CN103679611B - 基于案例推理的城市综合应急智能仿真系统的运行方法 - Google Patents

基于案例推理的城市综合应急智能仿真系统的运行方法 Download PDF

Info

Publication number
CN103679611B
CN103679611B CN201310699814.4A CN201310699814A CN103679611B CN 103679611 B CN103679611 B CN 103679611B CN 201310699814 A CN201310699814 A CN 201310699814A CN 103679611 B CN103679611 B CN 103679611B
Authority
CN
China
Prior art keywords
case
rehearsal
scene
information
event
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310699814.4A
Other languages
English (en)
Other versions
CN103679611A (zh
Inventor
韩鸿哲
赵锋伟
贺忠堂
李智勇
李新安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cloud Computing Center of CAS
Original Assignee
Cloud Computing Center of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cloud Computing Center of CAS filed Critical Cloud Computing Center of CAS
Priority to CN201310699814.4A priority Critical patent/CN103679611B/zh
Priority to PCT/CN2013/090388 priority patent/WO2015089865A1/zh
Publication of CN103679611A publication Critical patent/CN103679611A/zh
Application granted granted Critical
Publication of CN103679611B publication Critical patent/CN103679611B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q90/00Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing

Abstract

本发明涉及综合应急管理技术领域,具体涉及基于案例推理的城市综合应急智能仿真系统的运行方法。本发明以结构化的事件信息为条件,在案例库中进行检索,获取案例库中相似案例,并依据各参演实体的行动规则,结合模型进行有效推理,改造案例中的情景,形成新的模拟演练情景,供参演单位进行参演。在城市综合应急模拟演练结束后,通过对模拟演练的评价、修正、总结,并最终保存为新的案例,实现了案例库的自我增长和模拟演练系统的自我学习能力,为以后模拟演练情景的生成奠定坚实基础。本发明解决了模拟演练情景缺乏根据当前各参演实体的行为规则进行情景演化模拟仿真等问题;可以应用于城市综合应急智能仿真系统。

Description

基于案例推理的城市综合应急智能仿真系统的运行方法
技术领域
本发明涉及综合应急管理技术领域,具体涉及基于案例推理的城市综合应急智能仿真系统的运行方法。
背景技术
突发事件种类繁多、针对特定的突发事件,其发展过程及其发展规律又千变万化,因此,设计出一个简单、实用的应急模拟演练平台变得异常复杂。目前采用最多的模拟演练均是针对特定事件,假定一系列情景,针对情景设置应对方法和考核机制,并不适合多样化、频繁的、专业化的应急模拟演练应用需求。
模拟演练情景的设置,不仅需要有经验的专业人员,而且会耗费很大的时间精力。情景设计的结果,与实际突发事件有时有脱节,基于案例推理的城市综合应急智能仿真系统,能有效的解决模拟演练情景仿真生成问题。
基于案例的推理(Case-Based Reasoning,CBR)技术最先是由美国耶鲁大学RogerSchank教授,在他的论著《Dynamic Memory》中提出的。之后逐步推广到机械CAD、医疗卫生、企业管理、军事等领域,并得到了成功的应用。
发明内容
本发明解决的技术问题在于提供一种基于案例推理的城市综合应急智能仿真系统的运行方法;解决目前各类综合应急模拟演练系统、特别涉及其中的情景设计功能模块功能单一、设计复杂、智能化不足、且缺乏根据当前各参演实体的行为规则进行情景演化模拟仿真的问题;该系统同时可以解决案例库的动态增长问题;可以实现模拟演练情景智能化生成和案例库的动态增长。
本发明解决上述技术问题的技术方案是:
所述的系统共分为4层,分别为应用层、应用支撑层、数据层和基础支撑层;
应用层主要包括应急模拟演练和模拟演练参数设置两部分;模拟演练参数设置是为模拟演练设置初始启动条件,应急模拟演练是基于仿真情景的模拟演练的具体执行,其中仿真情景是由案例推理模块根据各演练实体的具体行动规则进行实时生成的;
应用支撑层主要包括通信模块、情景仿真模块、数据采集模块、案例推理模块、计划执行模块、参数设置模块、评估模块和基础支撑模块;其中基础支撑模块包括地理信息技术、视频管理技术、移动应用技术和物联网技术;
数据层主要包括案例库、模型库、业务库、资源库、预案库、基础库、知识库、法律法规库;其中案例库中存放结构化案例信息包括历史案例和以往模拟演练中经评估和修正后的演练情景案例;模型库包括各种突发事件发展模型、对周围环境的影响模型、事件连锁反应模型;业务库存放各参演实体描述数据、实时任务执行结果数据;资源库包括应急资源、危险源和防护目标数据;
基础支撑层主要包括存储设备、服务器设备、应用工作站、移动应用终端、网络、数据库、操作系统软硬件基础设施;
所述的方法包括以下几个步骤:
1)城市应急模拟演练开始前,首先对假定突发事件进行结构化描述、对参与演练的队伍进行结构化描述、对评估方式进行结构化描述;突发事件结构化描述属性包括事件名称、事件发生时间、事件发生地点、事件所属类别、事件的基本情况描述;参演队伍结构化描述属性包括参演队伍、队伍类别、人员组成、职责、装备、方位、联系方式;评估方式结构化描述属性包括时间节点、预期目标;
2)启动应急模拟演练后,系统首先根据事件描述,通过案例推理模块,从案例库中匹配相似案例,并抽取案例情景,对案例情景根据设定突发事件进行改造,生成新的模拟演练仿真情景,并以可视化统一态势图的方式展示给各参演单位;
3)各参演实体以模拟演练仿真情景为蓝本,根据应急预案,进行执行,执行结果数据发送到仿真系统;对于桌面演练,只需要将执行参数进行输入,对于实战演练或综合演练,需要利用通信系统和传感器,将演练队伍的实时数据传输到仿真系统平台上;
4)系统根据评估参数设置和各参演实体的行动规则,确定是否进入下一个模拟演练仿真情景,如果需要进入下一个模拟演练仿真情景,则根据事件描述和各参演实体的行动规则,从案例库中重新检索相似案例,依照上述2)、3)、4)的步骤进行循环;如果根据演练评估参数需要结束演练或由演练控制组决定强行终止演练,则系统进入演练评估步骤;
5)演练评估对演练过程进行查看,对演练情景的真实性和各演练实体的执行效果进行打分,对各演练情景和执行结果错误内容进行修正,并提交保存,新生成的演练情景作为案例存入到案例库中;
所述的案例推理是根据当前设定事件和参演实体的行动规则,从案例库中找到与该事件最为相似的案件,并将该案件的实际情景,作为案例的模拟情景进行显示,以达到模拟案例情景真实再现,锻炼模拟演练人员和提高模拟演练实效的效果;
具体流程为:
A)先对事件信息、各参演实体行动规则信息进行数据过滤,抽取其中的关键字信息,用于案例的检索;
B)采用近邻法检索、归纳法检索、模板检索多种检索策略,从案例库中检索出最为相似的案例;
C)对检索结果进行汇总、筛选,选择出最重要的几个案例,然后进行多维属性合并,形成新的案例资源;
D)对新的案例资源依据设定事件信息进行类比转换,使得显示的信息更加逼真,更加贴合演练实际;
步骤A)中,从结构化事件描述中提取事件名称、演习地点、事件类别、事件种类、参演单位、启动时间信息,从演习目的、演习需求、演习备注非结构化描述中提取行政区域、死亡人数、受伤人数、影响区域、经济损失、失踪人数、受困人数、已采取措施、资源调度请求信息;其中非结构化信息提取方法基于非结构化信息表,该表存放非结构化信息主要信息关键字,从非结构化文本中检索出与表格中信息相符的内容;
步骤B)中,检索时采用串行的策略进行检索,即先用模板检索方法从案例库中检索出包含关键字的所有案例信息,然后在模板检索结果的基础上,利用近邻法重新进行检索、排序,最后利用归纳法,将检索结果进行最终排序;模板检索即关键字检索,依照数据过滤功能中过滤出来的特征关键字,采用SQL查询的方式,在案例库中进行全文检索;近邻法采用特征间的加权匹配来估算案例之间的相似度;
步骤C)中,对结果进行汇总,从案例相似度优先级排序中,基于设定阀值选择分值高的几个案例,作为汇总的数据信息源,然后根据结构化的情景要素,对案例信息进行抽取、归纳、合并,形成新的案例情景;分值高案例的选择是根据各案例分值的综合分布图,利用初始阀值和案例间分值变化梯度来决定的;信息抽取方式是根据事件情景描述要素和参演实体来决定的;归纳、合并是依据各案例要素的信息描述,进行信息选择来确定的;
步骤D)中,类比转换即对源案例的情景描述进行实例化修改,将源案例中的特定描述信息,转换为新设定事件的描述信息,以便于应用于新事件模拟仿真情景的描述中;对于复杂的数据信息,根据需要进行重新调整求解。
演练情景的进度控制主要基于总时间控制、模拟演练控制组实施的主动控制和基于模拟演练情景特征值变化阀值的自主控制;
基于总时间控制是在演练开始前,针对该演练,设置演练总时长,当演练结束时间一到,则模拟演练情景自动结束;
基于模拟演练控制组实施的主动控制为模拟演练控制组实时掌握演练进度,根据演练进度情况,实施人为主动的情景控制,随时结束当前模拟演练情景;
基于模拟演练情景特征值变化阀值的自主控制是在演练前设置情景变化阀值,而且对模拟情景特征变化值的计算进行合理的设计;具体是采用情景特征项变化值和参演实体任务值比例来综合计算模拟情景特征变化值大小。
案例库动态增长的实现方法是:
案例库的信息增加一是通过实际突发事件信息的结构化录入,二是从模拟演练情景中,对评估、修正后的演练情景进行保存;
实际突发事件信息的结构化录入包括一些结构化信息描述信息和非结构化描述信息;事件描述信息将事件本身、事件的影响、参与决策的处置机构,处置的阶段性过程及成果信息进行详细描述。
在由模拟演练情景生成案例知识信息过程中对模拟演练情景进行转换的过程主要是演练情景评估和演练情景数据调整;模拟演练时,各演练实体根据自动生成的演练仿真情景进行行动,根据行动结果对情景现状清晰化进行评审和描述;最后根据案例格式化要求,将演练情景进行转换。
有益效果:
1、基于案例推理的模拟演练情景智能化生成
以结构化的事件信息为条件,在案例库中进行检索,获取案例库中相似案例,并依据各参演实体的行动规则,结合模型进行有效推理,改造案例中的情景,形成新的模拟演练情景,供参演单位进行参演,解决了模拟情景的智能化生成、动态演化的问题,并使得模拟演练情景更切合突发事件现场实际,真正的达到锻炼参演队伍,提高演练实效的作用。
2、案例库的动态增长
城市综合应急模拟演练结束后,通过对模拟演练的评价、修正、总结,并最终保存为新的案例,实现了案例库的自我增长和模拟演练系统的自我学习能力,为以后模拟演练情景的生成奠定坚实基础。
总的来说,本发明系统具有模拟演练情景自动生成、动态演化、与真实世界突发事件场景贴合紧密,具有智能性强、准确性高的特点,且具有一定的自我学习能力。利用本系统进行模拟演练,可以有效提高模拟演练实效,达到切实锻炼参演队伍的作用。
附图说明
下面结合附图对本法进一步说明:
图1是本发明总体框架图;
图2是本发明突发事件模拟演练仿真情景实现流程图;
图3是本发明实际突发事件信息的结构化录入示意图;
图4是本发明模拟演练情景生成新的案例流程图。
具体实施方式
如图所示,本发明整个应用的架构共分为4层,分别为应用层、应用支撑层、数据层和基础支撑层。
基于案例推理的城市综合应急智能仿真系统从应用角度主要包括应急模拟演练和模拟演练参数设置两部分。
模拟演练参数设置是为模拟演练设置初始启动条件,应急模拟演练是基于仿真情景的模拟演练的具体执行,其中仿真情景是由案例推理模块根据各演练实体的具体行动规则进行实时生成的。
从支撑功能模块上划分,基于案例推理的城市综合应急智能仿真系统主要包括通信模块、情景仿真模块、数据采集模块、案例推理模块、计划执行模块、参数设置模块、评估模块和基础支撑模块等等。其中基础支撑模块包括地理信息技术、视频管理技术、移动应用技术和物联网技术等等。
从数据层上划分主要包括案例库、模型库、业务库、资源库、预案库、基础库、知识库、法律法规库等等。其中案例库中存放结构化案例信息包括历史案例和历史演练中经评估和修正后的演练情景案例;模型库包括各种突发事件发展模型、对周围环境的影响模型、事件连锁反应模型等等;业务库存放各参演实体描述数据、实时任务执行结果数据等数据;资源库包括应急资源、危险源和防护目标等数据。
基础支撑层主要包括存储设备、服务器设备、应用工作站、移动应用终端、网络、数据库、操作系统等等软硬件基础设施。
本发明基于案例推理的城市综合应急智能仿真系统应用过程是:
1)城市应急模拟演练开始前,首先对设定突发事件进行结构化描述、对参与演练的队伍进行结构化描述、对评估方式进行结构化描述;突发事件结构化描述属性包括事件名称、事件发生时间、事件发生地点、事件所属类别、事件的基本情况描述等;参演队伍结构化描述属性包括参演队伍、队伍类别、人员组成、职责、装备、方位、联系方式等等。评估方式结构化描述属性包括时间节点、预期目标等;
2)启动应急模拟演练后,系统首先根据事件描述,通过案例推理模块,从案例库中匹配相似案例,并抽取案例情景,对案例情景根据设定突发事件进行改造,生成新的模拟演练仿真情景,并按照可视化统一态势图的方式展示给各参演单位;
3)各参演实体以模拟演练仿真情景为蓝本,根据应急预案,进行执行,执行结果数据发送到仿真系统;对于桌面演练,只需要将执行参数进行输入,对于实战演练或综合演练,需要利用通信系统和传感器,将演练队伍的实时数据传输到仿真系统平台上;
4)系统根据评估参数设置和各参演实体的行动规则,确定是否进入下一个模拟演练仿真情景,如果需要进入下一个模拟演练仿真情景,则根据事件描述和各参演实体的行动规则,从案例库中重新检索相似案例,依照上述2)、3)、4)的步骤进行循环;如果根据演练评估参数需要结束演练或由演练控制组决定强行终止演练,则系统进入演练评估步骤;
5)演练评估对演练过程进行查看,对演练情景的真实性和各演练实体的执行效果进行打分,对各演练情景和执行结果错误内容进行修正,并提交保存,新生成的演练情景可以作为案例存入到案例库中。
上述基于案例的推理的突发事件模拟演练仿真情景实现具体方案如附图2所示。
其中,案例推理的具体实现方法为:
案例推理的总体思想是根据当前设定事件和参演实体的行动规则,从案例库中找到与该事件最为相似的案件,并将该案件的实际情景,作为案例的模拟情景进行显示,以期达到模拟案例情景真实再现,锻炼模拟演练人员和提高模拟演练实效的效果。
案例推理的基础是案例库和推理算法,案例库相当于资源,案例算法则相当于挖取宝藏的工具。
案例推理的流程为:
1)先对事件信息、各参演实体行动规则信息进行数据过滤,抽取其中的关键字信息,以用于案例库的检索。
2)采用多种检索策略,从案例库中检索出最为相似的案例,采用的检索策略主要包括近邻法检索、归纳法检索、模板检索等等。
3)对检索结果进行汇总,筛选,选择出最重要的几个案例,然后进行多维属性合并,形成新的案例资源。
4)对新的案例资源依据设定事件信息进行类比转换,使得显示的信息更加逼真,贴合演练实际。
经过上述几个步骤,最终生成演练仿真情景,并通过地理信息技术和统一通信技术,将信息展现和通知给各演练实体,各演练实体据此调整行动规则。
上述步骤1)中,从结构化事件描述中提取事件名称、演习地点、事件类别、事件种类、参演单位、启动时间等,从演习目的、演习需求、演习备注等非结构化描述中提取行政区域、死亡人数、受伤人数、影响区域、经济损失、失踪人数、受困人数、已采取措施、资源调度请求等信息。其中非结构化信息提取方法基于非结构化信息表,该表存放非结构化信息主要信息关键字,可以从非结构化文本中检索出与表格中信息相符的内容。
上述步骤2)中,主要采用近邻法检索、归纳法检索、模板检索等检索算法对案例库中的案例进行综合检索,检索时采用串行的策略进行检索,即先用模板检索方法从案例库中检索出包含关键字的所有案例信息,然后在检索结果的基础上,利用近邻法重新进行检索,排序,最后利用归纳法,将检索结果进行最终排序。模板检索即关键字检索,依照数据过滤功能中过滤出来的特征关键字,采用类似SQL查询的方式,在案例库中进行全文检索;近邻法采用特征间的加权匹配来估算案例之间的相似度,最后利用归纳法检索,对特征加权匹配检索结果进一步排序。采用这种方法的好处是,既能控制检索的时间复杂度,又能保证检索的精度。
上述步骤3)中,对结果进行汇总,从案例相似度优先级排序中,选择分值较高的几个案例,作为汇总的数据信息源,然后根据结构化的情景要素,对案例信息进行抽取,归纳,合并,形成新的案例情景。分值较高案例的选择是根据各案例分值的综合分布图,利用初始阀值和案例间分值变化梯度来决定的。信息抽取方式是根据事件情景描述要素和参演实体来决定的。归纳,合并是依据各案例要素的信息描述,进行信息选择来确定的。
上述步骤4)中,类比转换,涉及到对源案例的情景描述的修改,即将源案例中的特定描述信息,转换为新设定事件的描述信息,以便于应用于新事件模拟仿真情景的描述中,比如事件名称信息、地点信息、救援队伍信息、时间信息等等。对于较为复杂的数据信息,有时需要进行重新调整求解,比如救援行进路线信息、污水顺着河流的扩散信息、火灾根据不同的发生地点,影响到的人员、物资统计信息等等。
上述演练情景进度控制方法具体实现方案为:
模拟演练情景进度控制方法主要基于总时间控制、模拟演练控制组实施的主动控制和基于模拟演练情景特征值变化阀值的自主控制。
基于总时间控制就是在演练开始前,针对该演练,设置演练总时长,当演练结束时间一到,则模拟演练情景自动结束。
基于模拟演练控制组实施的主动控制为模拟演练控制组实时掌握演练进度,根据演练进度情况,实施人为主动的情景控制,可以随时结束当前模拟演练情景。
基于模拟演练情景特征值变化阀值的自主控制方法较为复杂,不仅需要在演练前设置情景变化阀值,而且需要对模拟情景特征变化值的计算进行合理的设计。系统中采用情景特征项变化值和参演实体任务值比例来综合计算模拟情景特征变化值大小。
上述案例库动态增长的具体实现方案为:
案例库是案例推理的资源池,是基于案例推理的城市综合应急智能仿真系统的能否高效运行的决定性因素,因此对案例库的建立、维护和更新非常重要。
案例库的信息增加一是靠实际突发事件信息的结构化录入,二是从模拟演练情景中,对评估、修正后的演练情景进行保存。
实际突发事件信息的结构化录入如图3所示,包括一些结构化信息描述信息和非结构化描述信息。事件描述信息将事件本身、事件的影响、参与决策的处置机构,处置的阶段性过程及成果等等信息进行详细描述。
由模拟演练情景生成案例知识信息,需要对模拟演练情景进行转换,其转换过程主要是演练情景评估和演练情景数据调整等;具体流程如图4所示。模拟演练时,各演练实体根据自动生成的演练仿真情景进行行动,其行动结果必要改变情景现状,需要对情景现状清晰化进行评审和清晰化的描述。最后根据案例格式化要求,将演练情景进行转换。

Claims (5)

1.基于案例推理的城市综合应急智能仿真系统的运行方法,其特征在于:所述的系统共分为4层,分别为应用层、应用支撑层、数据层和基础支撑层;
应用层主要包括应急模拟演练和模拟演练参数设置两部分;模拟演练参数设置是为模拟演练设置初始启动条件,应急模拟演练是基于仿真情景的模拟演练的具体执行,其中仿真情景是由案例推理模块根据各演练实体的具体行动规则进行实时生成的;
应用支撑层主要包括通信模块、情景仿真模块、数据采集模块、案例推理模块、计划执行模块、参数设置模块、评估模块和基础支撑模块;其中基础支撑模块包括地理信息技术、视频管理技术、移动应用技术和物联网技术;
数据层主要包括案例库、模型库、业务库、资源库、预案库、基础库、知识库、法律法规库;其中案例库中存放结构化案例信息包括历史案例和以往模拟演练中经评估和修正后的演练情景案例;模型库包括各种突发事件发展模型、对周围环境的影响模型、事件连锁反应模型;业务库存放各参演实体描述数据、实时任务执行结果数据;资源库包括应急资源、危险源和防护目标数据;
基础支撑层主要包括存储设备、服务器设备、应用工作站、移动应用终端、网络、数据库、操作系统软硬件基础设施;
所述的方法包括以下几个步骤:
1)城市应急模拟演练开始前,首先对假定突发事件进行结构化描述、对参与演练的队伍进行结构化描述、对评估方式进行结构化描述;突发事件结构化描述属性包括事件名称、事件发生时间、事件发生地点、事件所属类别、事件的基本情况描述;参演队伍结构化描述属性包括参演队伍、队伍类别、人员组成、职责、装备、方位、联系方式;评估方式结构化描述属性包括时间节点、预期目标;
2)启动应急模拟演练后,系统首先根据事件描述,通过案例推理模块,从案例库中匹配相似案例,并抽取案例情景,对案例情景根据设定突发事件进行改造,生成新的模拟演练仿真情景,并以可视化统一态势图的方式展示给各参演单位;
3)各参演实体以模拟演练仿真情景为蓝本,根据应急预案,进行执行,执行结果数据发送到仿真系统;对于桌面演练,只需要将执行参数进行输入,对于实战演练或综合演练,需要利用通信系统和传感器,将演练队伍的实时数据传输到仿真系统平台上;
4)系统根据评估参数设置和各参演实体的行动规则,确定是否进入下一个模拟演练仿真情景,如果需要进入下一个模拟演练仿真情景,则根据事件描述和各参演实体的行动规则,从案例库中重新检索相似案例,依照上述2)、3)、4)的步骤进行循环;如果根据演练评估参数需要结束演练或由演练控制组决定强行终止演练,则系统进入演练评估步骤;
5)演练评估对演练过程进行查看,对演练情景的真实性和各演练实体的执行效果进行打分,对各演练情景和执行结果错误内容进行修正,并提交保存,新生成的演练情景作为案例存入到案例库中;
所述的案例推理是根据当前设定事件和参演实体的行动规则,从案例库中找到与该事件最为相似的案件,并将该案件的实际情景,作为案例的模拟情景进行显示,以达到模拟案例情景真实再现,锻炼模拟演练人员和提高模拟演练实效的效果;
具体流程为:
A)先对事件信息、各参演实体行动规则信息进行数据过滤,抽取其中的关键字信息,用于案例的检索;
B)采用近邻法检索、归纳法检索、模板检索多种检索策略,从案例库中检索出最为相似的案例;
C)对检索结果进行汇总、筛选,选择出最重要的几个案例,然后进行多维属性合并,形成新的案例资源;
D)对新的案例资源依据设定事件信息进行类比转换,使得显示的信息更加逼真,更加贴合演练实际;
步骤A)中,从结构化事件描述中提取事件名称、演习地点、事件类别、事件种类、参演单位、启动时间信息,从演习目的、演习需求、演习备注非结构化描述中提取行政区域、死亡人数、受伤人数、影响区域、经济损失、失踪人数、受困人数、已采取措施、资源调度请求信息;其中非结构化信息提取方法基于非结构化信息表,该表存放非结构化信息主要信息关键字,从非结构化文本中检索出与表格中信息相符的内容;
步骤B)中,检索时采用串行的策略进行检索,即先用模板检索方法从案例库中检索出包含关键字的所有案例信息,然后在模板检索结果的基础上,利用近邻法重新进行检索、排序,最后利用归纳法,将检索结果进行最终排序;模板检索即关键字检索,依照数据过滤功能中过滤出来的特征关键字,采用SQL查询的方式,在案例库中进行全文检索;近邻法采用特征间的加权匹配来估算案例之间的相似度;
步骤C)中,对结果进行汇总,从案例相似度优先级排序中,基于设定阀值选择分值高的几个案例,作为汇总的数据信息源,然后根据结构化的情景要素,对案例信息进行抽取、归纳、合并,形成新的案例情景;分值高案例的选择是根据各案例分值的综合分布图,利用初始阀值和案例间分值变化梯度来决定的;信息抽取方式是根据事件情景描述要素和参演实体来决定的;归纳、合并是依据各案例要素的信息描述,进行信息选择来确定的;
步骤D)中,类比转换即对源案例的情景描述进行实例化修改,将源案例中的特定描述信息,转换为新设定事件的描述信息,以便于应用于新事件模拟仿真情景的描述中;对于复杂的数据信息,根据需要进行重新调整求解。
2.根据权利要求1所述的运行方法,其特征在于:演练情景的进度控制主要基于总时间控制、模拟演练控制组实施的主动控制和基于模拟演练情景特征值变化阀值的自主控制;
基于总时间控制是在演练开始前,针对该演练,设置演练总时长,当演练结束时间一到,则模拟演练情景自动结束;
基于模拟演练控制组实施的主动控制为模拟演练控制组实时掌握演练进度,根据演练进度情况,实施人为主动的情景控制,随时结束当前模拟演练情景;
基于模拟演练情景特征值变化阀值的自主控制是在演练前设置情景变化阀值,而且对模拟情景特征变化值的计算进行合理的设计;具体是采用情景特征项变化值和参演实体任务值比例来综合计算模拟情景特征变化值大小。
3.根据权利要求1或2所述的运行方法,其特征在于:案例库动态增长的实现方法是:
案例库的信息增加一是通过实际突发事件信息的结构化录入,二是从模拟演练情景中,对评估、修正后的演练情景进行保存;
实际突发事件信息的结构化录入包括一些结构化信息描述信息和非结构化描述信息;事件描述信息将事件本身、事件的影响、参与决策的处置机构,处置的阶段性过程及成果信息进行详细描述。
4.根据权利要求1或2所述的运行方法,其特征在于:在由模拟演练情景生成案例知识信息过程中对模拟演练情景进行转换的过程主要是演练情景评估和演练情景数据调整;模拟演练时,各演练实体根据自动生成的演练仿真情景进行行动,根据行动结果对情景现状清晰化进行评审和描述;最后根据案例格式化要求,将演练情景进行转换。
5.根据权利要求3所述的运行方法,其特征在于:在由模拟演练情景生成案例知识信息过程中对模拟演练情景进行转换的过程主要是演练情景评估和演练情景数据调整;模拟演练时,各演练实体根据自动生成的演练仿真情景进行行动,根据行动结果对情景现状清晰化进行评审和描述;最后根据案例格式化要求,将演练情景进行转换。
CN201310699814.4A 2013-12-17 2013-12-17 基于案例推理的城市综合应急智能仿真系统的运行方法 Expired - Fee Related CN103679611B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201310699814.4A CN103679611B (zh) 2013-12-17 2013-12-17 基于案例推理的城市综合应急智能仿真系统的运行方法
PCT/CN2013/090388 WO2015089865A1 (zh) 2013-12-17 2013-12-25 一种城市综合应急智能仿真系统及其运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310699814.4A CN103679611B (zh) 2013-12-17 2013-12-17 基于案例推理的城市综合应急智能仿真系统的运行方法

Publications (2)

Publication Number Publication Date
CN103679611A CN103679611A (zh) 2014-03-26
CN103679611B true CN103679611B (zh) 2017-01-25

Family

ID=50317071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310699814.4A Expired - Fee Related CN103679611B (zh) 2013-12-17 2013-12-17 基于案例推理的城市综合应急智能仿真系统的运行方法

Country Status (2)

Country Link
CN (1) CN103679611B (zh)
WO (1) WO2015089865A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361470A (zh) * 2014-11-28 2015-02-18 东莞中国科学院云计算产业技术创新与育成中心 一种基于预案的多目标辅助决策平台
CN104599075B (zh) * 2015-02-02 2017-11-03 国家电网公司 一种业务指导案例库的创建及更新方法、业务指导方法
CN104599194B (zh) * 2015-02-02 2017-10-20 国家电网公司 一种创建服务业务指导案例库的方法及服务业务指导方法
CN104751242A (zh) * 2015-03-27 2015-07-01 北京奇虎科技有限公司 预测空气质量指数的方法与装置
US10650317B2 (en) * 2015-09-21 2020-05-12 Google Llc Detecting and correcting potential errors in user behavior
CN106202507A (zh) * 2016-07-20 2016-12-07 广东电网有限责任公司东莞供电局 电力抢修演练仿真系统和方法
CN107977766A (zh) * 2017-10-09 2018-05-01 中国电子科技集团公司第二十八研究所 一种城市运行仿真与统筹规划系统
CN108734402B (zh) * 2018-05-23 2021-06-11 华中科技大学 基于虚拟案例的非常规突发事件应急管理决策方法及系统
CN109002603B (zh) * 2018-07-11 2023-05-26 北京联创众升科技有限公司 仿真想定的建立方法及装置
CN109584667A (zh) * 2018-12-10 2019-04-05 成都运达科技股份有限公司 一种地铁大客流演练仿真培训系统及方法
CN109686452A (zh) * 2018-12-14 2019-04-26 暨南大学 一种用于糖尿病药物干预策略制定的智能系统及方法
CN110348578B (zh) * 2019-07-04 2021-09-10 北京仿真中心 一种安全事件情景推演构建方法、系统、设备及介质
CN110955975A (zh) * 2019-12-02 2020-04-03 天津大海云科技有限公司 一种基于消防应急救援处置过程的复盘演练方法
CN111832953A (zh) * 2020-07-19 2020-10-27 哈尔滨理工大学 一种突发事件应急演练脚本规范化设计方法
WO2022036515A1 (zh) * 2020-08-17 2022-02-24 西门子股份公司 生产过程的建模和仿真方法及装置
CN112182820B (zh) * 2020-10-09 2022-07-22 南京南瑞继保电气有限公司 一种综合能源系统的反演评估方法
CN113808257A (zh) * 2021-09-15 2021-12-17 江苏中科云墨数字科技有限公司 一种数字应急演练系统
CN114694447A (zh) * 2022-04-03 2022-07-01 西安神州安信创新科技有限公司 一种用于应急演练的三维仿真智能化应用系统
CN116597680A (zh) * 2023-03-28 2023-08-15 北京知藏云道科技有限公司 一种基于数据分析的线路可行性预测系统
CN117273401A (zh) * 2023-11-21 2023-12-22 航天科工广信智能技术有限公司 基于案例推理和仿真的应急指挥方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880933A (zh) * 2012-09-04 2013-01-16 广东电子工业研究院有限公司 一种面向云计算的综合应急管理平台架构
CN102902743A (zh) * 2012-09-14 2013-01-30 广东电子工业研究院有限公司 一种应急预案的检索和重构方法
CN103093409A (zh) * 2012-12-21 2013-05-08 东莞中国科学院云计算产业技术创新与育成中心 应急模拟演练平台应急预案的演练方案生成和执行方法
CN103092918A (zh) * 2012-12-21 2013-05-08 东莞中国科学院云计算产业技术创新与育成中心 基于位置信息的应急辅助决策系统知识库构建及查询方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8204836B2 (en) * 2007-05-17 2012-06-19 University Of Pittsburgh-Of The Commonwealth Dynamic discrete decision simulation system
CN101075275A (zh) * 2007-06-28 2007-11-21 上海交通大学 分布式多角色协同仿真演习方法
CN101515309B (zh) * 2009-04-07 2010-08-04 华中科技大学 基于多智能体的城市应急疏散仿真系统
CN102314639A (zh) * 2011-07-05 2012-01-11 万达信息股份有限公司 一种可视化的动态智能应急处置方案生成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880933A (zh) * 2012-09-04 2013-01-16 广东电子工业研究院有限公司 一种面向云计算的综合应急管理平台架构
CN102902743A (zh) * 2012-09-14 2013-01-30 广东电子工业研究院有限公司 一种应急预案的检索和重构方法
CN103093409A (zh) * 2012-12-21 2013-05-08 东莞中国科学院云计算产业技术创新与育成中心 应急模拟演练平台应急预案的演练方案生成和执行方法
CN103092918A (zh) * 2012-12-21 2013-05-08 东莞中国科学院云计算产业技术创新与育成中心 基于位置信息的应急辅助决策系统知识库构建及查询方法

Also Published As

Publication number Publication date
WO2015089865A1 (zh) 2015-06-25
CN103679611A (zh) 2014-03-26

Similar Documents

Publication Publication Date Title
CN103679611B (zh) 基于案例推理的城市综合应急智能仿真系统的运行方法
CN104318340B (zh) 基于文本履历信息的信息可视化方法及智能可视分析系统
CN107909206A (zh) 一种基于深层结构循环神经网络的pm2.5预测方法
CN106779079A (zh) 一种基于多模型数据驱动的知识点掌握状态的预测系统及方法
CN103020332A (zh) 一种民用飞机的智能虚拟维修训练系统
CN107680018A (zh) 一种基于大数据及人工智能的高考志愿填报系统及方法
CN103258143A (zh) 一种城市风貌规划实施效果的评价方法
Wang et al. Design and implementation of early warning system based on educational big data
CN106203296A (zh) 一种属性辅助的视频动作识别方法
CN117313931B (zh) 一种基于火灾场景下地铁站台乘客疏散时间的预测方法
Fu et al. Big data digging of the public’s cognition about recycled water reuse based on the BP neural network
Chmielewski et al. High detail terrain models and multiresolution path finding algorithms for Border Guard constructive simulator. A study of effective movement algorithms in high resolution simulation environment
Abdelgawad et al. Automated scenario generation for training of humanitarian responders in high-risk settings
CN110362602A (zh) 案例数据智能推送方法及装置
CN106104513A (zh) 基于认知的知识处理系统及方法
Yongle et al. Similarity analysis method of power unstructured text based on multi-dimensional fusion feature extraction
CN106779085A (zh) 一种基于人件服务的态势认知计算架构
CN113592311B (zh) 用于复杂人机系统选择人因方法的方法
Wu Design Framework of Early Warning Mechanism of Student Achievement with Machine Learning
Li et al. Evaluation Method of Vocal Music Teaching Effect based on Computer-Aided Technology and BP Neural Network
Zhang et al. Virtual Simulation of Petrochemical Direct Operation Based on Self-Build Scenes
Li et al. Wargaming-Based Crisis Drills
Jin Research on the north polar tourism resources evaluation model based on BP neural network algorithm
Mazzola et al. Supporting learners in Adaptive Learning Environments through the enhancement of the Student Model
Wei et al. Evaluation of landscape relevance in Shanghai's historical landscape places

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C53 Correction of patent for invention or patent application
CB03 Change of inventor or designer information

Inventor after: Han Hongzhe

Inventor after: Zhao Fengwei

Inventor after: He Zhongtang

Inventor after: Li Zhiyong

Inventor after: Li Xinan

Inventor before: Han Hongzhe

Inventor before: Zhao Fengwei

Inventor before: He Zhongtang

Inventor before: Li Zhiyong

Inventor before: Li Xinan

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170125

Termination date: 20191217

CF01 Termination of patent right due to non-payment of annual fee