CN111415064A - 预案流程获得方法、系统、存储介质及电子设备 - Google Patents
预案流程获得方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111415064A CN111415064A CN202010108326.1A CN202010108326A CN111415064A CN 111415064 A CN111415064 A CN 111415064A CN 202010108326 A CN202010108326 A CN 202010108326A CN 111415064 A CN111415064 A CN 111415064A
- Authority
- CN
- China
- Prior art keywords
- accident
- information
- processed
- plan
- historical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000002688 persistence Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004880 explosion Methods 0.000 claims description 7
- 230000009193 crawling Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 230000010485 coping Effects 0.000 abstract description 2
- 239000003245 coal Substances 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 239000002817 coal dust Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种预案流程获得方法、系统、存储介质及电子设备,方法包括,获取待处理事故的事故信息,根据事故信息和预设算法模型从多个历史事故案例中获得与待处理事故匹配的目标事故案例,从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,通过采用上述方法可以快速获得待处理事故对应的预案流程,从而可以快速提升在事故发生后,启动相应的预案流程的效率,以避免事故发生后不能及时应对处理造成更大的损失的情况。
Description
技术领域
本申请涉及应急预案生成技术领域,特别地涉及一种预案流程获得方法、系统、存储介质及电子设备。
背景技术
我国是世界上人口大国,且地域宽广,地质条件千差万别,这也就造成了我国境内灾害频发,例如,水灾、火灾以及矿难等。以煤炭行业为例,我国是世界上煤炭需求量最大的国家之一,煤炭对国民经济发展起到重要作用,在我国以及世界上都有着十分重要的战略作用和地位。目前,煤炭企业也比较分散,规模大小不一,煤炭生产管理水平参差不齐。中央和地方屡屡强调安全生产,但种种因素都决定了煤炭生产还没有完全杜绝重特大安全事故的发生。为了提高安全生产应急救援队伍的救援能力,确保“召之即来、来之能战、战之能胜”,研究如何利用科技手段,实现应急预案的智能化编制,交互式应急培训演练,是应急管理工作的重要课题。
通常情况下,矿难包括煤矿水灾、火灾、瓦斯煤尘爆炸等重大灾害,发明人经研究发现,在发生这些灾害时,通常会根据现有的应急预案模板进行调整得到所需的应急预案,这会造成预案获得速度过慢,进而不能快速启动预案,造成更大的损失的问题。
发明内容
针对上述问题,本申请提供一种预案流程获得方法、系统、存储介质及电子设备,有效缓解了现有技术中存在的待处理事故的预案流程获取速度过慢的问题。
第一方面,本申请提供了一种预案流程获得方法,所述方法包括:
获取待处理事故的事故信息;
根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程。
可选的,在上述预案流程获得方法中,所述预设算法模型为K近邻算法模型,所述事故信息包括事故类型和事故关键信息,根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例,包括:
将所述事故类型和事故关键信息分别进行参数化处理后代入至所述K近邻算法模型中;
采用代入参数后的K近邻算法模型从多个历史事故案例中查找与所述待处理事故的事故类型相同、且事故关键信息相似度最高的案例作为目标事故案例。
可选的,在上述预案流程获得方法中,所述预设算法模型包括欧式数学距离公式,根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例,包括:
获取所述待处理事故的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重,以及每个历史事故案例的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重;
根据获取到的待处理事故的各属性信息的属性值和每个属性值对应的权重,以及每个历史事故案例的各属性信息的属性值和每个属性值对应的权重,利用欧式数学距离公式计算每个所述历史事故案例与所述待处理事故的属性值距离,其中,所述欧式数学距离公式为:
将与最小属性值距离对应的历史事故案例作为与所述待处理事故匹配的目标事故案例。
可选的,在上述预案流程获得方法中,所述多个历史事故案例通过以下方式获得:
获取事故案例关键词;根据所述事故案例关键词从预设网站中爬取多个历史事故案例;或者
接收用户输入的事故案例,以得到多个历史事故案例。
可选的,在上述预案流程获得方法中,从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,包括:
从预设数据库中查找与所述目标事故案例匹配的初始预案流程;
获取对所述初始预案流程的调整信息,并基于该调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
可选的,在上述预案流程获得方法中,所述事故类型为居民楼火灾、山洪、瓦斯爆炸、井下火灾及井下水灾中的一种,所述事故关键信息包括事故发生地点、地点类型、事故发生时间和事故等级中的一种或多种。
第二方面,本申请提供一种预案流程获得系统,所述预案流程获得系统包括:
应用层,用于接收待处理事故的事故信息;
所述数据持久层,用于存储多个历史事故案例以及与每个历史事故案例分别对应的预案流程;
业务逻辑层,其包括:
信息获取模块,用于接收所述应用层传输的待处理事故的事故信息;
案例获取模块,用于根据所述事故信息和预存的预设算法模型从所述数据持久层中的多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
预案流程生成模块,用于从所述数据持久层中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,并将预案流程反馈至所述应用层以进行显示。
可选的,在上述预案流程获得系统中,所述业务逻辑层还用于从所述数据持久层中查找与所述目标事故案例匹配的初始预案流程;
所述应用层还用于接收用户输入的对所述初始预案流程的调整信息,并发送至所述业务逻辑层;
所述业务逻辑层还用于基于所述应用层发送的调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
第三方面,本申请提供了一种存储介质,其上存储有计算机程序,所述计算机程序被一个或多个处理器执行时实现如上述的预案流程获得方法:
第四方面,本申请提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行上述的预案流程获得方法。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本申请提供的一种预案流程获得方法、系统、存储介质及电子设备,方法包括,获取待处理事故的事故信息,根据事故信息和预设算法模型从多个历史事故案例中获得与待处理事故匹配的目标事故案例,从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,通过采用上述方法可以快速获得待处理事故对应的预案流程,从而可以快速提升在事故发生后,启动相应的预案流程的效率,以避免事故发生后不能及时应对处理造成更大的损失的情况。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
应当理解,附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本申请实施例提供的一种预案流程获得方法的流程示意图。
图2为图1中步骤S120的流程示意图。
图3为本申请实施例提供的事故属性表。
图4为图1中步骤S130的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本申请的保护范围之内。
实施例一
请参阅图1,本申请提供一种可应用于任意具有数据处理功能的电子设备或处理器的预案流程获得方法,所述预案流程获得方法包括步骤S110-S130。
步骤S110:获取待处理事故的事故信息。
步骤S120:根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例。
步骤S130:从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程。
通过采用上述步骤S110-S130,以实现在待处理事故发生时,通过根据待处理事故的事故信息及预设的推理模型即可从多个历史事故案例中查找与待处理事故相匹配或相似度最高的目标事故案例,并从预设数据库中获得该目标事故的案例对应的预案流程即可,由于所述待处理事故与目标事故案例的相匹配,因此其对应的预案流程相似度较高,因此,将所述该目标事故案例对应的预案流程作为待处理事故的预案流程时,用户仅需按照该预案流程执行相应的操作,或者仅需根据实际需求调整预案流程后就可执行相应的操作,极大地提高了待处理事故发生后,能够快速启动预案流程,避免了因预案流程获得速度过慢,造成更大的损失的问题。
在步骤S110中,获取待处理事故的事故信息的方式可以是,接收用户输入的待处理事故的事故信息,也可以是接收下位机(电脑、手机等终端设备)或上位机(服务器)发送的待处理事故的事故信息。
上述的待处理事故可以是但不限于是居民楼火灾、山洪、矿难,其中,矿难包括煤矿水灾、火灾、瓦斯煤尘爆炸。
所述事故信息包括但不限于事故类型和事故关键信息,其中,所述事故类型为居民楼火灾、山洪、矿难中的一种,当事故类型为矿难时,具体可以是煤矿水灾、火灾或瓦斯煤尘爆炸,在不做具体限定;所述事故关键信息可以包括但不限于事故发生时间、事故发生地点、事故严重程度中的一种或多种,在此不做具体限定。
在步骤S120中,根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例。
可以理解,所述多个历史事故案例中对应的事故信息不同,即所述多个历史事故案例分属不同事故类型,且每种事故类型的事故具有不同的事故条件。
所述多个历史事故案例可以是用户录入至电子设备的,也可以是通过网络爬取并保存至电子设备中的,在此不作具体限定根据实际需求进行设置即可。
可选的,在本实施例中,所述多个历史事故案例通过以下方式获得:
获取事故案例关键词;根据所述事故案例关键词从预设网站中爬取多个历史事故案例。
其中,所述事故案例关键词可以包括事故类型,所述事故关键信息还可以包括事故等级以及事故地点类型中的一种或多种,在此不做具体限定,根据实际需求进行设置即可。
从预设网站中爬取多个历史事故案例是采用的网络爬虫技术,其通过访问url,解析url内容,根据一定的筛选标准抓取网页上的内容。因此不论是采用八爪鱼,或是基于java,pathon等语言实现的网络爬虫,都一定会包含仿真浏览器,和解析浏览器内容两部分。本申请通过采用网络爬虫技术,可以提高采集事故案例的效率。在本实施例中,采用网络爬虫爬取历史事故案例的方式可以有几种,第一种:采用通用网络爬虫,爬行内容包括整个网站以获取历史事故案例,此种爬取方式主要用于大型门户网站搜索等;第二种:采用聚焦网络爬虫,预先设定好爬行主题以爬取历史事故案例,且该种爬取方式与通用网络爬虫相比,节省资源;第三种:采用增量式网络爬虫,对已经爬行过的内容页,如果发生增加或者更新,则把新增和修改的内容爬行存储进库以爬取历史事故案例;第四种深度网络爬虫,对给定的URL网页地址,网页上可以静态链接地址,以及需要人机交互之后才可以得到的页面,均可以爬行以得到历史事故案例。
可以理解,为保障爬取的历史事故案例的真实性和可靠性,所述预设网站应当为政府官网网站,例如,中华人民共和国应急管理部官网,国家煤矿安全监察局官网,国家安全生产信息网,各省市煤矿安全监管网和安全生产信息网等网站,以爬取历年来发生的关于水灾、火灾、瓦斯爆炸等常见灾害类型的灾害案例作为历史事故案例,因此,在本实施例中,采用通用网络爬虫方式,采取httpclient+jsoup模式。并能够支持java,支持https协议,支持代理服务器,设置简单操作方便,进而能够快速且便捷地爬取所述历史案例事故。
可以理解的是,上述政府网站上公开的事故案例具有一定的特点,即:一般首页是各个栏目的列表页,第二层级打开是各栏目的详细列表页,第三层级是打开列表中具体数据展开的信息内容页。而历史事故案例信息通常获取的是第三层级的信息内容页的信息。因此,本申请在爬取历史事故案例时,通常采用SpringBoot+maven架构,在pom文件中引入httpclient和jsoup,并通过调用httpclient相关类仿真模拟浏览器访问url地址,抓取到信息列表页,获取到信息列表页的href内容页地址。再通过jsoup采用DOM,CSS者jQuery操作方法获取列表页每条信息的详细内容,并将获取到的内容存储在事故案例库中,从而得到多个历史事故案例。
请结合图2,上述步骤S120中,所述预设算法模型可以是神经网络算法模型,例如K近邻算法模型、推荐算法模型、卷积神经网络模型,在此不做具体限定,根据实际需求进行设置即可。
可以理解,当所述预设算法模型为K近邻算法模型时,上述步骤S120包括:
步骤S122:将所述事故类型和事故关键信息分别进行参数化处理后代入至所述K近邻算法模型中。
步骤S124:采用代入参数后的K近邻算法模型从多个历史事故案例中查找与所述待处理事故的事故类型相同、且事故关键信息相似度最高的案例作为目标事故案例。
具体的,在本实施例中,通过分析对每个历史事故案例提炼总结,以得到每个历史事故案例的事故信息中包括的多个属性信息,其中,属性信息包括事故案例类型和多个事故关键信息。
当所述预设算法模型包括欧式距离公式时,上述步骤S120具体可以包括:
步骤S1201:获取所述待处理事故的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重,以及每个历史事故案例的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重。
步骤S1202:根据获取到的待处理事故的各属性信息的属性值和每个属性值对应的权重,以及每个历史事故案例的各属性信息的属性值和每个属性值对应的权重,利用欧式数学距离公式计算每个所述历史事故案例与所述待处理事故的属性值距离,其中,所述欧式数学距离公式为:
步骤S1203:将与最小属性值距离对应的历史事故案例作为与所述待处理事故匹配的目标事故案例。
通过上述步骤S1201-S1203,以针对每一个历史事故案例,将该历史事故案例的事故案例类型和事故关键信息分别赋予属性值(qi)以及待处理事故的属性值(xi),并为每个事故关键信息赋上对于灾害结果影响的权重值Wi。使用欧式数学距离公式计算预测值和训练样本中的属性值距离最短的前n个值,采用上述欧式数学距离公式与待处理事故案例进行计算得到最小属性值距离的历史事故案例就是我们要找的相似的事故案例参考。进而可以有效保障获得的与所述待处理事故匹配的目标事故案例的准确性和可靠性。
此外,权重值通常根据实际需求进行设置,例如可以来源于相关知识领域专家选取五名,对权重打分最后再取平均分得到。
请结合图3,在本实施例中,以所述待处理事故为矿难事故为例,则相应的属性中的事故类型为可以为瓦斯爆炸、井下水灾或井下火灾等,属性中的事故条件包括事故地点类型、事故时间、矿井开拓方式、矿井瓦斯等级以及矿井生产能力。其中,所述事故地点类型可以为大巷、掘进面、井筒、采掘面以及采煤面中的一种;所述矿井开拓方式包括立井开拓方式、斜井开拓方式、平硐开拓方式以及综合开拓方式中的一种;所述矿井瓦斯等级可以为低瓦斯矿井、高瓦斯矿井以及煤与瓦斯突出矿井中的一种。
在步骤S130中,所述预设数据库可以是政府官网数据库,国家应急预案系统相关的数据库,在此不做具体限定。可以理解的是,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程。上述数据库存储历史事故案例及相应的预案流程的方式可以是关联后存储,具体的存储方式可以是关联后随机存储,也可以是将不同事故类型的事故案例进行分类后存储并按照多级分类存储的方式进行保存,在此不做具体限定,根据实际需求进行设置即可。
通过查找与所述目标事故案例匹配的预案流程,可以有效保障查找的预案流程适用于待处理事故,进而有效提高了现有技术中存在的待处理事故的预案流程获取速度过慢的问题。
以水灾为例,所述预案流程中应当定义了水灾的应急汇报、汇报内容以及执行内容等信息,可以理解,上述预案流程还可能包括被汇报人以及汇报人。由于不同的事故案例中,上述各项内容可能与实际情况有所差异。
请结合图4,为确保用户执行的预案流程的准确性,上述步骤S130包括:
步骤S132:从预设数据库中查找与所述目标事故案例匹配的初始预案流程。
步骤S134:获取对所述初始预案流程的调整信息,并基于该调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
通过接收调整信息并根据调整信息调整所述初始预案流程以得到目标预案流程,可以有效保障获得的目标预案流程的可靠性。
因此,本申请通过采用上述的预案流程获得方法,通过获取待处理事故的事故信息,根据事故信息和预设算法模型从多个历史事故案例中获得与待处理事故匹配的目标事故案例,从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,通过采用上述方法可以快速获得待处理事故对应的预案流程,从而可以快速提升在事故发生后,启动相应的预案流程的效率,以避免事故发生后不能及时应对处理造成更大的损失的情况。
实施例二
本实施例还提供一种预案流程获得系统,所述预案流程获得系统自上而下依次包括:应用层、业务逻辑层以及数据持久层。
所述应用层,用于接收待处理事故的事故信息。
所述数据持久层,用于存储多个历史事故案例以及与每个历史事故案例分别对应的预案流程。
所述业务逻辑层,其包括:
信息获取模块,用于接收所述应用层传输的待处理事故的事故信息;
案例获取模块,用于根据所述事故信息和预存的预设算法模型从所述数据持久层中的多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
预案流程生成模块,用于从所述数据持久层中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,并将预案流程反馈至所述应用层以进行显示。
关于所述信息获取模块的具体描述可以参阅实施例一中对步骤S110的具体描述。关于所述案例获取模块的具体描述可以参阅实施例一中对步骤S120的具体描述。关于所述预案流程生成模块的具体描述可以参阅实施例一中对步骤S130的具体描述,在此不做一一赘述。
需要说明的是,所述应用层为系统结合智能化应急预案与现场业务要求开发的各项软件功能。最终系统获得的待处理事故的应急预案可通过接口形式提供给外部系统或硬件设备,此外,应用层以JSP页面和ExtJs作为用户交互手段,为用户提供良好的界面交互效果,提供基础的页面用户输入的校验,提供基础的页面数据获取和转换。
所述业务逻辑层用于提供系统的算法支持,所述专业数据层用于存储案例库及预设数据库,其中案例库用于存放历史事故案例,预设数据库用于存放各历史事故案例及其对应的预案流程。可以理解,所述专业数据层还可以用于存储人员数据和环境数据等。
为保障采用所述预案流程获得系统获得的待处理事故对应的预案流程的可靠性,在本实施例中,所述业务逻辑层还用于从所述数据持久层中查找与所述目标事故案例匹配的初始预案流程;所述应用层还用于接收用户输入的对所述初始预案流程的调整信息,并发送至所述业务逻辑层,所述业务逻辑层还用于基于所述应用层发送的调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
为便于在预案流程获得后便于实时,所述预案流程获得系统关联有外部系统,所述应用层还用于将所述待处理事故的预案流程发送至所述外部系统。
为便于在获得待处理事故对应的预案流程后,能够快速告知相应的人员进行审批或应对处理,在本实施例中,所述预案流程获得系统还包括数字矿山平台层,可以位于应用层与数据持久层之间,并能够实现用户角色权限管理、组织架构管理、文档管理、基础算法设置、短信发送等基本功能,同时还可以利用数字矿山平台的强大功能,实现与数字矿山系统现有模块数据互联互通。
实施例三
本实施例还提供一种存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现如下预案流程获得方法的方法步骤:
获取待处理事故的事故信息;
根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程。
上述方法步骤的具体实施例过程可参见实施例一,本实施例在此不再重复赘述。
实施例四
本申请实施例提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算器程序,该计算机程序被处理器执行时实现如实施例一中所述的预案流程获得方法。可以理解,电子设备还可以包括,多媒体组件,输入/输出(I/O)接口,以及通信组件。
其中,处理器用于执行如实施例一中的预案流程获得方法中的全部或部分步骤。存储器用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、处理器、微处理器、微处理器或其他电子元件实现,用于执行上述实施例一中的预案流程获得方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
多媒体组件可以包括屏幕和音频组件,所述屏幕可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。
I/O接口为处理器和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件用于该电子设备与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的设备和方法,也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示意性的。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上,但所述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种预案流程获得方法,其特征在于,所述方法包括:
获取待处理事故的事故信息;
根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程。
2.根据权利要求1所述的预案流程获得方法,其特征在于,所述事故信息包括事故类型和事故关键信息,所述预设算法模型为K近邻算法模型,根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例,包括:
将所述事故类型和事故关键信息分别进行参数化处理后代入至所述K近邻算法模型中;
采用代入参数后的K近邻算法模型从多个历史事故案例中查找与所述待处理事故的事故类型相同、且事故关键信息相似度最高的案例作为目标事故案例。
3.根据权利要求1所述的预案流程获得方法,其特征在于,所述预设算法模型包括欧式数学距离公式,根据所述事故信息和预设算法模型从多个历史事故案例中获得与所述待处理事故匹配的目标事故案例,包括:
获取所述待处理事故的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重,以及每个历史事故案例的事故信息中包括的多个属性信息分别对应的属性值和每个属性值对应的权重;
根据获取到的待处理事故的各属性信息的属性值和每个属性值对应的权重,以及每个历史事故案例的各属性信息的属性值和每个属性值对应的权重,利用欧式数学距离公式计算每个所述历史事故案例与所述待处理事故的属性值距离,其中,所述欧式数学距离公式为:
将与最小属性值距离对应的历史事故案例作为与所述待处理事故匹配的目标事故案例。
4.根据权利要求1所述的预案流程获得方法,其特征在于,所述多个历史事故案例通过以下方式获得:
获取事故案例关键词,根据所述事故案例关键词从预设网站中爬取多个历史事故案例;或者
接收用户输入的事故案例,以得到多个历史事故案例。
5.根据权利要求1所述的预案流程获得方法,其特征在于,从预设数据库中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,包括:
从预设数据库中查找与所述目标事故案例匹配的初始预案流程;
获取对所述初始预案流程的调整信息,并基于该调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
6.根据权利要求1所述的预案流程获得方法,其特征在于,所述事故信息包括事故类型和事故关键信息,所述事故信息包括的事故类型为居民楼火灾、山洪、瓦斯爆炸、井下火灾及井下水灾中的一种,所述事故信息包括的事故关键信息包括事故发生地点、地点类型、事故发生时间和事故等级中的一种或多种。
7.一种预案流程获得系统,其特征在于,所述预案流程获得系统包括:
应用层,用于接收待处理事故的事故信息;
所述数据持久层,用于存储多个历史事故案例以及与每个历史事故案例分别对应的预案流程;
业务逻辑层,其包括:
信息获取模块,用于接收所述应用层传输的待处理事故的事故信息;
案例获取模块,用于根据所述事故信息和预存的预设算法模型从所述数据持久层中的多个历史事故案例中获得与所述待处理事故匹配的目标事故案例;
预案流程生成模块,用于从所述数据持久层中查找与所述目标事故案例匹配的预案流程,作为所述待处理事故的预案流程,其中,所述预设数据库中存储有多个历史事故案例和与每个历史事故案例分别对应的预案流程,并将预案流程反馈至所述应用层以进行显示。
8.根据权利要求7所述的预案流程获得系统,其特征在于,所述业务逻辑层还用于从所述数据持久层中查找与所述目标事故案例匹配的初始预案流程;
所述应用层还用于接收用户输入的对所述初始预案流程的调整信息,并发送至所述业务逻辑层;
所述业务逻辑层还用于基于所述应用层发送的调整信息调整所述初始预案流程以得到目标预案流程,并将该目标预案流程作为所述待处理事故的预案流程。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被一个或多个处理器执行时实现如权利要求1-6任意一项所述的预案流程获得方法。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1-6中任意一项所述的预案流程获得方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108326.1A CN111415064A (zh) | 2020-02-21 | 2020-02-21 | 预案流程获得方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108326.1A CN111415064A (zh) | 2020-02-21 | 2020-02-21 | 预案流程获得方法、系统、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111415064A true CN111415064A (zh) | 2020-07-14 |
Family
ID=71492735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010108326.1A Pending CN111415064A (zh) | 2020-02-21 | 2020-02-21 | 预案流程获得方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415064A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801191A (zh) * | 2021-02-02 | 2021-05-14 | 中国石油大学(北京) | 管道事故处置的智能推荐方法、装置及设备 |
CN113222361A (zh) * | 2021-04-25 | 2021-08-06 | 北京中交华安科技有限公司 | 一种突发事件应急救援方案的生成方法 |
CN113312409A (zh) * | 2021-06-07 | 2021-08-27 | 平安证券股份有限公司 | 任务监控方法、装置、电子设备及计算机可读存储介质 |
CN113469583A (zh) * | 2021-09-02 | 2021-10-01 | 中国电力科学研究院有限公司 | 电网事故预案推荐方法、系统、设备及存储介质 |
CN113822546A (zh) * | 2021-09-01 | 2021-12-21 | 上海智眭科技有限公司 | 预案自动管理系统及其管理方法 |
CN113985226A (zh) * | 2021-10-25 | 2022-01-28 | 广东电网有限责任公司 | 电缆处理方法和系统 |
CN114139243A (zh) * | 2021-09-14 | 2022-03-04 | 江苏中云筑智慧运维研究院有限公司 | 基于bim的桥梁火灾应急救援方法、终端及存储介质 |
CN114493172A (zh) * | 2021-12-30 | 2022-05-13 | 北京航天智造科技发展有限公司 | 一种应急产能调配预案推演方法及系统 |
CN114519493A (zh) * | 2021-12-24 | 2022-05-20 | 煤炭科学技术研究院有限公司 | 应急预案生成方法、装置、存储介质及电子设备 |
CN115170053A (zh) * | 2022-05-24 | 2022-10-11 | 中睿信数字技术有限公司 | 一种基于聚类融合的事件分拨处置系统 |
CN116010561A (zh) * | 2023-03-28 | 2023-04-25 | 航天万源云数据河北有限公司 | 社会治理辅助决策方法、装置及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006062483A1 (en) * | 2004-12-06 | 2006-06-15 | St Electronics (Info-Comm Systems) Pte. Ltd. | Method and system for intelligent traffic incident management |
CN102402720A (zh) * | 2011-12-17 | 2012-04-04 | 东南大学 | 一种公路突发交通事故应急预案的快速生成方法 |
CN105913360A (zh) * | 2016-04-07 | 2016-08-31 | 东南大学 | 一种大型活动突发事故应急预案生成方法及装置 |
-
2020
- 2020-02-21 CN CN202010108326.1A patent/CN111415064A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006062483A1 (en) * | 2004-12-06 | 2006-06-15 | St Electronics (Info-Comm Systems) Pte. Ltd. | Method and system for intelligent traffic incident management |
CN102402720A (zh) * | 2011-12-17 | 2012-04-04 | 东南大学 | 一种公路突发交通事故应急预案的快速生成方法 |
CN105913360A (zh) * | 2016-04-07 | 2016-08-31 | 东南大学 | 一种大型活动突发事故应急预案生成方法及装置 |
Non-Patent Citations (2)
Title |
---|
刘波 等: "《安全生产系统评价理论与实践》", 煤炭工业出版社, pages: 102 - 107 * |
牛润: "基于知识推理的煤矿应急预案生成技术的研究与应用", pages 6 - 8 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801191A (zh) * | 2021-02-02 | 2021-05-14 | 中国石油大学(北京) | 管道事故处置的智能推荐方法、装置及设备 |
CN112801191B (zh) * | 2021-02-02 | 2023-11-21 | 中国石油大学(北京) | 管道事故处置的智能推荐方法、装置及设备 |
CN113222361A (zh) * | 2021-04-25 | 2021-08-06 | 北京中交华安科技有限公司 | 一种突发事件应急救援方案的生成方法 |
CN113312409A (zh) * | 2021-06-07 | 2021-08-27 | 平安证券股份有限公司 | 任务监控方法、装置、电子设备及计算机可读存储介质 |
CN113822546A (zh) * | 2021-09-01 | 2021-12-21 | 上海智眭科技有限公司 | 预案自动管理系统及其管理方法 |
CN113469583A (zh) * | 2021-09-02 | 2021-10-01 | 中国电力科学研究院有限公司 | 电网事故预案推荐方法、系统、设备及存储介质 |
CN114139243A (zh) * | 2021-09-14 | 2022-03-04 | 江苏中云筑智慧运维研究院有限公司 | 基于bim的桥梁火灾应急救援方法、终端及存储介质 |
CN113985226A (zh) * | 2021-10-25 | 2022-01-28 | 广东电网有限责任公司 | 电缆处理方法和系统 |
CN114519493A (zh) * | 2021-12-24 | 2022-05-20 | 煤炭科学技术研究院有限公司 | 应急预案生成方法、装置、存储介质及电子设备 |
CN114493172A (zh) * | 2021-12-30 | 2022-05-13 | 北京航天智造科技发展有限公司 | 一种应急产能调配预案推演方法及系统 |
CN114493172B (zh) * | 2021-12-30 | 2023-11-28 | 北京航天智造科技发展有限公司 | 一种应急产能调配预案推演方法及系统 |
CN115170053A (zh) * | 2022-05-24 | 2022-10-11 | 中睿信数字技术有限公司 | 一种基于聚类融合的事件分拨处置系统 |
CN116010561A (zh) * | 2023-03-28 | 2023-04-25 | 航天万源云数据河北有限公司 | 社会治理辅助决策方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111415064A (zh) | 预案流程获得方法、系统、存储介质及电子设备 | |
Lin et al. | Understanding on-site inspection of construction projects based on keyword extraction and topic modeling | |
CN107291778B (zh) | 数据的收集方法及装置 | |
CN111181922A (zh) | 一种钓鱼链接检测方法及系统 | |
CN103577404A (zh) | 一种面向微博的全新突发事件发现方法 | |
CN106293354B (zh) | 快捷菜单自适应显示控制方法、服务器及便携式终端 | |
CN114139503A (zh) | 文档内容处理方法、装置、设备及存储介质 | |
CN112149300A (zh) | 一种矿井应急智能管理系统 | |
CN111782649A (zh) | 数据采集格式更新方法、装置、计算机设备及存储介质 | |
Pirnau | Tool for monitoring Web sites for emergency-related posts and post analysis | |
Helmi et al. | Online Phishing Detection Using Machine Learning | |
WO2016075832A1 (ja) | ページ自動編集方法、ページ自動編集プログラムおよびページ自動編集装置 | |
CN109543166A (zh) | 房产海报模板的生成方法、服务器及计算机可读存储介质 | |
Vernier et al. | Twitter data mining for situational awareness | |
CN113515715B (zh) | 埋点事件编码的生成方法、处理方法及相关设备 | |
US9692804B2 (en) | Method of and system for determining creation time of a web resource | |
CN109408704B (zh) | 基金数据关联方法、系统、计算机设备和存储介质 | |
JP2002116263A (ja) | 地震情報加工伝達システムおよび方法 | |
JP2012123560A (ja) | 情報提供装置、情報提供方法及びプログラム | |
JP2022052355A (ja) | 情報分析装置、情報分析方法および情報分析プロブラム | |
Xiaobing et al. | An insight into traffic safety management system platform based on cloud computing | |
JP2015043236A (ja) | 情報提供装置、情報提供方法及びプログラム | |
KR102482821B1 (ko) | 무선 네트워크 기반의 실시간 계측 시스템 | |
CN116579665B (zh) | 应急预案的评估方法、装置及存储介质 | |
CN110888856A (zh) | 大数据分析系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |
|
RJ01 | Rejection of invention patent application after publication |