sqrt{\underset{i=1}{\overset{m}{\Σ}}{w}_i{\[sim(a_i,b_i)-{\stackrel{\‾}{X}}_{\mathrm{\α},\mathrm{\β}}\]}^2},---\left(6\right)$

其中，為事件α和事件β各屬性相似度的平均值，σ_α,β為事件α和事件β各屬性相似度值的方差；

4)事件特征屬性權(quán)重的計算

這里采用屬性層次模型(Attribute Hierarchical Model AHM)來對事件各特征屬性的權(quán)重值進行計算；

所述屬性層次模型(Attribute Hierarchical Model AHM)事先需要根據(jù)調(diào)研確定事件特征屬性作為索引，然后根據(jù)表1所示的方式對各個屬性間的相對重要性進行打分評定；

表1 屬性間的重要度評定

在得到屬性a_i和a_j的相對重要度關系a_ij后，通過公式(7)對屬性間的轉(zhuǎn)移重要度u_ij進行計算，u_ij是屬性a_i對屬性a_j的轉(zhuǎn)移重要度；

$u_{ij}=\left\{\begin{array}{cc}0,& a_{ij}=1,i=j,\\ 0.5,& a_{ij}=1,i\≠j,\\ \frac{1}{2k+1},& a_{ij}=\frac{1}{k},\\ \frac{2k}{2k+1},& a_{ij}=k,\end{array}\right.,---\left(7\right)$

其中，i＝1,2,3,...,m；j＝1,2,3...,m；

之后利用公式(8)對屬性的轉(zhuǎn)移重要度進行計算，得到最終的各個屬性的權(quán)重ω_i：

${\mathrm{\ω}}_i=\frac{2}{n(n-1)}\underset{j=1}{\overset{n}{\Σ}}{u}_{ij},---\left(8\right)$

其中，n為事件C所包含的屬性個數(shù)；

匹配結(jié)束后會得到一匹配集，這里匹配集可能為空，也可能存儲唯一的應急預案，也可能存在多個應急預案；如果存在多個應急預案，則以列表的形式將應急預案對應的應急處置流程按照匹配程度倒序展示出來，由應急處置相關人員選擇最優(yōu)解；如果匹配集為空，則調(diào)整維度信息，刪減部分屬性特征，重新進行匹配，直到得到不為空的匹配集；

這樣，即完成了根據(jù)突發(fā)事件生成的目標樹或子目標樹與應急預案數(shù)字化庫中過程維度中相關內(nèi)容的匹配。