CN111144259A - 一种基于hmm模型的社区污染物处理方法和系统 - Google Patents

Abstract

本申请实施例提供一种基于HMM模型的社区污染物处理方法和系统。该方法包括：通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触污染物以采集污染物的化学特征，将形态特征和化学特征传输至处理中心；处理中心将形态特征和化学特征导入HMM模型中，预测出多组污染物的类型、处理方法、对应的处理专家和置信度的组合结果；处理中心根据HMM模型返回的组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至处理中心；根据处理专家的地理位置和空闲时间，向能够专家发送处理步骤，并根据处理步骤向专家提供需要携带的处理材料列表。本申请通过HMM算法提高了社区污染物的处理效率。

Description

一种基于HMM模型的社区污染物处理方法和系统

技术领域

本申请涉及智能处理技术及社区管理领域，尤其涉及一种基于HMM模型的社区污染物处理方法和系统。

背景技术

目前，社区中一旦出现污染物，需要在第一时间进行处理，不然会影响社区住户的人身安全，但是，污染物的处理比较专业，往往需要专业的人员携带专业的设备，采用专业的方法进行处置，在短时间内快速进行科学地处理。

因此，针对目前社区污染物的处理，主要面对的技术问题在于，在社区中发现可以污染物后，如何快速识别出污染物的种类，然后根据污染物的种类找到距离最近的专业处理人员，并提醒专业处理人员根据污染物的类型携带对应的设备，按照专业的步骤进行科学、快速、准确地处理。

因此，亟须一种高效、准确的方法和设备能够解决这些问题。

发明内容

有鉴于此，本申请的目的在于提出一种基于HMM模型的社区污染物处理方法和系统，提高智能家居控制效率，解决目前社区污染物处理过程中，居民专业知识少，物业管理人员不知道向谁寻求帮助的技术问题。

基于上述目的，本申请提出了一种基于HMM模型的社区污染物处理方法，包括：

通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心；

所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果；

所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心；

根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

在一些实施例中，所述方法还包括：

如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

在一些实施例中，通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，包括：

通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

在一些实施例中，所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果，包括：

初始化所述HMM模型；

将所述污染物的形态特征和化学特征导入所述HMM模型；

预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度，并从中挑选所述置信度大于指定阈值的组合结果返回。

在一些实施例中，所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心，包括：

将所述组合结果输入存储在所述处理中心中的预先处理步骤库，检索出与所述组合结果中各个污染物匹配的预先处理步骤，发送至社区管理人员。

在一些实施例中，根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表，包括：

将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家；

其中，所述距离通过公式D＝d·(1+δ)确定，其中，D为所述每个专家的与所述污染物现场的距离，d为地理坐标上每个专家的与所述污染物现场的距离之间的直线距离，δ为拥堵因子。

基于上述目的，本申请还提出了一种基于HMM模型的社区污染物处理系统，包括：

采集模块，用于通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心；

预测模块，用于所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果；

交互模块，用于所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心；

发送模块，用于根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

在一些实施例中，所述系统还包括：

调整模块，用于如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

在一些实施例中，所述采集模块，包括：

视觉采集单元，用于通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

化学采集单元，用于通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

在一些实施例中，所述发送模块，包括：

第一筛选单元，用于将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

第二筛选单元，用于将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

确定单元，用于将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家。

本申请的优点在于：建立HMM模型，通过采集装置采集污染物样本，进行快速分析；根据分析结果预测出处理速度最快，最为专业的处理人员；根据专业人员和社区中的污染物处置设备，计算出需要携带的污染物处理装备类型和数量；根据污染物类型，预测出处理步骤和剂量。通过引入HMM模型，可以快速地识别出社区中的污染物类型，以及处理该污染物的专家、步骤以及需要的物资材料，进而提高社区污染物处理的效率和准确度。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1示出根据本发明实施例的基于HMM模型的社区污染物处理方法的流程图。

图2示出根据本发明实施例的基于HMM模型的社区污染物处理方法的流程图。

图3示出根据本发明实施例的基于HMM模型的社区污染物处理系统的构成图。

图4示出根据本发明实施例的基于HMM模型的社区污染物处理系统的构成图。

图5示出根据本发明实施例的采集模块的构成图。

图6示出根据本发明实施例的发送模块的构成图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出根据本发明实施例的基于HMM模型的社区污染物处理方法的流程图。如图1所示，该基于HMM模型的社区污染物处理方法包括：

步骤S11、通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心。

具体来说，对于一般污染而言，具有两方面的特征，一方面特征是物理特征，即形态特征，例如污染物的颜色、状态等特征；另一方面是化学特征，例如污染物的化学构成，这需要通过对污染物进行化学分析检验才能得知。

值得注意的是，化学特征的采集过程中，化学传感器可以通过粘贴、插入、搅拌等形式采集污染物中的样本，并通过化学传感器内部的实验监测装置进行污染物化学成分的识别。

而且，在进行污染物采样的过程中，可以在污染物中多个不同位置进行污染物的采集，并对采集的结果进行较准，从而更加准确地确定污染物的化学构成。也就是说，有可能污染物是由多种不同的物质构成，这和实际生活中的情况也是一致的，因为一方面污染物可能是多种不同的污染物构成的，另一方面，污染物泄露在社区中后，可能会发生各种化学变化，从而衍生出各种新的化学物质。

在一种实施方式中，通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，包括：

通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

步骤S12、所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果。

具体来说，形态特征可以进一步分解为多个子特征，例如颜色子特征、状态子特征等，同样的化学特征也可以导出各种子特征，例如分子量子特征、元素构成子特征等。因此，导入HMM模型的形态特征和化学特征，可以理解成各个子特征构成的特征集合，而每个子特征也都是一个量化的数值。

在一种实施方式中，所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果，包括：

初始化所述HMM模型；

将所述污染物的形态特征和化学特征导入所述HMM模型；

预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度，并从中挑选所述置信度大于指定阈值的组合结果返回。

步骤S13、所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心。

具体来说，对于不同的组合结果，预先处理步骤是不同的，例如，对于有机物的预先处理步骤，是不同于无机物的预先处理步骤的。

更进一步，由于社区管理人员并非污染物专业处理人员，因此社区管理人员在阅读了预先处理步骤之后，可能会出现迷惑，因此，一方面，预先处理步骤可以通过视频、语音等多媒体方式呈现给社区管理人员；另一方面，可以建立解惑机制，也就是说，管理人员在对于不理解或不清楚的预先处理步骤时，可以实时地进行问询，处理中心实时地进行解答，从而提高污染物的处理效率，在专业处理人员到达现场之前预先进行污染物的处理，从而防止污染物的扩散，并赢得宝贵的时间。

在一种实施方式中，所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心，包括：

将所述组合结果输入存储在所述处理中心中的预先处理步骤库，检索出与所述组合结果中各个污染物匹配的预先处理步骤，发送至社区管理人员。

步骤S14、根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

具体来说，由于污染物的种类繁多，而处理污染物的专家数量有限，因此在社区突发污染物事件时，还应该考虑能够处理该种污染物的专家的地理位置和空闲时间。举例来说，当社区出现污染事件时，经过HMM模型得出污染物为A、B两种污染物，可是处理污染物最近的专家只能处理A类污染物，B类污染物的最近处理专家正在其他社区处理污染物，这时就可以在更远的地方进行搜选，优选地能够找到既能处理A类污染物，又能处理B类污染物的污染物处理专家，这样可以最大程度地利用污染物处理专家资源。

在一种实施方式中，根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表，包括：

将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家；

其中，所述距离通过公式D＝d·(1+δ)确定，其中，D为所述每个专家的与所述污染物现场的距离，d为地理坐标上每个专家的与所述污染物现场的距离之间的直线距离，δ为拥堵因子。

图2示出根据本发明实施例的基于HMM模型的社区污染物处理方法的流程图。如图2所示，该基于HMM模型的社区污染物处理方法还包括：

步骤S15、如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

具体来说，在实际污染物处理过程中，一方面专家会根据实际情况对处理步骤进行一定的调整，从而更加快速高效地处理社区中地污染物；另一方面，可能存在更加高效的污染物处理方法，处理中心并没有即使更新，而污染物处理专家却已经掌握了这种新的污染物处理方法。在这两种情况下，可以将这些新方法纳入到HMM模型中，更新HMM预测模型，从而使得HMM模型能够更加高效、准确地提供污染物的处理步骤。

图3示出根据本发明实施例的基于HMM模型的社区污染物处理系统的构成图。如图3所示，该基于HMM模型的社区污染物处理系统整体可以分为：

采集模块31，用于通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心；

预测模块32，用于所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果；

交互模块33，用于所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心；

发送模块34，用于根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

图4示出根据本发明实施例的基于HMM模型的社区污染物处理系统的构成图。如图4所示，该基于HMM模型的社区污染物处理系统还包括：

调整模块35，用于如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

图5示出根据本发明实施例的指令模块的构成图。如图5所示，该基于HMM模型的社区污染物处理系统的采集模块31包括：

视觉采集单元31，用于通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

化学采集单元32，用于通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

图6示出根据本发明实施例的指令模块的构成图。如图6所示，该基于HMM模型的社区污染物处理系统的发送模块34包括：

第一筛选单元341，用于将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

第二筛选单元342，用于将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

确定单元343，用于将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家。

本申请实施例各系统中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于HMM模型的社区污染物处理方法，其特征在于，包括：

通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心；

所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果；

所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心；

根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

3.根据权利要求1所述的方法，其特征在于，通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，包括：

通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

4.根据权利要求1所述的方法，其特征在于，所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果，包括：

初始化所述HMM模型；

将所述污染物的形态特征和化学特征导入所述HMM模型；

预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度，并从中挑选所述置信度大于指定阈值的组合结果返回。

5.根据权利要求1所述的方法，其特征在于，所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心，包括：

将所述组合结果输入存储在所述处理中心中的预先处理步骤库，检索出与所述组合结果中各个污染物匹配的预先处理步骤，发送至社区管理人员。

6.根据权利要求1所述的方法，其特征在于，根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表，包括：

将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家；

其中，所述距离通过公式D＝d·(1+δ)确定，其中，D为所述每个专家的与所述污染物现场的距离，d为地理坐标上每个专家的与所述污染物现场的距离之间的直线距离，δ为拥堵因子。

7.一种基于HMM算法的社区污染物处理系统，其特征在于，包括：

采集模块，用于通过视觉传感器采集污染物的形态特征，并且通过化学传感器接触所述污染物以采集所述污染物的化学特征，将所述形态特征和所述化学特征传输至处理中心；

预测模块，用于所述处理中心将所述形态特征和所述化学特征导入HMM模型中，预测出多组所述污染物的类型、处理方法、对应的处理专家和置信度的组合结果；

交互模块，用于所述处理中心根据HMM模型返回的所述组合结果，预测出社区中现场人员的预先处理步骤，发送至社区管理人员，并将现场已经实时处理的步骤和效果反馈至所述处理中心；

发送模块，用于根据所述处理专家的地理位置和空闲时间，向能够最短时间到达所述污染物现场的专家发送所述处理步骤，并根据所述处理步骤向所述专家提供需要携带的处理材料列表。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括：

调整模块，用于如果所述处理专家调整了处理步骤，将调整的处理步骤纳入所述HMM模型中。

9.根据权利要求7所述的系统，其特征在于，所述采集模块，包括：

视觉采集单元，用于通过视觉传感器采集所述污染物的颜色、形状和状态，得到所述污染物的形态特征；

化学采集单元，用于通过化学传感器插入所述污染物多个随机采样点，根据从所述多个随机采样点中提取出的样本，识别出所述污染物的化学特征。

10.根据权利要求7所述的系统，其特征在于，所述发送模块，包括：

第一筛选单元，用于将能够处理所述污染物的专家筛选出来，得到第一筛选结果；

第二筛选单元，用于将所述第一过滤结果中不处于所述空闲时间的专家筛除，得到第二筛选结果；

确定单元，用于将所述第二筛选结果中每个专家的与所述污染物现场的距离进行排序，确定所述能够最短时间到达所述污染物现场的专家。

Images