CN113011788A - 一种海上交通事故应急决策方法、终端设备及存储介质 - Google Patents
一种海上交通事故应急决策方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113011788A CN113011788A CN202110440489.4A CN202110440489A CN113011788A CN 113011788 A CN113011788 A CN 113011788A CN 202110440489 A CN202110440489 A CN 202110440489A CN 113011788 A CN113011788 A CN 113011788A
- Authority
- CN
- China
- Prior art keywords
- case
- index
- traffic accident
- marine traffic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 54
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种海上交通事故应急决策方法、终端设备及存储介质,该方法中包括:S1:采集海上交通事故案例构建案例库;S2:根据设定的海上交通事故案例的指标,提取目标案例和案例数据库中各历史案例对应的各指标的属性值;S3:基于博弈论方法计算各指标的权重;S4:通过灰色关联分析法初步对案例库中的历史案例进行筛选,提取所有与目标案例的关联度大于设定的关联度阈值的历史案例;S5:根据案例各指标的属性值和权重,分别计算目标案例与提取的每个历史案例的全局相似度,将全局相似度最大值对应的案例作为目标案例的相似案例,根据相似案例确定目标案例的应急决策方案。本发明能够在海上交通事故发生后为决策部门提供较为有效可靠的决策依据。
Description
技术领域
本发明涉及事故的应急决策领域,尤其涉及一种海上交通事故应急决策方法、终端设备及存储介质。
背景技术
近年来,随着经济全球化发展,海上船舶往来越来越频繁,船舶密度加大,因此发生海上交通事故的风险也随之增大。海上事故发生后,为了减少人员伤亡、最大化减小事故带来的危害,需要展开海上搜救及应急救援。因此,如何提升海上搜救和应急救援效率有十分重要的意义。
针对海上船舶事故,应急决策方案由于过于宽泛无法给出明确具体的解决方案,且决策内容难以达到完备。现有技术中通常基于历史事故案例构建相应的案例库,通过挖掘事故信息用于总结事故处置方法及预防措施等。目前基于海上交通事故案例相关信息的挖掘对海上突发事件应急资源需求预测的研究都较少。现有的基于案例推理的事故决策研究存在案例库数据不全面、指标选取不合理和检索效率低等问题。并且大多案例检索方法存在没有过多的考虑指标属性的模糊信息,在权重的确定上多依赖人的主观判断。
传统的应急决策方法主要是基于专家经验或者个体决策基础上,根据现场所获取的事故信息,结合经验知识及以往相似类型事故的成功处置过程进行决策。该传统方法决策效果的好坏较多依赖专家或者决策者的经验和水平,具有决策时间周期较长、决策效果不确定性较高的特点。
而海上船舶交通事故应急处置决策影响因素众多,涉及到事故信息、环境信息、船舶信息、技术信息等多种因素且不断动态变化,决策效果与各因素之间关系复杂,各参数彼此之间存在一定关联,已有研究的决策模型难以综合考虑多种信息,对决策效果的不确定性等问题无法给予合理衡量。
而快速、科学、高效地海上事故应急决策需要丰富的事故处置经验作为支撑。目前,针对海上船舶事故,应急决策方案由于过于宽泛无法给出明确具体的解决方案,且决策内容难以达到完备。现有技术中通常基于历史事故案例构建相应的案例库,通过挖掘事故信息用于总结事故处置方法及预防措施等。目前基于海上交通事故案例相关信息的挖掘对海上突发事件应急资源需求预测的研究都较少。现有的基于案例推理的事故决策研究存在案例库数据不全面、指标选取不合理和检索效率低等问题。并且大多案例检索方法存在没有过多的考虑指标属性的模糊信息,在权重的确定上多依赖人的主观判断。若能将所形成的船舶事故应急处置案例高质量的用于海上船舶事故的应急决策,充分挖掘现有事故案例,基于案例推理方法科学高效的对相似事故场景的应急处置方法进行决策优选,快速地提出相对合理的决策建议是十分重要的。
发明内容
为了解决上述问题,本发明提出了一种海上交通事故应急决策方法、终端设备及存储介质。
具体方案如下:
一种海上交通事故应急决策方法,包括以下步骤:
S1:采集海上交通事故案例构建案例库;
S2:根据设定的海上交通事故案例的指标,提取目标案例和案例数据库中各历史案例对应的各指标的属性值;
S3:基于博弈论方法计算各指标的权重;
S4:通过灰色关联分析法初步对案例库中的历史案例进行筛选,提取所有与目标案例的关联度大于设定的关联度阈值的历史案例;
S5:根据目标案例和提取的历史案例的各指标的属性值和权重,分别计算目标案例与提取的每个历史案例的全局相似度,将全局相似度最大值对应的案例作为目标案例的相似案例,根据相似案例确定目标案例的应急决策方案。
进一步的,海上交通事故案例的指标包括事故类型、应急响应级别、落水人数、船上人数、受伤人数、船舶类型、船舶破损程度、船龄、货物类型、能见度、风速和流速。
进一步的,各指标根据其属性值的表述形式的不同采用不同的相似度计算方法。
进一步的,各指标的属性值的表述形式包括三种,分别为符号型、数值型和描述型,其中:
符号型的属性值之间的相似度计算方法为:两者相同时相似度为1,两者不同时相似度为0;
数值型的属性值之间的相似度计算采用改进的曼哈顿距离模型进行计算;
描述型的属性值之间的相似度计算采用隶属函数进行计算。
进一步的,目标案例与历史案例的关联度的计算公式为:
其中,y(k)表示目标案例的第k个指标,xi(k)表示案例库中第i个历史案例的第k个指标,ξi(k)表示目标案例的第k个指标与案例库中第i个历史案例的第k个指标之间的关联系数,ρ为分辨系数,m表示指标的总数,ri表示目标案例与案例库中第i个历史案例的关联度。
进一步的,历史案例ai与目标案例d之间的全局相似度Lsim(ai,d)的计算公式为:
其中:bj表示案例库中的第i个案例的第j个指标的属性标准化后的值;cj表示目标案例d的第j个指标的属性标准化后的值;ωj表示第j个指标的权重值开,m表示指标的总数。
一种海上交通事故应急决策终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,克服了指标权重确定不合理的问题,提高了海上交通事故应急物资需求预测精度,具有一定的科学性,能够在海上交通事故发生后为决策部门提供较为有效可靠的决策依据。
附图说明
图1所示为本发明实施例一的流程图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例提供了一种海上交通事故应急决策方法,如图1所示,所述方法包括以下步骤:
S1:采集海上交通事故案例构建案例库。
通过对现有海上船舶事故案例及海上搜救案例进行统计分析,挖掘案例信息,构建海上交通事故案例库。案例库一般由三个部分组成,即历史案例集合、案例的指标集合及最终决策方案。可用下式表示:
S={A,B,D} (1)
其中:A={A1,A2,...,An}为历史案例集合,i=1,2,…,n,n为案例库中历史案例的个数,B={B1,B2,...,Bm}为指标集合,m表示指标的总数,D为目标案例,S为最终决策方案。指标的权重值记为ω=(ω1,ω2,…,ωm),且满足则根据目标案例D构造指标矩阵P为:
其中,Pij为第i个案例的第j个指标的属性值。
S2:根据设定的海上交通事故案例的指标,提取目标案例和案例数据库中各案例对应的各指标的属性值。
海上交通事故案例涉及众多属性因素,相关属性信息包含事故类型、事故规模等级、船舶载货情况、遇险人员的数量和伤亡情况以及海上事故现场的水文气象条件等。基于以上考虑,该实施例在参考相关文献及咨询相关专家基础上,最终总结出12个事故特性作为海上交通事故指标属性,如表1所示。其中:根据交通运输部于2014年9月30日发布的《水上交通事故统计办法》,水上交通事故类型主要包括碰撞事故、搁浅事故、触礁事故、触损事故、浪损事故、火灾爆炸事故等;应急响应级别指标属性根据《水路交通突发事件应急预案》,按其性质、严重程度、可控性和影响范围等因素,由高到低分为四级:Ⅰ级(特别重大)、Ⅱ级(重大)、Ⅲ级(较大)和Ⅳ级(一般);船舶类型主要由客船、集装箱船、散货船、油船、滚装船等类型。
表1
在案例记录中,指标的属性值的类型存在不同表现形式。主要的表述形式有以下三种:符号型,通过准确的文字描述、表达事件特征,如事件所属类型;数字型,采用数值对事件特征进行确切表达;描述型,表述难以运用词汇或者数字描述的态度特征。
该实施例中根据各指标的属性值的表述形式的不同,采用不同计算方法,对上述三种类型的属性值进行相似度计算。
(1)符号型
该类型的属性值所选范围可逐一列举,同时取值范围不存在大小间对比关系,只单一对特征列举说明。因此,可对符号型特征取值做如下判定:若问题案例d具有与样本案例A相同的值,则界定它们相似度唯一;当两者取值不同时,则设置相似度为0。公式表示如下式所列:
其中,aj和cj分别表示案例库中的历史案例和目标案例的第j个指标的属性值,j=1,2,…,m。
(2)数值型
对于实质性特征不同的两者,距离的确定采用改进的曼哈顿距离(ManhattanDis-tance)模型进行计算。
其中,maxj表示指标的取值序列中的最大值,minj为其最小值,j=1,2,…,m。
因此,针对某一属性值,历史案例A与目标案例D的相似度计算公式可表示为:
(3)描述型
针对模糊型案例特征,采用隶属函数计算案例间相似度,公式表示如下:
S3:基于博弈论方法计算各指标的权重。
权重系数的大小反映了指标在案例相似性评估中的相对重要程度,一般情况下指标权重系数越大对案例检索结果的影响就越大,因此权重分配的合理与否直接影响到案例检索的精确性和准确性。而博弈论是一种通过多个决策主体的决策均衡来实现各方面利益最大化的方法,该方法结合了主、客观赋权法各自的优点,既能考虑实际数据特点又能够参考决策者意见,使指标赋权实现了主观与客观的统一,得到较为客观合理的指标权重,在多属性决策问题上得到广泛应用并取得了不错的效果。因此,为了避免传统的案例推理过程中指标权重确定过于主观性等问题,影响案例检索结果的精确性,从而导致应急物资需求预测不准确等问题,该实施例在加法集成法、乘法集成法等综合集成方法的基础上,提出一种更为科学合理的权重综合集成的方法,即基于博弈论来计算偏好比率法和熵权法的综合指标权重。
1.偏好比率法
偏好比率法确定指标权重的原理为:对一个评价对象,如果指标对最终评价结果的贡献度大于指标的贡献度,则认为指标的重要性程度比指标要大。由此,可以主观定义两个指标之间的相对重要程度的大小,得到指标之间的偏好比率标度,如表2所示。
表2
指标b<sub>i</sub>与b<sub>j</sub>的相对重 | b<sub>i</sub>很强 | b<sub>i</sub>强 | b<sub>i</sub>较 | b<sub>i</sub>稍 | 两者 | 指标b<sub>j</sub>与b<sub>i</sub>的相对 |
偏好比率 | 5 | 4 | 3 | 2 | 1 | 相应的倒数 |
已知海上交通事故有m个指标,其集合记为B={b1,b2,...,bm}。将m个指标进行主观排序,两两比较得出比率标度值bij,建立方程组如下:
上式中:ωj为第j个指标的权重,0≤ωj≤1,j=1,2,…,m。
2.熵值法
熵值法是通过对数据的熵值进行计算判断数据中某个属性的离散程度,从而确定指标权重的一种客观赋权法。根据熵值法的特点,一般数据中信息越多,信息量就越大,其不确定性越少,熵值就越小,反之熵值则越大。
对于n个案例,m个指标,n个案例的m个属性的原始值组成的矩阵记作A=(aij)m×n。则熵值法确定指标权重的具体步骤如下:
(1)对指标的属性值进行标准化处理
(2)根据标准化决策矩阵,计算第j个指标的熵值:
当pij=0时,取ln pij=0。
(3)计算第j个指标的差异系数dj:
dj=1-ej,j=1,2,…,m (9)
(4)计算第j个指标的熵权重ωj为:
3.根据博弈论确定指标的综合权重
S4:通过灰色关联分析法初步对案例库中的历史案例进行筛选,提取所有与目标案例的关联度大于设定的关联度阈值的历史案例。
由于现有案例库中存在一部分相似度较低的历史案例,为了提高案例检索的匹配率,在案例检索前从总体上初步筛选出相似度较高的历史案例作为后续检索的初始案例集,便于后期从初始案例集中精确高效的检索与目标案例最匹配的案例。
灰色关联分析法是一种计算系统内个体间相似程度的方法,具有简单快捷、适用范围广的特点,因此该实施例中采用灰色关联分析法初步筛选计算得到初始案例集。
根据灰色关联分析法,目标案例D与历史案例A的任一指标属性关联度的关联系数可以通过下式进行计算:
其中,y(k)表示目标案例的第k个指标,xi(k)表示案例库中第i个历史案例的第k个指标,ξi(k)表示目标案例的第k个指标与案例库中第i个历史案例的第k个指标之间的关联系数,ρ为分辨系数,通常取0.5。
则目标案例与历史案例的关联度的计算公式为:
其中,m表示指标的总数,ri表示目标案例与案例库中第i个历史案例的关联度。
S5:根据目标案例和提取的历史案例的各指标的属性值和权重,分别计算目标案例与提取的每个历史案例的全局相似度,将全局相似度最大值对应的案例作为目标案例的相似案例,根据相似案例确定目标案例的应急决策方案。
该实施例中全局相似度采用以下方法进行计算。
对于n个案例,m个指标,n个案例构成集合A={A1,A2,...,An},指标集合B={B1,B2,...,Bm},目标案例D的指标对应的属性标准化向量为v={c1,c2,...,cm},指标的权重值为ω=(ω1,ω2,…,ωm),则历史案例ai与目标案例d之间的全局相似度的计算公式为:
其中:Lsim(ai,d)表示历史案例ai与目标案例d之间的相似度;bj表示案例库B中的第i个案例的第j个指标的属性标准化后的值;cj表示目标案例d的第j个指标的属性标准化后的值;ωj表示第j个指标的权重值。
下面以一个具体的例子来说明本实施例方法。
以案例库中一起船舶碰撞事故为例进行分析,船舶类型为散货船,载有船员14人,船舶发生轻微破损,事故共造成10人落水、2人受伤,应急响应等级为Ⅲ级,船舶船龄为9年,事故发生时能见度为2km,风速为2m/s,流速为3米/秒。现有案例库有320条案例,通过灰色关联分析法的公式(12)和公式(13),以0.6作为关联度的阈值,从320条案例中初步筛选出67条符合条件且比较相似案例,构成初始案例集。初始案例集及相关指标属性如表3所示。
表3
(1)博弈论确定指标的权重
根据步骤S3,结合海上交通事故的特点对各属性偏好比率进行判断,其指标重要程度排序为a2>a3>a4>a7>a5>a8>a6>a1>a9>a10>a12>a11。根据比率标度值,带入公式(6)建立方程组,计算得到指标主观权重ω1=(0.056,0.178,0.152,0.147,0.095,0.057,0.112,0.068,0.048,0.039,0.022,0.026)T。
从初步筛选的67条案例中随机选取10条案例,将10条案例的属性值得原始数据转化为标准数据,根据熵值法得到的客观权重ω2=(0.033,0.193,0.210,0.121,0.076,0.063,0.090,0.066,0.041,0.042,0.035,0.029)T。
利用博弈论方法,建立最优组合系数方程组:
求解上式得a=0.572,b=0.543,归一化处理后得到a*=0.513,b*=0.487。根据式(11)得到综合指标权重:
ω=(0.045,0.185,0.180,0.134,0.086,0.060,0.101,0.067,0.045,0.040,0.028,0.027)
(2)案例相似度计算与案例匹配
根据指标不同形式的属性数据类型的划分,该实施例的12个指标属性中,其中事故类型、船舶类型、货物类型指标为符号型指标,应急响应级别、船舶破损程度指标为描述型,其他为数值型指标。利用步骤S2中所述的方法对不同类型指标属性进行指标属性相似度确定,得到初始案例集中各案例的指标属性的相似度,如表4所示。
表4
结合计算得到的综合指标权重值,采用全局相似度计算公式(14),使用matlab编程计算得到目标案例与初始案例集中各案例的相似度值,基于相似度值高低考量,该实施例中选了取目标案例全局相似度排名前5的案例进行分析,其对应的相似度值如表5所示。
表5
排名 | 编号 | 相似度 |
1 | A32 | 0.9246 |
2 | A18 | 0.9083 |
3 | A6 | 0.8735 |
4 | A45 | 0.8336 |
5 | A64 | 0.8177 |
其中相似度最高的为编号A32的案例,其相似度为0.9248,其次为编号A18的案例,其相似度为0.9083。如果将相似度阀值设为0.9,则案例编号A32和A18都为最佳相似案例,但是编号A32相似度更高。通过分析可知,目标案例散货船在运输过程中发生的船舶碰撞事故,事故造成少量的人员落水和人员伤亡。案例A32和案例A18特征指标属性中虽然具有不同的事故类型、水流、能见度等气象条件,但是同样发生了少量的人员落水和失踪险情,并且案例A32需要搜救的人数与目标案例更接近,都为1人。因此,目标案例与案例A32具有相似的救援方式及应急物资需要。
(3)案例学习与调整
虽然通过构建模型实现案例推理发现案例A32与目标案例具有相似的救援方式及应急物资需要,但是由于历史案例与目标案例并不完全一样,则根据案例推理相关理论及原则,还可以通过提供研究对象及相似案例的相关信息给领域专家,根据目标案例实际情况进行调整得到最佳方案。最终根据目标案例应急物资需求的实际情况对最佳匹配案例的应急决策方案进行调整和修正,作为应急决策方案预测的结果,从而实现对海上交通事故的应急决策方案的预测。
此外,对案例进行修正的过程需要对案例进行分析与推理,在此过程中也会积累相关的知识和经验,通过存贮这些修正的解决方案以及对应的应急决策方案结果作为一个新案例,是构建模型算法不断学习与成长的一个过程。因此,可以通过案例学习,不仅能够不断增加案例库容量,而且在一定程度上提高构建模型的适应性。
本发明实施例吸取过往事故案例中的经验教训,参考历史案例的处置措施辅助制定决策可有效应对海上交通事故,克服了指标权重确定不合理的问题,提高了海上交通事故应急物资需求预测精度,具有一定的科学性,能够在海上交通事故发生后为决策部门提供较为有效可靠的决策依据。
实施例二:
本发明还提供一种海上交通事故应急决策终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述海上交通事故应急决策终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述海上交通事故应急决策终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述海上交通事故应急决策终端设备的组成结构仅仅是海上交通事故应急决策终端设备的示例,并不构成对海上交通事故应急决策终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述海上交通事故应急决策终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述海上交通事故应急决策终端设备的控制中心,利用各种接口和线路连接整个海上交通事故应急决策终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述海上交通事故应急决策终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述海上交通事故应急决策终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (8)
1.一种海上交通事故应急决策方法,其特征在于,包括以下步骤:
S1:采集海上交通事故案例构建案例库;
S2:根据设定的海上交通事故案例的指标,提取目标案例和案例数据库中各历史案例对应的各指标的属性值;
S3:基于博弈论方法计算各指标的权重;
S4:通过灰色关联分析法初步对案例库中的历史案例进行筛选,提取所有与目标案例的关联度大于设定的关联度阈值的历史案例;
S5:根据目标案例和提取的历史案例的各指标的属性值和权重,分别计算目标案例与提取的每个历史案例的全局相似度,将全局相似度最大值对应的案例作为目标案例的相似案例,根据相似案例确定目标案例的应急决策方案。
2.根据权利要求1所述的海上交通事故应急决策方法,其特征在于:海上交通事故案例的指标包括事故类型、应急响应级别、落水人数、船上人数、受伤人数、船舶类型、船舶破损程度、船龄、货物类型、能见度、风速和流速。
3.根据权利要求1所述的海上交通事故应急决策方法,其特征在于:各指标根据其属性值的表述形式的不同采用不同的相似度计算方法。
4.根据权利要求3所述的海上交通事故应急决策方法,其特征在于:各指标的属性值的表述形式包括三种,分别为符号型、数值型和描述型,其中:
符号型的属性值之间的相似度计算方法为:两者相同时相似度为1,两者不同时相似度为0;
数值型的属性值之间的相似度计算采用改进的曼哈顿距离模型进行计算;
描述型的属性值之间的相似度计算采用隶属函数进行计算。
7.一种海上交通事故应急决策终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~6中任一所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~6中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440489.4A CN113011788B (zh) | 2021-04-23 | 2021-04-23 | 一种海上交通事故应急决策方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440489.4A CN113011788B (zh) | 2021-04-23 | 2021-04-23 | 一种海上交通事故应急决策方法、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011788A true CN113011788A (zh) | 2021-06-22 |
CN113011788B CN113011788B (zh) | 2024-02-02 |
Family
ID=76389180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110440489.4A Active CN113011788B (zh) | 2021-04-23 | 2021-04-23 | 一种海上交通事故应急决策方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011788B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434855A (zh) * | 2021-06-30 | 2021-09-24 | 北京天融信网络安全技术有限公司 | 一种安全事件的处理方法及装置、可读存储介质 |
CN117350288A (zh) * | 2023-12-01 | 2024-01-05 | 浙商银行股份有限公司 | 基于案例匹配的网络安全运营辅助决策方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229120A (ja) * | 2013-05-23 | 2014-12-08 | 日本電信電話株式会社 | 緊急時ノウハウ参照支援方法、緊急時ノウハウ参照支援装置、及び緊急時ノウハウ参照支援プログラム |
CN109358595A (zh) * | 2018-09-30 | 2019-02-19 | 南方电网科学研究院有限责任公司 | 一种it运维风险预警方法及相关装置 |
CN112270616A (zh) * | 2020-10-09 | 2021-01-26 | 南方电网科学研究院有限责任公司 | 电网应急能力指标间关联度的计算方法、装置及存储介质 |
CN112446572A (zh) * | 2019-08-30 | 2021-03-05 | 山西汾西矿业(集团)有限责任公司 | 考虑瓦斯发电厂的矿山供电调度应急辅助决策支持方法 |
-
2021
- 2021-04-23 CN CN202110440489.4A patent/CN113011788B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229120A (ja) * | 2013-05-23 | 2014-12-08 | 日本電信電話株式会社 | 緊急時ノウハウ参照支援方法、緊急時ノウハウ参照支援装置、及び緊急時ノウハウ参照支援プログラム |
CN109358595A (zh) * | 2018-09-30 | 2019-02-19 | 南方电网科学研究院有限责任公司 | 一种it运维风险预警方法及相关装置 |
CN112446572A (zh) * | 2019-08-30 | 2021-03-05 | 山西汾西矿业(集团)有限责任公司 | 考虑瓦斯发电厂的矿山供电调度应急辅助决策支持方法 |
CN112270616A (zh) * | 2020-10-09 | 2021-01-26 | 南方电网科学研究院有限责任公司 | 电网应急能力指标间关联度的计算方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
王苗: "基于灰色关联和故障逻辑的维修案例检索方法", 《计算机应用与软件》 * |
陈国宏: "《组合评价及其计算机集成系统研究》", 30 June 2007 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434855A (zh) * | 2021-06-30 | 2021-09-24 | 北京天融信网络安全技术有限公司 | 一种安全事件的处理方法及装置、可读存储介质 |
CN117350288A (zh) * | 2023-12-01 | 2024-01-05 | 浙商银行股份有限公司 | 基于案例匹配的网络安全运营辅助决策方法、系统及装置 |
CN117350288B (zh) * | 2023-12-01 | 2024-05-03 | 浙商银行股份有限公司 | 基于案例匹配的网络安全运营辅助决策方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113011788B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Development of a non-parametric classifier: Effective identification, algorithm, and applications in port state control for maritime transportation | |
CN107633030B (zh) | 基于数据模型的信用评估方法及装置 | |
EP3716165A1 (en) | Esg criteria-based enterprise evaluation device and operation method thereof | |
CN112102073A (zh) | 信贷风险控制方法及系统、电子设备及可读存储介质 | |
WO2009099448A1 (en) | Methods and systems for score consistency | |
CN113011788B (zh) | 一种海上交通事故应急决策方法、终端设备及存储介质 | |
CN110751355A (zh) | 一种科技成果评估方法和装置 | |
CN113095927A (zh) | 一种反洗钱可疑交易识别方法及设备 | |
CN112989621A (zh) | 一种模型性能评价方法、装置、设备及存储介质 | |
CN113011789A (zh) | 水上危化品事故应急辅助决策方法、终端设备及存储介质 | |
CN110968651A (zh) | 一种基于灰色模糊聚类的数据处理方法及系统 | |
CN114638498A (zh) | Esg评价方法、系统、电子设备及存储设备 | |
CN116705310A (zh) | 围术期风险评估的数据集构建方法、装置、设备及介质 | |
CN116468273A (zh) | 客户风险识别方法及装置 | |
Kaluzny et al. | An application of data mining algorithms for shipbuilding cost estimation | |
CN112598405B (zh) | 一种基于大数据的商业项目数据管理方法及系统 | |
CN117495298A (zh) | 一种招投标评审监管方法及系统 | |
CN111738610A (zh) | 一种基于舆情数据的企业流失性风险预警系统和方法 | |
CN115310900A (zh) | 一种网络货运平台诚信管理的大数据预警系统 | |
CN115345248A (zh) | 一种面向深度学习的数据去偏方法及装置 | |
CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
CN115409226A (zh) | 一种数据处理方法和数据处理系统 | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 | |
CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
CN116957140B (zh) | 一种基于nlp因子的股票预测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |