CN114997754A - 基于云模型及熵权法的应急预案分析方法及装置 - Google Patents
基于云模型及熵权法的应急预案分析方法及装置 Download PDFInfo
- Publication number
- CN114997754A CN114997754A CN202210926238.1A CN202210926238A CN114997754A CN 114997754 A CN114997754 A CN 114997754A CN 202210926238 A CN202210926238 A CN 202210926238A CN 114997754 A CN114997754 A CN 114997754A
- Authority
- CN
- China
- Prior art keywords
- drilling
- target
- link
- score
- personnel
- 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 135
- 238000004458 analytical method Methods 0.000 title claims abstract description 132
- 238000005553 drilling Methods 0.000 claims abstract description 677
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 70
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 230000000694 effects Effects 0.000 claims description 100
- 239000006185 dispersion Substances 0.000 claims description 49
- 230000007613 environmental effect Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 230000036387 respiratory rate Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 29
- 238000004364 calculation method Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 230000000981 bystander Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云模型及熵权法的应急预案分析方法及装置,该方法包括:确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值,确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,根据评估分值确定应急预案的分析结果。可见,实施本发明能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。
Description
技术领域
本发明涉及智能分析技术领域,尤其涉及一种基于云模型及熵权法的应急预案分析方法及装置。
背景技术
近年来,各种突发事件的频繁发生给人们的生命财产和社会稳定带来了威胁,需要各级人员积极响应、积极应对,最大程度的减少灾害的损失,而应急预案是为了应对实际生活中的突发事件(例如:自然灾害、重大事故等)所提前制定的方案,其中,应急预案可以包括事前预防、事发响应、事中处理、事后复盘等的环节,涵盖了事前、事中以及事后的解决方案。当面对突发事件时,可以第一时间启动对应的应急预案,能够减少决策时间并根据应急预案合理调配应对突发事件所需的物资和人力资源。
为了更好的应对事故、控制事故并减轻事故带来的损伤,需要对应急预案进行评估。目前,对于应急预案的评估方法通常是根据特定领域的专家对该应急预案进行打分进而得到评估结果,或是根据应急预案在演练过程中的视频或照片得到评估结果,这样不仅存在个人评估主观性强的缺点,还不能对应急预案进行全方面的评估,从而导致所得到的评估结果的准确性低。可见,提供一种新的应急预案的评估方法以提高评估准确性显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种基于云模型及熵权法的应急预案分析方法及装置,能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。
为了解决上述技术问题,本发明第一方面公开了一种基于云模型及熵权法的应急预案分析方法,所述方法包括:
确定所有目标因素,针对每个所述目标因素,确定该目标因素的目标分值,其中,所有所述目标因素包括所述应急预案中的多个一级影响因素、每个所述一级影响因素下的多个二级影响因素以及所述应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,所述目标分值包括所述目标因素的每个权重分值以及影响分值;
根据所有所述目标因素的目标分值,生成目标云图,所述目标云图包括与所述权重分值相匹配的权重云图以及与所述影响分值相匹配的评估云图;
判断所述目标云图是否满足预先设定的云图条件;
当判断出所述目标云图满足预先设定的所述云图条件时,根据所有所述目标因素的目标分值,确定每个所述目标因素的权重;
根据所有所述目标因素的权重以及每个所述目标因素的影响分值,生成所述应急预案的评估分值,并根据所述评估分值确定所述应急预案的分析结果。
本发明第二方面公开了一种基于云模型及熵权法的应急预案分析装置,所述装置包括:
第一确定模块,用于确定所有目标因素,针对每个所述目标因素,确定该目标因素的目标分值,其中,所有所述目标因素包括所述应急预案中的多个一级影响因素、每个所述一级影响因素下的多个二级影响因素以及所述应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,所述目标分值包括所述目标因素的每个权重分值以及影响分值;
生成模块,用于根据所有所述目标因素的目标分值,生成目标云图,所述目标云图包括与所述权重分值相匹配的权重云图以及与所述影响分值相匹配的评估云图;
判断模块,用于判断所述目标云图是否满足预先设定的云图条件;
所述第一确定模块,还用于当所述判断模块判断出所述目标云图满足预先设定的所述云图条件时,根据所有所述目标因素的目标分值,确定每个所述目标因素的权重;
所述生成模块,还用于根据所有所述目标因素的权重以及每个所述目标因素的影响分值,生成所述应急预案的评估分值;
所述第一确定模块,还用于根据所述评估分值确定所述应急预案的分析结果。
作为一种可选的实施方式,在本发明第二方面中,所述判断模块,还用于当判断出所述目标云图不满足预先设定的所述云图条件时,重新触发所述第一确定模块执行所述的针对每个所述目标因素,确定该目标因素的目标分值的操作,以及触发所述生成模块执行根据所有所述目标因素的目标分值,生成目标云图的操作,以及触发所述判断模块执行所述的判断所述目标云图是否满足预先设定的云图条件的操作;
其中,所述判断模块判断所述目标云图是否满足预先设定的云图条件的方式具体为:
分析所述目标云图的第一分散度以及预先设定的云图条件对应的第二分散度,计算所述第一分散度与第二分散度之间的分散度差值,判断所述分散度差值是否在预先设定的差值范围内,当判断出所述分散度差值在预先设定的所述差值范围内时,确定所述目标云图满足预先设定的所述云图条件,当判断出所述分散度差值不在预先设定的所述差值范围内时,确定所述目标云图不满足预先设定的所述云图条件;
其中,所述目标云图的第一分散度用于表示所有评分人员对所有所述目标因素的所述目标分值的意见统一度,所述第一分散度越大,所有所述评分人员对所有所述目标因素的所述目标分值的意见统一度就越低。
作为一种可选的实施方式,在本发明第二方面中,所述生成模块根据所有所述目标因素的目标分值,生成目标云图的方式具体为:
根据所有所述目标因素的权重分值,计算所有所述目标因素的权重云数字特征,其中,所述权重云数字特征包括第一期望值、第一熵值以及第一超熵值;
将所述权重云数字特征输入至预先设定的正向云发生器中,以生成权重云图;
从所有所述目标因素中确定出多个目标关键因素,根据所有所述目标关键因素的权重分值,计算所有目标关键因素的评估云数字特征,其中,所述评估云数字特征包括第二期望值、第二熵值以及第二超熵值;
将所述评估云数字特征输入至预先设定的所述正向云发生器中,以生成评估云图;
根据所述权重云图以及所述评估云图,确定目标云图;
其中,期望值包括所述第一期望值以及所述第二期望值,所述期望值是通过以下公式计算得到的:
其中,Ex为期望值,a为所有所述评分人员的数量,Xi为所有所述评分人员对每个所述目标因素确定出的目标分值,E为所有所述目标因素的数量;
熵值包括所述第一熵值以及所述第二熵值,所述熵值是通过以下公式计算得到的:
其中,En为熵值;
超熵值包括所述第一超熵值以及所述第二超熵值,所述超熵值是通过以下公式计算得到的:
其中,He为超熵值,S为所有所述目标因素的样本方差。
作为一种可选的实施方式,在本发明第二方面中,当所述目标因素包括所述环节影响因素时,所述应急预案的分析结果包括演练效果分析结果;
所述装置还包括:
第二确定模块,用于根据所述演练效果分析结果,确定所述应急预案在不同演练场景的演练过程中待优化的目标环节;
所述第二确定模块,还用于确定在不同演练场景下与所述目标环节相匹配的优化方案;
更新模块,用于根据所述优化方案更新所述应急预案;
以及,所述第一确定模块根据所有所述目标因素的目标分值,确定每个所述目标因素的权重的方式具体为:
根据所有所述目标因素的目标分值以及预先设定的目标算法,确定每个所述目标因素的权重;
其中,所述目标算法包括:
其中,Xij为第i个评分人员对第j个目标因素的目标分值,Xij*为归一化后第i个评分人员对第j个目标因素的目标分值;
其中,yij为第i个评分人员的第j个目标因素的比重,a为所有所述评分人员的数量;
其中,ej为第j个目标因素的信息熵;
其中,wj为第j个目标因素的权重。
作为一种可选的实施方式,在本发明第二方面中,所述第二确定模块根据所述演练效果分析结果,确定所述应急预案在不同演练场景的演练过程中待优化的目标环节的方式具体为:
分析所述演练效果分析结果,得到所述应急预案在不同演练场景下的演练过程中每个演练环节对应的子分析结果,其中,每个演练环节对应的子分析结果包括该演练环节对应的演练得分值;
判断所有所述子分析结果中是否存在所述演练得分值低于预先设定的分数阈值的目标子分析结果;
当判断出所有所述子分析结果中存在所述目标子分析结果时,将所有所述目标子分析结果对应的演练环节确定为目标环节;和/或,确定演练效果目标分值,并根据所述应急预案在不同演练场景下的演练过程中每个演练环节的权重以及每个所述演练环节的影响分值,计算每个所述演练环节的效果分值,所述演练效果目标分值为应急预案演练效果所需达到的分值;
计算每个所述演练环节的效果分值与所述演练效果目标分值之间的差值,得到每个所述演练环节对应的演练效果差值;
根据所有所述演练环节对应的演练效果差值,从所有所述演练效果差值中筛选出最大演练效果差值,将所述最大演练效果差值对应的演练环节确定为目标环节。
作为一种可选的实施方式,在本发明第二方面中,当所述目标因素中包括所述环节影响因素时,所述第一确定模块针对所述应急预案中的每个所述目标因素,确定该目标因素的目标分值的方式具体为:
针对所述应急预案演练过程中的每个演练环节,确定该演练环节的演练影响分值;
其中,每个所述演练环节包括至少一个演练人员以及至少一个演练区域,针对所述应急预案中的每个所述演练环节,所述第一确定模块确定该演练环节的演练影响分值的方式具体为:
采集该演练环节中每个所述演练人员的演练人员信息以及每个所述演练区域的演练区域信息,其中,每个所述演练人员的演练人员信息包括该演练人员的演练位置信息、该演练人员的演练操作信息、该演练人员的演练状态信息、该演练人员的演练移动轨迹信息、该演练人员的演练移动速度中的一种或多种,每个所述演练区域的演练区域信息包括该演练区域所包括的演练区域人员信息、该演练区域所包括的演练器具使用信息中的一种或多种;
确定所述应急预案中与该演练环节相匹配的目标预案环节,所述目标预案环节包括所述应急预案中的每个所述演练人员的预案人员信息以及每个所述演练区域的预案区域信息;
根据该演练环节中每个所述演练人员的演练人员信息以及每个所述演练区域的演练区域信息,计算该演练环节与所述目标预案环节之间的差异参数以及计算该演练环节中的影响参数;
根据所述差异参数以及所述影响参数,确定该演练环节的演练影响分值;其中,针对任一所述演练人员,该演练人员的演练人员信息是基于该演练人员佩戴的可穿戴设备采集到的第一信息、该演练人员所在演练区域的影像采集装置采集到的第二信息、距离该演练人员的距离值小于等于预设距离阈值的其它演练人员佩戴的影像数据采集设备朝向该演练人员时采集到的第三信息综合生成的。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据该演练环节中每个所述演练人员的人员信息以及每个所述演练区域的区域信息,计算该演练环节与所述目标预案环节之间的差异参数以及计算该演练环节中的影响参数的方式具体为:
针对该演练环节中的每个所述演练人员,根据该演练人员的演练人员信息以及该演练人员的预案人员信息,计算该演练人员的人员差异参数;
针对该演练环节中的每个所述演练区域,根据该演练区域的演练区域信息以及该演练区域的预案区域信息,计算该演练区域的区域差异参数;
根据所有所述演练人员的人员差异参数以及所有所述演练区域的区域差异参数,确定该演练环节与所述目标预案环节之间的差异参数;
根据该演练环节中的所有所述演练人员的演练人员信息,判断所有所述演练人员中是否存在不满足预先设定的人员舒适条件的目标人员,当判断结果为是时,分析所述目标人员不满足所述人员舒适条件的第一原因,根据所述第一原因确定人员影响参数;
根据该演练环节中的所有所述演练区域信息,判断所有所述演练区域中是否存在不满足预先设定的环境舒适条件的目标区域,当判断结果为是时,分析所述目标区域不满足所述环境舒适条件的第二原因,根据所述第二原因确定环境影响参数;
根据所述人员影响参数以及所述环境影响参数,确定该演练环节中的影响参数;其中,所述人员舒适条件包括呼吸频率条件、心率条件中的一种或多种,所述环境舒适条件包括区域承载人数条件、区域氧气浓度条件、区域湿度条件、区域烟雾浓度条件中的一种或多种。
本发明第三方面公开了另一种基于云模型及熵权法的应急预案分析装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于云模型及熵权法的应急预案分析方法。
本发明第四方面公开了一种计算机可存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于云模型及熵权法的应急预案分析方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值,确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,根据评估分值确定应急预案的分析结果。可见,实施本发明能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于云模型及熵权法的应急预案分析方法的流程示意图;
图2是本发明实施例公开的另一种基于云模型及熵权法的应急预案分析方法的流程示意图;
图3是本发明实施例公开的一种基于云模型及熵权法的应急预案分析装置的结构示意图;
图4是本发明实施例公开的另一种基于云模型及熵权法的应急预案分析装置的结构示意图;
图5是本发明实施例公开的又一种基于云模型及熵权法的应急预案分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于云模型及熵权法的应急预案分析方法及装置,能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于云模型及熵权法的应急预案分析方法的流程示意图。其中,图1所描述的基于云模型及熵权法的应急预案分析方法可以应用于基于云模型及熵权法的应急预案分析装置中,也可以应用于基于云模型及熵权法的应急预案分析的云端服务器或本地服务器,本发明实施例不做限定。如图1所示,该基于云模型及熵权法的应急预案分析方法可以包括以下操作:
101、确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值。
本发明实施例中,所有目标因素包括应急预案中的多个一级影响因素、每个一级影响因素下的多个二级影响因素以及应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,目标分值包括目标因素的每个权重分值以及影响分值。
本发明实施例中,一级影响因素包括组织体系因素、监测预警因素、应急响应因素、善后恢复因素中的一种或多种;其中,组织体系因素下的二级影响因素包括组织机构完整性因素、职责分工明确性因素、协调机制有效性因素中的一种或多种;监测预警因素下的二级影响因素包括事件等级明确性因素、信息报告机制明确性因素、预警机制的明确性因素中的一种或多种;应急响应因素下的二级影响因素包括分级响应程序合理性因素、应急队伍设置合理性因素、应急装备物资完备性因素、现场处置措施有效性因素中的一种或多种;善后恢复因素下的二级影响因素包括现场清理措施合理性因素、灾后评估机制明确性因素、灾区恢复机制明确性因素、事后分析机制明确性因素中的一种或多种。
本发明实施例中,进一步可选的,在确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值之前,该方法还包括:判断紧急预案中所包括的流程是否满足合规性条件且紧急预案中所包括的内容是否满足完整性条件,若满足,则触发执行针对每个目标因素,确定该目标因素的目标分值的操作,若不满足,则分析紧急预案不满足合规性条件和/或不满足完整性条件的原因,并根据该原因对紧急预案进行更新处理。其中,判断紧急预案中所包括的流程是否满足合规性条件且紧急预案中所包括的内容是否满足完整性条件可以是根据相关法律法规为依据进行判断的。
102、根据所有目标因素的目标分值,生成目标云图。
本发明实施例中,目标云图包括与权重分值相匹配的权重云图以及与影响分值相匹配的评估云图。
本发明实施例中,可选的,目标因素的目标分值是通过预先设定的评分人员进行打分得到的。其中,目标分值的打分区间可以是1-10分,分数越高则该目标因素的权重或影响程度越高,分数越低则该目标因素的权重或影响程度越低。
103、判断目标云图是否满足预先设定的云图条件。
本发明实施例中,可选的,判断目标云图是否满足预先设定的云图条件,可以包括:判断权重云图是否满足预先设定的权重云图条件且判断评估云图是否满足预先设定的评估云图条件,当判断结果为是时,确定目标云图满足预先设定的云图条件,当判断结果为否时,确定目标云图不满足预先设定的云图条件。
104、当判断出目标云图满足预先设定的云图条件时,根据所有目标因素的目标分值,确定每个目标因素的权重。
105、根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,并根据评估分值确定应急预案的分析结果。
本发明实施例中,可选的,根据评估分值确定应急预案的分析结果可以包括:将评估分值确定为应急预案的分析结果。可选的,应急预案的分析结果可以包括应急预案的预案分析结果、应急预案在不同演练场景的演练过程中的演练效果分析结果中的一种或多种。
本发明实施例中,进一步可选的,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,可以包括:针对每个目标因素,根据该目标因素的权重以及该目标因素的影响分值,计算得到该目标因素的效果分值,计算所有目标因素的效果分值的总和值,将所有目标因素的效果分值的总和值确定为应急预案的评估分值。
可见,实施图1所描述的基于云模型及熵权法的应急预案分析方法能够确定目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,并根据评估分值确定应急预案的分析结果,能够根据云模型以及熵权法确定每个目标因素的权重,能够有利于提高确定每个目标因素的权重以及影响分值的准确性、客观性以及可靠性,并且能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。
在一个可选的实施例中,该方法还包括:
当判断出目标云图不满足预先设定的云图条件时,重新执行针对每个目标因素,确定该目标因素的目标分值;根据所有目标因素的目标分值,生成目标云图;判断目标云图是否满足预先设定的云图条件的操作;
其中,判断目标云图是否满足预先设定的云图条件,包括:
分析目标云图的第一分散度以及预先设定的云图条件对应的第二分散度,计算第一分散度与第二分散度之间的分散度差值,判断分散度差值是否在预先设定的差值范围内,当判断出分散度差值在预先设定的差值范围内时,确定目标云图满足预先设定的云图条件,当判断出分散度差值不在预先设定的差值范围内时,确定目标云图不满足预先设定的云图条件;
其中,目标云图的第一分散度用于表示所有评分人员对所有目标因素的目标分值的意见统一度,第一分散度越大,所有评分人员对所有目标因素的目标分值的意见统一度就越低。
在该可选的实施例中,可选的,预先设定的云图条件是通过以下方式确定出的:确定目标意见统一度,根据目标意见统一度,确定与目标意见统一度相匹配的第二分散度,并根据第二分散度确定云图条件;其中,不同的目标意见统一度对应不同的第二分散度,目标意见统一度为所需要达到的意见统一度。这样能够根据应急预案的需求确定不同的第二分散度进而确定不同的云图条件,能够有利于提高确定云图条件的智能性和准确性,从而能够有利于提高判断目标云图是否满足预先设定的云图条件的准确性和可靠性,以及能够有利于提高后续生成应急预案的评估分值以及根据评估分值确定应急预案的分析结果的准确性、可靠性以及客观性。
在该可选的实施例中,可选的,在计算第一分散度与第二分散度之间的分散度差值之前,该方法还可以包括:判断目标云图的第一分散度是否小于第二分散度,当判断出目标云图的第一分散度小于第二分散度时,确定目标云图满足预先设定的云图条件,当判断出目标云图的第一分散度大于第二分散度时,执行计算第一分散度与第二分散度之间的分散度差值的操作。这样能够在第一分散度小于第二分散度时确定目标云图满足预先设定的云图条件,能够有利于提高判断目标云图是否满足预先设定的云图条件的效率,从而能够有利于提高确定每个目标因素的权重的效率,进而能够有利于提高生成应急预案的目标分值以及确定应急预案的分析结果的效率。
可见,实施该可选的实施例能够在判断出目标云图不满足预先设定的云图条件时,重新确定每个目标因素的目标分值并生成目标云图,并重新判断目标云图是否满足预先设定的云图条件,并且根据目标云图的第一分散度以及预先设定的云图条件的第二分散度,判断第一分散度与第二分散度之间的分散度差值是否在预先设定的差值范围内,若在,则目标云图满足云图条件,若不在,则目标云图不满足云图条件,能够有利于提高判断目标云图是否满足预先设定的云图条件的准确性和可靠性,从而能够有利于提高确定每个目标因素的权重的准确性和可靠性,进而能够有利于提高生成应急预案的目标分值以及确定应急预案的分析结果的准确性、可靠性以及客观性。
在另一个可选的实施例中,根据所有目标因素的目标分值,生成目标云图,包括:
根据所有目标因素的权重分值,计算所有目标因素的权重云数字特征,其中,权重云数字特征包括第一期望值、第一熵值以及第一超熵值;
将权重云数字特征输入至预先设定的正向云发生器中,以生成权重云图;
从所有目标因素中确定出多个目标关键因素,根据所有目标关键因素的权重分值,计算所有目标关键因素的评估云数字特征,其中,评估云数字特征包括第二期望值、第二熵值以及第二超熵值;
将评估云数字特征输入至预先设定的正向云发生器中,以生成评估云图;
根据权重云图以及评估云图,确定目标云图;
其中,期望值包括第一期望值以及第二期望值,期望值是通过以下公式计算得到的:
其中,Ex为期望值,a为所有所述评分人员的数量,Xi为所有所述评分人员对每个所述目标因素确定出的目标分值,E为所有所述目标因素的数量;
熵值包括第一熵值以及第二熵值,熵值是通过以下公式计算得到的:
其中,En为熵值;
超熵值包括第一超熵值以及第二超熵值,超熵值是通过以下公式计算得到的:
其中,He为超熵值,S为所有所述目标因素的样本方差。
在该可选的实施例中,可选的,目标关键因素可以为多个一级影响因素下的多个二级影响因素和/或应急预案在不同演练场景下的演练过程中的环节影响因素。进一步可选的,当目标关键因素包括二级影响因素时,评估云图包括影响因素评估云;当目标关键因素包括环节影响因素时,评估云图包括演练效果评估云。
在该可选的实施例中,可选的,正向云发生器(Forward Cloud Generator)是从定性概念到其定量表示的映射,其根据云图的期望值Ex、熵值En以及超熵值He产生。其中,正向云发生器可以应用于matlab中,将期望值Ex、熵值En以及超熵值He输入至正向云发生器中,以生成对应的云图。这样通过正向云发生器以及期望值Ex、熵值En以及超熵值He能够有利于提高生成权重云图以及评估云图的准确性和效率。
可见,实施该可选的实施例能够根据所有目标因素的权重分值以及期望值计算公式、熵值计算公式、超熵值计算公式计算所有目标因素的权重云数字特征以及评估云数字特征,能够有利于提高计算得到期望值、熵值以及超熵值的准确性和效率,并且通过正向云发生器生成权重云图和评估云图,能够有利于提高生成权重云图以及评估云图的准确性和效率,从而能够有利于提高判断目标云图是否满足预先设定的云图条件的准确性,进而能够有利于提高确定每个目标因素的权重的准确性及可靠性,以及能够有利于提高生成应急预案的评估分值以及确定应急预案的分析结果的准确性及可靠性。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于云模型及熵权法的应急预案分析方法的流程示意图。其中,图2所描述的基于云模型及熵权法的应急预案分析方法可以应用于基于云模型及熵权法的应急预案分析装置中,也可以应用于基于云模型及熵权法的应急预案分析的云端服务器或本地服务器,本发明实施例不做限定。如图2所示,该基于云模型及熵权法的应急预案分析方法可以包括以下操作:
201、确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值。
202、根据所有目标因素的目标分值,生成目标云图。
203、判断目标云图是否满足预先设定的云图条件。
204、当判断出目标云图满足预先设定的云图条件时,根据所有目标因素的目标分值,确定每个目标因素的权重。
205、根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,并根据评估分值确定应急预案的分析结果。
本发明实施例中,针对步骤201-步骤205的其它描述,请参照实施例一中针对步骤101-步骤105的详细描述,本发明实施例不再赘述。
206、当目标因素包括环节影响因素时,应急预案的分析结果包括演练效果分析结果,根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节。
本发明实施例中,可选的,目标环节的数量可以为一个,也可以为多个,本发明实施例不做限定。可选的,演练效果分析结果可以包括应急预案在不同演练场景的演练过程中每个环节的子分析结果。
207、确定在不同演练场景下与目标环节相匹配的优化方案,并根据优化方案更新应急预案。
本发明实施例中,可选的,确定在不同演练场景下与目标环节相匹配的优化方案,包括:根据目标环节的子分析结果,生成与目标环节相匹配的优化方案;或者,提取目标环节的子分析结果中的结果关键字,将结果关键字在预先设定的优化方案库中匹配,得到匹配结果,当匹配结果用于表示优化方案库中存在与结果关键字相匹配的方案关键字时,将方案关键字对应的优化方案确定为与目标环节相匹配的优化方案。这样能够有利于提高生成与目标环节相匹配的优化方案的准确性以及智能性,进而能够有利于提高根据优化方案更新应急预案的准确性及智能性。
本发明实施例中,可选的,优化方案可以包括目标环节中每个演练区域中演练人员的数量、目标环节中每个演练区域中的每个演练人员的操作内容、目标环节中每个演练区域中的每个演练人员的移动路线中的一种或多种。
可见,实施图2所描述的基于云模型及熵权法的应急预案分析方法能够确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值,确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值并确定应急预案的分析结果,当目标因素包括环节影响因素时,应急预案的分析结果包括演练效果分析结果,根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节,并确定在不同演练场景下与目标环节相匹配的优化方案,根据优化方案更新应急预案,能够确定出应急预案在不同演练场景的演练过程中的薄弱环节,并对薄弱环节进行分析并确定出薄弱环节相匹配的优化方案,能够有利于提高确定薄弱环节的准确性和可靠性,以及确定与薄弱环节相匹配的优化方案,能够有利于提高确定优化方案的准确性和可靠性,进而能够有利于提高更新应急预案的准确性、可靠性以及智能性。
本发明实施例中,根据所有目标因素的目标分值,确定每个目标因素的权重,包括:
根据所有目标因素的目标分值以及预先设定的目标算法,确定每个目标因素的权重;
其中,目标算法包括:
其中,Xij为第i个评分人员对第j个目标因素的目标分值,Xij*为归一化后第i个评分人员对第j个目标因素的目标分值;
其中,yij为第i个评分人员的第j个目标因素的比重,a为所有所述评分人员的数量;
其中,ej为第j个目标因素的信息熵;
其中,wj为第j个目标因素的权重。
本发明实施例中,max(xj)为第j个目标因素的最高目标分值,min(xj)为第j个目标因素的最低目标分值。
本发明实施例中,需要说明的是,信息熵(information entropy)是信息论的基本概念,用于描述信息源各可能事件发生的不确定性。
可见,实施该实施例能够通过多个目标算法计算得到归一化后各个评分人员对每个目标因素的目标分值、每个目标因素的信息熵进而得到每个目标因素的权重,能够有利于提高得到每个目标因素的权重的准确性及可靠性,从而能够有利于提高生成应急预案的评估分值的准确性及可靠性,进而能够有利于提高根据评估分值确定应急预案的分析结果的准确性及可靠性。
在一个可选的实施例中,根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节,包括:
分析演练效果分析结果,得到应急预案在不同演练场景下的演练过程中每个演练环节对应的子分析结果,其中,每个演练环节对应的子分析结果包括该演练环节对应的演练得分值;
判断所有子分析结果中是否存在演练得分值低于预先设定的分数阈值的目标子分析结果;
当判断出所有子分析结果中存在目标子分析结果时,将所有目标子分析结果对应的演练环节确定为目标环节;和/或
确定演练效果目标分值,并根据应急预案在不同演练场景下的演练过程中每个演练环节的权重以及每个演练环节的影响分值,计算每个演练环节的效果分值,演练效果目标分值为应急预案演练效果所需达到的分值;
计算每个演练环节的效果分值与演练效果目标分值之间的差值,得到每个演练环节对应的演练效果差值;
根据所有演练环节对应的演练效果差值,从所有演练效果差值中筛选出最大演练效果差值,将最大演练效果差值对应的演练环节确定为目标环节。
在该可选的实施例中,可选的,每个演练环节对应的演练得分值可以为所有评分人员对该演练环节的所有目标分值的平均值。
在该可选的实施例中,可选的,根据应急预案在不同演练场景下的演练过程中每个演练环节的权重以及每个演练环节的影响分值,计算每个演练环节的效果分值,可以包括:计算每个演练环节的权重与该演练环节的影响分值之间的乘积,并将该乘积确定为该演练环节的效果分值。
在该可选的实施例中,进一步可选的,该方法还可以包括:根据每个演练环节对应的演练得分值,确定每个演练环节对应的演练效果级别,判断所有演练效果级别中是否存在低于预先设定的级别阈值的目标演练效果级别,当判断出存在目标演练效果级别时,将所有目标演练效果级别对应的演练环节确定为目标环节。
在该可选的实施例中,可选的,针对每个演练环节,该演练环节对应的演练效果差值用于表示该演练环节的演练效果与目标演练效果之间的差异,目标演练效果为该演练环节所需达到的演练效果。其中,演练效果差值越大,该演练环节所需优化的空间越多,演练效果差值越小,该演练环节所需优化的空间越少。
可见,实施该可选的实施例能够将演练环节对应的演练得分值低于预先设定的分数阈值的演练环节确定为目标环节,和/或,确定演练效果目标分值,根据每个演练环节的权重以及每个演练环节的影响分值计算每个演练环节的效果分值,计算每个演练环节的效果分值与演练效果目标分值之间的差值得到每个演练环节对应的演练效果差值,从所有演练效果差值中筛选出最大演练效果差值,并将最大演练效果差值对应的演练环节确定为目标环节,能够有利于提高确定目标环节的智能性,以及能够有利于提高确定目标环节的准确性及可靠性,从而能够有利于提高后续确定不同演练场景下与目标环节相匹配的优化方案的准确性及可靠性,以及根据优化方案更新应急预案的准确性及可靠性。
在另一个可选的实施例中,当目标因素中包括环节影响因素时,针对应急预案中的每个目标因素,确定该目标因素的目标分值,包括:
针对应急预案演练过程中的每个演练环节,确定该演练环节的演练影响分值;
其中,每个演练环节包括至少一个演练人员以及至少一个演练区域,针对应急预案中的每个演练环节,确定该演练环节的演练影响分值,包括:
采集该演练环节中每个演练人员的演练人员信息以及每个演练区域的演练区域信息,其中,每个演练人员的演练人员信息包括该演练人员的演练位置信息、该演练人员的演练操作信息、该演练人员的演练状态信息、该演练人员的演练移动轨迹信息、该演练人员的演练移动速度中的一种或多种,每个演练区域的演练区域信息包括该演练区域所包括的演练区域人员信息、该演练区域所包括的演练器具使用信息中的一种或多种;
确定应急预案中与该演练环节相匹配的目标预案环节,目标预案环节包括应急预案中的每个演练人员的预案人员信息以及每个演练区域的预案区域信息;
根据该演练环节中每个演练人员的演练人员信息以及每个演练区域的演练区域信息,计算该演练环节与目标预案环节之间的差异参数以及计算该演练环节中的影响参数;
根据差异参数以及影响参数,确定该演练环节的演练影响分值;其中,针对任一演练人员,该演练人员的演练人员信息是基于该演练人员佩戴的可穿戴设备采集到的第一信息、该演练人员所在演练区域的影像采集装置采集到的第二信息、距离该演练人员的距离值小于等于预设距离阈值的其它演练人员佩戴的影像数据采集设备朝向该演练人员时采集到的第三信息综合生成的。
在该可选的实施例中,每个演练区域的演练区域信息是通过预先设置在每个演练区域的影相采集装置、红外感应装置中的一种或多种进行采集的。
在该可选的实施例中,可选的,每个演练人员的演练操作信息可以包括该演练人员的操作设备、该演练人员的操作时刻、该演练人员的操作时长中的一种或多种;每个演练人员的演练状态信息可以包括该演练人员的心率、该演练人员的呼吸频率、该演练人员的实时健康状态中的一种或多种;每个演练区域的演练区域人员信息可以包括该演练区域所包括的人员数量、该演练区域中的人员分布情况、该演练区域的人员属性信息中的一种或多种,其中,该演练区域的人员属性信息可以包括该演练区域中每个演练人员的在应急预案中对应的预案演练区域;每个演练区域所包括的演练器具使用信息可以包括该演练区域中所包括的演练器具数量、该演练区域中所包括的演练器具类型、该演练区域中所包括的演练器具的使用时刻、该演练区域中所包括的演练器具的使用时长、该演练区域中所包括的演练器具的使用者中的一种或多种。
在该可选的实施例中,可选的,预案人员信息为在应急预案中每个演练人员对应的人员信息,预案区域信息为在应急预案中每个演练区域对应的区域信息。可选的,每个演练环节中的影响参数可以包括人员影响参数以及环境影响参数。其中,人员影响参数用于表示该演练环节对旁观者的影响、该演练环节对演练人员的影响中的一种或多种;环境影响参数用于表示该演练环节对演练区域环境的影响、对演练区域环境之外的环境的影响中的一种或多种。可选的,每个演练人员均佩戴可穿戴设备。进一步可选的,可穿戴设备可以为智能手表、智能移动设备、智能眼镜、智能耳机中的一种或多种。可选的,影像采集装置可以为摄像头。可选的,影像数据采集设备可以为智能手表、智能手机、智能眼镜中的一种或多种。
可见,实施该可选的实施例能够在目标因素包括环节影响因素时,针对应急预案演练过程中的每个演练环节,采集该演练环节中的演练人员信息以及每个演练区域的演练区域信息,确定应急预案中与该演练环节相匹配的目标预案环节,计算该演练环节与目标预案环节之间的差异参数以及该演练环节的影响参数,根据差异参数以及影响参数确定该演练环节的影响分值,能够有利于提高确定该演练环节的演练影响分值的准确性和可靠性,从而能够有利于提高确定目标因素的目标分值的准确性和可靠性,进而能够有利于提高确定每个目标因素的权重的准确性和可靠性,以及有利于提高生成应急预案演练过程的评估分值以及确定应急预案演练过程分析结果的准确性和可靠性。
在又一个可选的实施例中,根据该演练环节中每个演练人员的人员信息以及每个演练区域的区域信息,计算该演练环节与目标预案环节之间的差异参数以及计算该演练环节中的影响参数,包括:
针对该演练环节中的每个演练人员,根据该演练人员的演练人员信息以及该演练人员的预案人员信息,计算该演练人员的人员差异参数;
针对该演练环节中的每个演练区域,根据该演练区域的演练区域信息以及该演练区域的预案区域信息,计算该演练区域的区域差异参数;
根据所有演练人员的人员差异参数以及所有演练区域的区域差异参数,确定该演练环节与目标预案环节之间的差异参数;
根据该演练环节中的所有演练人员的演练人员信息,判断所有演练人员中是否存在不满足预先设定的人员舒适条件的目标人员,当判断结果为是时,分析目标人员不满足人员舒适条件的第一原因,根据第一原因确定人员影响参数;
根据该演练环节中的所有演练区域信息,判断所有演练区域中是否存在不满足预先设定的环境舒适条件的目标区域,当判断结果为是时,分析目标区域不满足环境舒适条件的第二原因,根据第二原因确定环境影响参数;
根据人员影响参数以及环境影响参数,确定该演练环节中的影响参数;其中,人员舒适条件包括呼吸频率条件、心率条件中的一种或多种,环境舒适条件包括区域承载人数条件、区域氧气浓度条件、区域湿度条件、区域烟雾浓度条件中的一种或多种。
在该可选的实施例中,可选的,人员差异参数用于表示演练过程中该演练人员实际的演练信息与应急预案中该演练人员的演练预案信息之间的差异。举例来说,当演练人员A实际操作内容为控制电梯关闭运行,但在应急预案中该演练人员A预案操作内容为打开灭火器时,则实际操作内容与预案操作内容之间的差异为该演练人员的人员差异参数。可选的,区域差异参数用于表示演练过程中该演练区域的实际区域信息与应急预案中该演练区域的预案区域信息之间的差异。举例来说,演练区域B实际存在的人数为60人,但在应急预案中该演练区域B预案存在的人数为50人,则实际存在的人数与预案存在的人数之间的差异为该演练区域的区域差异参数。
在该可选的实施例中,可选的,人员舒适条件还可以包括演练人员移动速度条件、演练人员移动路程中的一种或多种。进一步可选的,分析目标人员不满足人员舒适条件的第一原因,可以包括:分析该目标人员是否由于移动路程过远导致心率及呼吸频率过快,若是,则确定第一原因为移动路程过远及移动速度过快。进一步可选的,根据第一原因确定人员影响参数,可以包括:将第一原因确定为人员影响参数。可选的,分析目标区域不满足环境舒适条件的第二原因,可以包括:分析该目标区域是否由于该目标区域承载的演练人员的数量过多导致区域氧气浓度过低,若是,则确定第二原因为该目标区域承载的人数过多。进一步可选的,根据第二原因确定环境影响参数,可以包括:将第二原因确定为环境影响参数。
在该可选的实施例中,可选的,根据人员影响参数以及环境影响参数,确定该演练环节中的影响参数,可以包括:将人员影响参数以及环境影响参数确定为该演练环节中的影响参数。
可见,实施该可选的实施例能够计算该演练环节中每个演练人员的人员差异参数以及计算每个演练区域的区域差异参数,根据人员差异参数以及区域差异参数确定该演练环节与目标预案环节之间的差异参数,并判断所有演练人员中是否存在不满足人员舒适条件的目标人员,若存在,则根据该目标人员不满足人员舒适条件的第一原因确定人员影响参数,判断所有演练区域中是否存在不满足环境舒适条件的目标区域,若存在,则根据该目标区域不满足环境舒适条件的第二原因确定环境影响参数,根据人员影响参数以及环境影响参数确定该演练环节中的影响参数,能够提高确定演练环节与目标预案环节之间的差异参数的准确性和可靠性,还能够根据判断是否存在目标人员以及是否存在目标区域的判断结果综合性确定该演练环节中的影响参数,有利于提高确定影响参数的准确性和可靠性,以及提高确定差异参数以及影响参数的智能性,从而能够有利于提高确定目标因素的目标分值的准确性和可靠性,进而能够有利于提高确定每个目标因素的权重的准确性和可靠性,以及有利于提高生成应急预案演练过程的评估分值以及确定应急预案演练过程分析结果的准确性和可靠性。
实施例三
请参阅图3,图3是本发明实施例公开的又一种基于云模型及熵权法的应急预案分析装置的结构示意图。如图3所示,该基于云模型及熵权法的应急预案分析装置可以包括:
第一确定模块301,用于确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值,其中,所有目标因素包括应急预案中的多个一级影响因素、每个一级影响因素下的多个二级影响因素以及应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,目标分值包括目标因素的每个权重分值以及影响分值。
生成模块302,用于根据所有目标因素的目标分值,生成目标云图,目标云图包括与权重分值相匹配的权重云图以及与影响分值相匹配的评估云图。
判断模块303,用于判断目标云图是否满足预先设定的云图条件。
第一确定模块301,还用于当判断模块303判断出目标云图满足预先设定的云图条件时,根据所有目标因素的目标分值,确定每个目标因素的权重。
生成模块302,还用于根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值。
第一确定模块301,还用于根据评估分值确定应急预案的分析结果。
可见,实施图3所描述的装置能够确定目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值,并根据评估分值确定应急预案的分析结果,能够根据云模型以及熵权法确定每个目标因素的权重,能够有利于提高确定每个目标因素的权重以及影响分值的准确性、客观性以及可靠性,并且能够对应急预案以及应急预案的演练过程进行评估,能够有利于提高对应急预案以及应急预案的演练过程进行评估的准确性和客观性,进而还能够有利于提高对应急预案以及应急预案的演练过程进行优化的准确性。
在一个可选的实施例中,判断模块303,还用于当判断出目标云图不满足预先设定的云图条件时,重新触发第一确定模块301执行针对每个目标因素,确定该目标因素的目标分值的操作,以及触发生成模块302执行根据所有目标因素的目标分值,生成目标云图的操作,以及触发判断模块303执行判断目标云图是否满足预先设定的云图条件的操作。
其中,判断模块303判断目标云图是否满足预先设定的云图条件的方式具体为:
分析目标云图的第一分散度以及预先设定的云图条件对应的第二分散度,计算第一分散度与第二分散度之间的分散度差值,判断分散度差值是否在预先设定的差值范围内,当判断出分散度差值在预先设定的差值范围内时,确定目标云图满足预先设定的云图条件,当判断出分散度差值不在预先设定的差值范围内时,确定目标云图不满足预先设定的云图条件;
其中,目标云图的第一分散度用于表示所有评分人员对所有目标因素的目标分值的意见统一度,第一分散度越大,所有评分人员对所有目标因素的目标分值的意见统一度就越低。
可见,实施图3所描述的装置在判断出目标云图不满足预先设定的云图条件时,重新确定每个目标因素的目标分值并生成目标云图,并重新判断目标云图是否满足预先设定的云图条件,并且根据目标云图的第一分散度以及预先设定的云图条件的第二分散度,判断第一分散度与第二分散度之间的分散度差值是否在预先设定的差值范围内,若在,则目标云图满足云图条件,若不在,则目标云图不满足云图条件,能够有利于提高判断目标云图是否满足预先设定的云图条件的准确性和可靠性,从而能够有利于提高确定每个目标因素的权重的准确性和可靠性,进而能够有利于提高生成应急预案的目标分值以及确定应急预案的分析结果的准确性和可靠性。
在另一个可选的实施例中,生成模块302根据所有目标因素的目标分值,生成目标云图的方式具体为:
根据所有目标因素的权重分值,计算所有目标因素的权重云数字特征,其中,权重云数字特征包括第一期望值、第一熵值以及第一超熵值;
将权重云数字特征输入至预先设定的正向云发生器中,以生成权重云图;
从所有目标因素中确定出多个目标关键因素,根据所有目标关键因素的权重分值,计算所有目标关键因素的评估云数字特征,其中,评估云数字特征包括第二期望值、第二熵值以及第二超熵值;
将评估云数字特征输入至预先设定的正向云发生器中,以生成评估云图;
根据权重云图以及评估云图,确定目标云图;
其中,期望值包括第一期望值以及第二期望值,期望值是通过以下公式计算得到的:
其中,Ex为期望值,a为所有所述评分人员的数量,Xi为所有所述评分人员对每个所述目标因素确定出的目标分值,E为所有所述目标因素的数量;
熵值包括第一熵值以及第二熵值,熵值是通过以下公式计算得到的:
其中,En为熵值;
超熵值包括第一超熵值以及第二超熵值,超熵值是通过以下公式计算得到的:
其中,He为超熵值,S为所有所述目标因素的样本方差。
可见,实施图3所描述的装置根据所有目标因素的权重分值以及期望值计算公式、熵值计算公式、超熵值计算公式计算所有目标因素的权重云数字特征以及评估云数字特征,能够有利于提高计算得到期望值、熵值以及超熵值的准确性和效率,并且通过正向云发生器生成权重云图和评估云图,能够有利于提高生成权重云图以及评估云图的准确性和效率,从而能够有利于提高判断目标云图是否满足预先设定的云图条件的准确性,进而能够有利于提高确定每个目标因素的权重的准确性及可靠性,以及能够有利于提高生成应急预案的评估分值以及确定应急预案的分析结果的准确性及可靠性。
在又一个可选的实施例中,当目标因素包括环节影响因素时,应急预案的分析结果包括演练效果分析结果;如图4所示,该装置还包括:
第二确定模块304,用于根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节。
第二确定模块304,还用于确定在不同演练场景下与目标环节相匹配的优化方案。
更新模块305,用于根据优化方案更新应急预案。
以及,第一确定模块301根据所有目标因素的目标分值,确定每个目标因素的权重的方式具体为:
根据所有目标因素的目标分值以及预先设定的目标算法,确定每个目标因素的权重;
其中,目标算法包括:
其中,Xij为第i个评分人员对第j个目标因素的目标分值,Xij*为归一化后第i个评分人员对第j个目标因素的目标分值;
其中,yij为第i个评分人员的第j个目标因素的比重,a为所有所述评分人员的数量;
其中,ej为第j个目标因素的信息熵;
其中,wj为第j个目标因素的权重。
可见,实施图4所描述的装置能够确定所有目标因素,针对每个目标因素,确定该目标因素的目标分值,根据所有目标因素的目标分值,生成目标云图,判断目标云图是否满足预先设定的云图条件,若满足,则根据所有目标因素的目标分值,确定每个目标因素的权重,根据所有目标因素的权重以及每个目标因素的影响分值,生成应急预案的评估分值并确定应急预案的分析结果,当目标因素包括环节影响因素时,应急预案的分析结果包括演练效果分析结果,根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节,并确定在不同演练场景下与目标环节相匹配的优化方案,根据优化方案更新应急预案,能够确定出应急预案在不同演练场景的演练过程中的薄弱环节,并对薄弱环节进行分析并确定出薄弱环节相匹配的优化方案,能够有利于提高确定薄弱环节的准确性和可靠性,以及确定与薄弱环节相匹配的优化方案,能够有利于提高确定优化方案的准确性和可靠性,进而能够有利于提高更新应急预案的准确性、可靠性以及智能性。
在又一个可选的实施例中,如图4所示,第二确定模块304根据演练效果分析结果,确定应急预案在不同演练场景的演练过程中待优化的目标环节的方式具体为:
分析演练效果分析结果,得到应急预案在不同演练场景下的演练过程中每个演练环节对应的子分析结果,其中,每个演练环节对应的子分析结果包括该演练环节对应的演练得分值;
判断所有子分析结果中是否存在演练得分值低于预先设定的分数阈值的目标子分析结果;
当判断出所有子分析结果中存在目标子分析结果时,将所有目标子分析结果对应的演练环节确定为目标环节;和/或,确定演练效果目标分值,并根据应急预案在不同演练场景下的演练过程中每个演练环节的权重以及每个演练环节的影响分值,计算每个演练环节的效果分值,演练效果目标分值为应急预案演练效果所需达到的分值;
计算每个演练环节的效果分值与演练效果目标分值之间的差值,得到每个演练环节对应的演练效果差值;
根据所有演练环节对应的演练效果差值,从所有演练效果差值中筛选出最大演练效果差值,将最大演练效果差值对应的演练环节确定为目标环节。
可见,实施图4所描述的装置将演练环节对应的演练得分值低于预先设定的分数阈值的演练环节确定为目标环节,和/或确定演练效果目标分值,根据每个演练环节的权重以及每个演练环节的影响分值计算每个演练环节的效果分值,计算每个演练环节的效果分值与演练效果目标分值之间的差值得到每个演练环节对应的演练效果差值,从所有演练效果差值中筛选出最大演练效果差值,并将最大演练效果差值对应的演练环节确定为目标环节,能够有利于提高确定目标环节的智能性,以及能够有利于提高确定目标环节的准确性及可靠性,从而能够有利于提高后续确定不同演练场景下与目标环节相匹配的优化方案的准确性及可靠性,以及根据优化方案更新应急预案的准确性及可靠性。
在又一个可选的实施例中,如图4所示,当目标因素中包括环节影响因素时,第一确定模块301针对应急预案中的每个目标因素,确定该目标因素的目标分值的方式具体为:
针对应急预案演练过程中的每个演练环节,确定该演练环节的演练影响分值;
其中,每个演练环节包括至少一个演练人员以及至少一个演练区域,针对应急预案中的每个演练环节,第一确定模块301确定该演练环节的演练影响分值的方式具体为:
采集该演练环节中每个演练人员的演练人员信息以及每个演练区域的演练区域信息,其中,每个演练人员的演练人员信息包括该演练人员的演练位置信息、该演练人员的演练操作信息、该演练人员的演练状态信息、该演练人员的演练移动轨迹信息、该演练人员的演练移动速度中的一种或多种,每个演练区域的演练区域信息包括该演练区域所包括的演练区域人员信息、该演练区域所包括的演练器具使用信息中的一种或多种;
确定应急预案中与该演练环节相匹配的目标预案环节,目标预案环节包括应急预案中的每个演练人员的预案人员信息以及每个演练区域的预案区域信息;
根据该演练环节中每个演练人员的演练人员信息以及每个演练区域的演练区域信息,计算该演练环节与目标预案环节之间的差异参数以及计算该演练环节中的影响参数;
根据差异参数以及影响参数,确定该演练环节的演练影响分值;
其中,针对任一演练人员,该演练人员的演练人员信息是基于该演练人员佩戴的可穿戴设备采集到的第一信息、该演练人员所在演练区域的影像采集装置采集到的第二信息、距离该演练人员的距离值小于等于预设距离阈值的其它演练人员佩戴的影像数据采集设备朝向该演练人员时采集到的第三信息综合生成的。
可见,实施图4所描述的装置能够在目标因素包括环节影响因素时,针对应急预案演练过程中的每个演练环节,采集该演练环节中的演练人员信息以及每个演练区域的演练区域信息,确定应急预案中与该演练环节相匹配的目标预案环节,计算该演练环节与目标预案环节之间的差异参数以及该演练环节的影响参数,根据差异参数以及影响参数确定该演练环节的影响分值,能够有利于提高确定该演练环节的演练影响分值的准确性和可靠性,从而能够有利于提高确定目标因素的目标分值的准确性和可靠性,进而能够有利于提高确定每个目标因素的权重的准确性和可靠性,以及有利于提高生成应急预案演练过程的评估分值以及确定应急预案演练过程分析结果的准确性和可靠性。
在又一个可选的实施例中,如图4所示,第一确定模块301根据该演练环节中每个演练人员的人员信息以及每个演练区域的区域信息,计算该演练环节与目标预案环节之间的差异参数以及计算该演练环节中的影响参数的方式具体为:
针对该演练环节中的每个演练人员,根据该演练人员的演练人员信息以及该演练人员的预案人员信息,计算该演练人员的人员差异参数;
针对该演练环节中的每个演练区域,根据该演练区域的演练区域信息以及该演练区域的预案区域信息,计算该演练区域的区域差异参数;
根据所有演练人员的人员差异参数以及所有演练区域的区域差异参数,确定该演练环节与目标预案环节之间的差异参数;
根据该演练环节中的所有演练人员的演练人员信息,判断所有演练人员中是否存在不满足预先设定的人员舒适条件的目标人员,当判断结果为是时,分析目标人员不满足人员舒适条件的第一原因,根据第一原因确定人员影响参数;
根据该演练环节中的所有演练区域信息,判断所有演练区域中是否存在不满足预先设定的环境舒适条件的目标区域,当判断结果为是时,分析目标区域不满足环境舒适条件的第二原因,根据第二原因确定环境影响参数;
根据人员影响参数以及环境影响参数,确定该演练环节中的影响参数;
其中,人员舒适条件包括呼吸频率条件、心率条件中的一种或多种,环境舒适条件包括区域承载人数条件、区域氧气浓度条件、区域湿度条件、区域烟雾浓度条件中的一种或多种。
可见,实施图4所描述的装置能够计算该演练环节中每个演练人员的人员差异参数以及计算每个演练区域的区域差异参数,根据人员差异参数以及区域差异参数确定该演练环节与目标预案环节之间的差异参数,并判断所有演练人员中是否存在不满足人员舒适条件的目标人员,若存在,则根据该目标人员不满足人员舒适条件的第一原因确定人员影响参数,判断所有演练区域中是否存在不满足环境舒适条件的目标区域,若存在,则根据该目标区域不满足环境舒适条件的第二原因确定环境影响参数,根据人员影响参数以及环境影响参数确定该演练环节中的影响参数,能够提高确定演练环节与目标预案环节之间的差异参数的准确性和可靠性,还能够根据判断是否存在目标人员以及是否存在目标区域的判断结果综合性确定该演练环节中的影响参数,有利于提高确定影响参数的准确性和可靠性,以及提高确定差异参数以及影响参数的智能性,从而能够有利于提高确定目标因素的目标分值的准确性和可靠性,进而能够有利于提高确定每个目标因素的权重的准确性和可靠性,以及有利于提高生成应急预案演练过程的评估分值以及确定应急预案演练过程分析结果的准确性和可靠性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种基于云模型及熵权法的应急预案分析装置的结构示意图。如图5所示,该基于云模型及熵权法的应急预案分析装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的基于云模型及熵权法的应急预案分析方法中的步骤。
实施例五
本发明实施例公开了一种计算机可存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的基于云模型及熵权法的应急预案分析方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于云模型及熵权法的应急预案分析方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于云模型及熵权法的应急预案分析方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于云模型及熵权法的应急预案分析方法,其特征在于,所述方法包括:
确定所有目标因素,针对每个所述目标因素,确定该目标因素的目标分值,其中,所有所述目标因素包括所述应急预案中的多个一级影响因素、每个所述一级影响因素下的多个二级影响因素以及所述应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,所述目标分值包括所述目标因素的每个权重分值以及影响分值;
根据所有所述目标因素的目标分值,生成目标云图,所述目标云图包括与所述权重分值相匹配的权重云图以及与所述影响分值相匹配的评估云图;
判断所述目标云图是否满足预先设定的云图条件;
当判断出所述目标云图满足预先设定的所述云图条件时,根据所有所述目标因素的目标分值,确定每个所述目标因素的权重;
根据所有所述目标因素的权重以及每个所述目标因素的影响分值,生成所述应急预案的评估分值,并根据所述评估分值确定所述应急预案的分析结果。
2.根据权利要求1所述的基于云模型及熵权法的应急预案分析方法,其特征在于,所述方法还包括:
当判断出所述目标云图不满足预先设定的所述云图条件时,重新执行所述的针对每个所述目标因素,确定该目标因素的目标分值;根据所有所述目标因素的目标分值,生成目标云图;判断所述目标云图是否满足预先设定的云图条件的操作;
其中,所述判断所述目标云图是否满足预先设定的云图条件,包括:
分析所述目标云图的第一分散度以及预先设定的云图条件对应的第二分散度,计算所述第一分散度与第二分散度之间的分散度差值,判断所述分散度差值是否在预先设定的差值范围内,当判断出所述分散度差值在预先设定的所述差值范围内时,确定所述目标云图满足预先设定的所述云图条件,当判断出所述分散度差值不在预先设定的所述差值范围内时,确定所述目标云图不满足预先设定的所述云图条件;
其中,所述目标云图的第一分散度用于表示所有评分人员对所有所述目标因素的所述目标分值的意见统一度,所述第一分散度越大,所有所述评分人员对所有所述目标因素的所述目标分值的意见统一度就越低。
3.根据权利要求2所述的基于云模型及熵权法的应急预案分析方法,其特征在于,所述根据所有所述目标因素的目标分值,生成目标云图,包括:
根据所有所述目标因素的权重分值,计算所有所述目标因素的权重云数字特征,其中,所述权重云数字特征包括第一期望值、第一熵值以及第一超熵值;
将所述权重云数字特征输入至预先设定的正向云发生器中,以生成权重云图;
从所有所述目标因素中确定出多个目标关键因素,根据所有所述目标关键因素的权重分值,计算所有目标关键因素的评估云数字特征,其中,所述评估云数字特征包括第二期望值、第二熵值以及第二超熵值;
将所述评估云数字特征输入至预先设定的所述正向云发生器中,以生成评估云图;
根据所述权重云图以及所述评估云图,确定目标云图;
其中,期望值包括所述第一期望值以及所述第二期望值,所述期望值是通过以下公式计算得到的:
其中,Ex为期望值,a为所有所述评分人员的数量,Xi为所有所述评分人员对每个所述目标因素确定出的目标分值,E为所有所述目标因素的数量;
熵值包括所述第一熵值以及所述第二熵值,所述熵值是通过以下公式计算得到的:
其中,En为熵值;
超熵值包括所述第一超熵值以及所述第二超熵值,所述超熵值是通过以下公式计算得到的:
其中,He为超熵值,S为所有所述目标因素的样本方差。
4.根据权利要求3所述的基于云模型及熵权法的应急预案分析方法,其特征在于,当所述目标因素包括所述环节影响因素时,所述应急预案的分析结果包括演练效果分析结果;
所述方法还包括:
根据所述演练效果分析结果,确定所述应急预案在不同演练场景的演练过程中待优化的目标环节;
确定在不同演练场景下与所述目标环节相匹配的优化方案,并根据所述优化方案更新所述应急预案;
以及,所述根据所有所述目标因素的目标分值,确定每个所述目标因素的权重,包括:
根据所有所述目标因素的目标分值以及预先设定的目标算法,确定每个所述目标因素的权重;
其中,所述目标算法包括:
其中,Xij为第i个评分人员对第j个目标因素的目标分值,Xij*为归一化后第i个评分人员对第j个目标因素的目标分值;
其中,yij为第i个评分人员的第j个目标因素的比重,a为所有所述评分人员的数量;
其中,ej为第j个目标因素的信息熵;
其中,wj为第j个目标因素的权重。
5.根据权利要求4所述的基于云模型及熵权法的应急预案分析方法,其特征在于,所述根据所述演练效果分析结果,确定所述应急预案在不同演练场景的演练过程中待优化的目标环节,包括:
分析所述演练效果分析结果,得到所述应急预案在不同演练场景下的演练过程中每个演练环节对应的子分析结果,其中,每个演练环节对应的子分析结果包括该演练环节对应的演练得分值;
判断所有所述子分析结果中是否存在所述演练得分值低于预先设定的分数阈值的目标子分析结果;
当判断出所有所述子分析结果中存在所述目标子分析结果时,将所有所述目标子分析结果对应的演练环节确定为目标环节;和/或
确定演练效果目标分值,并根据所述应急预案在不同演练场景下的演练过程中每个演练环节的权重以及每个所述演练环节的影响分值,计算每个所述演练环节的效果分值,所述演练效果目标分值为应急预案演练效果所需达到的分值;
计算每个所述演练环节的效果分值与所述演练效果目标分值之间的差值,得到每个所述演练环节对应的演练效果差值;
根据所有所述演练环节对应的演练效果差值,从所有所述演练效果差值中筛选出最大演练效果差值,将所述最大演练效果差值对应的演练环节确定为目标环节。
6.根据权利要求1所述的基于云模型及熵权法的应急预案分析方法,其特征在于,当所述目标因素中包括所述环节影响因素时,所述针对所述应急预案中的每个所述目标因素,确定该目标因素的目标分值,包括:
针对所述应急预案演练过程中的每个演练环节,确定该演练环节的演练影响分值;
其中,每个所述演练环节包括至少一个演练人员以及至少一个演练区域,针对所述应急预案中的每个所述演练环节,所述确定该演练环节的演练影响分值,包括:
采集该演练环节中每个所述演练人员的演练人员信息以及每个所述演练区域的演练区域信息,其中,每个所述演练人员的演练人员信息包括该演练人员的演练位置信息、该演练人员的演练操作信息、该演练人员的演练状态信息、该演练人员的演练移动轨迹信息、该演练人员的演练移动速度中的一种或多种,每个所述演练区域的演练区域信息包括该演练区域所包括的演练区域人员信息、该演练区域所包括的演练器具使用信息中的一种或多种;
确定所述应急预案中与该演练环节相匹配的目标预案环节,所述目标预案环节包括所述应急预案中的每个所述演练人员的预案人员信息以及每个所述演练区域的预案区域信息;
根据该演练环节中每个所述演练人员的演练人员信息以及每个所述演练区域的演练区域信息,计算该演练环节与所述目标预案环节之间的差异参数以及计算该演练环节中的影响参数;
根据所述差异参数以及所述影响参数,确定该演练环节的演练影响分值;
其中,针对任一所述演练人员,该演练人员的演练人员信息是基于该演练人员佩戴的可穿戴设备采集到的第一信息、该演练人员所在演练区域的影像采集装置采集到的第二信息、距离该演练人员的距离值小于等于预设距离阈值的其它演练人员佩戴的影像数据采集设备朝向该演练人员时采集到的第三信息综合生成的。
7.根据权利要求6所述的基于云模型及熵权法的应急预案分析方法,其特征在于,所述根据该演练环节中每个所述演练人员的人员信息以及每个所述演练区域的区域信息,计算该演练环节与所述目标预案环节之间的差异参数以及计算该演练环节中的影响参数,包括:
针对该演练环节中的每个所述演练人员,根据该演练人员的演练人员信息以及该演练人员的预案人员信息,计算该演练人员的人员差异参数;
针对该演练环节中的每个所述演练区域,根据该演练区域的演练区域信息以及该演练区域的预案区域信息,计算该演练区域的区域差异参数;
根据所有所述演练人员的人员差异参数以及所有所述演练区域的区域差异参数,确定该演练环节与所述目标预案环节之间的差异参数;
根据该演练环节中的所有所述演练人员的演练人员信息,判断所有所述演练人员中是否存在不满足预先设定的人员舒适条件的目标人员,当判断结果为是时,分析所述目标人员不满足所述人员舒适条件的第一原因,根据所述第一原因确定人员影响参数;
根据该演练环节中的所有所述演练区域信息,判断所有所述演练区域中是否存在不满足预先设定的环境舒适条件的目标区域,当判断结果为是时,分析所述目标区域不满足所述环境舒适条件的第二原因,根据所述第二原因确定环境影响参数;
根据所述人员影响参数以及所述环境影响参数,确定该演练环节中的影响参数;
其中,所述人员舒适条件包括呼吸频率条件、心率条件中的一种或多种,所述环境舒适条件包括区域承载人数条件、区域氧气浓度条件、区域湿度条件、区域烟雾浓度条件中的一种或多种。
8.一种基于云模型及熵权法的应急预案分析装置,其特征在于,所述装置包括:
第一确定模块,用于确定所有目标因素,针对每个所述目标因素,确定该目标因素的目标分值,其中,所有所述目标因素包括所述应急预案中的多个一级影响因素、每个所述一级影响因素下的多个二级影响因素以及所述应急预案在不同演练场景下的演练过程中的环节影响因素中的一种或多种,所述目标分值包括所述目标因素的每个权重分值以及影响分值;
生成模块,用于根据所有所述目标因素的目标分值,生成目标云图,所述目标云图包括与所述权重分值相匹配的权重云图以及与所述影响分值相匹配的评估云图;
判断模块,用于判断所述目标云图是否满足预先设定的云图条件;
所述第一确定模块,还用于当所述判断模块判断出所述目标云图满足预先设定的所述云图条件时,根据所有所述目标因素的目标分值,确定每个所述目标因素的权重;
所述生成模块,还用于根据所有所述目标因素的权重以及每个所述目标因素的影响分值,生成所述应急预案的评估分值;
所述第一确定模块,还用于根据所述评估分值确定所述应急预案的分析结果。
9.一种基于云模型及熵权法的应急预案分析装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于云模型及熵权法的应急预案分析方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于云模型及熵权法的应急预案分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926238.1A CN114997754B (zh) | 2022-08-03 | 2022-08-03 | 基于云模型及熵权法的应急预案分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926238.1A CN114997754B (zh) | 2022-08-03 | 2022-08-03 | 基于云模型及熵权法的应急预案分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114997754A true CN114997754A (zh) | 2022-09-02 |
CN114997754B CN114997754B (zh) | 2022-12-02 |
Family
ID=83022104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210926238.1A Active CN114997754B (zh) | 2022-08-03 | 2022-08-03 | 基于云模型及熵权法的应急预案分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114997754B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629628A (zh) * | 2023-04-26 | 2023-08-22 | 中国安全生产科学研究院 | 乡村地区区域空间防灾减灾与事故应急能力综合评估方法 |
CN116680925A (zh) * | 2023-06-15 | 2023-09-01 | 深圳市智慧空间平台技术开发有限公司 | 一种基于大数据的智慧空间应急处理方法、系统和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809933A (zh) * | 2015-05-13 | 2015-07-29 | 国网智能电网研究院 | 一种电网无脚本应急演练系统、演练方法及设备 |
CN107368934A (zh) * | 2017-08-29 | 2017-11-21 | 李颖 | 基于地理信息技术的船舶人员疏散决策系统 |
CN108921432A (zh) * | 2018-07-03 | 2018-11-30 | 黄震 | 一种盾构隧道施工风险综合评价方法 |
CN111324657A (zh) * | 2020-02-12 | 2020-06-23 | 广州奥格智能科技有限公司 | 应急预案内容优化方法和计算机设备 |
BR112020025171A2 (pt) * | 2018-07-16 | 2021-04-27 | Aleksandar Sterpin | me´todo e sistema de gestão de emergência |
CN113095978A (zh) * | 2021-03-05 | 2021-07-09 | 苏州真趣信息科技有限公司 | 基于人员定位技术的应急演练系统 |
CN113191585A (zh) * | 2021-03-23 | 2021-07-30 | 广东电网有限责任公司东莞供电局 | 一种输电线路的台风致灾风险评估方法 |
CN113269330A (zh) * | 2021-04-07 | 2021-08-17 | 广东省安全生产科学技术研究院 | 基于云模型的化工设备泄漏概率修正方法及系统 |
-
2022
- 2022-08-03 CN CN202210926238.1A patent/CN114997754B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809933A (zh) * | 2015-05-13 | 2015-07-29 | 国网智能电网研究院 | 一种电网无脚本应急演练系统、演练方法及设备 |
CN107368934A (zh) * | 2017-08-29 | 2017-11-21 | 李颖 | 基于地理信息技术的船舶人员疏散决策系统 |
CN108921432A (zh) * | 2018-07-03 | 2018-11-30 | 黄震 | 一种盾构隧道施工风险综合评价方法 |
BR112020025171A2 (pt) * | 2018-07-16 | 2021-04-27 | Aleksandar Sterpin | me´todo e sistema de gestão de emergência |
CN111324657A (zh) * | 2020-02-12 | 2020-06-23 | 广州奥格智能科技有限公司 | 应急预案内容优化方法和计算机设备 |
CN113095978A (zh) * | 2021-03-05 | 2021-07-09 | 苏州真趣信息科技有限公司 | 基于人员定位技术的应急演练系统 |
CN113191585A (zh) * | 2021-03-23 | 2021-07-30 | 广东电网有限责任公司东莞供电局 | 一种输电线路的台风致灾风险评估方法 |
CN113269330A (zh) * | 2021-04-07 | 2021-08-17 | 广东省安全生产科学技术研究院 | 基于云模型的化工设备泄漏概率修正方法及系统 |
Non-Patent Citations (2)
Title |
---|
X.Q. LIU等: "Decision-making method for railway emergency based on combination weighting and cloud model", 《PROCEEDINGS OF SPIE》 * |
冯洋洋: "突发传染性疫情下城市应急物流保障能力评价研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629628A (zh) * | 2023-04-26 | 2023-08-22 | 中国安全生产科学研究院 | 乡村地区区域空间防灾减灾与事故应急能力综合评估方法 |
CN116680925A (zh) * | 2023-06-15 | 2023-09-01 | 深圳市智慧空间平台技术开发有限公司 | 一种基于大数据的智慧空间应急处理方法、系统和介质 |
CN116680925B (zh) * | 2023-06-15 | 2024-02-06 | 深圳市智慧空间平台技术开发有限公司 | 一种基于大数据的智慧空间应急处理方法、系统和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114997754B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114997754B (zh) | 基于云模型及熵权法的应急预案分析方法及装置 | |
CN110417721A (zh) | 安全风险评估方法、装置、设备及计算机可读存储介质 | |
CN110555617A (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
CN111754715B (zh) | 一种消防应急响应方法、装置及系统 | |
CN113139322B (zh) | 一种核电厂火灾响应及演练能力评价系统及方法 | |
CN110795587A (zh) | 医闹预警方法、服务平台及计算机可读存储介质 | |
CN114792194B (zh) | 一种建筑整体消防安全智能系统 | |
CN111639845A (zh) | 一种考虑完整性和可操作性的应急预案有效性评估方法 | |
CN111557011A (zh) | 企业破产预测系统及其运行方法 | |
Krasuski et al. | From sensory data to decision making: A perspective on supporting a fire commander | |
Piao et al. | Dynamic fall risk assessment framework for construction workers based on dynamic Bayesian network and computer vision | |
CN114613101A (zh) | 一种基于大数据的智慧酒店智能安防系统 | |
CN109190932B (zh) | 一种关键基础设施实物保护系统风险监控方法 | |
Damousis et al. | Fuzzy fusion of eyelid activity indicators for hypovigilance-related accident prediction | |
CN114529869A (zh) | 违章动火检测模型的训练方法及利用该模型的检测方法 | |
CN111359132B (zh) | 一种基于人工智能的智慧消防警报方法及系统 | |
Shariff et al. | Risk assessment of building fire evacuation with stochastic obstructed emergency exit | |
CN113096479A (zh) | 一种消防演习虚拟训练方法 | |
Li et al. | Dynamic risk assessment of emergency evacuation in large public buildings: A case study | |
Du et al. | Multi-agent based simulation of elderly egress process and fall accident in senior apartment buildings | |
CN114519834A (zh) | 一种高层火灾隐患预警方法、装置及应用 | |
Krasuski | A framework for Dynamic Analytical Risk Management at the emergency scene. From tribal to top down in the risk management maturity model | |
CN117933085B (zh) | 一种基于大数据的火灾蔓延模拟模型训练方法及系统 | |
Lazreg et al. | A Bayesian network model for fire assessment and prediction | |
CN117114350A (zh) | 一种决策方案优化方法、装置、电子设备及存储介质 |
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 |