CN103489036A - 基于混合空间关联分析的应急预警网格划分系统及方法 - Google Patents

Abstract

一种互联网灾害预警技术领域的基于空间关联分析的面向应急预警网格划分系统及方法，该系统包括：突发事件信息整合模块、突发事件信息过滤模块和应急预警网格划分模块。该方法通过将突发事件地理信息作为应急预警布局的分析线索，首先设计突发事件空间关系信息的表达方式；然后提取突发事件空间关系信息并将其与突发事件的结构化属性信息集成整合并建立空间事实星座模型；再根据基于频度差异的过滤算法，将没有意义的空间关系信息筛除；最后通过混合型空间关联规则挖掘，得到影响事件的空间特征，构成覆盖不同应急预警等级的应急预警地理网格。本发明实现了突发事件周边空间关系信息和属性信息的整合，使用概念树描述空间关系信息和事件属性信息，实现对突发事件的非结构化数据和结构化数据进行整合的空间事实星座模型。

Description

基于混合空间关联分析的应急预警网格划分系统及方法

技术领域

本发明涉及的是一种互联网灾害预警技术领域的方法及装置，具体是一种基于空间关联分析的面向应急预警网格划分系统及方法。

背景技术

由于应急突发事件发生在具体的地理空间范围中，灾害突发事件的事前预警、事中响应和事后恢复都能在地理信息系统的支撑下来管理规划。很多学术文献对此进行研究，其中有代表性的有两类：第一类是地理信息系统（GIS）在灾情事前预警决策的技术应用。例如，使用地理信息系统对河岸的化工污染进行面积分布的可视化分析，进而运用趋势演进模型展开决策评估（Jiang et al.，2012）；基于电子地图的网络分析模型进行决策支持，实现地震生命救援线的事前规划（Selcuk et al.，2012）；使用GIS可视化功能并设计系统动力学模型，在事前对地震引起的衍生火灾进行仿真分析（Zhao，2012）；在GIS平台上进行互动分析，动态评估应急预警资源的数量和分布的合理性（Hassanzadeh et al.，2010；Liu et al.，2012）。这些应急管理的事前决策分析或是通过GIS的基本分析功能，或是通过系统提供的应用程序接口（API）实现模型算法设计，支持上述的系统动力学模型、网络分析模型和资源布局模型等的开发（Yuand Zhang，2012）。第二类为地理信息系统在事中救援阶段的技术应用研究。灾害事件的应急响应效率是体现政府应急管理能力的关键。因此，大量的文献研究基于GIS技术来提升应急资源调度的速度。其中：Yao et al.（2010）和Yu et al.（2012）提出了地理信息系统在灾害事件响应过程中的技术框架，详细梳理了GIS的具体功能应用。在此基础上，Chen et al.（2012）以城市建设事件为应用背景，设计跨机构的GIS共享平台来协同调度灾害事件的应急装备资源。由于地理信息系统具有二次开发的开放式接口，很多研究设计并开发各种模型进行应急响应的调度分析。例如，Chitumalla et al.（2008）提出系统动力学模型和实时调度模型，来进行应急救援的调度响应过程分析。另外，还有很多研究使用GIS自带的基础模型，如网络分析、叠加分析和缓冲区分析等，并应用在交通应急事件（Jones and Haynes，2008）、洪水突发事件（Sabhanand Mulligan，2008）等。

目前应急管理的研究涉及到地理空间信息的分析，但还局限于使用GIS的可视化查询功能、基本分析功能和应用程序接口，对灾害事件中的地理空间信息的挖掘深度还远远不够。需要解决两个技术难题：一是高精度的空间关系信息数量巨大，需要有效的数据结构将其组织起来，实现结构化和非结构化数据的整合；二是大量的空间关系信息对应急事件的分析是无意义的，需要高效的过滤算法来筛选出有意义的空间关系信息。

经过对现有技术的检索发现，中国专利文献号CN101763095，公开日2010-06-30，公开了一种移动化学风险源预测预警和应急控制方法，该技术步骤为：①确定移动风险源的物质种类、数量以及保护目标的地理坐标；②获得目标风险模拟范围的风场、湍流量的预报结果；③获得保护目标的危害度时空分布；④获得基于GIS平台的移动化学风险源预测预警与控制方案；⑤实时在线发布。但该技术没有涉及地理空间信息对灾害事件的影响，没有对地理信息影响应急事件的发生、演进、救援和恢复等进行深度分析，采用GIS平台只是起到了地理空间信息的可视化作用。

中国专利文献号CN102096889，公开日2011-06-15，公开了一种基于GIS系统的核危害预测预警平台及方法，该技术步骤为：1.获得风场及湍流量的预报结果；2.对核危害进行扩散模拟；3.得到核事故的危害纵深、撤离纵深、服碘纵深、危害面积、撤离面积、服碘面积、危害开始时间和危害持续时间；4.判断所设置的扩散模拟区域是否计算出核事故的危害纵深；如果已经计算出危害纵深，结束该方法；如果没有计算出危害纵深，返回2；5.基于GIS核危害预警与实时在线发布。该技术虽然分析了灾害事件演进的地理空间特征，但主要使用扩散模拟的仿真分析，对灾害演进进行预警分析。而本发明侧重分析空间信息对于灾害事件的深度影响，采用的是数据挖掘路线，主要针对火灾事件。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于空间关联分析的面向应急预警网格划分系统及方法，能够将地理信息作为应急预警布局的分析线索，以以往发生的应急灾害信息为数据源，集成事件的空间信息和属性信息进行深度分析，实现应急预警网格的划分。

本发明是通过以下技术方案实现的：

本发明涉及一种基于空间关联分析的面向应急预警网格划分系统，包括：突发事件信息整合模块、突发事件信息过滤模块和应急预警网格划分模块，其中：突发事件信息整合模块接收来自GIS数据库的突发事件地理信息和来自关系型数据的突发事件属性信息，并根据GIS数据处理生成空间关系信息，并将空间关系信息和事件属性按照关键字集成空间事实星座模型后输出至突发事件信息过滤模块，突发事件信息过滤模块根据空间信息的分布差异对空间事实星座模型进行过滤和预处理并输出处理后的空间事实星座模型至应急预警网格划分模块，应急预警网格划分模块根据Spatial PF-tree关联分析算法对空间事实星座进行数据挖掘和GIS叠加分析，得出规则支撑应急预警地理网格的划分，用于突发事件的应急预警管理。

本发明涉及上述系统的划分方法，通过将突发事件地理信息作为应急预警布局的分析线索，首先设计突发事件空间关系信息的表达方式；然后提取突发事件空间关系信息并将其与突发事件的结构化属性信息集成整合并建立空间事实星座模型；再根据基于频度差异的过滤算法，将没有意义的空间关系信息筛除；最后通过混合型空间关联规则挖掘，得到影响事件的空间特征，构成覆盖不同应急预警等级的应急预警地理网格。

所述的突发事件空间关系信息的表达方式即：<空间关系>（分析对象，周边对象），其中：分析对象为潜在的灾害发生点，空间关系为潜在灾害发生点与其它空间对象形成的位置关系，周边对象为任务相关的空间对象，即为潜在的灾害发生点周边的空间对象。

进一步地，A代表空间关系集合，B代表周边对象集合，空间关系数据模型为

如：Close-to（x，Lake）的意思就是灾害发生点的位置临近湖泊。其中为离散数学中的连接符号，两个集合连接的共同关键字为分析对象。这样，空间关系信息就完成了关系型数据的转换，空间关系数据的值就变成了布尔变量，例如，Overlap（x，y）={0，1}。

所述的空间事实星座模型包括：空间关系数据模型和属性信息模型，其中：

空间关系数据模型 $C={^}_{\&ForAll;i,j}\left\{\right[{\mathrm{SD}}_i\left(H_j\right)\left]\right|\left[{\mathrm{SD}}_i\left(H_j\right)\right]={\mathrm{\&alpha;}}_{\mathrm{ij}},i=1...n,j=1...k\},$

属性信息模型 $E={^}_{\&ForAll;i,j}\left\{\right[{\mathrm{ND}}_i\left(H_i\right)\left]\right|\left[{\mathrm{ND}}_i\left(H_j\right)\right]={\mathrm{\&beta;}}_{\mathrm{ij}},i=1...m,j=1...k;$

其中：属性信息模型E由一组M个属性信息概念树ND构成，空间关系数据模型C由一组N个空间关系数据的概念树SD组成；H_j是SD_i或ND_i的对应的概念层次，α_ij为空间谓词模型中指定的概念树及层次，β_ij为属性信息模型中指定的概念树及层次，空间关系数据模型和属性信息模型两者集成的应急信息整合模型为称为空间事实星座模型，两个集合连接的共同关键字为分析对象。

所述的基于频度差异的过滤算法是基于集合划分理论，提出以空间关系信息的集合秩差异为启发信息的过滤方法，该方法对应的数据集合为

其中：d表示事件等级且d∈A，F是以B为基准的左连接，则F是以空间关系信息为关键字，集成某些属性信息的数据集合；面向数据集合F，过滤算法的启发因子设计方法为：

M(d_k)|为F集合中对应d_k属性的某空间关系信息S(d_k)的秩（集合元素数量），Q(d_k)为F集合中对应d_k属性的所有空间关系信息的秩，则两者的比值Ratio{S(d_k)}就是在一个具体属性值中，对应该空间关系信息与所有空间关系信息的比率，当过滤参数，即Diff_Ratio=Ratio{S(d_u)}-Ratio{S(d_v)}≤t，其中：t为阈值，u、v分别为小于n的任意自然常数，则说明这个空间关系信息没有在区分不同等级中起到作用，该空间关系信息就被认定是没有意义的，将被过滤掉。

所述的通过混合型空间关联规则挖掘为Spatial FP-Tree关联算法与GIS叠加分析相结合的数据分析技术，其具体步骤包括：

1）设计Spatial FP-Tree的关联算法，经过挖掘后得出的规则，举例如下：Is（x，fire-emergency）and Inside（x，school）then Emergency-response（x，slow）（47%），即：如果一个灾害事件为火灾事件，且该火灾事件发生在学校院里（Inside），则对事件的救援速度（Emergency-response）往往为低（slow），其中：47%代表规则的置信度；

2）基于规则中的地理环境特征，例如Inside（x，school），对城市内所有学校进行救援速度（Emergency-response）的等级标注；

3）采用GIS叠加技术，进行不同等级图标的标注，实现空间关联规则挖掘驱动的预警网格划分。

所述的Spatial FP-Tree的关联算法具体是指：首先找出空间事实星座中一个属性的频繁项，即L₁=Spatial_frequent_1_itemsets(F)，计算频繁1项集合，计算策略是给定最小支持度（min_sup）和最小置信度（min_conf）阈值，即支持度参数和置信度参数，当超过阈值则设为频繁项；然后反复匹配空间事实星座F中的其他属性，C_k=Spatial_PF-Tree_gen(L_k-1，min_sup，min_conf)，C_k为候选k项集，按照同样的阈值来判断多项集合的频繁程度；然后采用普通关联挖掘算法进行剪枝计算；最后生成空间关联规则集合。

附图说明

图1为本发明方法流程图。

图2为实施例应急预警网格模拟示意图。

图3为实施例空间数据模型的集成建模示意图。

图4为实施例空间关系信息的频度分布过滤示意图。

图5为实施例应急预警网格划分的过程示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1所示，本实施例包括：突发事件信息整合模块、突发事件信息过滤模块和应急预警网格划分模块，其中：突发事件信息整合模块接收来自GIS数据库的突发事件地理信息和来自关系型数据的突发事件属性信息，并根据GIS数据处理生成空间关系信息，并将空间关系信息和事件属性按照关键字集成空间事实星座模型后输出至突发事件信息过滤模块，突发事件信息过滤模块根据空间信息的分布差异对空间事实星座模型进行过滤和预处理并输出处理后的空间事实星座模型至应急预警网格划分模块，应急预警网格划分模块根据Spatial PF-tree关联分析算法对空间事实星座进行数据挖掘和GIS叠加分析，得出规则支撑应急预警地理网格的划分，用于突发事件的应急预警管理。

所述的突发事件空间关系信息表示指定空间对象与周边空间对象的关系，包括：拓扑关系信息，如：包含、相交、穿越等，距离关系谓词，如：远、近等。

空间关系信息是由存储在GIS中的空间对象位置坐标计算而来的，即根据空间对象之间的位置距离来计算。空间关系信息可以实现非结构化空间数据向结构化关系型数据的转换，使后续的关联规则挖掘方法具有深入而全面的空间信息分析能力。

所述的突发事件属性信息进一步是指：火灾事件，对应的突发事件属性信息包括：

1）描述火点空间对象的属性信息，包括火点标识、火点建筑层高、人数、材料结构、防火设施、行业性质、行业规模、存放物品等；

2）描述突发事件基本信息，包括火点标识、火灾原因、火情等级、伤亡人数、财产损失、报警时间间隔、救援赶赴时间、救援车辆、救援路线、火灾持续时间、风力风向等。

所述的应急预警地理网格是指：根据Spatial PF-tree关联分析算法得出的规则，进而根据这些规则的空间关系信息因子，采用GIS叠加分析技术，支撑应急管理中的预警地理网格的划分。

本实施例中的系统通过将突发事件地理信息作为应急预警布局的分析线索，首先设计突发事件空间关系信息的表达方式；然后提取突发事件空间关系信息并将其与突发事件的结构化属性信息集成整合并建立空间事实星座模型；再根据基于频度差异的过滤算法，将没有意义的空间关系信息筛除；最后通过混合型空间关联规则挖掘算法（Spatial FP-Tree关联算法与GIS叠加分析），得到影响事件的空间特征，构成覆盖不同应急预警等级的应急预警地理网格。

其具体步骤包括：

1）以某市区城市1:500比例地图和历史火灾数据为实际应用背景，进行仿真试验。按照火点标识为关键字，将火点空间对象的属性信息、突发事件基本信息和空间关系信息进行集成，其中空间关系信息的计算可以由GIS函数库提供。将具体的属性值进行概念映射，然后整合建立空间事实星座（即

），存储于关系数据库（RDBMS）中。

2）对于决策者感兴趣的决策属性d，例如火灾等级、经济损失和人员伤亡等。每个决策d划分为3个等级，如经济损失为“高，中，低”等，即k=3，计算S(d₃)和Q(d₃)的秩。

3）循环调用函数本例调用3次，计算该空间关系信息数量占总共空间关系信息数量的比值Ratio{S(d_k)}。

4）通过测试计算空间关系信息分布比例差异，即Ratio{S(d_u)}-Ratio{S(d_v)}≤t，其中：u、v分别为小于3的任意自然常数。在本案例的实验中，比例差异阈值t在0.21以下时，空间关系信息数量未见明显减少；比例差异阈值t大于0.28时，空间关系信息数量开始呈现显著下降。而将阈值设定在两个区间之内，可以实现有意义空间关系信息的提取。

5）将经过4）步骤的空间事实星座进行关联挖掘，本步骤中确定最小支持度（min_sup）和最小置信度（min_conf）阈值，反复测试不同阈值组合，然后运行Spatial FP-Tree算法，计算候选k项集C_k和频繁k项集L_k，生成空间关联规则。本案例试验的min_sup和min_conf阈值分别设定为0.05和0.3，则实现了混合空间关联分析的结果优选。

6）根据上述步骤，运行Spatial FP-Tree算法生成了空间关联规则，然后采用GIS叠加技术，实现不同区域预警网格的划分。图2为网格划分的效果仿真示例，其中深色大圆、深色小圆和浅色小圆分别代表高等级、中等级和低等级火灾预警网格。

所述的Spatial FP-Tree的关联算法包括：过滤参数、支持度参数和置信度参数，其中：

所述的过滤参数，即DiffRatio(Diff_Ratio)：在本实施例中取值为0.21—0.28。

所述的支持度参数，即Min-Support(min_sup)，在本实施例中取值为0.05。

所述的置信度参数，即Min-Confidence(min_conf)，在本实施例中取值为0.3。

Claims (7)

1.一种基于空间关联分析的面向应急预警网格划分系统，其特征在于，包括：突发事件信息整合模块、突发事件信息过滤模块和应急预警网格划分模块，其中：突发事件信息整合模块接收来自GIS数据库的突发事件地理信息和来自关系型数据的突发事件属性信息，并根据GIS数据处理生成空间关系信息，并将空间关系信息和事件属性按照关键字集成空间事实星座模型后输出至突发事件信息过滤模块，突发事件信息过滤模块根据空间信息的分布差异对空间事实星座模型进行过滤和预处理并输出处理后的空间事实星座模型至应急预警网格划分模块，应急预警网格划分模块根据Spatial PF-tree关联分析算法对空间事实星座进行数据挖掘和GIS叠加分析，得出规则支撑应急预警地理网格的划分，用于突发事件的应急预警管理。

2.根据权利要求1所述系统的划分方法，其特征在于，通过将突发事件地理信息作为应急预警布局的分析线索，首先设计突发事件空间关系信息的表达方式；然后提取突发事件空间关系信息并将其与突发事件的结构化属性信息集成整合并建立空间事实星座模型；再根据基于频度差异的过滤算法，将没有意义的空间关系信息筛除；最后通过混合型空间关联规则挖掘，得到影响事件的空间特征，构成覆盖不同应急预警等级的应急预警地理网格。

3.根据权利要求2所述的方法，其特征是，所述的突发事件空间关系信息的表达方式即：<空间关系>（分析对象，周边对象），其中：分析对象为潜在的灾害发生点，空间关系为潜在灾害发生点与其它空间对象形成的位置关系，周边对象为任务相关的空间对象，即为潜在的灾害发生点周边的空间对象；这样，空间关系信息就完成了关系型数据的转换，空间关系数据的值就变成了布尔变量。

4.根据权利要求2所述的方法，其特征是，所述的空间事实星座模型包括：空间关系数据模型和属性信息模型，其中：

空间关系数据模型 $C={\mathrm{\&Lambda;}}_{\&ForAll;i,j}\left\{\right[{\mathrm{SD}}_i\left(H_j\right)\left]\right|\left[{\mathrm{SD}}_i\left(H_j\right)\right]={\mathrm{\&alpha;}}_{\mathrm{ij}},i=1...n,j=1...k\},$

属性信息模型 $E={\mathrm{\&Lambda;}}_{\&ForAll;i,j}\left\{\right[{\mathrm{ND}}_i\left(H_i\right)\left]\right|\left[{\mathrm{ND}}_i\left(H_j\right)\right]={\mathrm{\&beta;}}_{\mathrm{ij}},i=1...m,j=1...k;$

其中：属性信息模型E由一组M个属性信息概念树ND构成，空间关系数据模型C由一组N个空间关系数据的概念树SD组成；H_j是SD_i或ND_i的对应的概念层次，α_ij为空间谓词模型中指定的概念树及层次，β_ij为属性信息模型中指定的概念树及层次，空间关系数据模型和属性信息模型两者集成的应急信息整合模型为

称为空间事实星座模型，两个集合连接的共同关键字为分析对象。

5.根据权利要求2所述的方法，其特征是，所述的基于频度差异的过滤算法是基于集合划分理论，提出以空间关系信息的集合秩差异为启发信息的过滤方法，该方法对应的数据集合为

其中：d表示事件等级且d∈A，F是以B为基准的左连接，则F是以空间关系信息为关键字，集成某些属性信息的数据集合；面向数据集合F，过滤算法的启发因子设计方法为：

为F集合中对应d_k属性的某空间关系信息S(d_k)的秩（集合元素数量），Q(d_k)为F集合中对应d_k属性的所有空间关系信息的秩，则两者的比值Ratio{S(d_k)}就是在一个具体属性值中，对应该空间关系信息与所有空间关系信息的比率，当过滤参数，即Diff_Ratio=Ratio{S(d_u)}-Ratio{S(d_v)}≤t，其中：t为阈值，u、v分别为小于n的任意自然常数，则说明这个空间关系信息没有在区分不同等级中起到作用，该空间关系信息就被认定是没有意义的，将被过滤掉。

6.根据权利要求5所述的方法，其特征是，所述的Spatial FP-Tree的关联算法具体是指：首先找出空间事实星座中一个属性的频繁项，即L₁=Spatial_frequent_1_itemsets(F)，计算频繁1项集合，计算策略是给定最小支持度和最小置信度阈值，即支持度参数和置信度参数，当超过阈值则设为频繁项；然后反复匹配空间事实星座F中的其他属性，C_k=Spatial_FP-Tree_gen(L_k-1，min_sup，min_conf)，C_k为候选k项集，按照同样的阈值来判断多项集合的频繁程度；然后采用普通关联挖掘算法进行剪枝计算；最后生成空间关联规则集合。

7.根据权利要求6所述的方法，其特征是，所述的过滤参数取值为0.21—0.28；所述的支持度参数取值为0.05；所述的置信度参数取值为0.3。

Images