CN101826184A - 一种基于认知模型的预案生成方法 - Google Patents

Abstract

本发明属于应急预案管理技术领域，涉及一种基于认知模型的预案生成方法，包括以下步骤：决策者输入约束变量，由系统计算该突发事件的级别；在案例和预案库进行特征匹配；如果匹配成功，则输出相应预案和案例中的动作序列，并根据情境进行有效性判断，反之，重新回到初始态；如果产生的初始预案决策方案需要调整，重新执行案例和预案匹配过程，否则，得到目标预案决策方案。本发明采用认知模型和预案CSP匹配算法，具有较高的准确性和实时性，利用计算机的高性能计算能力，为决策者提供全面有效的情境整合信息和决策信息；同时充分利用决策者的对领域的高度认知，使应急决策方案在决策者的干预下反复学习，从而获得更高的现实可用性。

Description

一种基于认知模型的预案生成方法

背景技术

几年来公共突发事件的频频发生。突发公共安全事件，以其突发性，复杂性，破坏性，持续性等性质，经常给灾害中的处置带来很大的困扰。部分大中型事件，经常伴有各类次生灾害，涉及的领域众多并且内部关系繁杂。这么多的数据信息对实时性极强的临机决策构提出了苛刻的挑战。

目前的决策支持系统一股以理性决策为理论依据，通过关键字匹配算法为决策者提供相关预案或案例，但是无法根据当前情景动态，生成可能有效的可执行方案。本发明中涉及到的背景技术有：

(1)预案CSP算法：预案CSP算法是一种通用的与领域无关的应急方案生成方法。该方法将突发事件变量、应急组织变量、应急资源变量、应急任务变量、处置对象变量、处置方案变量作为约束变量，以泛化约束、组合约束、依赖约束等约束为规则，将实体间的关于用约束的形式表示出来，从而可以通过求解满足约束问题来求解一个可行的应急方案生成的问题。

(2)RPD模型：RPD模型是一种充分利用人的经验和认知能力的模型，由决策者从情境分析中获得决策方案。决策者首先对情境进行识别，判断是否熟悉或者属于典型情况。情境识别使得决策者能够确定哪些决策目标是合理的，有哪些线索与之相关，是可以期望的结果，以及哪些行动可以发挥作用，进而实施行动。当情境不熟悉时，决策者会根据当时情境重新分析，挖掘出更多的信息。如果可行，决策会立即被实施。本发明中使用的认知模型是RPD模型的简化，抽取了其中根据决策目标，利用筛选出的预案和案例库进行调整和反馈学习的部分。

发明内容

本发明的目的在于为突发事件决策者提供有效执行方案，有助于决策者从大量的突发事件事实中找到最影响决策的因素，及时有效地做出决策，对突发事件进行处置。为此，本发明采用如下的技术方案：

一种基于认知模型的预案生成方法，首先构建知识库，选取已有的多个突发事件，对每个已知的突发事件，生成约束变量和约束规则，约束变量包括突发事件的事件类别和应急组织，约束规则为一个或几个约束变量之间必须满足的约束关系，并构建与该已知的突发事件相匹配的预案和案例集，在知识库中，除了包括该突发事件的约束变量和约束规则之外，还包括处置该突发事件涉及的应急组织、针对该突发事件产生的应急决策方案，在发生突发事件时，按照下列步骤生成应急预案：

1)决策者选择或输入该突发事件的约束变量：选择事件类别和应急组织，其中，事件类别分为自然灾害、事故灾难、公共卫生事件和社会安全事件；应急组织是应急方案的制定者或参与者，包括应急部门、应急队伍和顾问专家；

2)输入该突发事件的应急资源、应急任务、应急处置对象变量、应急处置方案变量之类的事件资源信息；

3)以该突发事件的死亡人数、受伤人数(InjureNum)、经济损失、控制难度、危害程度这五个要素作为加权要素计算突发事件的级别，离散化各个加权要素，并采用加权的方法计算该突发事件的级别，决策者判断该突发事件的级别是否合理，如果不合理，决策者重新定级；

4)输出包括突发事件级别在内的所有约束变量和约束规则的集合；

5)使用CSP算法进行应急案例和应急预案特征匹配，如果特征匹配成功，则输出对应预案和案例中的动作序列，并存入动作序列表；反之，如果匹配不成功，则重新回到1)步重新输入约束变量；

6)将对产生的动作序列有效性做判断，如果动作序列预期可以有效执行，则产生一个组织部门的应急决策方案执行步骤1)应急决策方案，反之，返5)步，重新进行匹配；如果该突发事件涉及多个部门，则对每个部门均顺序执行上述的步骤1)至本步骤，产生多个部门的应急决策方案；

7)将有效的动作序列和第1)和2)输入的约束变量、约束规则、以及3)得到的突发事件级别组合的应急决策方案存入知识库。

本发明以认知模型为基本模型，当突发事件发生后，利用输入至计算机的事件和环境基本信息并做出整理和计算后，筛选出一系列可行的动作序列。在此基础上根据认知模型的过程，充分利用人的经验和认知完善动作序列，进入学习阶段并最终得到预案决策。

本发明采用认知模型和预案CSP匹配算法相结合，具有较高的准确性和实时性。本发明兼具两方面的优势：利用计算机的高性能计算能力，为决策者提供全面有效的情境整合信息和决策信息；同时充分利用决策者的对领域的高度认知，使应急决策方案在决策者的干预下反复学习，从而获得更高的现实可用性。

附图说明

图1基于认知模型的预案生成方法总体流程。

具体实施方式

本发明将认知模型和预案CSP匹配算法相结合，提出一种基于认知模型的预案生成方法。包括如下步骤：

1.选择或输入约束变量：选择事件类别(e_type)和应急组织(org)。其中事件类别主要分为自然灾害、事故灾难、公共卫生事件和社会安全事件。应急组织是应急方案的制定者或参与者，包括应急部门、应急队伍和顾问专家等。

2.输入该突发事件的应急资源(resource)、应急任务(task)、应急处置对象变量(object)、应急处置方案变量(plan)等事件资源信息，在本发明中视为情境要素的一部分。在标注有应急资源、应急任务、应急处置对象变量、应急处置方案变量的多个文本框中，依次输入相应信息，输入的信息为文本形式，系统将输入的内容作为对象存储至数据库，存储时使用下列数据表：应急资源表，应急任务表，应急处置对象表，应急处置方案表，表结构与预案库中的对应表结构相同；

3.计算该突发事件的级别(level)：突发公共事件通常分为四级，即I级(特别重大)、II级(重大)、III级(较大)、IV级(一股)。该突发事件的属性包括死亡人数(DeadNum)、受伤人数(InjureNum)、经济损失(Lost)、控制难度(HardLevel)、危害程度(EffectLevel)等，本发明使用这五个要素作为加权要素计算突发事件的级别，帮助决策者定量地为突发事件定级，如果决策者认为计算出的突发事件级别不合理，在计算后可调节该级别。

1)离散化各加权要素，死亡人数、伤亡人数、经济损失均可采用离散化的方式。如将“死亡人数大于5人”离散化为5，“死亡人数为4人”离散化为4，“死亡人数为3人”离散化为3，依次类推；同时把“经济损失大于100万”离散化为5，“经济损失在50万至100万”离散化为4，等等。控制难度、危险程度提供两种方式，可以输入具体数值，或者选择控制难得等级和危险程度等级。如果为具体数值则可采用离散化方法，否则可以直接参与计算。

2)采用下面加权的方法计算该突发事件的级别，计算方法为：

$\mathrm{Level}\left(\mathrm{Event}\right)=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\left(\mathrm{EffectSet}\right[i]*\mathrm{EffectWeight}[i\left]\right)/n$

其中，EffectSet为各加权要素的集合，表示为：

EffectSet＝{DeadNum、InjureNum、Lost、HardLevel、EffectLevel}；EffectWeight为各加权要素的权重，取值范围在0-1之间。本发明定义为各要素权重相等即为1/n；

3)计算后的突发事件级别继续进行离散化：数值区间在[4.5-5]之间的为一级重大事件，数值区间在[3.5-4.4]之间的为I级(特别重大)，数值区间在[2.5-3.4]之间的为III级(较大)，其他数值为IV级(一股)。

4)决策者判断突发事件级别是否合理。如果不合理，决策者可以直接重新定级或者返回第一步重新计算突发事件级别，直至符合要求。

4.输出包含第一至第三部输入或计算的所有约束变量和约束规则的集合P-Set：

P-Set＝{e_type，org，resource，task，object，plan，level，RLUES}。

其中RLUES为约束变量的匹配规则。约束规则为一个或几个约束变量之间必须满足的约束关系，分为泛化约束、组合约束、依赖约束等约束关系。本发明中用到的约束规则有：

依赖约束：事件级别<I级，特别重大>、<II级，重大>、<III级，较大>、<IV级，一股>；

依赖约束：<应急组织，应急资源>

组合约束：<应急类别，应急组织>

组合约束：<应急资源，应急任务，应急处置对象>

这个集合元素将作为第五步的输入，本发明将此集合存储为约束变量和规则表，其中包含各个变量的ID号和规则ID号。

5.使用CSP算法进行应急案例和应急预案特征匹配，匹配的过程为RLUES匹配。输入为约束变量和约束规则集合，输出为一组动作序列。本发明中的动作序列指预案中和案例中表示执行任务的动作，将匹配成功的不同动作组合为一个动作序列。如果特征匹配成功，则输出对应预案和案例中的动作序列(Actions)；反之，如果匹配不成功，则重新回到第一步重新输入约束变量。如果特征匹配成功，将获取的Actions存入动作序列表，其中表项为：预案编号、执行部门、资源编号、资源数量、预期结果、备注。

6.下一步将对产生的动作序列有效性做判断，如果动作序列预期可以有效执行，则产生应急决策方案；反之，返回第五步，重新进行匹配。本发明中判断动作序列的有效性需要查询动作序列表和应急资源表，其中应急资源表为第二步中输入的此次突发事件的应急资源。执行语句：select resource_id from Actions where plan_id＝h_planid；将动作序列表中的资源编号与此次突发事件中的应急资源进行比较，比较的方法为顺序匹配：即判断resource_id是否都在此次突发事件应急资源中。如果动作序列表中涉及的资源有80％不在应急资源中，则认为该动作序列无效；否则，如果resource_id对应的资源数量大于此次突发事件应急资源数量的1.5倍，也视为无效；如果上述两个条件均满足，认为该动作序列有效，输出有效的动作序列。

7.将输出的有效动作序列和第一、二步中输入的约束变量组合形成一个组织部门的应急决策方案，存储至部门应急决策方案表，表项包括：部门应急编号id，动作序列编号id，应急组织编号、备注。由此本发明中得到的应急决策方案将包括突发事件基本信息和有效的动作序列及其预期等内容。如果这个突发事件涉及多个部门，则需要多个部门顺序执行步骤1-6，得到多个部门的应急决策方案序列。以应急组织为主编号，将综合后的应急决策方案以文本的形式呈现给决策者，实际存储时以数据表格形式存储，包括应急决策方案表和组织-决策表，其中组织-决策表定义为{应急组织id，应急决策方案id}。

第七步产生的初始应急决策方案进入案例适配过程，即交由决策者判断该方案是否需要调整，如果决策者认为需要调整，重新返回第五步，执行案例和预案匹配过程；否则，初始预案决策方案不需要调整，得到目标预案决策方案，结束。

具体实施方式

本发明旨在生成一种高效可行的决策方案，本发明的预案生成方法是在已经建立的知识库的基础上进行的。该知识库是进行预案生成所需要的预案和案例库以及约束变量和约束规则的集合。知识库的建立，包括本发明所需要的预案和案例库的构建以及约束变量和约束规则的集合的生成。预案和案例库应当是对一些已知的突发事件进行分析的基础上建立起来的，本发明中使用的数据表至少包括：

序号	数据表名	英文名	含义
					事件基本表	EVENT_INFO	事件的基本信息，包括最基本的事件编号、事件类型、接警编号、发生事件、地点等情况。
	应急组织表	SBJ_ORG	处置不同类型突发事件涉及的组织结构。
					应急资源表	SBJ_RESCOUCE	处置和应对突发事件使用的资源，包括人力和物力财力等资源。

序号	数据表名	英文名	含义
					应急任务表	PLA_TASK	决策目标。
	应急处置对象表	PLA_SBJ	突发事件中的危险源及保护对象等客观实体
					应急处置方案表	PLA_ACTION	生成的单个组织的决策动作序列表
	预案基本表	PLA_BASE	预案基本信息表。
					案例基本表	INFO_BASE	案例基本信息表。
	预案动作序列表	PLA_ACTION	预案中涉及行为的动作序列。
					应急决策方案表	DES_ACTION	本发明中得到的最终的决策方案，包括可行的行动序列。
	组织决策表	ORG_PLA	联系单个部门和单个动作序列的信息。
					约束变量和约束规则表	CONSTRAIN	用于特征匹配的约束变量和约束规则。

本发明的基于认知模型的预案生成方法，实施过程流程图见图1，具体实施方法包括以下步骤：

在突发事件发生后，需要搜集包括突发事件基本信息和应急组织、应急资源等的信息，按照如下步骤执行，将得到约束变量集合。

输入：突发事件基本信息和情境因素。

输出：约束变量和约束规则集合。

1.选择或输入约束变量：选择事件类别(e_type)和应急组织(org)。其中事件类别主要分为自然灾害、事故灾难、公共卫生事件和社会安全事件。应急组织是应急方案的制定者或参与者，包括应急部门、应急队伍和顾问专家等。

2.输入该突发事件的应急资源(resource)、应急任务(task)、应急处置对象变量(object)、应急处置方案变量(plan)等事件资源信息，在本发明中视为情境要素的一部分。在标注有应急资源、应急任务、应急处置对象变量、应急处置方案变量的多个文本框中，依次输入相应信息，输入的信息为文本形式，系统将输入的内容作为对象存储至数据库，存储时使用下列数据表：应急资源表，应急任务表，应急处置对象表，应急处置方案表，表结构与预案库中的对应表结构相同；

3.计算该突发事件的级别(level)：突发公共事件通常分为四级，即I级(特别重大)、II级(重大)、III级(较大)、IV级(一股)。该突发事件的属性包括死亡人数(DeadNum)、受伤人数(InjureNum)、经济损失(Lost)、控制难度(HardLevel)、危害程度(EffectLevel)等，本发明使用这五个要素作为加权要素计算突发事件的级别，帮助决策者定量地为突发事件定级，如果决策者认为计算出的突发事件级别不合理，在计算后可调节该级别。

1)离散化各加权要素，死亡人数、伤亡人数、经济损失均可采用离散化的方式。如将“死亡人数大于5人”离散化为5，“死亡人数为4人”离散化为4，“死亡人数为3人”离散化为3，依次类推；同时把“经济损失大于100万”离散化为5，“经济损失在50万至100万”离散化为4，等等。控制难度、危险程度提供两种方式，可以输入具体数值，或者选择控制难得等级和危险程度等级。如果为具体数值则可采用离散化方法，否则可以直接参与计算。

2)采用下面加权的方法计算该突发事件的级别，计算方法为：

$\mathrm{Level}\left(\mathrm{Event}\right)=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\left(\mathrm{EffectSet}\right[i]*\mathrm{EffectWeight}[i\left]\right)/n$

其中，EffectSet为各加权要素的集合，表示为：

EffectSet＝{DeadNum、InjureNum、Lost、HardLevel、EffectLevel}；EffectWeight为各加权要素的权重，取值范围在0-1之间。本发明定义为各要素权重相等即为1/n；

3)计算后的突发事件级别继续进行离散化：数值区间在[4.5-5]之间的为一级重大事件，数值区间在[3.5-4.4]之间的为I级(特别重大)，数值区间在[2.5-3.4]之间的为III级(较大)，其他数值为IV级(一股)。

4)决策者判断突发事件级别是否合理。如果不合理，决策者可以直接重新定级或者返回第1步重新计算突发事件级别，直至符合要求。

4.输出包含第一至第三部输入或计算的所有约束变量和约束规则的集合P-Set：

P-Set＝{e_type，org，resource，task，object，plan，level，RLUES}。

其中RLUES为约束变量的匹配规则。约束规则为一个或几个约束变量之间必须满足的约束关系，分为泛化约束、组合约束、依赖约束等约束关系。本发明中用到的约束规则有：

依赖约束：事件级别<I级，特别重大>、<II级，重大>、<III级，较大>、<IV级，一股>；

依赖约束：<应急组织，应急资源>

组合约束：<应急类别，应急组织>

组合约束：<应急资源，应急任务，应急处置对象>

这个集合元素将作为下面的第5步的输入，本发明将此集合存储为约束变量和规则表，其中包含各个变量的ID号和规则ID号。

5.使用CSP算法进行应急案例和应急预案特征匹配，匹配的过程为RLUES匹配。输入为约束变量和约束规则集合，输出为一组动作序列。本发明中的动作序列指预案中和案例中表示执行任务的动作，将匹配成功的不同动作组合为一个动作序列。如果特征匹配成功，则输出对应预案和案例中的动作序列(Actions)；反之，如果匹配不成功，则重新回到第1步重新输入约束变量。如果特征匹配成功，将获取的Actions存入动作序列表，其中表项为：预案编号、执行部门、资源编号、资源数量、预期结果、备注。

6.对产生的动作序列有效性做判断，如果动作序列预期可以有效执行，则产生应急决策方案；反之，返回第5步，重新进行匹配。本发明中判断动作序列的有效性需要查询动作序列表和应急资源表，其中应急资源表为第2步中输入的此次突发事件的应急资源。执行语句：select resource_id from Actions where plan_id＝h_planid；将动作序列表中的资源编号与此次突发事件中的应急资源进行比较，比较的方法为顺序匹配：即判断resource_id是否都在此次突发事件应急资源中。如果动作序列表中涉及的资源有80％不在应急资源中，则认为该动作序列无效；否则，如果resource_id对应的资源数量大于此次突发事件应急资源数量的1.5倍，也视为无效；如果上述两个条件均满足，认为该动作序列有效，输出有效的动作序列。

7.将输出的有效动作序列和第1、2步中输入的约束变量组合形成一个组织部门的应急决策方案，存储至部门应急决策方案表，表项包括：部门应急编号id，动作序列编号id，应急组织编号、备注。由此本发明中得到的应急决策方案将包括突发事件基本信息和有效的动作序列及其预期等内容。如果这个突发事件涉及多个部门，则需要多个部门顺序执行步骤1-6，得到多个部门的应急决策方案序列。以应急组织为主编号，将综合后的应急决策方案以文本的形式呈现给决策者，实际存储时以数据表格形式存储，包括应急决策方案表和组织-决策表，其中组织-决策表定义为{应急组织id，应急决策方案id}。

第7步产生的初始应急决策方案进入案例适配过程，即交由决策者判断该方案是否需要调整，如果决策者认为需要调整，重新返回第5步，执行案例和预案匹配过程；否则，初始预案决策方案不需要调整，得到目标预案决策方案。

并将有效的动作序列和第1)和2)输入的约束变量、约束规则、以及3)得到的突发事件级别组合的应急决策方案存入知识库。

Claims (1)

1.一种基于认知模型的预案生成方法，其特征在于，首先构建知识库，选取已有的多个突发事件，对每个已知的突发事件，生成约束变量和约束规则，约束变量包括突发事件的事件类别和应急组织，约束规则为一个或几个约束变量之间必须满足的约束关系，并构建与该已知的突发事件相匹配的预案和案例集，在知识库中，除了包括该突发事件的约束变量和约束规则之外，还包括处置该突发事件涉及的应急组织、针对该突发事件产生的应急决策方案，在发生突发事件时，按照下列步骤生成应急预案：

1)决策者选择或输入该突发事件的约束变量：选择事件类别和应急组织，其中，事件类别分为自然灾害、事故灾难、公共卫生事件和社会安全事件；应急组织是应急方案的制定者或参与者，包括应急部门、应急队伍和顾问专家；

2)输入该突发事件的应急资源、应急任务、应急处置对象变量、应急处置方案变量之类的事件资源信息；

3)以该突发事件的死亡人数、受伤人数、经济损失、控制难度、危害程度这五个要素作为加权要素计算突发事件的级别，离散化各个加权要素，并采用加权的方法计算该突发事件的级别，决策者判断该突发事件的级别是否合理，如果不合理，决策者重新定级；

4)输出包括突发事件级别在内的所有约束变量和约束规则的集合；

5)使用CSP算法进行应急案例和应急预案特征匹配，如果特征匹配成功，则输出对应预案和案例中的动作序列，并存入动作序列表；反之，如果匹配不成功，则重新回到1)步重新输入约束变量；

6)将对产生的动作序列有效性做判断，如果动作序列预期可以有效执行，则产生一个组织部门的应急决策方案执行步骤1)应急决策方案，反之，返5)步，重新进行匹配；如果该突发事件涉及多个部门，则对每个部门均顺序执行上述的步骤1)至本步骤，产生多个部门的应急决策方案；

7)将有效的动作序列和第1)和2)输入的约束变量、约束规则、以及3)得到的突发事件级别组合的应急决策方案存入知识库。

Images