[發明專利]一種基于情景分析的突發事件應急決策方法

有效

• 申請號: 201811230978.1
• 申請日: 2018-10-22
• 公開（公告）號: CN109523061B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 王健;劉文佳;左文澤;胡曉偉
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉冰

1.一種基于情景分析的突發事件應急決策方法，其特征在于：所述方法具體過程為：

步驟一、構建基礎情景庫；

步驟二、從目標情景中抽取目標情景的特征要素知識元，然后將目標情景的特征要素知識元輸入到基礎情景庫中進行檢索與匹配，得到對應的應急決策方案；具體過程為：

步驟二一、確定基礎情景庫中的歷史事件特征要素的權重；

將基礎情景庫中的歷史事件特征要素所占的權重設為W_i，特征要素共n個，則n個特征要素的權重滿足

n取值為正整數；

步驟二二、根據權重在基礎情景庫中的歷史事件中篩選出權重與當前目標情景中事件最接近的3個目標事件；

步驟二三、分析最接近的3個目標事件中目標情景中事件的特征要素與基礎情景庫中的歷史事件特征要素在結構上的相似性，基于結構上的相似性再進行目標情景中事件的特征要素集合P和基礎情景庫中的歷史事件的特征要素集合Q事件的特征要素的相似度計算，基于結構相似性和特征要素的相似度進行兩者的綜合相似度的計算；

選取綜合相似度最大值對應的歷史事件的特征要素集合Q為目標情景中事件的特征要素在歷史事件的特征要素庫中的最相似情景；

根據最相似情景對應的歷史事件的特征要素集合Q，得到對應的應急決策方案；

所述步驟二三具體過程為：

步驟二三一、目標情景中事件的特征要素與基礎情景庫中的歷史事件的特征要素在結構上的相似性計算過程為：

目標情景中事件的第j個特征要素的權重設置為W_j，目標情景中所有的事件的特征要素權重之和為1，表述為式(2)：

其中，m表示目標情景中事件包含的特征要素數量，W_j表示目標情景中事件的第j個特征要素的權重；m取值正整數；

設目標情景中事件的特征要素集合為P，基礎情景庫中的歷史事件的特征要素集合設為Q；

結構相似性的計算公式為：

其中，S(P,Q)表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q的結構相似度；W_P∩Q為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集的權重之和；W_P∪Q為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q并集的權重之和；a為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集中事件的特征要素的總量；b表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q并集中事件的特征要素的總量；W_k為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集中第k個特征要素的權重；W_l為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q并集中第l個特征要素的權重；k表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集中事件的第k個特征要素；l表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q并集中事件的第l個特征要素的數量；

a≤min(k，l)；

b≥max(k，l)；

a≤b；

篩選出結構相似性大于0.5的情景中事件的特征要素；

步驟二三二、計算特征要素相似度；

將特征要素劃分為三種類型，分別為：

1)概念表述型；

2)數值表述型；

3)模糊表述型；

概念表述型相似度計算，即式(4)：

其中，sim(P_k,Q_k)表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q的第k個事件的特征要素的相似度，P_k表示篩選出的結構相似性大于0.5的情景中當前目標事件的特征要素集合中第k個事件的特征要素；Q_k表示篩選出的結構相似性大于0.5的情景中歷史事件的特征要素集合中第k個事件的特征要素；

數值表述型相似度計算采用加權的海明距離反函數的方法計算，即式(5)：

sim(P_k,Q_k)＝1-distsim(P_k,Q_k)＝1-|P_k-Q_k|/|maxk-mink (5)

其中，maxk和mink分別表示第k個事件的特征要素的最大值和最小值；distsim(P_k,Q_k)為加權海明距離；

模糊表述型相似度計算使用積分方法即式(6)：

其中，事件的特征要素的屬性值X落在區間(a,b)，屬性值Y落在區間(c,d)；f₁(X)，f₂(Y)是情景要素的屬性隸屬度函數；(a,b)，(c,d)分別為屬性值X和屬性值Y的區間閾值；c為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集中事件的特征要素的總量；d表示目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q并集中事件的特征要素的總量；

步驟二三三、綜合相似度計算：

如式(7)所示：

其中，sim(P,Q)為目標事件的特征要素集合P和歷史事件的特征要素集合Q的綜合相似度；W_P∩Q為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集的權重之和；W_k為目標情情中事件的特征要素集合P和歷史事件的特征要素集合Q交集中第k個特征要素的權重；a為目標情景中事件的特征要素集合P和歷史事件的特征要素集合Q交集中事件的特征要素的總量；

選取綜合相似度sim(P,Q)最大值對應的歷史事件的特征要素集合Q為目標情景中事件的特征要素在歷史事件的特征要素庫中的最相似情景；

根據對應的歷史事件的特征要素集合Q得到對應的應急決策方案；

所述步驟一中構建基礎情景庫；具體過程為：

步驟一一、構建知識元模型：

知識元模型包括突發事件知識元、承載載體知識元、應急管理活動知識元；

突發事件知識元包括惡劣天氣知識元、地質災害知識元、交通運輸生產事故知識元、橋隧結構事故知識元、社會安全事故知識元；

承載載體知識元包括環境知識元、財產知識元；

應急管理活動知識元包括基本要素知識元、應急處置知識元、應急方案知識元、應急保障資源知識元；

步驟一二、構建情景；

步驟一三、構建基礎情景庫：

根據構建的知識元模型和情景對突發事件歷史事件進行收集并分類，記錄入庫，構建基礎情景庫；

所述惡劣天氣知識元包括暴雨事件知識元、臺風事件知識元、海霧事件知識元、霜凍事件知識元；

地質災害知識元包括地震災害知識元、海嘯災害知識元；

交通運輸生產事故知識元包括交通運輸事故知識元、危化品泄露事故知識元、火災事故知識元；

橋隧結構事故知識元包括橋梁結構事故知識元、隧道結構事故知識元；

社會安全事故知識元包括群體性事件知識元、恐怖襲擊事件知識元；

環境知識元包括水環境知識元、空氣環境知識元、道路環境知識元；

財產知識元包括人員知識元、交通知識元、道路設施知識元、建筑物知識元；

基本要素知識元包括響應時間知識元、應急結束知識元；

應急方案知識元包括應急預案知識元；

應急保障資源知識元包括應急人力資源知識元、醫療衛生知識元、消防知識元、道路疏通知識元；

應急人力資源知識元包括專業救援隊伍知識元、公安交警知識元、軍隊知識元、專家知識元、醫護人員知識元、消防人員知識元、路政管理人員知識元、養護人員知識元；

所述步驟一二中構建情景；具體過程為：

情景的基本要素空間劃分為事件、載體、應急管理活動3部分內容，分別用Case、Object、Activity表示，用Scenario表示情景，則情景的構成如式(1)所示:

Scenario＝{C,O,A} (1)

其中，C、O、A分別表示事件Case、載體Object和應急管理活動Activity；

在情景的構成中，事件指的是突發事件內容；

載體指的是突發事件影響的承災載體；

應急管理活動是指針對突發事件本身，所采取的應急管理活動內容；

事件化分為時間、空間以及主體三部分內容，事件的主體由災害體和衍生災害體構成；

應急管理活動包括事件基本要素、應急處置措施、應急方案、應急保障資源；

對應急決策方案進行非期望產出處理；

選取單調遞減轉換方法來進行轉換計算，具體公式如式(8)、(9)所示：

Y1＝-救援物資到達時間+M1 (8)

Y2＝-經濟損失額度+M2 (9)

式中，Y1為反應時間，Y2為經濟損失額度，M1為max{t₁,t₂,...,t_n′}，t₁為第一個決策單元中救援物資到達時間，t_n′為第n′個決策單元中救援物資到達時間；M2為max{s₁,s₂,...,s_n′}，s₁為第一個決策單元中經濟損失額度，s_n′為第n′個決策單元中經濟損失額度；

根據非期望產出計算評價模型；

設：有性質相同的L個應急站點，即L個決策單元DMU，每個DMU有α種投入指標和β種產出指標，γ_ef為第f個DMU的第e個投入指標的投入值；Z_gf為第f個DMU的第g個產出指標的產出值；第f個DMU的投入指標向量為x＝(x_1j,x_2j,…,x_mj)^T，第j個DMU的產出指標向量為y＝(y_1j,y_2j,…,y_pj)^T,v_i為第i個投入指標的權重，u_r為第r種產出指標的權重；則任一DMU的效率評價指數表示為式(10)：

式中，f＝1,2,…,L；e＝1,2,…,α；r＝1,2,…,β；

選取適當的權系數v和u，使得h_j≤1；以DMU_j0的效率評價指數h_j0為目標，以權重v和u為變量，以所有DMU的效率指數為約束，得到突發事件應急資源配置效率的評價模型，f0＝1,2,…,L；

如式(11)所示：

式中，Z_gf0為第f0個DMU的第g個產出指標的產出值；γ_ef0為第f0個DMU的第e個投入指標的投入值；f0＝1,2,…,L；

引入松弛變量s^-和s⁺剩余變量，將上述評價模型表示為式(12)：

式中，θ為對maxh_j0求對偶；

對公式(12)求轉置：

上角標T為轉置；

其中，s^-＝(s^-1,s^-2,…,s^-m)^T是與投入相對應的松弛變量組成的向量，s⁺＝(s⁺¹,s⁺²,…,s^+p)^T是與產出相對應的剩余變量組成的向量；

設λ₀、s^0-、s⁰⁺、θ⁰是線性規劃問題的最優解，則有：

(1)當θ⁰＝1，s^0-＝0，s⁰⁺＝0時，該決策單元為DEA有效，表明該決策單元DMU技術有效且規模有效；

θ⁰為DEA技術效率；

(2)當且僅當θ⁰＝1時，該決策單元為弱DEA有效，表明該決策單元DMU技術有效或規模有效；

(3)當θ⁰＜1，該決策單元為非DEA有效，此時存在投入冗余或是產出不足。