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
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 Download PDFInfo
- Publication number
- CN113837585A CN113837585A CN202111094423.0A CN202111094423A CN113837585A CN 113837585 A CN113837585 A CN 113837585A CN 202111094423 A CN202111094423 A CN 202111094423A CN 113837585 A CN113837585 A CN 113837585A
- Authority
- CN
- China
- Prior art keywords
- alarm
- training
- emergency
- scene
- processing
- 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
- 238000012549 training Methods 0.000 title claims abstract description 145
- 238000012545 processing Methods 0.000 title claims abstract description 108
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 239000000463 material Substances 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 59
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 241001672694 Citrus reticulata Species 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000001308 synthesis method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000009740 moulding (composite fabrication) Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q10/0639—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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
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。
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:
步骤1、将A=[aj]7进行归一化处理,得到标准信息矩阵R=[rj]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:
步骤3、计算对应指标概率,计算式如下;
步骤4、计算指标的距离熵,计算式如下:
步骤5、计算熵权
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∈Rσ*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:
T表示wk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:
yk的线性哈希函数的二值化,令H=[h1,h2,...,hK]表示哈希函数族, W=[w1,w2,...,wK]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(WT∧)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wk进行归一化处理,令||wk||=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,...,yK];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。
s.t.
Mj∈[(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:
步骤1、将A=[aj]7进行归一化处理,得到标准信息矩阵R=[rj]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:
步骤3、计算对应指标概率,计算式如下;
步骤4、计算指标的距离熵,计算式如下:
步骤5、计算熵权
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∈Rσ*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:
T表示wk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:
yk的线性哈希函数的二值化,令H=[h1,h2,...,hK]表示哈希函数族, W=[w1,w2,...,wK]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(WT∧)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wk进行归一化处理,令||wk||=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,...,yK];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。
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:
步骤1、将A=[aj]7进行归一化处理,得到标准信息矩阵R=[rj]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:
步骤3、计算对应指标概率,计算式如下;
步骤4、计算指标的距离熵,计算式如下:
步骤5、计算熵权
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∈Rσ*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:
T表示wk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:
yk的线性哈希函数的二值化,令H=[h1,h2,...,hK]表示哈希函数族,W=[w1,w2,...,wK]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(WT∧)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wk进行归一化处理,令||wk||=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,...,yK];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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094423.0A CN113837585B (zh) | 2021-09-17 | 2021-09-17 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094423.0A CN113837585B (zh) | 2021-09-17 | 2021-09-17 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837585A true CN113837585A (zh) | 2021-12-24 |
CN113837585B CN113837585B (zh) | 2023-10-31 |
Family
ID=78959934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111094423.0A Active CN113837585B (zh) | 2021-09-17 | 2021-09-17 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837585B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393993A (zh) * | 2011-07-06 | 2012-03-28 | 江苏省莱科信息技术有限公司 | 紧急救助系统 |
CN103581688A (zh) * | 2012-08-02 | 2014-02-12 | 北京大学 | 一种视频图像的编码和解码方法及装置 |
US20170325056A1 (en) * | 2016-05-09 | 2017-11-09 | Rapidsos, Inc. | Systems and methods for emergency communications |
US10653368B1 (en) * | 2013-09-09 | 2020-05-19 | Cerner Innovation, Inc. | Determining when to emit an alarm |
CN111444353A (zh) * | 2020-04-03 | 2020-07-24 | 杭州叙简科技股份有限公司 | 一种警情知识图谱的构建及使用方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
-
2021
- 2021-09-17 CN CN202111094423.0A patent/CN113837585B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393993A (zh) * | 2011-07-06 | 2012-03-28 | 江苏省莱科信息技术有限公司 | 紧急救助系统 |
CN103581688A (zh) * | 2012-08-02 | 2014-02-12 | 北京大学 | 一种视频图像的编码和解码方法及装置 |
US10653368B1 (en) * | 2013-09-09 | 2020-05-19 | Cerner Innovation, Inc. | Determining when to emit an alarm |
US20170325056A1 (en) * | 2016-05-09 | 2017-11-09 | Rapidsos, Inc. | Systems and methods for emergency communications |
CN111444353A (zh) * | 2020-04-03 | 2020-07-24 | 杭州叙简科技股份有限公司 | 一种警情知识图谱的构建及使用方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
Non-Patent Citations (5)
Title |
---|
JUAN GONZALO CÁRCAMO ZULUAGA等: "Deep Reinforcement Learning for Autonomous Search and Rescue", 《NAECON 2018 - IEEE NATIONAL AEROSPACE AND ELECTRONICS CONFERENCE》 * |
ZHANG LILI等: "Spectral-spatial stacked autoencoders based on low-rank and sparse matrix decomposition for hyperspectral anomaly detection", 《INFRARED PHYSICS & TECHNOLOGY》 * |
庞沁: "应急演练虚拟场景的信息追踪技术研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
张立立等: "基于半监督哈希算法的交叉口交通状态识别", 《交通运输系统工程与信息》 * |
李三燕: "基于协作的拟人Agent的虚拟救援培训系统", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837585B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325323B (zh) | 一种融合全局信息和局部信息的输变电场景描述自动生成方法 | |
CN109670035A (zh) | 一种文本摘要生成方法 | |
CN110083702B (zh) | 一种基于多任务学习的方面级别文本情感转换方法 | |
CN111950302A (zh) | 基于知识蒸馏的机器翻译模型训练方法、装置、设备及介质 | |
CN111428848B (zh) | 基于自编码器和3阶图卷积的分子智能设计方法 | |
CN109271516B (zh) | 一种知识图谱中实体类型分类方法及系统 | |
CN113204674B (zh) | 基于局部-整体图推理网络的视频-段落检索方法及系统 | |
CN113934887A (zh) | 一种基于语义解耦的无提议时序语言定位方法 | |
CN115409018B (zh) | 基于大数据的公司舆情监测系统及其方法 | |
CN111541900A (zh) | 基于gan的安防视频压缩方法、装置、设备及存储介质 | |
CN112612871A (zh) | 一种基于序列生成模型的多事件检测方法 | |
CN114610901A (zh) | 一种电网运行数据融合方法、装置及存储介质 | |
CN113837585A (zh) | 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 | |
CN115795038B (zh) | 基于国产化深度学习框架的意图识别方法和装置 | |
CN116208772A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN112069777B (zh) | 一种基于骨架的二阶段数据到文本生成方法 | |
Zhang et al. | Dose My Opinion Count? A CNN-LSTM Approach for Sentiment Analysis of Indian General Elections | |
CN115496175A (zh) | 新建边缘节点接入评估方法、装置、终端设备及产品 | |
CN112016004A (zh) | 一种基于多粒度信息融合的职务犯罪筛查系统及方法 | |
Budiman et al. | Harvesting Natural Disaster Reports from Social Media with 1D Convolutional Neural Network and Long Short-Term Memory | |
CN113268962B (zh) | 面向建筑行业信息化服务问答系统的文本生成方法和装置 | |
CN113609244B (zh) | 一种基于可控生成的结构化记录抽取方法和装置 | |
Wu et al. | READ-CSRL: Relation Entities Augmented Datasets for Conversational Semantic Role Labeling | |
CN117313788A (zh) | 社交关系表示方法、信息传播预测方法、系统和存储介质 | |
CN117992607A (zh) | 一种电力用户画像构建方法、装置、设备及介质 |
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 |