CN106327404A - 一种灾害综合评估中多源数据冲突检测与消解方法 - Google Patents

Abstract

本发明公开了一种灾害综合评估中多源数据冲突检测，包括以下步骤：S1.打开不同来源的评估数据，S2.对参考图层内的多边形建立空间索引，S3.遍历S2中的检测候选集，S4.提取要素的属性信息，S5.判断属性值类型，还提供一种灾害综合评估中多源数据冲突消解方法，综合运用多种冲突消解策略，包括有以下步骤：第一步，检测出冲突的评估数据，第二步，推送给专家组，第三步，仲裁人实施决策，本发明中的消解方法，使得知识推理与信息交流达到有机的统一。采用若干冲突消解方法结合使用，针对不同的冲突类型选取不同的消解策略，并进行不断反复评价与建议，以更合理有效地解决评估中的冲突问题。

Description

一种灾害综合评估中多源数据冲突检测与消解方法

技术领域

本发明涉及灾害综合评估技术领域，具体为一种灾害综合评估中多源数据冲突检测与消解方法。

背景技术

社会经济生产规模不断扩大、城市化水平不断提高使得自然灾害产生的影响越来越深远，造成的损失越来越严重。复杂的灾情对灾害评估工作提出了新的要求，简单的自然灾害评估和灾情统计工作，远不能适应社会发展的需要。准确快速有效的灾情综合评估是防灾减灾的基本要求，能够更好的展开快速有效的救灾和灾后重建工作。在灾害发生后，需要调度国内外多星资源、各级各类遥感数据和基础地理信息数据，组织各相关职能部门，进行灾情遥感监测和现场调查，运用多途径获取的实时数据综合多种方法展开灾情的协同研判和评估。在这种协同的评估工作中，评估结果之间的冲突是无法避免的，冲突的检测与消解工作越来越成为不可或缺的工作而存在于现代灾害灾情评估工作的各个环节中。

综合的灾情评估与研判工作需要较多专家与工作人员参与、需要依据多来源数据和运用多种方法，并且其很大部分受到人为等因素的影响，运用这些多元方法产生的评估结果会在某些方面存在一定的差异和不一致性，这种评估结果的冲突不一致将直接影响灾害综合评估的准确性和评估效率，特别是在特重大灾害评估中影响突出。

现有灾害综合评估业务工作中，多个评估人员参与的采用多源数据和多元方法得到的不同类型的灾害灾情评估结果之间的冲突处理技术单一落后，主要表现为：

a)冲突问题处理技术单一：人工对比、线下专家会商；

b)准确率低：检测的冲突问题不突出、分类不全面，一般为定性检测与消解；

c)效率较低：尚未建立规范化、流程化的冲突检测与消解机制；

综上所述，目前灾害综合评估业务工作中灾害灾情评估结果之间的冲突处理方式单一落后，主要存在严重的效率和准确率问题。

发明内容

本发明的目的在于提供一种灾害综合评估中多源数据冲突检测与消解方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种灾害综合评估中多源数据冲突检测，包括以下步骤：

S1.打开不同来源的评估数据的同时：判断数据类型，确定检测图层和参考图层；

S2.对参考图层内的多边形建立空间索引：依据索引进行每个要素的判断，建立候选检测实体集；

S3.遍历S2中的检测候选集：依次计算检测对象和参考对象之间的空间几何特征相似度，包括位置相似度、大小相似度和形状相似度，将计算结果分别与设定的阈值相比较，判断是否出现不一致冲突；

S4.提取要素的属性信息：提取属性表中的属性字段并对比分析；

S5.判断属性值类型：然后根据不同类型属性值计算相应的属性语义相似度，属性值的类型主要包括字符型、数值型、布尔型以及区间型，并与给定的检测阈值进行比较分析，判断是否出现不一致冲突。

优选的，所述步骤S2中，确定检测候选实体集的具体实现方法为，确定参考图层内多边形最小外包矩形，检测图层内与该MBR相交的实体确定为候选检测实体集。

优选的，所述步骤S3中，需要分别计算位置相似度、大小相似度和形状相似度，具体实现方式如下：

3.1、位置相似度依据要素的形状中心点，采用欧几里得距离来计算得到：

(1)确定实体要素的形状中心点，针对多边形要素，形状中心点的计算公式如下：

$\stackrel{\‾}{x}=\frac{{\Σ}_{i=0}^{n-1}{x}_i{\mathrm{\σ}}_i}{{\Σ}_{i=0}^{n-1}{\mathrm{\σ}}_i},\stackrel{\‾}{y}=\frac{{\Σ}_{i=0}^{n-1}{y}_i{\mathrm{\σ}}_i}{{\Σ}_{i=0}^{n-1}{\mathrm{\σ}}_i}$

其中，x_i，y_i为第i个点的坐标，σ_i为每个边与坐标原点组成三角形的面积。

(2)结合要素的形状中心，计算其位置相似度，计算公式为：

$Sim(P_1,P_2)=1-\frac{\sqrt{{(x_2-x_1)}^2-{(y_2-y_1)}^2}}{U}$

其中，Sim(P₁,P₂)为多边形P₁、P₂之间的位置相似度；(x₁，y₁)、(x₂，y₂)分别为多边形P₁、P₂的形状中心点；U为两多边形的任意边界点间距离的最大值。

3.2、大小相似度依据实体面积，采用欧几里得距离来计算得到：

(1)计算实体要素的面积，针对多边形要素，面积的计算公式如下：

$S\left(A\right)=\frac{1}{2}\underset{i=0}{\overset{n=1}{\Σ}}(x_i{y}_{i+1}-x_{i+1}{y}_i)$

其中，x_i，y_i为第i个点的坐标。

(2)结合要素的形状中心，计算其大小相似度，计算公式为：

${\mathrm{Sim}}_{si}(A,B)=1-\frac{|Area\left(A\right)-Area\left(B\right)|}{max\left(Area\right(A),Area(B\left)\right)}$

其中，Sim_si(A,B)为多边形A、B之间的形状相似度；Area(A)为多边形A的面积。

3.3、形状相似度依据实体的紧致度，采用欧几里得距离来计算得到：

(1)计算实体要素的紧致度，针对多边形要素，紧致度的计算公式如下：

Comp(A)＝S(A)/L(A)

其中，Comp(A)多边形的紧致度，S(A)为多边形面积，L(A)为多边形周长。

(2)结合要素的紧致度，计算其形状相似度，计算公式为：

${\mathrm{Sim}}_{sh}(A,B)=1-\frac{|Comp\left(A\right)-Comp\left(B\right)|}{\max \left(Comp\right(A),Comp(B\left)\right)}$

优选的，所述步骤4中，属性字段冲突的检测的具体实现方式为：首先进行属性字段的检测，假设集合D1表示原对象中多边形的属性集合，D2表示检测对象的属性集合。对集合D1，D2进行遍历，查询由与灾害相关的灾害类型、目标类型、目标结构、受损等级等灾情信息组成的专题属性，则当D1＝D2时，通过检测；当D1≠D2时，检测到冲突。

优选的，所述步骤S5的具体实现方式为，首先判断属性值类型，然后根据不同类型属性值计算相应的属性语义相似度，并与给定的检测阈值进行比较分析，相似度计算值在设定的阈值范围内的通过检测，反之检测到冲突。其中，不同类型属性值语义相似度计算方式如下：

5.1、字符类型属性值的语义相似度，有两种计算方式：

(1)属性值在语义上没有可比性，例如灾害类型属性字段的属性值：地震灾害、滑坡、泥石流。语义相似度为计算公式为：

$Sim(x,y)=\left\{\begin{array}{cc}0& x\≠y\\ 1& x=y\end{array}\right.$

式中，x，y表示检查对象和参考对象同一属性的两个属性值。

(2)属性值的表达在语义上有一定的关联，例如，房屋评估数据中受损等级属性字段值：基本完好、一般损毁、严重损毁。这时需要对属性值进行数值化：首先将属性值根据语义进行排序，然后对这种排序进行数字编号，如本例中的属性值依次编号为1，2，3。则两个不同属性值间的语义相似度计算公式为：

$Sim(x,y)=1-\frac{|n\left(x\right)-n\left(y\right)|}{N}$

式中，函数n(x)描述了x在属性值中的次序；N表示属性值的个数。

5.2、对于属性值是数值类型的属性特征项之间的相似度的确定，简单的计算属性数值是否相等的方法过于直接，无法满足评估结果数据的评价。采用以下公式进行数值型属性值的语义相似度计算：

$Sim(x,y)=\left\{\begin{array}{ccc}1,& Max\left(x_i\right)=Min\left(x_i\right),& 1\≤i\≤N\\ 1-\frac{\left|x-y\right|}{Max\left(x_i\right)-Min\left(x_i\right)},& Max\left(x_i\right)\≠Min\left(x_i\right),& 1\≤i\≤N\end{array}\right.$

式中，x，y表示检查对象和参考对象同一属性的两个属性值；N为属性值的总个数；Max(x_i)为属性值中的最大值，Min(x_i)为属性值中的最小值。

5.3、布尔型属性值一般是对一种地理现象的判断，其取值只有“是”和“否”两种情况，因此，其语义相似度计算方式与字符型属性值的第一种情况类似。

一种灾害综合评估中多源数据冲突消解方法，综合运用多种冲突消解策略，包括有以下步骤：

第一步，对检测出冲突的评估数据依据一致性分析和人机交互的方式进行冲突确认，对不一致性差异大的评估结果直接进行回溯操作，退回进行重新标绘等评估根据冲突的类型，选择不同的冲突消解策略，首先采用基于知识推理和基于约束松弛的冲突消解策略；

第二步，将使用上述两种冲突消解策略无法解决的冲突，推送给有经验的领域专家组成的专家组，采用协商的冲突消解策略；在协商过程中，当依据不同方面的信息无法较好地调和冲突各方各自的利益时，冲突协商失败，此时采用仲裁的策略；

第三步，仲裁人在综合各方建议的前提下实施决策，提出冲突消解方案，若仍然无法有效消解冲突，则标记为疑似案例存档，更新灾情信息后进行重新研判评估。

本发明的有益效果是：本发明针对现有冲突检测与消解方法效率低和自动化程度低等不足，提供了一种灾害综合评估中的多源数据冲突检测与消解方法。主要包括，几何冲突与属性冲突相结合的冲突检测方法，具体方式为，基于空间特征相似度比较的方法检测几何冲突，采用语义相似度对比的方法检测属性冲突。提供了一灾害综合评估中的多源数据冲突消解方法，使得知识推理与信息交流达到有机的统一。冲突处理过程中，由于冲突的复杂性，采用若干冲突消解方法结合使用，针对不同的冲突类型选取不同的消解策略，并进行不断反复评价与建议，以更合理有效地解决评估中的冲突问题。

附图说明

图1为本发明的总体流程图；

图2为本发明的几何冲突检测算法流程图；

图3为本发明的属性冲突检测算法流程图；

图4为本发明的集成的混合型冲突消解模型结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-4，本发明提供一种技术方案：

一种灾害综合评估中多源数据冲突检测，包括以下步骤：

S1.打开不同来源的评估数据的同时：判断数据类型，确定检测图层和参考图层；

S2.对参考图层内的多边形建立空间索引：依据索引进行每个要素的判断，建立候选检测实体集；

S3.遍历S2中的检测候选集：依次计算检测对象和参考对象之间的空间几何特征相似度，包括位置相似度、大小相似度和形状相似度，将计算结果分别与设定的阈值相比较，判断是否出现不一致冲突；

S4.提取要素的属性信息：提取属性表中的属性字段并对比分析；

S5.判断属性值类型：然后根据不同类型属性值计算相应的属性语义相似度，属性值的类型主要包括字符型、数值型、布尔型以及区间型，并与给定的检测阈值进行比较分析，判断是否出现不一致冲突。

所述步骤S2中，确定检测候选实体集的具体实现方法为，确定参考图层内多边形最小外包矩形，检测图层内与该MBR相交的实体确定为候选检测实体集。

所述步骤S3中，需要分别计算位置相似度、大小相似度和形状相似度，具体实现方式如下：

3.1、位置相似度依据要素的形状中心点，采用欧几里得距离来计算得到：

(1)确定实体要素的形状中心点，针对多边形要素，形状中心点的计算公式如下：

$\stackrel{\‾}{x}=\frac{{\Σ}_{i=0}^{n-1}{x}_i{\mathrm{\σ}}_i}{{\Σ}_{i=0}^{n-1}{\mathrm{\σ}}_i},\stackrel{\‾}{y}=\frac{{\Σ}_{i=0}^{n-1}{y}_i{\mathrm{\σ}}_i}{{\Σ}_{i=0}^{n-1}{\mathrm{\σ}}_i}$

其中，x_i，y_i为第i个点的坐标，σ_i为每个边与坐标原点组成三角形的面积。

(2)结合要素的形状中心，计算其位置相似度，计算公式为：

$Sim(P_1,P_2)=1-\frac{\sqrt{{(x_2-x_1)}^2-{(y_2-y_1)}^2}}{U}$

其中，Sim(P₁,P₂)为多边形P₁、P₂之间的位置相似度；(x₁，y₁)、(x₂，y₂)分别为多边形P₁、P₂的形状中心点；U为两多边形的任意边界点间距离的最大值。

3.2、大小相似度依据实体面积，采用欧几里得距离来计算得到：

(1)计算实体要素的面积，针对多边形要素，面积的计算公式如下：

$S\left(A\right)=\frac{1}{2}\underset{i=0}{\overset{n=1}{\Σ}}(x_i{y}_{i+1}-x_{i+1}{y}_i)$

其中，x_i，y_i为第i个点的坐标。

(2)结合要素的形状中心，计算其大小相似度，计算公式为：

${\mathrm{Sim}}_{si}(A,B)=1-\frac{|Area\left(A\right)-Area\left(B\right)|}{max\left(Area\right(A),Area(B\left)\right)}$

其中，Sim_si(A,B)为多边形A、B之间的形状相似度；Area(A)为多边形A的面积。

3.3、形状相似度依据实体的紧致度，采用欧几里得距离来计算得到：

(1)计算实体要素的紧致度，针对多边形要素，紧致度的计算公式如下：

Comp(A)＝S(A)/L(A)

其中，Comp(A)多边形的紧致度，S(A)为多边形面积，L(A)为多边形周长。

(2)结合要素的紧致度，计算其形状相似度，计算公式为：

${\mathrm{Sim}}_{sh}(A,B)=1-\frac{|Comp\left(A\right)-Comp\left(B\right)|}{\max \left(Comp\right(A),Comp(B\left)\right)}$

所述步骤4中，属性字段冲突的检测的具体实现方式为：首先进行属性字段的检测，假设集合D1表示原对象中多边形的属性集合，D2表示检测对象的属性集合。对集合D1，D2进行遍历，查询由与灾害相关的灾害类型、目标类型、目标结构、受损等级等灾情信息组成的专题属性，则当D1＝D2时，通过检测；当D1≠D2时，检测到冲突。

所述步骤S5的具体实现方式为，首先判断属性值类型，然后根据不同类型属性值计算相应的属性语义相似度，并与给定的检测阈值进行比较分析，相似度计算值在设定的阈值范围内的通过检测，反之检测到冲突。其中，不同类型属性值语义相似度计算方式如下：

5.1、字符类型属性值的语义相似度，有两种计算方式：

(1)属性值在语义上没有可比性，例如灾害类型属性字段的属性值：地震灾害、滑坡、泥石流。语义相似度为计算公式为：

$Sim(x,y)=\left\{\begin{array}{cc}0& x\≠y\\ 1& x=y\end{array}\right.$

式中，x，y表示检查对象和参考对象同一属性的两个属性值。

(2)属性值的表达在语义上有一定的关联，例如，房屋评估数据中受损等级属性字段值：基本完好、一般损毁、严重损毁。这时需要对属性值进行数值化：首先将属性值根据语义进行排序，然后对这种排序进行数字编号，如本例中的属性值依次编号为1，2，3。则两个不同属性值间的语义相似度计算公式为：

$Sim(x,y)=1-\frac{|n\left(x\right)-n\left(y\right)|}{N}$

式中，函数n(x)描述了x在属性值中的次序；N表示属性值的个数。

5.2、对于属性值是数值类型的属性特征项之间的相似度的确定，简单的计算属性数值是否相等的方法过于直接，无法满足评估结果数据的评价。采用以下公式进行数值型属性值的语义相似度计算：

$Sim(x,y)=\left\{\begin{array}{ccc}1,& Max\left(x_i\right)=Min\left(x_i\right),& 1\≤i\≤N\\ 1-\frac{\left|x-y\right|}{Max\left(x_i\right)-Min\left(x_i\right)},& Max\left(x_i\right)\≠Min\left(x_i\right),& 1\≤i\≤N\end{array}\right.$

式中，x，y表示检查对象和参考对象同一属性的两个属性值；N为属性值的总个数；Max(x_i)为属性值中的最大值，Min(x_i)为属性值中的最小值。

5.3、布尔型属性值一般是对一种地理现象的判断，其取值只有“是”和“否”两种情况，因此，其语义相似度计算方式与字符型属性值的第一种情况类似。

一种灾害综合评估中多源数据冲突消解方法，综合运用多种冲突消解策略，包括有以下步骤：

第一步，对检测出冲突的评估数据依据一致性分析和人机交互的方式进行冲突确认，对不一致性差异大的评估结果直接进行回溯操作，退回进行重新标绘等评估根据冲突的类型，选择不同的冲突消解策略，首先采用基于知识推理和基于约束松弛的冲突消解策略；

第二步，将使用上述两种冲突消解策略无法解决的冲突，推送给有经验的领域专家组成的专家组，采用协商的冲突消解策略；在协商过程中，当依据不同方面的信息无法较好地调和冲突各方各自的利益时，冲突协商失败，此时采用仲裁的策略；

第三步，仲裁人在综合各方建议的前提下实施决策，提出冲突消解方案，若仍然无法有效消解冲突，则标记为疑似案例存档，更新灾情信息后进行重新研判评估。

本发明针对现有冲突检测与消解方法效率低和自动化程度低等不足，发明中提供了一种灾害综合评估中的多源数据冲突消解方法。主要包括，几何冲突与属性冲突相结合的冲突检测方法，具体方式为，基于空间特征相似度比较的方法检测几何冲突，采用语义相似度对比的方法检测属性冲突。提供了一种混合型冲突消解模型，使得知识推理与信息交流达到有机的统一。冲突处理过程中，由于冲突的复杂性，采用若干冲突消解方法结合使用，针对不同的冲突类型选取不同的消解策略，并进行不断反复评价与建议，以更合理有效地解决评估中的冲突问题。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种灾害综合评估中多源数据冲突检测，其特征在于，包括以下步骤：

S1.打开不同来源的评估数据的同时：判断数据类型，确定检测图层和参考图层；

S2.对参考图层内的多边形建立空间索引：依据索引进行每个要素的判断，建立候选检测实体集；

S3.遍历S2中的检测候选集：依次计算检测对象和参考对象之间的空间几何特征相似度，包括位置相似度、大小相似度和形状相似度，将计算结果分别与设定的阈值相比较，判断是否出现不一致冲突；

S4.提取要素的属性信息：提取属性表中的属性字段并对比分析；

S5.判断属性值类型：然后根据不同类型属性值计算相应的属性语义相似度，属性值的类型主要包括字符型、数值型、布尔型以及区间型，并与给定的检测阈值进行比较分析，判断是否出现不一致冲突。

2.根据权利要求1所述的一种灾害综合评估中多源数据冲突检测，其特征在于：所述步骤S2中，确定检测候选实体集的具体实现方法为，确定参考图层内多边形最小外包矩形，检测图层内与该MBR相交的实体确定为候选检测实体集。

3.根据权利要求1所述的一种灾害综合评估中多源数据冲突检测，其特征在于：所述步骤S3中，需要分别计算位置相似度、大小相似度和形状相似度，具体实现方式如下：

3.1、位置相似度依据要素的形状中心点，采用欧几里得距离来计算得到：

(1)确定实体要素的形状中心点，针对多边形要素，形状中心点的计算公式如下：

其中，x_i，y_i为第i个点的坐标，σ_i为每个边与坐标原点组成三角形的面积。

(2)结合要素的形状中心，计算其位置相似度，计算公式为：

其中，Sim(P₁,P₂)为多边形P₁、P₂之间的位置相似度；(x₁，y₁)、(x₂，y₂)分别为多边形P₁、P₂的形状中心点；U为两多边形的任意边界点间距离的最大值。

3.2、大小相似度依据实体面积，采用欧几里得距离来计算得到：

(1)计算实体要素的面积，针对多边形要素，面积的计算公式如下：

其中，x_i，y_i为第i个点的坐标。

(2)结合要素的形状中心，计算其大小相似度，计算公式为：

其中，Sim_si(A,B)为多边形A、B之间的形状相似度；Area(A)为多边形A的面积。

3.3、形状相似度依据实体的紧致度，采用欧几里得距离来计算得到：

(1)计算实体要素的紧致度，针对多边形要素，紧致度的计算公式如下：

Comp(A)＝S(A)/L(A)

其中，Comp(A)多边形的紧致度，S(A)为多边形面积，L(A)为多边形周长。

(2)结合要素的紧致度，计算其形状相似度，计算公式为：

。

4.根据权利要求1所述的一种灾害综合评估中多源数据冲突检测，其特征在于：所述步骤4中，属性字段冲突的检测的具体实现方式为：首先进行属性字段的检测，假设集合D1表示原对象中多边形的属性集合，D2表示检测对象的属性集合。对集合D1，D2进行遍历，查询由与灾害相关的灾害类型、目标类型、目标结构、受损等级等灾情信息组成的专题属性，则当D1＝D2时，通过检测；当D1≠D2时，检测到冲突。

5.根据权利要求1所述的一种灾害综合评估中多源数据冲突检测，其特征在于：所述步骤S5的具体实现方式为，首先判断属性值类型，然后根据不同类型属性值计算相应的属性语义相似度，并与给定的检测阈值进行比较分析，相似度计算值在设定的阈值范围内的通过检测，反之检测到冲突。其中，不同类型属性值语义相似度计算方 式如下：

5.1、字符类型属性值的语义相似度，有两种计算方式：

(1)属性值在语义上没有可比性，例如灾害类型属性字段的属性值：地震灾害、滑坡、泥石流。语义相似度为计算公式为：

式中，x，y表示检查对象和参考对象同一属性的两个属性值。

(2)属性值的表达在语义上有一定的关联，例如，房屋评估数据中受损等级属性字段值：基本完好、一般损毁、严重损毁。这时需要对属性值进行数值化：首先将属性值根据语义进行排序，然后对这种排序进行数字编号，如本例中的属性值依次编号为1，2，3。则两个不同属性值间的语义相似度计算公式为：

式中，函数n(x)描述了x在属性值中的次序；N表示属性值的个数。

5.2、对于属性值是数值类型的属性特征项之间的相似度的确定，简单的计算属性数值是否相等的方法过于直接，无法满足评估结果数据的评价。采用以下公式进行数值型属性值的语义相似度计算：

式中，x，y表示检查对象和参考对象同一属性的两个属性值；N为属性值的总个数；Max(x_i)为属性值中的最大值，Min(x_i)为属性值中 的最小值。

5.3、布尔型属性值一般是对一种地理现象的判断，其取值只有“是”和“否”两种情况，因此，其语义相似度计算方式与字符型属性值的第一种情况类似。

6.一种如权利要求1所述的灾害综合评估中多源数据冲突消解方法，其特征在于，综合运用多种冲突消解策略，包括有以下步骤：

第一步，对检测出冲突的评估数据依据一致性分析和人机交互的方式进行冲突确认，对不一致性差异大的评估结果直接进行回溯操作，退回进行重新标绘等评估根据冲突的类型，选择不同的冲突消解策略，首先采用基于知识推理和基于约束松弛的冲突消解策略；

第二步，将使用上述两种冲突消解策略无法解决的冲突，推送给有经验的领域专家组成的专家组，采用协商的冲突消解策略；在协商过程中，当依据不同方面的信息无法较好地调和冲突各方各自的利益时，冲突协商失败，此时采用仲裁的策略；

第三步，仲裁人在综合各方建议的前提下实施决策，提出冲突消解方案，若仍然无法有效消解冲突，则标记为疑似案例存档，更新灾情信息后进行重新研判评估。