CN105447588A - 一种基于群智感知的地震现场救援方法及其应用系统 - Google Patents

Abstract

本发明提供一种基于群智感知的地震现场救援方法及其应用系统。从搜救目标优先级、搜救力量部署、次生灾害评估与预测以及救援与决策方案发布方面，完成了基于救援行动跟踪监控的指挥与控制关键技术研究。该系统为系统平台、系统支持层、系统控制层和系统应用层4层体系结构。(1)系统平台:基于离线地图开发，使用ORACLE数据库，XP操作系统、无线网络、移动通讯设备为软硬件平台。(2)系统支持层:包括数据库、模型库、知识库和方法库，为系统功能的实现提供数据支持、模型支持、方法支持以及知识支持。(3)系统控制层:即系统功能实现层，以Java源码加.class文件的形式存在。(4)系统应用层:主要包括查询数据、评估分析、决策发布、数据监控、区域指挥与控制、局部指挥与控制、救援方案优化。

Description

一种基于群智感知的地震现场救援方法及其应用系统

技术领域

本发明属于应急搜救领域，涉及到一种基于群智感知的地震现场救援方法及其应用系统。

背景技术

地震现场救援是指在地震灾害现场搜索并救出幸存者，以及在必要时实施急救和基本医疗救助的过程。时间就是生命，效率是地震现场救援工作的关键。地震救援现场情景往往非常复杂，且瞬息万变，救援工作能否快速有序地进行十分依赖现场指挥人员科学高效的决策与指挥。

面对复杂的现场救援过程，指挥人员必须在全面把握现场灾情信息基础上，结合科学的救援知识和经验才有可能做出正确的指挥决策。另外，一般重大地震灾害发生后，能够第一时间到达灾区进行救援工作的救援力量非常有限，因此，如何做出最科学合理的指挥决策，利用有限的救援力量，救出最多的人，使救援效率最大化，是亟待研究和解决的问题。

为满足上述需求，本发明提出了基于群智感知的地震现场救援方法及其系统，从搜救目标优先级、搜救力量部署、次生灾害评估与预测以及救援决策与发布方法等方面，完成了基于救援行动跟踪监控的指挥与控制关键技术研究，并基于GIS和空间决策技术，设计和开发了基于地震现场救援行动跟踪监控的指挥与决策系统。

发明内容

本发明的目的是提出一种基于群智感知的地震现场救援方法及其系统，可有效的实现数据查询，提高搜救效率，评估与预测次生灾害的发生，实现地图式监控。在软件的总体设计、功能模块、数据库建设、关键模型等方面进行了研究和开发。

系统的结构：

该系统规划为系统平台、系统支持层、系统控制层和系统应用层4层体系结构。(1)系统平台:基于MVC的开发架构和B/S运行环境；系统基于离线地图平台开发，系统服务端使用ORACLE数据库，XP操作系统、离线地图服务器、无线网络、移动通讯设备等软硬件平台。(2)系统支持层:包括数据库、模型库和方法库，为系统功能的实现提供数据支持、模型支持、方法支持。(3)系统控制层:系统控制层即系统功能实现层，以Java源码加.class文件的形式存在。(4)系统应用层:即系统主要应用功能，划分为几大块。本系统的功能主要包括查询数据、评估分析、决策发布、数据监控、区域指挥与控制、局部指挥与控制、救援方案优化等。

系统功能设计：

基于救援行动跟踪监控的指挥与控制软件划分为几大功能模块及其子模块，即查询数据、评估分析、决策发布、数据监控、区域指挥与控制、局部指挥与控制、救援方案优化。(1)查询数据：可查询搜救者移动轨迹、搜索数据、现场工作数据、传感器数据。(2)评估分析：对传感器数据和结构化文本进行分类评估，可按照地区或时间对不同数据同时生成多个曲线，可进行数据拟合，预测未来趋势，生成评估与分析报告。(3)决策发布：根据搜救队伍数量、道路情况、受困人员位置、交通工具生成营救建议，并发送至各移动终端。(4)数据监控：实时动态监控后台数据，如伤员人数变化、补给物资使用数量等。(5)区域指挥与控制：为区域现场的指挥与控制服务，完成的是较大范围的救援行动指挥控制工作。主要包括两大部分:一是救援力量需求分析，二是区域搜救力量部署模型研究。(6)局部指挥与控制：局部搜救力量部署是以局部搜救目标优先级顺序为依据，对局部现场进行搜救力量部署。(7)救援方案优化：可根据地震现场实况，及时规划救援路径，生成救援方案。

系统运行流程：

基于地震现场救援行动跟踪监控的指挥与控制软件系统业务流程如下：1)输入地震基本信息，启动软件；2)启动接收远程数据传输，接收地震现场客户端和传感器采集传送的灾区及救援相关数据；3)初次计算出救援优先级；4)结合专题信息及相关模型，得出救援力量部署方案；5)完成相关信息查看；6)随着灾情信息的丰富和救援力量的增加，不断修正搜救目标优先级，并优化搜救力量部署方案；7)实现地震专题信息及救援力量部署的实时、直观展示，并进行地图制作与打印输出功能；8)对实时的信息进行评估与分析，并将救援信息进行发布。

系统数据库设计：

系统数据库可分为地图信息数据库、地震专题数据库、专家知识库。

地图信息数据库包括：行政区划、居民点、交通(路、桥、水)、建筑物、地质情况。

地震专题数据库包括：地震灾情数据(区域破坏状况、现场灾情、建筑物破坏、次生灾害)和地震救援数据(救援队的基本信息、区域救援优先级信息、建筑物搜索优先级信息、建筑物搜索结果)。

专家知识库包括：模型因素权重知识库(区域救援目标优先级影响因素权重、局部救援目标搜索优先级和营救权重)和现场搜救策略和方法知识库(各种现场搜索方法、不同环境下的搜救策略和方法)。

关键技术：

基于地震现场救援行动跟踪监控的指挥与控制模型是软件实用性的基本保证。把本系统涉及的指挥与控制模型分成4类，即搜救目标优先级评判模型、搜救力量部署模型、次生灾害评估与预测模型和救援决策与发布模型。

本发明所述的一种基于群智感知的地震现场救援方法，包括以下步骤：

步骤(1)：搜救目标优先级的研究

1.1搜索目标优先级评判模型研究方法

在确定搜索目标优先级时，首先分析影响优先级判定的因素：在每种设备的搜索宽度及搜索速度都是一定的前提下，如果某个建筑物单位面积压埋的人数越多，越应当优先搜索。影响因素主要由压埋人数和搜索难度决定，其评判模型如公式

W＝A*λ+(100-B)*(1-λ)(1)

其中，A表示压埋人员，B表示救援难度，越难分数越高，λ为权重值(0<λ<1)。

B＝a*λ₁+b*λ₂+c*λ₃+d*λ₄(2)

其中a,b,c,d分别表示地形、天气、交通、危险系数的评分,λ₁,λ₂,λ₃,λ₄分别表示地形、天气、交通、危险系数的权重,之和为1，(其中d为危险系数，理想状态(无危险)设为1,每增加一项危险因素，则加0.1；地形分为高原、山地、盆地、丘陵、平原。高原得分最高为5分，依次递减。天气分为雨雪天气、阴云天气、晴朗天气。雨雪天气得分最高为3分，依次递减。交通分为阻塞、拥挤和畅通，阻塞得分最高为3分，依次递减。当行车速度高于45km/h时为畅通；低于45km/h,高于20km/h时为拥挤；低于20km/h时为阻塞)。

1.2营救目标优先级评判模型研究方法

影响营救目标优先级的因素主要有倒塌空间类型、救出时间以及幸存者数量、安全，其优先级评判法则如公式

W₂＝M/(D×N)(3)

所示。其中，W₂为建筑物营救优先级得分；M为幸存者人数得分，其结果由搜索分队提供；D为危险系数，理想状态(无危险)设为1,每增加一项危险因素，则加0.1；N为在不同类型建筑物形成的空间中所需的救出时间。

步骤(2)：搜救力量部署

2.1现场搜索力量部署主要流程如下:

(1)搜索队的初次指派，即首先指派到搜索优先级最高的局部现场。

(2)接下来的指派：随着现场搜索行动的变化，根据搜索队工作状态(“是否正在工作”)，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息。若否，查找当前区域内未展开搜索且搜索优先级最高的搜索目标。

(3)若搜索优先级别最高的目标只有一个，则前往此点搜索。如果搜索优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高搜索优先级相同的目标，如果有就到最近的优先级别高的目标进行搜索，否则到优先级别高的目标搜索，并得出行进路径。若没有任何优先级的搜索目标，则表示该区域搜索完毕。

2.2现场营救部署模型研究方法

2.2.1现场营救力量初次部署主要流程如下:

初次部署(利用数学规划法的思想，通过模型计算结果进行部署)：

通过人机交互，设定先对前I个搜救优先级最高的区域指派救援力量，即对这I个区域进行优先部署。这些区域中所需的救援队的个数使用如下公式确定，W为前I个区域中的估计压埋人数。

其中：A为救援力量需求(标准救援队的数量)；W为压埋人数，可由震害预测得出或估计得出；T为地震发生至救援队从驻地赶到救援目的地的时间；B为一个标准救援队的平均救援效率，根据历史经验数据设定为2.2人/h。

2.2.2现场营救力量再次部署主要流程如下:

(1)救援队的初次指派，即首先指派到营救优先级最高的局部现场。

(2)接下来的指派:随着现场营救行动的变化，根据营救队工作状态(“是否正在工作”)，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息。若否，查找当前区域内未展开营救且营救优先级最高的搜索目标。

(3)若营救优先级别最高的目标只有一个，则前往此点搜索。如果营救优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高营救优先级相同的目标，如果有就到最近的优先级别高的目标进行营救，否则到优先级别高的目标营救，并得出行进路径。若没有任何优先级的搜索目标，则表示该区域营救完毕。

步骤(3)：次生灾害评估与预测

(1)贝叶斯网络的建立

利用贝叶斯网络工具箱中的值域表和网络模型分析了在不同的控制输入变量取值条件下，各类城市地震次生灾害的发生概率。

假设节点V_i的父节点为P(V_i)，共有N_i个，用v_i表示V_i的取值，P_i表示父节点变量组成的向量，向量值p_i表示向量P_i的取值，则该节点的条件概率为：

$p\left(V_i\right|P\left(V_i\right))=\frac{p(V_i,P\left(V_i\right))}{p\left(P\left(V_i\right)\right)}=\frac{p(V_i=v_i,P_i=p_i)}{p(P_i=p_i)}$

依照这个公式可以得到任何先验条件已知的情况下次生灾害发生的概率；

(2)贝叶斯网络的改进

$p\left(\mathrm{\&lambda;}{V}_i\right|(1-\mathrm{\&lambda;})P\left(V_i\right))=\frac{p(\mathrm{\&lambda;}{V}_i,(1-\mathrm{\&lambda;})P\left(V_i\right))}{p\left[(1-\mathrm{\&lambda;})P\left(V_i\right)\right]}=\frac{p[\mathrm{\&lambda;}(V_i=v_i),(1-\mathrm{\&lambda;})(P_i=p_i)]}{p\left[(1-\mathrm{\&lambda;})(P_i=p_i)\right]}---\left(4\right)$

其中V_i的父节点为P(V_i)，共有N_i个，用v_i表示V_i的取值，P_i表示父节点变量组成的向量，向量值p_i表示向量P_i的取值，0<λ<1为权重。

步骤(4):救援决策与发布

4-1)群智感知各类有效信息，根据搜救队伍数量、道路情况、受困人员位置、交通工具等生成营救建议并将该建议存储数据库。

4-2)规划救援路径，生成救援方案，数据库触发救援指令，通过无线路由器发送至移动终端。

4-3)通过对传感器和地图数据信息的实时刷新，不断更新数据库表中的指令，并转发到移动端。

4-4)实时对决策发布信息进行优化。

本发明的有益效果是：

本发明的目的是提出一种基于群智感知的地震现场救援方法及其系统，可有效的实现数据查询，提高搜救效率，评估与预测次生灾害的发生，实现地图式监控。在软件的总体设计、功能模块、数据库建设、关键模型等方面进行了研究和开发。

本发明所述一种基于群智感知的地震现场救援方法及其系统的有益效果主要体现为：

(1)有效地数据查询。可查询搜救者移动轨迹、搜索数据、现场工作数据、传感器数据。

(2)有效地评估分析。对传感器数据和结构化文本进行分类评估，可按照地区或时间对不同数据同时生成多个曲线，可进行数据拟合，预测未来趋势，生成评估与分析报告。

(3)实时地数据监控。实时动态监控后台数据，如伤员人数变化、补给物资使用数量等；以及实现地图式监控，通过离线地图服务支持，实时刷新并触发数据库时间更新。

(4)救援决策与发布。群智感知各类有效信息，根据搜救队伍数量、道路情况、受困人员位置、交通工具生成营救建议，规划救援路径，生成救援方案并发送至各移动终端。

附图说明

图1为基于群智感知的地震现场救援方法流程图；

图2为发明中现场搜索部署模型研究方法示意图；

图3为发明中现场营救部署模型研究方法示意图；

图4为发明中城市地震次生灾害演化系统的贝叶斯网络模型示意图；

图5为发明中救援决策与发布方法示意图。

具体实施方式

下面结合附图及实施例对本发明作进一步的说明。

本发明的设计思想为：从搜救目标优先级、搜救力量部署、次生灾害评估与预测以及救援与决策方案发布等方面，完成了基于救援行动跟踪监控的指挥与控制关键技术研究，并基于GIS和空间决策技术，设计和开发了基于地震现场救援行动跟踪监控的指挥与控制软件。该系统规划为系统平台、系统支持层、系统控制层和系统应用层4层体系结构，方法流程如图1所示

一种基于群智感知的地震现场救援方法及其系统，步骤如下：

步骤一、系统的初始化

具体实施过程如下：

步骤(1):打开地图服务器和各类传感器开关；

步骤(2):输入地震基本信息，启动软件接收远程数据传输；

步骤(3):接收地震现场客户端和传感器采集传送的灾区及救援相关数据；

步骤二、研究搜救目标优先级

具体实施过程如下：

步骤(1):搜索目标优先级评判模型研究方法

在确定搜索目标优先级时，首先分析影响优先级判定的因素：在每种设备的搜索宽度及搜索速度都是一定的前提下，如果某个建筑物单位面积压埋的人数越多，越应当优先搜索。所以，本文认为影响因素主要由受困者人数和搜索难度决定，其评判模型如公式

W＝A*λ+(100-B)*(1-λ)(1)

其中，A表示压埋人员因素得分，B表示救援难度因素得分，越难分数越高，λ为权重值(0<λ<1)。

B＝a*λ₁+b*λ₂+c*λ₃+d*λ₄(2)

其中a,b,c,d分别表示地形、天气、交通、危险系数的评分,λ₁,λ₂,λ₃,λ₄分别表示地形、天气、交通、危险系数的权重,之和为1，(其中d为危险系数，理想状态(无危险)设为1,每增加一项危险因素，则加0.1；地形分为高原、山地、盆地、丘陵、平原。高原得分最高为5分，依次递减，天气分为雨雪天气、阴云天气、晴朗天气，雨雪天气得分最高为3分，依次递减，交通分为阻塞、拥挤和畅通，阻塞得分最高为3分，依次递减，当行车速度高于45km/h时为畅通；低于45km/h,高于20km/h时为拥挤；低于20km/h时为阻塞)。

步骤(2):营救目标优先级评判模型研究方法

影响营救目标优先级的因素主要有倒塌空间类型、救出时间以及幸存者数量、安全等，其优先级评判法则如公式

W₂＝M/(D×N)(3)

所示。其中，W₂为建筑物营救优先级得分；M为幸存者人数得分，其结果由搜索分队提供；D为危险系数，理想状态(无危险)设为1,每增加一项危险因素，则加0.1；N为在不同类型建筑物形成的空间中所需的救出时间，如表1所示。

表1不同结构类型和倒塌空间类型条件下的救出所需时间

步骤三、搜救力量部署

具体实施过程如下：

步骤(1):现场搜索力量部署

(1)搜索队的初次指派，即首先指派到搜索优先级最高的局部现场。

(2)接下来的指派:随着现场搜索行动的变化，根据搜索队工作状态(“是否正在工作”)，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息。若否，查找当前区域内未展开搜索且搜索优先级最高的搜索目标。

(3)若搜索优先级别最高的目标只有一个，则前往此点搜索。如果搜索优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高搜索优先级相同的目标，如果有就到最近的优先级别高的目标进行搜索，否则到优先级别高的目标搜索，并得出行进路径。若没有任何优先级的搜索目标，则表示该区域搜索完毕,如附图2所示；

步骤(2):现场营救部署

初次部署(利用数学规划法的思想，通过模型计算结果进行部署)：

通过人机交互，设定先对前I个搜救优先级最高的区域指派救援力量，即对这I个区域进行优先部署。这些区域中所需的救援队的个数使用如下公式确定，W为前I个区域中的估计压埋人数。

其中：A为救援力量需求(标准救援队的数量)；W为压埋人数，可由震害预测得出或估计得出；T为地震发生至救援队从驻地赶到救援目的地的时间；B为一个标准救援队的平均救援效率，根据历史经验数据设定为2.2人/h。

再次部署主要流程如下：

(1)搜索队的初次指派，即首先指派到营救优先级最高的局部现场。

(2)接下来的指派:随着现场营救行动的变化，根据营救队工作状态(“是否正在工作”)，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息。若否，查找当前区域内未展开营救且营救优先级最高的搜索目标。

(3)若营救优先级别最高的目标只有一个，则前往此点搜索。如果营救优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高营救优先级相同的目标，如果有就到最近的优先级别高的目标进行营救，否则到优先级别高的目标营救，并得出行进路径。若没有任何优先级的搜索目标，则表示该区域营救完毕，如附图3所示。

步骤四、次生灾害评估与预测

具体实施过程如下：

步骤(1):贝叶斯网络的建立

利用贝叶斯网络工具箱中的值域表和网络模型分析了在不同的控制输入变量取值条件下，各类城市地震次生灾害的发生概率，如表2和附图4所示。

表2城市地震灾害贝叶斯网络节点值域表

假设节点V_i的父节点为P(V_i)，共有N_i个，用v_i表示V_i的取值，P_i表示父节点变量组成的向量，向量值p_i表示向量P_i的取值，则该节点的条件概率为：

$p\left(V_i\right|P\left(V_i\right))=\frac{p(V_i,P\left(V_i\right))}{p\left(P\left(V_i\right)\right)}=\frac{p(V_i=v_i,P_i=p_i)}{p(P_i=p_i)}$

依照这个公式可以得到任何先验条件已知的情况下次生灾害发生的概率；

步骤(2):贝叶斯网络的改进

$p\left(\mathrm{\&lambda;}{V}_i\right|(1-\mathrm{\&lambda;})P\left(V_i\right))=\frac{p(\mathrm{\&lambda;}{V}_i,(1-\mathrm{\&lambda;})P\left(V_i\right))}{p\left[(1-\mathrm{\&lambda;})P\left(V_i\right)\right]}=\frac{p[\mathrm{\&lambda;}(V_i=v_i),(1-\mathrm{\&lambda;})(P_i=p_i)]}{p\left[(1-\mathrm{\&lambda;})(P_i=p_i)\right]}---\left(4\right)$

其中V_i的父节点为P(V_i)，共有N_i个，用v_i表示V_i的取值，P_i表示父节点变量组成的向量，向量值p_i表示向量P_i的取值，0<λ<1为权重。

步骤五、救援决策与发布

具体实施过程如下：

4-1):群智感知各类有效信息，根据搜救队伍数量、道路情况、受困人员位置、交通工具等生成营救建议,并将救援指令存储数据库；

4-2):规划救援路径，生成救援方案，数据库触发救援指令，通过无线路由器发送至移动终端；

4-3):通过对传感器和地图数据信息的实时刷新，不断更新数据库表中的指令，并转发到移动端；

4-4):实时对决策发布信息进行优化，如附图5所示。

Claims (6)

1.一种基于群智感知的地震现场救援方法，其特征在于，包括：

步骤(1):研究搜救目标优先级，包括搜索目标优先级评判计算方法，营救目标优先级评判计算方法；

步骤(2):搜救力量部署，包括现场搜索力量部署,现场营救力量部署；

步骤(3):次生灾害评估与预测方法，利用贝叶斯网络工具箱分析了在相同的地震输入变量、不同的控制输入变量取值条件下、各类城市地震次生灾害的发生概率，并对贝叶斯模型进行改进；

步骤(4):救援决策与发布,群智感知各类有效信息，根据搜救队伍数量、道路情况、受困人员位置、交通工具等生成营救建议,并将救援指令存储数据库，规划救援路径，生成救援方案，数据库触发救援指令，通过无线路由器发送至移动终端；通过对传感器和地图数据信息的实时刷新，不断更新数据库表中的指令，并转发到移动端，实时对决策发布信息进行优化。

2.如权利要求1所述的方法，其特征在于，在步骤(1)中，搜救目标优先级评判研究方法：

W＝A*λ+(100-B)*(1-λ)(1)

其中，A表示压埋人员，B表示救援难度，越难分数越高，λ为权重值(0<λ<1)；

B＝a*λ₁+b*λ₂+c*λ₃+d*λ₄(2)

其中a,b,c,d分别表示地形、天气、交通、危险系数的评分,λ₁,λ₂,λ₃,λ₄分别表示地形、天气、交通、危险系数的权重，之和为1，

营救目标优先级评判计算方法：

W₂＝M/(D×N)(3)

其中，W₂为营救目标优先级得分；M为幸存者人数；D为危险系数，理想状态设为1,每增加一项危险因素，则加0.1；N为在不同类型建筑物形成的空间中所需的救出时间。

3.如权利要求1所述的方法，其特征在于，在步骤(2)中的搜救力量部署，其中现场搜索力量部署方法为：

(1)搜索队的初次指派，即首先指派到搜索优先级最高的局部现场；

(2)接下来的指派:随着现场搜索行动的变化，根据搜索队工作状态是否正在工作，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息；若否，查找当前区域内未展开搜索且搜索优先级最高的搜索目标；

(3)若搜索优先级别最高的目标只有一个，则前往此点搜索；如果搜索优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高搜索优先级相同的目标，如果有就到最近的优先级别高的目标进行搜索，否则到优先级别高的目标搜索，并得出行进路径，若没有任何优先级的搜索目标，则表示该区域搜索完毕；

现场营救力量部署方法为：

(1)救援队的初次指派，即首先指派到营救优先级最高的局部现场；

(2)接下来的指派:随着现场营救行动的变化，根据营救队工作状态是否正在工作，若是，继续跟踪，同时收集和记录该工作组的状态，并通过提示工作组的工作时间及工作强度其他相关信息，若否，查找当前区域内未展开营救且营救优先级最高的搜索目标；

(3)若营救优先级别最高的目标只有一个，则前往此点搜索，如果营救优先级别最高点目标大于或等于二个，则首先判断是否存在二个最高营救优先级相同的目标，如果有就到最近的优先级别高的目标进行营救，否则到优先级别高的目标营救，并得出行进路径；若没有任何优先级的搜索目标，则表示该区域营救完毕。

4.如权利要求1所述的方法，其特征在于，在步骤(3)中的对次生灾害评估与预测方法：

$p\left({\mathrm{\&lambda;V}}_i\right|(1-\mathrm{\&lambda;})P\left(V_i\right))=\frac{p({\mathrm{\&lambda;V}}_i,(1-\mathrm{\&lambda;})P\left(V_i\right))}{p\left[(1-\mathrm{\&lambda;})P\left(V_i\right)\right]}=\frac{p[\mathrm{\&lambda;}(V_i=v_i),(1-\mathrm{\&lambda;})(P_i=p_i)]}{p\left[(1-\mathrm{\&lambda;})(P_i=p_i)\right]}---\left(4\right)$

其中V_i的父节点为P(V_i)，共有N_i个，用v_i表示V_i的取值，P_i表示父节点变量组成的向量，向量值p_i表示向量P_i的取值，0<λ<1为权重。

5.如权利要求1所述的方法，其特征在于，在步骤(4)中的救援决策与发布方法为：

4-1):群智感知各类有效信息，根据搜救队伍数量、道路情况、受困人员位置、交通工具生成营救建议,并将救援指令存储数据库；

4-2):规划救援路径，生成救援方案，数据库触发救援指令，通过无线路由器发送至移动终端；

4-3):通过对传感器和地图数据信息的实时刷新，不断更新数据库表中的指令，并转发到移动端；

4-4)实时对决策发布信息进行优化。

6.如权利要求1所述方法的应用系统，其特征在于，包括系统的结构、功能和运行流程，所述系统的结构为：

(1)系统平台：基于MVC的开发架构和B/S运行环境，系统基于离线地图平台开发，系统服务端使用ORACLE数据库，XP操作系统、离线地图服务器、无线网络、移动通讯设备为软硬件平台；

(2)系统支持层：包括数据库、模型库和方法库，为系统功能的实现提供数据支持、模型支持、方法支持；

(3)系统控制层：系统控制层即系统功能实现层，以Java源码加.class文件的形式存在；

(4)系统应用层：包括：

(A)查询数据：可查询搜救者移动轨迹、搜索数据、现场工作数据、传感器数据；(B)评估分析：对传感器数据和结构化文本进行分类评估，可按照地区或时间对不同数据同时生成多个曲线，可进行数据拟合，预测未来趋势，生成评估与分析报告；(C)决策发布：根据搜救队伍数量、道路情况、受困人员位置、交通工具生成营救建议，并发送至各移动终端；(D)数据监控：实时动态监控后台数据；(E)区域指挥与控制：为区域现场的指挥与控制服务，完成救援行动指挥控制工作，主要包括两大部分：一是救援力量需求分析，二是区域搜救力量部署模型研究；(F)局部指挥与控制：局部搜救力量部署是以局部搜救目标优先级顺序为依据，对局部现场进行搜救力量部署；(G)救援方案优化：根据地震现场实况，及时规划救援路径，生成救援方案；

系统运行流程：

1)输入地震基本信息，启动软件；2)启动接收远程数据传输，接收地震现场客户端和传感器采集传送的灾区及救援相关数据；3)初次计算出救援优先级；4)结合专题信息及相关模型，得出救援力量部署方案；5)完成相关信息查看；6)随着灾情信息的丰富和救援力量的增加，不断修正搜救目标优先级，并优化搜救力量部署方案；7)实现地震专题信息及救援力量部署的实时、直观展示，并进行地图制作与打印输出功能；8)对实时的信息进行评估与分析，并将救援信息进行发布。