CN113837585A - 一种面向城市常发应急的协同一体化接处警综合实训系统 - Google Patents

Abstract

本发明公开了一种面向城市常发应急的协同一体化接处警综合实训系统，该系统包括：应急训练场景生成模块将来自实际常发应急火警、急救及其他的接处警数据作为训练场景的素材数据，并供接处警综合实训模块调用；接处警综合实训模块中的对训机器人在应急训练场景生成模块中调用训练场景，通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度。通过该系统可以对接处警人员的信息获取能力、应急事件评估和判断能力、多种应急资源综合调度能力等进行训练，有效提高接处警人员的接警、评估和处置的能力。

Description

一种面向城市常发应急的协同一体化接处警综合实训系统

技术领域

本发明涉及应急管理技术领域，更具体的涉及一种面向城市常发应急的协同一体化接处警综合实训系统。

背景技术

人口老龄化、规模城镇化是导致急救、消防、报警、救援等应急需求的剧增的主要原因。尤其是多种应急需求耦合时，需要集合几种救援力量形式救援合力共同完成救援任务。进入二十一世纪，国外发达国家已经开始有效整合救援力量，通过集成调度实现高效救援协同，这对接处警人员的信息获取能力、应急事件评估和判断能力、多种应急资源综合调度能力等都提出了更高的要求。我国作为急救、消防等常态应急需求的大国，在2018年成立应急管理部，意在整合救援力量，满足应急救援需求。但当前在应急救援的综合协同调度处置中存在接处警分散、无法对应急事件进行综合评估、各应急部门无法有效协同，原因在于并未形成一体化接处警体系，同时在接处警综合实训方面存在不足，导致接处警人员的综合评估和处置的能力不够，使得应急救援协同无法形成合力，延误和降低了应急出警的准确性和时效性。

发明内容

本发明实施例提供一种面向城市常发应急的协同一体化接处警综合实训系统，用以解决上述背景技术中存在的问题。

本发使用的技术方案是，一种面向城市常发应急的协同一体化接处警综合实训系统，包括：

应急训练场景生成模块，生成模块负责将来自实际常发应急火警、急救及其他的接处警数据作为训练场景的素材数据，通过采集、提取、合成等构建出用于常发应急接处警综合实训的训练数据并形成训练场景库；

接处警综合实训模块，负责进行接处警人员的实际训练；

应急训练效果评估模块，负责对接处警训练的效果进行评估和反馈。

本发明的特点在于：

应急训练场景生成模块中构建应急训练所需的场景，其数据来源为实际常发应急火警、急救及其他的接处警数据，接处警数据直接由实际的接处警系统推送获取，定时对存储的数据进行更新，保障数据的时效性，将接处警数据按照语言、内容、内容质量、时间、地点、地点质量、报警方式七元组的形式进行提取。

接处警综合实训模块中包括对训机器人和接处警综合调度操作系统，所述对训机器人在应急训练场景生成模块中调用训练场景，并通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，真实模拟接处警的所有环节，通过与对训机器人的报警对话获取报警的所有信息，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度，以实现完整的接处警流程。

当一个场景的接处警训练完成后，系统确认训练任务完成并汇总该训练的所有过程信息和结果信息进行应急处训练效果的综合评价，主要评价指标包括报警信息获取的准确性、接处警的时效性、各警种的组合和调度有效性、应急任务的达成度，通过评价可以修正接处警人员再训练过程中存在的问题，不断提高接处警人员的综合处置能力。

通过扩展离散状态编码技术将原始输入数据进行转换得到七元组的离散状态编码数据，并由此组成训练场景生成的基本数据；其次，利用修正距离熵确定素材的核心关键内容，并以此为应急事件定义并映射至应急训练场景集合，提取场景特征作为训练场景的素材，所述素材包括：

语言，包括普通话、方言、外语；

内容质量，包括准确、一般、模糊；

地点质量，包括准确、一般、模糊；

报警方式，包括一键救援装置报警、电话报警、手机APP报警。

利用上述素材，进行训练场景的合成；合成方法采用半监督哈希算法，首先，采用哈希方法将场景转换为固定长度的哈希编码，得到该训练场景的哈希编码集合；合成的场景映射为14类应急事件，即形成14类应急场景的哈希码集合，包括消防、急救、报警、救援、消防+急救、消防+报警、消防+救援、急救+报警、急救+救援、报警+救援、消防+急救+报警、消防+报警+救援、急救+报警+救援、消防+急救+报警+救援。

采用扩展离散状态编码方法表示所述七元组：M∈(C×R×Z×Q×D×S×X)，样本所需提取的内容有七元组关键变量组成的表示：

其变量状态值由七元组计算得到：

式中，w表示权重，M离散状态编码七元组，C表示报警语言,R表示报警内容,Z表示报警内容的质量,Q表示报警时间,D表示报警地点,S表示报警地点质量,X表示报警方式。

修正距离熵方法计算如下：

先设计分项指标矩阵：

式中，t表示时间连续，

的表示离散状态编码七元组的分项矩阵。

令

则有信息决策矩阵A＝[a_j]₇，a_j为第j个指标的观测值， j＝1，2，3，4，5，6，7，包括以下步骤：

步骤1、将A＝[a_j]₇进行归一化处理，得到标准信息矩阵R＝[r_j]₇，其中归一化的处理方法为：

对于越大越优型分指标：

对于越小越优型分指标：

选择第j个指标所对应的最优单元值

j＝1，2，3，4，5，6，7，选取规则为

步骤2、计算各指标r_j对应的最优单元值

的距离，计算式如下；

式中，d_j表示r_j对应的最优单元值

的距离

步骤3、计算对应指标概率，计算式如下；

当d_j＞0时无需对指标概率β_j进行修正^[101]；此时u_j＝0；当d_j＝0时，该分指标对

不起作用，为了保证所有指标数据的可用性，需人为的对β_j进行平移修正，此时u_j为常数且u_j＞0；

步骤4、计算指标的距离熵，计算式如下：

步骤5、计算熵权

其中

0＜w_i≤1。

步骤6、综合指标

采用的半监督哈希算法如下：

构造哈希函数，假设场景集合中共有L，其中L＝14个场景，则对应整个场景集合中场景的特征集合可表示为：B∈R^σ*L；B表示一个场景的特征，R表示场景特征集合，σ表示σ维的向量；构造哈希函数的关键是找到场景特征与汉明空间的映射关系；采用线性哈希函数形式：

式中，h_k表示线性哈希函数，

表示一个场景的特征，k表示第k位哈希码， l_k是训练场景集合中所有场景的特征的期望值，对场景的特征进行均值0化处理，从而可以简化公式，将该项去掉；

而其中的

为要学习的向量，是哈希函数的关键；这是将一个场景作为整体进行哈希的函数，得到下式：

T表示w_k转置，并且上式根据函数sgn的结果为-1、0和1，需要对上式进行转化使得其值为二值化，即0和1：

y_k的线性哈希函数的二值化，令H＝[h₁，h₂，...，h_K]表示哈希函数族， W＝[w₁，w₂，...，w_K]为所需构造的K个向量的矩阵；构造的哈希函数需要将特征上相近的场景经过哈希转化出相同或相近的哈希码，而对于特征上不相似的场景则得到的哈希码的差异性应尽可能大；为此，定义如下目标函数：

定义带有标签的场景对(i，j)必属于两个集合之一。

表示场景i和场景j的标签一样或者说相似；

表示场景i和场景j的标签不同或者说不相似；

定义如下系数：

将J(H)转换为如下形式：

∧表示场景中带有标签的场景的特征矩阵，每个场景的特征为∧的一个列向量；假设训练场景集合中有

张带有标签的场景，每个所述场景的特征的维度为K，则∧的维度为

H(∧)的维度为

W的维度K*K；sgn(W^T∧)表示训练场景集合中带标签的场景的哈希码序列矩阵；P表示带标签的场景对的关系矩阵；

从上述目标函数可以看出，最大化目标函数的解是当任意两个场景的特征一样或相似时，其哈希码相同，即为1；当两个场景的特征不一样或不相似时，其哈希码也不同，即为0；因此要求解哈希函数，只需解决上述目标函数的最大化即可；为此，可得到如下式：

由于上式本身不可微分，给出一个简单的松弛，即将上式符号操作放宽，以有效求解上式，得到以下变形的目标函数：

对其中的w_k进行归一化处理，令||w_k||＝1，这样并不会影响求解的结果；再将上式转换为矩阵形式：

式中，只描述了场景集合中有标签的成分，再加上无标签的部分后，可得到完整的目标函数：

生成哈希码，在W取出任意一个列向量，带入哈希函数可以为一个场景生成一位哈希码；至此，合成得到了对一个场景进行哈希的哈希函数族 Y＝[y₁，y₂，...，y_K]；考虑样本所需提取的内容有七元组关键变量决定，因此令K＝σ得到哈希编码的比特数；

采用上述方法合成的应急场景存储在数据库中供接处警综合实训模块调用。

其中，采用综合评价指标PI对训练效果进行综合评价：

PI＝w₁G₁+w₂G₂+w₃G₃+w₄G₄

w＝w₁+w₂+w₃+W₄＝1；

式中，G₁：报警信息获取的准确性、G₂：接处警的时效性、G₃：各警种的组合和调度有效性、G₄：应急任务的达成度；w表示权重，PI权重的获取可以采用人工经验法或，也可以修正距离熵方法获取。

本发明实施例提供一种面向城市常发应急的协同一体化接处警综合实训系统，与现有技术相比，其有益效果如下：

1、本发明通过应急训练场景生成模块将来自实际常发应急火警、急救等的接处警数据作为训练场景的素材数据，通过采集、提取、合成等构建出用于常发应急接处警综合实训的训练数据并形成训练场景库，并供接处警综合实训模块调用；接处警综合实训模块中的对训机器人在应急训练场景生成模块中调用训练场景，通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，真实模拟接处警的所有环节，通过与对训机器人的报警对话获取报警的所有信息，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度。当接处警训练完成后，系统确认训练任务完成并汇总该训练的所有过程信息和结果信息进行应急处训练效果的综合评价。通过该系统可以对接处警人员的信息获取能力、应急事件评估和判断能力、多种应急资源综合调度能力等进行训练，有效提高接处警人员的接警、评估和处置的能力。

2、本发明通过应急训练场景生成模块可以在真实报警数据的基础上构建各种应急报警场景，并且可以设计需要多警种联动的应急场景，可完全满足对接处警人员的综合训练的要求。

3、本发明通过接处警综合实训模块实现人机对话式的训练，并通过接处警综合调度操作系统的操作，真实模拟接处警的所有环节。

4、本发明通过应急训练效果评估模块可以修正接处警人员再训练过程中存在的问题，不断训练和提高接处警人员的综合处置能力。

附图说明

图1为本发明实施例提供的一种面向城市常发应急的协同一体化接处警综合实训系统架构图；

图2为本发明实施例提供的应急场景生成模块流程图；

图3为本发明实施例提供的接处警综合实训模块流程图；

图4为本发明实施例提供的训练效果评估模流程图。

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。

实施例1

参见图1，本发明实施例提供一种面向城市常发应急的协同一体化接处警综合实训系统包括应急训练场景生成模块，接处警综合实训模块和应急训练效果评估模块三部分。

参见图2，应急训练场景生成模块首先接入实际常发应急火警、急救、其他的接处警数据，对接入的数据进行存储、清洗等，去除无效、错误等数据，形成接处警基础数据库；其次，将这些数据按照语言、内容、内容质量、时间、地点、地点质量、报警方式七元组的形式进行提取，生成应急训练场景的素材；再次，利用这些素材，进行训练场景的合成，合成的场景映射为 14类应急事件；最后，再将合成的应急场景存储在数据库中供接处警综合实训模块调用。

参见图3，对训机器人在应急训练场景生成模块中调用训练场景，通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，真实模拟接处警的所有环节，通过与对训机器人的报警对话获取报警的所有信息，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度。

参见图4，当一个场景的接处警训练完成后，系统确认训练任务完成并汇总该训练的所有过程信息和结果信息进行应急处训练效果的综合评价，通过评价可以修正接处警人员再训练过程中存在的问题。

采用扩展离散状态编码方法表示所述七元组：M∈(C×R×Z×Q×D×S×X)，样本所需提取的内容有七元组关键变量组成的表示：

其变量状态值由七元组计算得到：

s.t.

M_j∈[(C(t)，R(t)，Z(t)，Q(t)，D(t)，S(t)，X(t))|j＝1，2，...，7]

式中，w表示权重，M离散状态编码七元组，C表示报警语言，R表示报警内容，Z表示报警内容的质量，Q表示报警时间，D表示报警地点，S表示报警地点质量，X表示报警方式。

修正距离熵方法计算如下：

先设计分项指标矩阵：

式中，t表示时间连续，

的表示离散状态编码七元组的分项矩阵。

令

则有信息决策矩阵A＝[a_j]₇，a_j为第j个指标的观测值， j＝1，2，3，4，5，6，7，包括以下步骤：

步骤1、将A＝[a_j]₇进行归一化处理，得到标准信息矩阵R＝[r_j]₇，其中归一化的处理方法为：

对于越大越优型分指标：

对于越小越优型分指标：

选择第j个指标所对应的最优单元值

j＝1，2，3，4，5，6，7，选取规则为

步骤2、计算各指标r_j对应的最优单元值

的距离，计算式如下；

步骤3、计算对应指标概率，计算式如下；

式中，d_j表示r_j对应的最优单元值

的距离；

当d_j＞0时无需对指标概率β_j进行修正^[101]；此时u_j＝0；当d_j＝0时，该分指标对

不起作用，为了保证所有指标数据的可用性，需人为的对β_j进行平移修正，此时u_j为常数且u_j＞0；

步骤4、计算指标的距离熵，计算式如下：

步骤5、计算熵权

其中

0＜w_i≤1。

步骤6、综合指标

采用的半监督哈希算法如下：

构造哈希函数，假设场景集合中共有L，其中L＝14个场景，则对应整个场景集合中场景的特征集合可表示为：B∈R^σ*L；B表示一个场景的特征，R 表示场景特征集合，σ表示σ维的向量；构造哈希函数的关键是找到场景特征与汉明空间的映射关系；采用线性哈希函数形式：

式中，h_k表示线性哈希函数，

表示一个场景的特征，k表示第k位哈希码，l_k是训练场景集合中所有场景的特征的期望值，对场景的特征进行均值 0化处理，简化公式；

而其中的

即为哈希函数的关键，为所要学习的向量；这是将一个场景作为整体进行哈希的函数，得到下式：

T表示w_k转置，并且上式根据函数sgn的结果为-1、0和1，需要对上式进行转化使得其值为二值化，即0和1：

y_k的线性哈希函数的二值化，令H＝[h₁，h₂，...，h_K]表示哈希函数族， W＝[w₁，w₂，...，w_K]为所需构造的K个向量的矩阵；构造的哈希函数需要将特征上相近的场景经过哈希转化出相同或相近的哈希码，而对于特征上不相似的场景则得到的哈希码的差异性应尽可能大；为此，定义如下目标函数：

定义带有标签的场景对(i，j)必属于两个集合之一。

表示场景i和场景j的标签一样或者说相似；

表示场景i和场景j的标签不同或者说不相似；

定义如下系数：

将J(H)转换为如下形式：

∧表示场景中带有标签的场景的特征矩阵，每个场景的特征为∧的一个列向量；假设训练场景集合中有

张带有标签的场景，每个所述场景的特征的维度为K，则∧的维度为

H(∧)的维度为

W的维度K*K； sgn(W^T∧)表示训练场景集合中带标签的场景的哈希码序列矩阵；P表示带标签的场景对的关系矩阵；

从上述目标函数可以看出，最大化目标函数的解是当任意两个场景的特征一样或相似时，其哈希码相同，即为1；当两个场景的特征不一样或不相似时，其哈希码也不同，即为0；因此要求解哈希函数，只需解决上述目标函数的最大化即可；为此，可得到如下式：

由于上式本身不可微分，给出一个简单的松弛，即将上式符号操作放宽，以有效求解上式，得到以下变形的目标函数：

对其中的w_k进行归一化处理，令||w_k||＝1，这样并不会影响求解的结果；再将上式转换为矩阵形式：

式中，只描述了场景集合中有标签的成分，再加上无标签的部分后，可得到完整的目标函数：

生成哈希码，在W取出任意一个列向量，带入哈希函数可以为一个场景生成一位哈希码；至此，合成得到了对一个场景进行哈希的哈希函数族 Y＝[y₁，y₂，...，y_K]；考虑样本所需提取的内容有七元组关键变量决定，因此令 K＝σ得到哈希编码的比特数；

采用上述方法合成的应急场景存储在数据库中供接处警综合实训模块调用。

其中，采用综合评价指标PI对训练效果进行综合评价：

PI＝w₁G₁+w₂G₂+w₃G₃+w₄G₄

w＝w₁+w₂+w₃+w₄＝1；

式中，G₁：报警信息获取的准确性、G₂：接处警的时效性、G₃：各警种的组合和调度有效性、G₄：应急任务的达成度；w表示权重，PI权重的获取可以采用人工经验法或，也可以修正距离熵方法获取。

综上所述，本发明通过应急训练场景生成模块将来自实际常发应急火警、急救等的接处警数据作为训练场景的素材数据，通过扩展离散状态编码技术将原始输入数据进行转换得到七元组的离散状态编码数据，并由此组成训练场景生成的基本数据；其次，利用修正距离熵确定素材的核心关键内容，并以此为应急事件定义并映射至应急训练场景集合，提取场景特征作为训练场景的素材，再采用半监督哈希算法进行场景合成以构建出用于常发应急接处警综合实训的训练数据并形成训练场景库，并供接处警综合实训模块调用；接处警综合实训模块中的对训机器人在应急训练场景生成模块中调用训练场景，通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，真实模拟接处警的所有环节，通过与对训机器人的报警对话获取报警的所有信息，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度。当接处警训练完成后，系统确认训练任务完成并汇总该训练的所有过程信息和结果信息进行应急处训练效果的综合评价。通过该系统可以对接处警人员的信息获取能力、应急事件评估和判断能力、多种应急资源综合调度能力等进行训练，有效提高接处警人员的接警、评估和处置的能力，并提供了一套系统、完整、可实施的技术方案。以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，包括：

应急训练场景生成模块，生成模块负责将来自实际常发应急报警、火警、急救的接处警数据作为训练场景的素材数据，通过采集、提取、合成构建出用于常发应急接处警综合实训的训练数据并形成训练场景库；

接处警综合实训模块，负责进行接处警人员的实际训练；

应急训练效果评估模块，负责对接处警训练的效果进行评估和反馈。

2.如权利要求1所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，所述应急训练场景生成模块中构建应急训练所需的场景，其数据来源为实际常发应急报警、火警、急救的接处警数据，所述接处警数据直接由实际的接处警系统推送获取，定时对存储的数据进行更新，保障数据的时效性，将接处警数据按照语言、内容、内容质量、时间、地点、地点质量、报警方式七元组的形式进行提取。

3.如权利要求1所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，所述接处警综合实训模块中包括对训机器人和接处警综合调度操作系统，所述对训机器人在应急训练场景生成模块中调用训练场景，并通过不同的报警形式进行报警，受训人员采用接处警综合调度操作系统进行接处警操作，真实模拟接处警的所有环节，通过与对训机器人的报警对话获取报警的所有信息，并对报警进行综合评估并形成应急处置方案，再进行各警种、各应急资源的组合和调度，以实现完整的接处警流程。

4.如权利要求1所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，当一个场景的接处警训练完成后，系统确认训练任务完成并汇总该训练的所有过程信息和结果信息进行应急处训练效果的综合评价，主要评价指标包括报警信息获取的准确性、接处警的时效性、各警种的组合和调度有效性、应急任务的达成度，通过评价修正接处警人员再训练过程中存在的问题，不断提高接处警人员的综合处置能力。

5.如权利要求2所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，通过扩展离散状态编码技术将原始输入数据进行转换得到七元组的离散状态编码数据，并由此组成训练场景生成的基本数据；其次，利用修正距离熵确定素材的核心关键内容，并以此为应急事件定义并映射至应急训练场景集合，提取场景特征作为训练场景的素材，所述素材包括：

语言，包括普通话、方言、外语；

内容质量，包括准确、一般、模糊；

地点质量，包括准确、一般、模糊；

报警方式，包括一键救援装置报警、电话报警、手机APP报警；

利用所述素材，进行训练场景的合成；合成方法采用半监督哈希算法，首先，采用哈希方法将场景转换为固定长度的哈希编码，得到该训练场景的哈希编码集合；合成的场景映射为14类应急事件，即形成14类应急场景的哈希码集合，包括消防、急救、报警、救援、消防+急救、消防+报警、消防+救援、急救+报警、急救+救援、报警+救援、消防+急救+报警、消防+报警+救援、急救+报警+救援、消防+急救+报警+救援。

6.如权利要求5所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，采用扩展离散状态编码方法表示所述七元组：M∈(C×R×Z×Q×D×S×X)，样本所需提取的内容有七元组关键变量组成的表示：

其变量状态值由七元组计算得到：

s.t.

M_j∈[(C(t)，R(t)，Z(t)，Q(t)，D(t)，S(t)，X(t))|j＝1，2，...，7]

式中，w表示权重，M离散状态编码七元组，C表示报警语言，R表示报警内容，Z表示报警内容的质量，Q表示报警时间，D表示报警地点，S表示报警地点质量，X表示报警方式。

7.如权利要求6所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，修正距离熵方法计算如下：

先设计分项指标矩阵：

式中，t表示时间连续，

的表示离散状态编码七元组的分项矩阵；

令

则有信息决策矩阵A＝[a_j]₇，a_j为第j个指标的观测值，j＝1，2，3，4，5，6，7，包括以下步骤：

步骤1、将A＝[a_j]₇进行归一化处理，得到标准信息矩阵R＝[r_j]₇，其中归一化的处理方法为：

对于越大越优型分指标：

对于越小越优型分指标：

选择第j个指标所对应的最优单元值

选取规则为

步骤2、计算各指标r_j对应的最优单元值

的距离，计算式如下；

式中，D_J表示r_j对应的最优单元值

的距离；

步骤3、计算对应指标概率，计算式如下；

当d_j＞0时无需对指标概率β_j进行修正；此时u_j＝0；当d_j＝0时，该分指标对

不起作用，为了保证所有指标数据的可用性，需人为的对β_j进行平移修正，此时u_j为常数且u_j＞0；

步骤4、计算指标的距离熵，计算式如下：

步骤5、计算熵权

其中

步骤6、综合指标

8.如权利要求5所述的一种面向城市常发应急的协同一体化接处警综合实训系统，其特征在于，采用的半监督哈希算法如下：

构造哈希函数，假设场景集合中共有L，其中L＝14个场景，则对应整个场景集合中场景的特征集合表示为：B∈R^σ*L，B表示一个场景的特征，R表示场景特征集合，σ表示σ维的向量；构向量造哈希函数的关键是找到场景特征与汉明空间的映射关系；采用线性哈希函数形式：

式中，h_k表示线性哈希函数，

表示一个场景的特征，k表示第k位哈希码，l_k是训练场景集合中所有场景的特征的期望值，对场景的特征进行均值0化处理，从而简化公式，将该项去掉；

而其中的

为所要学习的向量，是哈希函数的关键；这是将一个场景作为整体进行哈希的函数，得到下式：

T表示w_k转置，并且上式根据函数sgn的结果为-1、0和1，需要对上式进行转化使得其值为二值化，即0和1：

y_k的线性哈希函数的二值化，令H＝[h₁，h₂，...，h_K]表示哈希函数族，W＝[w₁，w₂，...，w_K]为所需构造的K个向量的矩阵；构造的哈希函数需要将特征上相近的场景经过哈希转化出相同或相近的哈希码，而对于特征上不相似的场景则得到的哈希码的差异性最大；为此，定义如下目标函数：

定义带有标签的场景对(i，j)必属于两个集合之一；

表示场景i和场景j的标签一样或者说相似；

表示场景i和场景j的标签不同或者说不相似；

定义如下系数：

将J(H)转换为如下形式：

∧表示场景中带有标签的场景的特征矩阵，每个场景的特征为∧的一个列向量；假设训练场景集合中有

张带有标签的场景，每个所述场景的特征的维度为K，则∧的维度为

H(∧)的维度为

W的维度K*K；sgn(W^T∧)表示训练场景集合中带标签的场景的哈希码序列矩阵；P表示带标签的场景对的关系矩阵；

从上述目标函数看出，最大化目标函数的解是当任意两个场景的特征一样或相似时，其哈希码相同，即为1；当两个场景的特征不一样或不相似时，其哈希码也不同，即为0；因此要求解哈希函数，只需解决上述目标函数的最大化即可；为此，得到如下式：

由于上式本身不可微分，给出一个简单的松弛，即将上式符号操作放宽，以有效求解上式，得到以下变形的目标函数：

对其中的w_k进行归一化处理，令||w_k||＝1，这样并不会影响求解的结果；再将上式转换为矩阵形式：

式中，只描述了场景集合中有标签的成分，再加上无标签的部分后，得到完整的目标函数：

生成哈希码，在W取出任意一个列向量，带入哈希函数为一个场景生成一位哈希码；至此，合成得到了对一个场景进行哈希的哈希函数族Y＝[y₁，y₂，...，y_K]；考虑样本所需提取的内容有七元组关键变量决定，因此令K＝σ得到哈希编码的比特数；

采用上述方法合成的应急场景存储在数据库中供接处警综合实训模块调用；

其中，采用综合评价指标PI对训练效果进行综合评价：

PI＝w₁G₁+w₂G₂+w₃G₃+w₄G₄

式中，G₁：报警信息获取的准确性、G₂：接处警的时效性、G₃：各警种的组合和调度有效性、G₄：应急任务的达成度；W表示权重。

Images