CN111080139B - 一种基于hypergraph的公共安全事件情景表示方法 - Google Patents

一种基于hypergraph的公共安全事件情景表示方法 Download PDF

Info

Publication number
CN111080139B
CN111080139B CN201911318823.8A CN201911318823A CN111080139B CN 111080139 B CN111080139 B CN 111080139B CN 201911318823 A CN201911318823 A CN 201911318823A CN 111080139 B CN111080139 B CN 111080139B
Authority
CN
China
Prior art keywords
event
hypergraph
scenario
evolution
event scenario
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.)
Active
Application number
CN201911318823.8A
Other languages
English (en)
Other versions
CN111080139A (zh
Inventor
王兴鹏
吕淑然
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.)
Shijiazhuang Tiedao University
Original Assignee
Shijiazhuang Tiedao University
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 Shijiazhuang Tiedao University filed Critical Shijiazhuang Tiedao University
Priority to CN201911318823.8A priority Critical patent/CN111080139B/zh
Publication of CN111080139A publication Critical patent/CN111080139A/zh
Application granted granted Critical
Publication of CN111080139B publication Critical patent/CN111080139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于hypergraph的公共安全事件情景表示方法，构建公共安全事件情景演化超图，并将所述演化超图分解为两个超图模型，包括事件‑承灾体超图模型和事件‑孕灾环境超图模型；通过矩阵表示所述超图，形成关联矩阵，并根据用户需求对所述演化超图进行粒化分析；对所述公共安全事件情景演化超图的拓扑特性进行分析，并作出风险评价。本发明从事件情景与情景要素相互作用视角描述公共安全事件情景演化网络结构及演化关系，能够清晰的展示公共安全事件情景及其构成要素之间的多元关系，既能描述静态情景网络结构，也能描述动态情景演化过程；并且可以从不同粒度和视角对情景演化网络进行观察，从而更好满足不同决策者多粒度信息的需求。

Description

一种基于hypergraph的公共安全事件情景表示方法
技术领域
本发明涉及公共安全事件应急管理领域，尤其涉及一种基于hypergraph的公共安全事件情景表示方法。
背景技术
当前社会中，人类社会与自然环境之间的矛盾、社会个层次之间的矛盾等多种矛盾越发凸显，社会的发展也面临着一系列的不确定的因素，这些不确定因素导致各类公共安全事件频繁发生，给社会的正常运转带来了极大的潜在威胁，针对各类公共安全事件情景演化特征，找到一种公共安全事件情景的表示方法，使之能够对公共安全突发事件演化过程进行描述，可更有效的进行风险评估和应急决策支持，以减少公共安全事件造成的经济损失和人身危险。当前公共安全事件情景表示方法存在以下问题：把情景作为一个整体，没有很好描述事件情景及其构成要素之间的作用关系；粒度单一、视角单一，不能很好满足公共安全应急管理中多主体信息需求；缺乏动态描述能力，不能很好描述事件情景的动态演化过程。
发明内容
本发明的目的在于提供一种基于hypergraph的公共安全事件情景表示方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种基于hypergraph的公共安全事件情景表示方法，包括以下步骤：
S1、分析公共安全事件情景演化过程中包含的事件情景以及事件情景构成要素的关系，构建公共安全事件情景演化超图H＝(V,E)，其中H表示超图，V表示节点，E表示超边，并将所述演化超图分解为两个超图模型，包括事件-承灾体超图模型和事件-孕灾环境超图模型；
明确每一个所述事件情景的类型，并逐一分析所述事件情景构成要素的所属类型，最后以所述事件情景为超边，所述事件情景构成要素为节点建立联系，构成所述演化超图，并将所述演化超图通过矩阵进行表示，形成关联矩阵，其中行表示节点，列表示超边；
S2、分析所述公共安全事件情景演化超图的拓扑特性，对所述公共安全事件演化超图的特征进行理解和分析；
S3、根据所述公共安全事件情景演化超图的拓扑特性，分别对所述事件-承灾体超图模型和所述事件-孕灾环境超图模型中的所述事件情景和所述事件情景构成要素进行风险评价；
其中，所述事件情景构成要素的风险描述为：
Figure GDA0002962525210000021
所述事件情景的风险描述为：
Figure GDA0002962525210000022
式中，dvhd(vj)为节点超度，dvd(vj)为节点度，︱V︱为模型中节点的数量；ded(ei)为事件情景ei的超边度，V(ei)为事件情景ei的事件情景构成要素集合，︱E︱为模型中超边的总数量，vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i＝{1,2,3……}表示所述事件情景的编号；Dv(vj)表示事件情景构成要素的风险值，De(ei)表示事件情景的风险值，k＝{1,2,3……}表示求和公式中的对于求和内容的选取编号；
S4、基于所述公共安全事件情景演化超图进行粒化分析，包括超边粒化、节点粒化以及超边和节点的同时粒化；所述超边粒化为对于所述事件情景进行粒化；所述节点粒化为对于所述事件情景构成要素进行粒化；所述超边和节点的同时粒化为对于所述事件情景和所述事件情景构成要素进行粒化。
优选的，所述事件情景的类型根据公共安全事件分类编码进行分类；所述事件情景构成要素类型根据事件情景构成要素分类编码进行分类。
优选的，所述演化超图的拓扑特性包括节点度节点度dvd(vj)、节点超度dvhd(vj)节点相邻度da(vj,vk)、超边度ded(ei)和超边超度dehd(ei)；其中，vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i表示所述事件情景的编号。
优选的，所述超边粒化的过程为：根据事件类别结构层次，对同一类型的所述事件情景进行合并，形成选定的粒度事件，所述粒度事件为新的超边，在所述关联矩阵中，将所述同一类型的事件情景的各列进行“或”运算，形成所述关联矩阵的新的一列；
所述节点粒化的过程为：根据事件情景构成要素类别结构层次，对同一超边内的同一类型的所述事件情景构成要素进行合并，形成选定粒度的事件情景构成要素，并作为新的节点，在所述关联矩阵中，将所述同一超边内的同一类型的各行进行“或”运算，形成所述关联矩阵的新的一行；
所述超边和节点的同时粒化过程为：先进行超边粒化，再进行节点粒化。
优选的，所述事件情景构成要素包括承灾体和孕灾环境。
优选的，所述事件-承灾体超图模型为主模型，事件-孕灾环境超图模型为辅助模型。
本发明的有益效果是：本发明所述的基于hypergraph的公共安全事件情景表示方法，从事件情景与其构成要素相互作用视角描述了公共安全事件情景演化网络结构及演化关系。本发明利用超图模型描述了情景演化中事件情景和事件情景构成要素间的相互作用关系，能够更清晰展示公共安全事件情景及其构成要素之间相互作用的多元关系；利用超图分析了公共安全事件情景演化网络的结构特性，既能描述静态情景网络结构，也能描述动态情景演化过程，深化对演化网络的认识；公共安全事件情景超图模型为分析事件演化中承灾体的关联性，以及事件的衍生性、风险性评估等提供了有力工具；基于超边和节点的粒化可实现公共安全情景演化超图模型的粒化和计算，从不同粒度和视角对情景演化网络进行观察，从而更好满足不同决策者多粒度信息的需求。
附图说明
图1是公共安全事件情景演化超图模型；
图2是公共安全事件情景演化超图及其对应的关联矩阵；
图3是事件粒度变化后情景演化网络变化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
一种基于hypergraph的公共安全事件情景表示方法，包括以下步骤：
S1、分析公共安全事件情景演化过程中包含的事件情景以及所述事件情景构成要素的关系，所述事件情景构成要素包括承灾体和孕灾环境，构建公共安全事件演化超图H＝(V,E)，其中H表示超图，E表示超边，V表示节点；并将所述演化超图分解为两个超图模型，包括事件-承灾体超图模型和事件-孕灾环境超图模型，分别反映了事件情景与承灾体的作用关系和事件情景与孕灾环境的作用关系，体现了观察事件情景的不同视角。考虑到孕灾环境在事件情景演化中是背景条件，在特定区域中孕灾环境具有稳定性，特别是在要素层面孕灾环境一般变化不大，而事件和承灾体的相互作用是情景演化的核心要素，因此，为了更好分析情景间演化关系，抓住关键，固以事件-承灾体超图模型作为主模型，以以事件-孕灾环境超图模型作为辅助模型；
根据公共安全事件分类与编码，明确每一个所述事件情景的类型；并根据事件情景构成要素分类编码，逐一分析所述事件情景构成要素的所属类型；最后以所述事件情景为超边，所述事件情景构成要素为节点建立联系，构成所述演化超图，并将所述演化超图通过矩阵进行表示，形成关联矩阵，如图2所示，其中行表示节点，列表示超边。
S2、分析所述公共安全事件情景演化超图的拓扑特性，对所述公共安全事件演化网络的特征进行理解和分析；所述演化超图的拓扑特性包括节点度节点度dvd(vj)、节点超度dvhd(vj)、节点相邻度da(vj,vk)、超边度ded(ei)和超边超度dehd(ei)等拓扑特性；其中，vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i表示所述事件情景的编号。
S3、根据所述公共安全事件情景演化超图的拓扑特性，分别对事件-承灾体超图模型和事件-孕灾环境超图模型中的所述事件情景和所述事件情景构成要素进行风险评价；
其中，所述事件情景构成要素风险描述为：
Figure GDA0002962525210000051
所述事件情景的风险描述为：
Figure GDA0002962525210000052
式中，dvhd(vj)为节点超度，dvd(vj)为节点度，︱V︱为模型中节点的数量；
ded(ei)为事件情景ei的超边度，V(ei)为事件情景ei的事件情景构成要素集合，︱E︱为模型中超边的总数量；vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i＝{1,2,3……}表示所述事件情景的编号；Dv(vj)表示事件情景构成要素的风险值，De(ei)表示事件情景的风险值，k＝{1,2,3……}表示求和公式中的对于求和内容的选取编号。
S4、基于所述公共安全事件情景演化超图进行粒化分析，包括超边粒化、节点粒化以及超边和节点的同时粒化；所述超边粒化为对于所述事件情景进行粒化，如图3所示；所述节点粒化为对于所述事件情景构成要素进行粒化；所述超边和节点的同时粒化为对于所述事件情景和所述事件情景构成要素进行粒化。
所述超边粒化的过程为：根据事件类别结构层次，对同一类型的所述事件情景进行合并，形成选定的粒度事件，所述粒度事件为新的超边，在所述关联矩阵中，将所述同一类型的事件情景的各列进行“或”运算，形成所述关联矩阵的新的一列；
所述节点粒化的过程为：根据事件情景构成要素类别结构层次，对同一超边内的同一类型的所述事件情景构成要素进行合并，形成选定粒度的事件情景构成要素，并作为新的节点，在所述关联矩阵中，将所述同一超边内的同一类型的各行进行“或”运算，形成所述关联矩阵的新的一行；
所述超边和节点的同时粒化过程为：先进行超边粒化，再进行节点粒化。
实施例
首先将所述公共安全事件情景分解成两个超图模型如图1所示，包括事件-承灾体超图模型和事件-孕灾环境超图模型，分别反应所述事件情景与所述承灾体和所述孕灾环境之间的作用关系；通过超图的表现形式可以描述所述事件情景的演化特征，又可以使所述事件情景演化实现网络可视化；
当事件-承灾体超图模型所对应的关联矩阵如图2所示时，E表示事件情景即超图中的超边，V表示承灾体即超图中的节点；每一列表示同一个超边，每一行表示同一节点，当某一个节点在某一个超边内时，所述关联矩阵的对应位置为“1”，反之为“0”。
对图2中的所述承灾体和所述事件情景的拓扑特性进行分析，并根据步骤S3中的风险评价公式，计算出对应的风险评价结果；所述节点超度表示某一节点所在超边的数量，所述超边超度表示某一超边内包括的节点的数量；所述节点度为节点所连接的其他节点数量；所述超边度为超边所邻接的其他超边的数量。图2中所述承灾体对应的所述事件情景的拓扑特性和风险评价的计算结果如表1、2所示：
表1承灾体相关拓扑性质和风险值
Figure GDA0002962525210000061
Figure GDA0002962525210000071
表2情景事件相关拓扑性质和风险值
Figure GDA0002962525210000072
从计算结果中可以看出在承灾体中，v3的风险值最高，从超图模型中可以看出v3受到除e1外所有情景事件的影响，潜在风险最高，其次为v4、v1；在情景事件中，e3的风险值最高，从超图模型中可以看出e3作用的承灾体数量最多，而且相关联的情景事件也最高，因此在情景演化中具有非常高的风险。
本实施例中，对某区域地震事件引发的情景进行粒化分析，所述公共安全事件情景演化超图的粒化分析如下：进行粒度变化之前的地震事件引发的情景超图的关联矩阵如表3所示：
表3粒度变化前情景超图(关联矩阵表示)
Figure GDA0002962525210000073
Figure GDA0002962525210000081
Figure GDA0002962525210000091
对表3所示的超图进行超边粒化：根据事件类别层次结构，将上述演化超度的超边进行粒化，即e1(地震)、e5(滑坡泥石流)、e6(堰塞湖)、e7(水灾)合并为e1’(自然灾害)，相应的列进行“或”运算；e2(火灾)、e3(爆炸)、e4(有毒物质泄漏)合并为e2’(事故灾难)，相应的列进行“或”运算；e8(传染病)提升为e3’(公共卫生事件)，因为没有合并，列值保持不变；e9(群体事件)提升为e4’(社会安全事件)，因为没有合并，列值保持不变。超边粒化后的情景超图的关联矩阵如表4所示：
表4超边粒化的情景超图(关联矩阵表示)
Figure GDA0002962525210000092
Figure GDA0002962525210000101
经过超边粒度提升后，情景超图中超边数变少，变化后的超图反映了在地震引发的情景中四大类事件之间的演化关系，粒度前后变化可以由超图对应的线图直观展示，如图3所示，可以看出，在超边粒度提升后，情景中事件数量变少，情景关系变得更加简单，可以更清晰的展示出更高层次情景之间的演化关系。在具体应用中，不同决策者可以根据具体决策场景需求，确定超边的粒度变化层级，从而生成相应的情景演化关系模型。
对表3所示的超图进行节点粒化：根据承灾体类别层次结构，将节点粒度层次进行提升处理，将v2(居民楼)、v11(仓库)、v13(堰塞湖)合并为v2’(建筑物)，相应的行进行“或”运算；v4(电力设施)、v5(通讯设施)、v6(燃气设施)、v7(交通枢纽)、v8(水利枢纽)合并为v4’(生命线系统)，相应的行进行“或”运算；v9(加油站)、v10(化工厂)提升为v5’(工厂企业)，相应的行进行“或”运算，v1、v3、v12、v14因为没有合并，行值保持不变。节点粒度提升后的情景超图如表5所示
表5节点粒化后的情景超图(关联矩阵表示)
Figure GDA0002962525210000102
Figure GDA0002962525210000111
经过节点粒度提升后，情景超图中节点数变少，变化后的超图反映了在地震引发的情景中各事件与更高层次承灾体类之间的作用关系。
对表3所示的超图进行超边和节点的同时粒化：先进行超边的粒化，再进行节点的粒化,进行超边和节点同时粒化后的超图模型如表6所示：
表6超边和节点粒度同时提升后的情景超图(关联矩阵表示)
Figure GDA0002962525210000112
Figure GDA0002962525210000121
经过超边和节点粒度提升后，情景超图中超边和节点数都变少，变化后的超图反映了在地震引发的情景中更高层次事件与更高层次承灾体类之间的作用关系。
通过情景超图模型的粒度变化，可以帮助决策者从不同层次、不同视角观察情景及情景间、情景要素间的演化关系，从而更好的满足不同决策者的需求。需要说明的是，受限于数据采集的粒度，为了更好展示粒度变化的效果，这里给出的实例主要体现了比较宏观层面的粒度变化，由于原理和实现方法是一样的，所以更具体的情景的粒度变化依然能够很好支持。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明所述的基于hypergraph的公共安全事件情景表示方法，从事件情景与其构成要素相互作用视角描述了公共安全事件情景演化网络结构及演化关系。本发明利用超图模型描述了情景演化中事件情景和事件情景构成要素间的相互作用关系，能够更清晰展示公共安全事件情景及其构成要素之间相互作用的多元关系；利用超图分析了公共安全事件情景演化网络的结构特性，既能描述静态情景网络结构，也能描述动态情景演化过程，深化对演化网络的认识；公共安全事件情景超图模型为分析事件演化中承灾体的关联性，以及事件的衍生性、风险性评估等提供了有力工具；基于超边和节点的粒化可实现公共安全情景演化超图模型的粒化和计算，从不同粒度和视角对情景演化网络进行观察，从而更好满足不同决策者多粒度信息的需求。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (3)

1.一种基于hypergraph的公共安全事件情景表示方法，其特征在于，包括以下步骤：
S1、分析公共安全事件情景演化过程中包含的事件情景以及事件情景构成要素之间的关系，构建公共安全事件情景演化超图H＝(V,E)，其中H表示超图，V表示节点，E表示超边，并将所述演化超图分解为两个超图模型，包括事件-承灾体超图模型和事件-孕灾环境超图模型；将所述事件-承灾体超图模型为主模型，所述事件-孕灾环境超图模型为辅助模型；
明确每一个所述事件情景的类型，并逐一分析所述事件情景构成要素的所属类型，最后以所述事件情景为超边，所述事件情景构成要素为节点建立联系，构成所述演化超图，并将所述演化超图通过矩阵进行表示，形成关联矩阵，其中行表示节点，列表示超边；
S2、分析所述公共安全事件情景演化超图的拓扑特性，对所述公共安全事件演化超图的特征进行理解和分析；
S3、根据所述公共安全事件情景演化超图的拓扑特性，分别对所述事件-承灾体超图模型和所述事件-孕灾环境超图模型中的所述事件情景和所述事件情景构成要素进行风险评价，所述事件情景构成要素包括承灾体和孕灾环境；
其中，所述事件情景构成要素风险描述为：
Figure FDA0002962525200000011
基于所述事件情景的风险描述为：
Figure FDA0002962525200000012
式中，dvhd(vj)为节点超度，dvd(vj)为节点度，︱V︱为模型中节点的数量；
ded(ei)为事件情景ei的超边度，V(ei)为事件情景ei的事件情景构成要素集合，︱E︱为模型中超边的总数量；vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i＝{1,2,3……}表示所述事件情景的编号；Dv(vj)表示事件情景构成要素的风险值，De(ei)表示事件情景的风险值，k＝{1,2,3……}表示求和公式中的对于求和内容的选取编号；
S4、基于所述公共安全事件情景演化超图进行粒化分析，包括超边粒化、节点粒化以及超边和节点的同时粒化；所述超边粒化为对于所述事件情景进行粒化；所述节点粒化为对于所述事件情景构成要素进行粒化；所述超边和节点的同时粒化为对于所述事件情景和所述事件情景构成要素进行粒化；
所述超边粒化的过程为：根据事件类别结构层次，对同一类型的所述事件情景进行合并，形成选定的粒度事件，所述粒度事件为新的超边，在所述关联矩阵中，将所述同一类型的事件情景的各列进行“或”运算，形成所述关联矩阵的新的一列；
所述节点粒化的过程为：根据事件情景构成要素类别结构层次，对同一超边内的同一类型的所述事件情景构成要素进行合并，形成选定粒度的事件情景构成要素，并作为新的节点，在所述关联矩阵中，将所述同一超边内的同一类型的各行进行“或”运算，形成所述关联矩阵的新的一行；
所述超边和节点的同时粒化过程为：先进行超边粒化，再进行节点粒化。
2.根据权利要求1所述的基于hypergraph的公共安全事件情景表示方法，其特征在于，所述事件情景的类型根据公共安全事件分类与编码进行分类；所述事件情景构成要素类型根据事件情景构成要素分类编码进行分类。
3.根据权利要求1所述的基于hypergraph的公共安全事件情景表示方法，其特征在于，所述演化超图的拓扑特性包括节点度dvd(vj)、节点超度dvhd(vj)、节点相邻度da(vj,vk)、超边度ded(ei)和超边超度dehd(ei)；其中，vj表示事件情景构成要素，j＝{1,2,3……}表示所述事件情景构成要素的编号；ei表示事件情景，i表示所述事件情景的编号。
CN201911318823.8A 2019-12-19 2019-12-19 一种基于hypergraph的公共安全事件情景表示方法 Active CN111080139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911318823.8A CN111080139B (zh) 2019-12-19 2019-12-19 一种基于hypergraph的公共安全事件情景表示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911318823.8A CN111080139B (zh) 2019-12-19 2019-12-19 一种基于hypergraph的公共安全事件情景表示方法

Publications (2)

Publication Number Publication Date
CN111080139A CN111080139A (zh) 2020-04-28
CN111080139B true CN111080139B (zh) 2021-04-13

Family

ID=70315885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911318823.8A Active CN111080139B (zh) 2019-12-19 2019-12-19 一种基于hypergraph的公共安全事件情景表示方法

Country Status (1)

Country Link
CN (1) CN111080139B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798355B (zh) * 2020-07-01 2022-10-11 北京大学 一种城市公共安全事件链形式化组织方法及事件链数据库
CN111784060B (zh) * 2020-07-07 2021-04-23 中国人民公安大学 一种城市社区社会安全链式耦合风险演化情景推测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202514A (zh) * 2016-07-21 2016-12-07 北京邮电大学 基于Agent的突发事件跨媒体信息的检索方法及系统
CN106815315A (zh) * 2016-12-23 2017-06-09 国家行政学院 一种基于突发事件情景链的情景推理方法及系统
CN108874927A (zh) * 2018-05-31 2018-11-23 桂林电子科技大学 基于超图和随机森林的入侵检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654414A (zh) * 2015-12-25 2016-06-08 浙江大学城市学院 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法
US10410385B2 (en) * 2016-02-19 2019-09-10 International Business Machines Corporation Generating hypergraph representations of dialog
CN108062638A (zh) * 2018-02-09 2018-05-22 国通广达（北京）技术有限公司 综合管廊灾害链风险评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202514A (zh) * 2016-07-21 2016-12-07 北京邮电大学 基于Agent的突发事件跨媒体信息的检索方法及系统
CN106815315A (zh) * 2016-12-23 2017-06-09 国家行政学院 一种基于突发事件情景链的情景推理方法及系统
CN108874927A (zh) * 2018-05-31 2018-11-23 桂林电子科技大学 基于超图和随机森林的入侵检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Three Granular Structure Models in Graphs;Guang Chen et al;《Springer-Verlag Berlin Heidelberg 2012》;20121231;第4节 *
基于超图的突发灾害事件演化网络研究;王兴鹏 等;《数学的实践与认识》;20190630;第49卷(第12期);第1-3节 *

Also Published As

Publication number Publication date
CN111080139A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
Kim et al. Emergency information diffusion on online social media during storm Cindy in US
Burton et al. Levee failures and social vulnerability in the Sacramento-San Joaquin Delta area, California
Dudenhoeffer et al. CIMS: A framework for infrastructure interdependency modeling and analysis
Wang et al. Patterns and limitations of urban human mobility resilience under the influence of multiple types of natural disaster
Chuvieco et al. Integration of ecological and socio‐economic factors to assess global vulnerability to wildfire
Zhang et al. A scenario-based model for earthquake emergency management effectiveness evaluation
Méheux et al. Natural hazard impacts in small island developing states: A review of current knowledge and future research needs
Wolters et al. Vulnerability assessments of coastal river deltas-categorization and review
Li et al. Spatiotemporal simulation and risk analysis of dam-break flooding based on cellular automata
CN111080139B (zh) 一种基于hypergraph的公共安全事件情景表示方法
CN111191040A (zh) 城市运行知识图谱构建方法、装置和计算机设备
Charnkol et al. Tsunami evacuation behavior analysis: One step of transportation disaster response
Zeng et al. Integrating Internet media into urban flooding susceptibility assessment: A case study in China
Tarbotton et al. GIS-based techniques for assessing the vulnerability of buildings to tsunami: current approaches and future steps
Roosta et al. A study on street network resilience in urban areas by urban network analysis: comparative study of old, new and middle fabrics in shiraz
Sarica et al. Spatio-temporal dynamics in seismic exposure of Asian megacities: Past, present and future
Huang et al. Typhoon damage assessment model and analysis in Taiwan
Dudenhoeffer et al. Interdependency modeling and emergency response
Abe et al. Dynamical evolution of the community structure of complex earthquake network
CN112529525A (zh) 一种电网突发事件情景要素提取及全域融合方法与系统
Jin et al. A simulation study for emergency/disaster management by applying complex networks theory
Ključanin et al. Spatial data infrastructure in natural disaster management
Wang et al. The importance of spatial-temporal issues for case-based reasoning in disaster management
Gay Alanis Development of a resilience assessment methodology for networked infrastructure systems using stochastic simulation, with application to water distribution systems
CN115965795A (zh) 一种基于网络表示学习的深暗网群体发现方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant