CN116128322B - 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法 - Google Patents

城市复杂地理场景下洪涝灾害智能体交互式应急决策方法 Download PDF

Info

Publication number
CN116128322B
CN116128322B CN202310157922.2A CN202310157922A CN116128322B CN 116128322 B CN116128322 B CN 116128322B CN 202310157922 A CN202310157922 A CN 202310157922A CN 116128322 B CN116128322 B CN 116128322B
Authority
CN
China
Prior art keywords
disaster
stricken
rescue
task
target
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.)
Active
Application number
CN202310157922.2A
Other languages
English (en)
Other versions
CN116128322A (zh
Inventor
王慧敏
刘高峰
戴强
李佳静
杨馨
张静轩
黄晶
仇蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Normal University
Hohai University HHU
Original Assignee
Nanjing Normal University
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Normal University, Hohai University HHU filed Critical Nanjing Normal University
Priority to CN202310157922.2A priority Critical patent/CN116128322B/zh
Publication of CN116128322A publication Critical patent/CN116128322A/zh
Application granted granted Critical
Publication of CN116128322B publication Critical patent/CN116128322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，涉及灾害应急处理技术领域，所述方法包括：通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；根据所述目标避灾行为规则，创建对应的目标任务；通过执行所述目标任务，控制所述受灾人进行避灾。旨在有效提升城市洪涝灾害应急决策的智能化和精细化。

Description

城市复杂地理场景下洪涝灾害智能体交互式应急决策方法
技术领域
本发明涉及灾害应急处理技术领域，特别是涉及一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法。
背景技术
目前洪涝灾害的发生，不仅造成了人们的财产损失，更重要的是洪涝灾害严重危险人们的生命安全。而在面对洪涝灾害时的应急决策则显得尤为重要，应急决策的正确制定与执行，直接关系到人们在面对洪涝灾害时能否及时有效地进行避险。
发明内容
有鉴于此，本发明提供一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，旨在有效提升城市洪涝灾害应急决策的智能化和精细化。
本发明提供了一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，所述方法包括：
通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；
根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；
根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；
根据所述目标避灾行为规则，创建对应的目标任务；
通过执行所述目标任务，控制所述受灾人进行避灾。
可选地，所述根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，包括：
根据受灾人所处网格位置，确定所述受灾人是否处于建筑物内；
在所述受灾人处于建筑物内时，确定所述受灾人的脆弱因子为建筑物内的脆弱因子；
根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物内的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息；
在所述受灾人处于建筑物外时，确定所述受灾人的脆弱因子为建筑物外的脆弱因子；
根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物外的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息。
可选地，所述通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，包括：
将城市降雨信息作为最上层边界条件，通过二维水动力学LISFLOOD-FP模型与城市雨洪管理SWMM模型的耦合模型，获得对应时刻的洪涝灾害数据；
所述根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，包括：
根据受灾人所处网格位置和所述网格位置的洪涝灾害数据，通过洪涝灾害风险值算式进行计算，获得所述受灾人的风险程度并向所述受灾人发布风险预警信息；
其中，所述洪涝灾害风险值算式为：，式中：risk为径流流速与积水水深综合作用下的风险值；D为所在网格位置的积水水深，单位为米；V为所在网格位置的径流流速，单位为米每秒；C为流速因子，取0.5；DF为地表因子；Sin为受灾人在建筑物内时的脆弱因子，该受灾人为单个智能体；Sout为受灾人在建筑物外时的脆弱因子，该受灾人为单个智能体。
可选地，所述根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则，包括：
根据所述受灾人的属性信息，确定所述受灾人的避灾倾向；
根据所述避灾倾向和所述风险预警信息，确定所述受灾人的目标避灾行为规则；
所述根据所述目标避灾行为规则，创建对应的目标任务，包括：
在所述目标避灾行为规则为自行前往避难所时，接收所述受灾人的指示信号以创建对所述受灾人的避灾路径指示任务；
在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务。
可选地，所述在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务，包括：
根据接收的所述受灾人的救援信号，确定所述受灾人的救援信息；
根据所述救援信息，生成与所述救援信息对应的初始救援任务并将所述初始救援任务存储至本体知识库；
发布所述初始救援任务，并接收各个救援队对所述初始救援任务的投标；
根据投标的救援队的属性信息，通过预设排序算法对所述投标的救援队进行排序；
根据初始救援任务和所述本体知识库中的历史灾害事件数据，通过预设相似度算法确定所述初始救援任务对应的目标应急任务分配准则；
根据排序结果和所述目标应急任务分配准则，将所述初始救援任务分配给匹配的目标救援队；
根据所述初始救援任务和所述目标救援队，创建对所述受灾人的救援任务。
可选地，在所述目标任务为救援任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：
将所述救援任务发送至目标救援队，并设定所述救援任务和所述目标救援队的状态为执行中；
所述目标救援队执行所述救援任务，在所述受灾人的风险程度转为0时，所述救援任务风险等级转为安全，并切换所述目标救援队的工作状态为空闲，所述救援任务状态切换为已完成。
可选地，应急任务分配准则至少包括：风险等级分配准则、最优密度分配准则、中心区域优先分配准则。
可选地，在所述目标任务为避灾路径指示任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：
根据所述洪涝灾害数据，规划所述受灾人的避灾路径；
将所述避灾路径发送至所述受灾人所在终端，以指示所述受灾人进行避灾。
可选地，所述智能体集合的划分包括：根据城市道路网络和街道划界线，将城市划分为多个网格区域；将一个网格区域中的所有人员确定为对应的一个智能体集合。
针对在先技术，本发明具备如下优点：
本发明提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；根据受灾人所处网格位置和所述洪涝灾害数据，确定各个受灾人的风险程度并向各个受灾人发布各自的风险预警信息；根据受灾人的风险预警信息和受灾人的属性信息，确定受灾人的目标避灾行为规则是自行前往避难所还是原地等待救援；根据目标避灾行为规则，创建对应的目标任务是救援任务还是对受灾人进行避灾路径的指示任务；通过执行创建的目标任务，以控制受灾人进行避灾。由此本发明可根据洪涝灾害数据和各个受灾人所处的网格位置，确定各个受灾人的风险程度，并根据各个受灾人的风险程度和根据各个受灾人的属性信息确定的避灾倾向（如激进型、中间型、保守型），确定受灾人是自行前往避难所还是原地等待救援，通过为各个受灾人创建对应的目标任务并执行，以使得各个受灾人能够安全避灾，如此可有效提升城市洪涝灾害应急决策的智能化和精细化。
本发明第二方面提供一种城市复杂地理场景下洪涝灾害智能体交互式应急决策系统，所述系统包括：
洪涝灾害数据确定模块，用于通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；
风险程度确定模块，用于根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；
目标避灾行为准则确定模块，用于根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；
目标任务创建模块，用于根据所述目标避灾行为规则，创建对应的目标任务；
避灾模块，用于通过执行所述目标任务，控制所述受灾人进行避灾。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法的流程图；
图2是本发明实施例提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法的结构框图；
图3是本发明实施例提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策系统的示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法的流程图，如图1所示，该方法包括：
步骤S101：通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；
步骤S102：根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；
步骤S103：根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；
步骤S104：根据所述目标避灾行为规则，创建对应的目标任务；
步骤S105：通过执行所述目标任务，控制所述受灾人进行避灾。
在本发明的实施例中，城市复杂地理场景下洪涝灾害智能体交互式应急决策方法针对的对象为处于复杂的地理场景中的受灾人员和救援队伍，该地理场景中包括人居建筑、道路、山地、丘陵等地形要素，以及包括植被、地表水系、排水管等物理要素，在进行洪涝灾害多智能体交互式应急决策分析时，要进行精确的城市洪涝灾害淹没及人类活动的确定，复杂的地理场景中各项三维实体对城市水文循环过程及人类生产生活的影响是必须考虑在内的。利用基础地理场景信息数据构建地形、高程、土地利用、地表水系、建筑物和道路等城市基本形态作为建模环境，对受灾群众等生产生活的地理空间进行真实反映及表达。
在本发明的实施例中，通过将某一时刻的城市降雨信息和城市基础地理场景信息输入预先构建的城市洪涝模型，获得对应时刻的该城市的洪涝灾害数据。其中，洪涝灾害数据包括洪涝灾害淹没范围、各个淹没网格区域的水深和各个淹没网格区域的流速。获取城市中各个受灾人所处的网格位置，根据获得的洪涝灾害数据和各个受灾人所处的网格位置所在的网格区域，确定各个受灾人各自的风险程度。其中，受灾人的风险程度与受灾人所处的网格位置所在的网格区域的水深和流速成正比。其中，城市基础地理场景信息至少包括城市地理数据、建筑物、避难所位置等基础地理场景信息，所述城市地理数据至少包括：城市地形数据、高程数据、土地利用数据、地表水系数据、建筑物数据和道路数据等。
在确定各个受灾人的风险程度后，为各个受灾人生成对应的风险预警信息，将生成的各个风险预警信息发送至对应受灾人所在的移动终端，以对受灾人进行告警，告知各个受灾人各自当前所处位置的风险程度。其中，所述移动终端可以是手机、平板电脑、笔记本电脑等；所述风险预警信息包括受灾人所处网格位置所在的网格区域的水深、流速和风险程度等信息。
在向各个受灾人发送各自的风险预警信息后，获取各个受灾人各自的属性信息，其中，属性信息包括：年龄、性别、收入、位置、生存状况、受教育程度、身高、是否拥有智能手机、是否参加过避灾演练活动等。
根据获得的受灾人的属性信息和风险预警信息，确定受灾人的避灾能力强弱，根据受灾人的避灾能力强弱，确定受灾人的目标避灾行为规则。示例地，在确定获得的受灾人的年龄处于25-40岁之间，同时参加过避灾演练活动时，确定该受灾人的避灾能力较强，同时在该受灾人所处网格位置所在的网格区域的风险程度较低时，向该受灾人推荐自行前往避难所，同时在该受灾人选择自行前往避难所时，确定该受灾人的目标避灾行为规则为自行前往避难所；而在该受灾人选择原地等待救援时，在救援队充足的情况下，确定该受灾人的目标避灾行为规则为原地等待救援，而在救援队不足的情况下，需受灾人提供选择原地等待救援的理由，通过对该理由进行解析，确定该理由的合理性，在该理由合理时，确定该受灾人的目标避灾行为规则为原地等待救援，在理由不合理时，确定该受灾人的目标避灾行为规则为自行前往避难所。在确定获得的受灾人的年龄处于60岁以上，同时未参加过避灾演练活动时，确定该受灾人的避灾能力较弱，同时在该受灾人所处网格位置所在的网格区域的风险程度处于中等时，向该受灾人推荐原地等待救援，同时该受灾人可在自行前往避难所和原地等待救援中进行选择，根据该受灾人的选择，将该受灾人的选择确定为该受灾人的目标避灾行为规则。
在确定了各个受灾人各自的目标避灾行为规则后，根据各个受灾人各自的目标避灾行为规则创建对应的目标任务。具体地，在受灾人的目标避灾行为规则为原地等待救援时，创建对应的救援任务；在受灾人的目标避灾行为规则为自行前往避难所时，创建对应的避灾路径指示任务，根据创建的该避灾路径指示任务，通过对洪涝灾害数据进行分析，确定出受灾人最佳的避灾路线，并通过该受灾人所在的移动终端向该受灾人进行路径指示。
在为各个受灾人创建好对应的目标任务后，通过执行对应的目标任务，以使得受灾人进行安全避灾。如对受灾人执行救援任务或对受灾人执行避灾路径指示任务，以使得受灾人进行安全避灾。
在本发明的实施例中，为提高洪涝灾害场景下应急决策的决策效率，本发明中受灾人不仅可以包括单个智能体，也就是单个受灾人员，还可以包括智能体集合，也就是多个受灾人员组成的集合。
本发明提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；根据受灾人所处网格位置和所述洪涝灾害数据，确定各个受灾人的风险程度并向各个受灾人发布各自的风险预警信息；根据受灾人的风险预警信息和受灾人的属性信息，确定受灾人的目标避灾行为规则是自行前往避难所还是原地等待救援；根据目标避灾行为规则，创建对应的目标任务是救援任务还是对受灾人进行避灾路径的指示任务；通过执行创建的目标任务，以控制受灾人进行避灾。由此本发明可根据洪涝灾害数据和各个受灾人所处的网格位置，确定各个受灾人的风险程度，并根据各个受灾人的风险程度和根据各个受灾人的属性信息确定的避灾倾向（如激进型、中间型、保守型），确定受灾人是自行前往避难所还是原地等待救援，通过为各个受灾人创建对应的目标任务并执行，以使得各个受灾人能够安全避灾，如此可有效提升城市洪涝灾害应急决策的智能化和精细化。
在本发明中，所述根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，包括：根据受灾人所处网格位置，确定所述受灾人是否处于建筑物内；在所述受灾人处于建筑物内时，确定所述受灾人的脆弱因子为建筑物内的脆弱因子；根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物内的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息；在所述受灾人处于建筑物外时，确定所述受灾人的脆弱因子为建筑物外的脆弱因子；根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物外的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息。
在本发明的实施例中，由于城市环境的复杂性，对受灾人的风险程度的确定也将变得困难，而对受灾人风险程度的准确判断是合理进行应急决策至关重要的部分。而在受灾人处于建筑物内的场景下，由于有建筑物的存在，受灾人的风险程度将受到建筑物的影响。例如，受灾人所处网格位置的网格区域的洪涝灾害数据对应的受灾人的风险程度较高的情况下，在受灾人处于建筑物内时，有建筑物的保护其风险程度可能会相应降低，因此此时以受灾人作为主体计算其风险程度时应全面考虑各要素的影响。本发明在合理评估受灾人的风险程度时，引入受灾人在不同灾害场景的脆弱性变化，使得获得的受灾人的风险程度更加准确，由此可更加精准地执行应急决策。
具体地，根据受灾人所处网格位置，确定该网格位置是否具有建筑物，以此确定该受灾人是否处于建筑物内；在受灾人处于建筑物内时，确定该受灾人的脆弱因子为建筑物内的脆弱因子；然后基于该建筑物内的脆弱因子和根据受灾人所处网格位置和该网格位置的洪涝灾害数据确定该受灾人的风险程度并向该受灾人所在移动终端发布风险预警信息。根据受灾人所处网格位置，确定该网格位置是否具有建筑物，以此确定该受灾人是否处于建筑物内；在受灾人处于建筑物外时，确定该受灾人的脆弱因子为建筑物外的脆弱因子；然后基于该建筑物外的脆弱因子和根据受灾人所处网格位置和该网格位置的洪涝灾害数据确定该受灾人的风险程度并向该受灾人所在移动终端发布风险预警信息。
在本发明中，所述通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，包括：将城市降雨信息作为最上层边界条件，通过二维水动力学LISFLOOD-FP模型与城市雨洪管理SWMM模型的耦合模型，获得对应时刻的洪涝灾害数据；所述根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，包括：根据受灾人所处网格位置和所述网格位置的洪涝灾害数据，通过洪涝灾害风险值算式进行计算，获得所述受灾人的风险程度并向所述受灾人发布风险预警信；其中，所述洪涝灾害风险值算式为：，式中：risk为径流流速与积水水深综合作用下的风险值；D为所在网格位置的积水水深，单位为米；V为所在网格位置的径流流速，单位为米每秒；C为流速因子，取0.5；DF为地表因子；Sin为受灾人在建筑物内时的脆弱因子，该受灾人为单个智能体；Sout为受灾人在建筑物外时的脆弱因子，该受灾人为单个智能体。
在本发明的实施例中，将城市某一时刻的降雨信息作为最上层边界条件输入由二维水动力学LISFLOOD-FP模型与城市雨洪管理SWMM模型结合的耦合模型中，所述耦合模型将输出对应时刻的洪涝灾害数据。然后再获取到受灾人所处网格位置的网格区域，根据该网格区域的洪涝灾害数据，通过洪涝灾害风险值算式对受灾人处于该网格位置的风险程度进行计算，获得该受灾人的风险程度，并根据该风险程度生成对应的风险预警信息。
在本发明的实施例中，所述洪涝灾害风险值算式为：，式中：risk为径流流速与积水水深综合作用下的风险值；D为所在网格位置的积水水深，单位为米；V为所在网格位置的径流流速，单位为米每秒；C为流速因子，取0.5；DF为地表因子；Sin为受灾人在建筑物内时的脆弱因子，该受灾人为单个智能体；Sout为受灾人在建筑物外时的脆弱因子，该受灾人为单个智能体。
在本发明的实施例中，表1为地表因子的取值，表2为脆弱因子的取值。
在本发明的实施例中，对于不处于建筑物内的受灾人，当受灾人的风险值小于0.05时，受灾人的风险程度为0，处于安全状态；当受灾人的风险值分别处于[0.05，0.5)、[0.5，1)、[1，1.5)区间时，受灾人分别对应的风险程度为1、2、3级；当受灾人的风险值大于1.5时，受灾人的风险程度为4级，属于重度危险状态。
对于处于建筑物内的受灾人，当风险值小于1时，受灾人的风险程度为0，处于安全状态；当风险值分别处于[1，1.5)、[1.5，2.5)、[2.5，3.5)区间时，对应的受灾人的风险程度分别为1、2、3级；当建筑物的风险值大于3.5时，受灾人的风险程度为4级，处于重度危险状态。
在本发明中，所述根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则，包括：根据所述受灾人的属性信息，确定所述受灾人的避灾倾向；根据所述避灾倾向和所述风险预警信息，确定所述受灾人的目标避灾行为规则；所述根据所述目标避灾行为规则，创建对应的目标任务，包括：在所述目标避灾行为规则为自行前往避难所时，接收所述受灾人的指示信号以创建对所述受灾人的避灾路径指示任务；在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务。
在本发明的实施例中，根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则具体包括：根据受灾人的属性信息，通过CART决策树方法识别受灾人的避灾倾向，其中，避灾倾向包括保守型、中间型、激进型。
在获得受灾人的避灾倾向后，根据受灾人的避灾倾向和风险预警信息，确定受灾人的目标避灾行为规则。
具体地，当受灾人接收到自身风险程度的风险预警信息为0-1级时，直接向该受灾人推荐自行前往避难所，在该受灾人选择自行前往避难所后，确定该受灾人的目标避灾行为规则为自行前往避难所。
当受灾人接收到自身风险程度的风险预警信息为2-3级时，同时该受灾人为保守型避灾倾向的受灾人时，向该受灾人推荐原地等待救援，在该受灾人选择原地等待救援后，确定该受灾人的目标避灾行为规则为原地等待救援；同时该受灾人同样可以选择自行前往避难所，在该受灾人选择自行前往避难所后，确定该受灾人的目标避灾行为规则为自行前往避难所。
当受灾人接收到自身风险程度的风险预警信息为2-3级时，同时该受灾人为激进型避灾倾向的受灾人时，向该受灾人推荐自行前往避难所，在该受灾人选择自行前往避难所后，确定该受灾人的目标避灾行为规则为自行前往避难所；同时该受灾人同样可以选择原地等待救援，在该受灾人选择原地等待救援后，在救援队充足的情况下，确定该受灾人的目标避灾行为规则为原地等待救援，而在救援队不足的情况下，需受灾人提供选择原地等待救援的理由，通过对该理由进行解析，确定该理由的合理性，在该理由合理时，确定该受灾人的目标避灾行为规则为原地等待救援，在理由不合理时，确定该受灾人的目标避灾行为规则为自行前往避难所。
当受灾人接收到自身风险程度的风险预警信息为2-3级时，同时该受灾人为中间型避灾倾向的受灾人时，向该受灾人推荐自行前往避难所，在该受灾人选择自行前往避难所后，确定该受灾人的目标避灾行为规则为自行前往避难所；同时该受灾人同样可以选择原地等待救援，在该受灾人选择原地等待救援后，确定该受灾人的目标避灾行为规则为原地等待救援。
当受灾人接收到自身风险程度的风险预警信息为4级时，直接确定受灾人的目标避灾行为规则为原地等待救援。
在本发明的实施例中，根据所述目标避灾行为规则，创建对应的目标任务具体包括：在确定受灾人的目标避灾行为规则为自行前往避难所时，接收受灾人的指示信号以创建对该受灾人的避灾路径指示任务，以基于洪涝灾害数据生成该受灾人自行前往避难所的最佳避灾路线；在确定受灾人的目标避灾行为规则为原地等待救援时，接收该受灾人的救援信号以创建对该受灾人的救援任务，以派遣匹配的救援队前往对该受灾人进行救援。
在本发明中，所述在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务，包括：根据接收的所述受灾人的救援信号，确定所述受灾人的救援信息；根据所述救援信息，生成与所述救援信息对应的初始救援任务并将所述初始救援任务存储至本体知识库；发布所述初始救援任务，并接收各个救援队对所述初始救援任务的投标；根据投标的救援队的属性信息，通过预设排序算法对所述投标的救援队进行排序；根据初始救援任务和所述本体知识库中的历史灾害事件数据，通过预设相似度算法确定所述初始救援任务对应的目标应急任务分配准则；根据排序结果和所述目标应急任务分配准则，将所述初始救援任务分配给匹配的目标救援队；根据所述初始救援任务和所述目标救援队，创建对所述受灾人的救援任务。
在本发明的实施例中，根据接收的受灾人发送的救援信号，确定该受灾人的救援信息，其中，救援信息包括：受灾人的属性信息、风险程度和所处网格区域的中心位置。根据受灾人的救援信息，生成与该救援信息对应的初始救援任务，该初始救援任务中包括该受灾人的救援信息。
其中，所述受灾人的救援信息以元组进行表示，其中，Loci表示初始救援任务对应网格区域的中心位置；Ei表示第i个任务的风险程度，Ei的值为第i个初始救援任务中受灾人的风险程度，同时也是第i个初始救援任务的风险程度。
在完成该初始救援任务的创建后，将该初始救援任务存储至本体知识库中，并发布该初始救援任务。如表3所示，初始救援任务的相关信息按已构建的本体类及属性依次输入至本体知识库中。
在本发明的实施例中，所述本体知识库中包括历史灾害事件数据，也就是该本体知识库中包括历史救援任务和历史救援任务对应的洪涝灾害数据。该本体知识库将用于后续进行相似度计算，以确定出执行该初始救援任务的目标救援队。
接收各个未执行救援任务的各个救援队对该初始救援任务的投标，根据投标的救援队的属性信息，通过预设排序算法对参与投标的各个救援队进行排序。一种预设排序算法为VIKOR方法，具体为根据救援队与初始救援任务的中心位置的距离、救援队人员数量、救援速度、救援能力等指标，通过VIKOR方法，对参与该初始救援任务投标的各个救援队进行排序。
在本发明的实施例中，再根据初始救援任务和所述本体知识库中的历史灾害事件数据，通过预设相似度算法确定所述初始救援任务对应的目标应急任务分配准则。具体地，通过预设相似度算法，计算该初始救援任务对应的网格区域的洪涝灾害数据与本体知识库中的各个历史救援任务各自对应的洪涝灾害数据之间的相似度，将得到的相似度从大到小进行排列，将相似度最高的一个历史救援任务的应急任务分配准则确定为该初始救援任务的目标应急任务分配准则。
其中，应急任务分配准则包括：按风险等级分配策略、最优密度分配策略、中心区域优先分配策略。按风险等级分配策略表征对于风险程度较高的任务，首选排序中排名第一的救援队，其后按救援任务的风险等级依次进行分配。最优密度分配策略表征使救援队的派往位置在地区上均匀分布，将风险等级最高的救援任务优先分配给救援队聚集程度最高地区内的救援队，使所有救援力量能够分散分布，使得救援更加灵活。中心区域优先分配策略：优先保障中心性最高的道路或重要交通枢纽处的救援任务分配给排名靠前的救援队。
在本发明的实施例中，在进行相似度计算的过程中，当初始救援任务中的相关属性信息的属性值为连续型数值时，实体X与实体Y间第i个属性值相似度计算公式为：，式中Zi为属性i的取值区间，其中实体X可理解为初始救援任务，实体Y可理解为历史救援任务。
当初始救援任务中的相关属性信息的属性值为区间值时，实体X与实体Y间第i个属性值相似度计算公式为：。
当初始救援任务中的相关属性信息的属性值为语义信息时，实体X与实体Y间第i个属性值相似度利用HowNet方法进行计算，实体属性Xi包含词语Wxi1，Wxi2…Wxim等，实体属性Yi包含词语Wyi1，Wyi2…Wyim等，两者语义相似度为：，式中/>为Xi中特征词Wxip与Yi中特征词Wyiq基于知网概念的相似值，其中1≤p≤n，1≤q≤m。
综合属性值相似度计算公式如下，权重由专家设定：，式中simz(X,Y)为实体X与Y的综合属性值相似度，k为实体X和Y中所共同包含的属性个数。
在本发明的实施例中，在获得进行投标的救援队的排序结果和初始救援任务的目标应急任务分配准则后，以目标应急任务分配准则为分配准则，从进行投标的救援队的排序结果中选择与该初始救援任务相匹配的目标救援队。
在确定该初始救援任务的目标救援队后，根据该初始救援任务和目标救援队，创建对该初始救援任务对应的受灾人的救援任务，通过目标救援队执行该救援任务，使得受灾人安全避灾。
在本发明中，在所述目标任务为救援任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：将所述救援任务发送至目标救援队，并设定所述救援任务和所述目标救援队的状态为执行中；所述目标救援队执行所述救援任务，在所述受灾人的风险程度转为0时，所述救援任务风险等级转为安全，并切换所述目标救援队的工作状态为空闲，所述救援任务状态切换为已完成。
在本发明的实施例中，在救援任务创建完成后，将救援任务发送至目标救援队所在终端设备，并设定该救援任务处于正在执行中，以及设定该目标救援队处于执行救援任务中。在目标救援队将受灾人转移到无风险地区，使得受灾人的风险程度转为0时，该救援任务的风险等级转为安全，并切换该目标救援队的工作状态为空闲，该救援任务状态切换为已完成。
在本发明中，在所述目标任务为避灾路径指示任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：根据所述洪涝灾害数据，规划所述受灾人的避灾路径；将所述避灾路径发送至所述受灾人所在终端，以指示所述受灾人进行避灾。
在本发明的实施例中，在为受灾人创建的目标任务为避灾路径指示任务时，通过对该受灾人所处网格区域的洪涝灾害数据进行分析处理，规划出该受灾人的最佳避灾路径，将该最佳避灾路径发送至该受灾人所在移动终端，以指示该受灾人进行避灾。
在本发明中，所述智能体集合的划分包括：根据城市道路网络和街道划界线，将城市划分为多个网格区域；将一个网格区域中的所有人员确定为对应的一个智能体集合。
在本发明的实施例中，为提高洪涝灾害场景下应急决策的决策效率，本发明中受灾人不仅可以包括单个智能体，也就是单个受灾人员，还可以包括智能体集合，也就是多个受灾人员组成的集合。
具体地，智能体集合的划分依据为根据城市道路网和街道划界线，将各个城市道路网和街道划界线分割为的一个个区域确定为网格区域，将一个网格区域中的所有人员组成的集合确定为一个智能体集合。
在针对一个智能体集合创建救援任务时，根据该智能体集合中各个受灾人员的属性信息和接收到的该智能体集合中任意一个受灾人员的救援信号，创建对应的救援任务，目的是避免存在部分受灾人员的自主操作能力不足，导致无能力发出救援信号，从而导致这些待受灾人员无法得到救援。具体地，在一个智能体集合中存在一个受灾人员的目标避灾行为规则确定为原地等待救援时，也就是存在一个受灾人员发送救援信号，并确定了该一个受灾人符合原地等待救援的条件时，将确定该一个受灾人员所在网格区域内的所有受灾人员各自的风险程度，以确定各个受灾人员的推荐避灾行为规则，如自行前往避难所或原地等待救援。基于该网格区域内推荐避灾行为规则为原地等待救援的所有受灾人员各自的救援信息组成的综合救援信息，生成与该综合救援信息对应的初始救援任务，该初始救援任务中包括所述综合救援信息。
其中，智能体集合的综合救援信息以元组定义，其中ni表示第i个初始救援任务中待救援人员总数，Loci表示初始救援任务对应网格区域的中心位置，WPi表示第i个初始救援任务中待救援的智能体的集合，，WPi1表明第i个初始救援任务中第一个待救援人员的身份编码，通过唯一的身份编码可从本体知识库中调取该第一个待救援人员的详细信息；Ei表示第i个初始救援任务的风险程度，Ei的值为第i个初始救援任务中ni个待救援人员风险程度的累加值。
其中，确定该一个受灾人员所在网格区域内的所有受灾人员各自的风险程度的实施方式与上述确定受灾人的风险程度的实施方式相同，在此不再赘述。
在本发明的实施例中，在生成与综合救援信息对应的初始救援任务后，根据该初始救援任务所需要救援的待救援人员规模，也就是待救援人员总数，筛选出所有未执行救援任务的能够对该规模的待救援人员进行救援的救援队，接收这部分救援队对该初始救援任务的投标，以避免救援队的人数与待救援人员总数之间不匹配，导致错过对待救援人员的最佳救援时机。例如，待救援的人员总数有30人，而实际派遣的救援队的人数却只有3人，这使得救援队的人数与待救援人员总数之间严重不匹配，使得大量待救援人员无法在最佳救援时机得到救援。
在本发明的实施例中，所述方法还包括每隔预设时间间隔就将当前时刻的城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，以确定出当前时刻受灾人员的数量和各个受灾人员各自的风险程度，在存在受灾人员时则执行应急决策，直到预设的时间阈值或者输出的受灾人员数量为零时结束应急决策。
示例地，预设时间间隔为5分钟，在发生洪涝灾害的10:00即将10:00的城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，以确定出当前时刻受灾人员的数量；在10:00对应的受灾人员数量不为零时，执行应急决策，并在时间来到10:05时，将10:05的城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，以确定出当前时刻受灾人员的数量；在10:00对应的受灾人员数量不为零时，执行应急决策，并在时间来到10:10时，将10:10的城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，以确定出当前时刻受灾人员的数量，如此循环，直至将某一时刻的城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，并确定出当前时刻的受灾人员的数量为零时，结束应急决策。
应当理解的是，预设时间间隔可根据实际应用场景进行设定，如设置为5分钟，或10分钟等，在此不做具体限定，预设的时间阈值也可根据实际应用场景进行设定，如设置为24小时，或48小时等，在此不做具体限定。
在本发明的实施例中，图2示出了本发明提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法的模型结构，如图2所示，城市环境智能体根据城市降雨信息和城市基础地理场景信息获得洪涝灾害数据，根据获得的洪涝灾害数据和受灾人的属性信息，对受灾人进行风险程度判断，根据受灾人选择的是救援信号还是指示信号，创建对应的目标任务。在受灾人选择的是指示信号时，根据受灾人所在的网格区域的洪涝灾害数据，生成最佳避灾路线，以指示受灾人自行前往避难所。
在受灾人选择的是救援信号时，由应急指挥中心的任务智能体接收到救援信号，根据该救援信号，确定等待救援人员的数量、坐标、风险程度等信息，并创建对应的初始救援任务。将生成的初始救援任务发送给指挥协调智能体，由指挥协调智能体基于拍卖机制的合作规则将初始救援任务进行拍卖发布，初始救援任务包括初始救援任务坐标、受灾人数量等任务详情，寻找当前与初始救援任务适配度较高的救援队，救援智能体中的各个救援队在空闲状态下可任意选择多项适配度较高的初始救援任务进行投标，指挥协调智能体根据救援队与初始救援任务的中心位置的距离、救援队人员数量、救援速度、救援能力等指标采用VIKOR方法，对各个投标救援队进行排序。指挥协调智能体调取当前时间下所有初始救援任务的详情，统计各风险等级下的初始救援任务数量及分布状况、当前救援队数量及分布状况，根据本体知识库使用预设相似度算法确定各个初始救援任务各自的目标应急任务分配准则，依据各个初始救援任务各自对应的目标应急任务分配准则，将各个初始救援任务指派给对应的目标救援队。
基于初始救援任务和与初始救援任务对应的目标救援队，生成救援任务，并基于生成的救援任务修改本体知识库中的该救援任务的相关数据信息，如更新目标救援队和救援任务的工作状态等。目标救援队接收到救援指令后，选择最短路径前往指定地点对受灾人进行救援，协助受灾人前往指定避难所，直至受灾人的风险转为0，应急任务风险等级转为安全为止。完成救援任务的目标救援队将现有工作状态转为空闲，任务智能体将自身任务状态由“进行中”转为“已完成”，更改本体知识库中的相应的属性值，并告知指挥协调智能体。
由此，由应急指挥中心定义救援任务、指挥协调、救援队三类智能体的基本特征及功能属性，制定指挥协调智能体对任务智能体的信息接收及响应规则、指挥协调智能体与救援智能体基于拍卖机制的合作规则、指挥协调智能体基于本体知识库确定的目标应急任务分配准则等交互规则，由此形成一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法的模型结构。
本发明所提供的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法同时考虑了受灾人的避灾行为规则和应急任务分配准则的多智能体应急决策对不同时刻城市洪涝灾害地理场景及其风险的交互影响，适用于城市洪涝灾害场景中的风险评估与动态应急决策，解决了城市洪涝灾害复杂场景下应急及风险演化过程定量刻画的难题，有效提升城市洪涝灾害应急决策的智能化和精细化。
本发明第二方面提供一种城市复杂地理场景下洪涝灾害智能体交互式应急决策系统，如图3所示，所述系统300包括：
洪涝灾害数据确定模块301，用于通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；
风险程度确定模块302，用于根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；
目标避灾行为准则确定模块303，用于根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；
目标任务创建模块304，用于根据所述目标避灾行为规则，创建对应的目标任务；
避灾模块305，用于通过执行所述目标任务，控制所述受灾人进行避灾。
可选地，所述风险程度确定模块302包括：
受灾人位置确定模块，用于根据受灾人所处网格位置，确定所述受灾人是否处于建筑物内；
第一脆弱因子确定模块，用于在所述受灾人处于建筑物内时，确定所述受灾人的脆弱因子为建筑物内的脆弱因子；
第一风险程度确定子模块，用于根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物内的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息；
第二脆弱因子确定模块，用于在所述受灾人处于建筑物外时，确定所述受灾人的脆弱因子为建筑物外的脆弱因子；
第二风险程度确定子模块，用于根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物外的脆弱因子，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息。
可选地，所述洪涝灾害数据确定模块301，包括：洪涝灾害数据确定子模块，用于将城市降雨信息作为最上层边界条件，通过二维水动力学LISFLOOD-FP模型与城市雨洪管理SWMM模型的耦合模型，获得对应时刻的洪涝灾害数据；
所述风险程度确定模块302，包括：风险程度确定子模块，用于根据受灾人所处网格位置和所述网格位置的洪涝灾害数据，通过洪涝灾害风险值算式进行计算，获得所述受灾人的风险程度并向所述受灾人发布风险预警信息；
其中，所述洪涝灾害风险值算式为：，式中：risk为径流流速与积水水深综合作用下的风险值；D为所在网格位置的积水水深，单位为米；V为所在网格位置的径流流速，单位为米每秒；C为流速因子，取0.5；DF为地表因子；Sin为受灾人在建筑物内时的脆弱因子，该受灾人为单个智能体；Sout为受灾人在建筑物外时的脆弱因子，该受灾人为单个智能体。
可选地，所述目标避灾行为准则确定模块303，包括：
避灾倾向确定模块，用于根据所述受灾人的属性信息，确定所述受灾人的避灾倾向；
避灾行为规则确定模块，用于根据所述避灾倾向和所述风险预警信息，确定所述受灾人的目标避灾行为规则；
所述目标任务创建模块304，包括：
第一目标任务创建模块，用于在所述目标避灾行为规则为自行前往避难所时，接收所述受灾人的指示信号以创建对所述受灾人的避灾路径指示任务；
第二目标任务创建模块，用于在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务。
可选地，所述第二目标任务创建模块，包括：
救援信息确定模块，用于根据接收的所述受灾人的救援信号，确定所述受灾人的救援信息；
初始救援任务确定模块，用于根据所述救援信息，生成与所述救援信息对应的初始救援任务并将所述初始救援任务存储至本体知识库；
初始救援任务发布模块，用于发布所述初始救援任务，并接收各个救援队对所述初始救援任务的投标；
救援队排序模块，用于根据投标的救援队的属性信息，通过预设排序算法对所述投标的救援队进行排序；
目标应急任务分配准则确定模块，用于根据初始救援任务和所述本体知识库中的历史灾害事件数据，通过预设相似度算法确定所述初始救援任务对应的目标应急任务分配准则；
目标救援队确定模块，用于根据排序结果和所述目标应急任务分配准则，将所述初始救援任务分配给匹配的目标救援队；
第二目标任务创建子模块，用于根据所述初始救援任务和所述目标救援队，创建对所述受灾人的救援任务。
可选地，所述避灾模块305，包括：
状态设置模块，用于在所述目标任务为救援任务时，将所述救援任务发送至目标救援队，并设定所述救援任务和所述目标救援队的状态为执行中；
状态切换模块，用于所述目标救援队执行所述救援任务，在所述受灾人的风险程度转为0时，所述救援任务风险等级转为安全，并切换所述目标救援队的工作状态为空闲，所述救援任务状态切换为已完成。
可选地，所述系统中的应急任务分配准则至少包括：风险等级分配准则、最优密度分配准则、中心区域优先分配准则。
可选地，所述避灾模块305，包括：
避灾路径规划模块，用于在所述目标任务为避灾路径指示任务时，根据所述洪涝灾害数据，规划所述受灾人的避灾路径；
避灾路径指示模块，用于将所述避灾路径发送至所述受灾人所在终端，以指示所述受灾人进行避灾。
可选地，所述系统中的所述受灾人包括单个智能体或智能体集合；所述智能体集合的划分包括：根据城市道路网络和街道划界线，将城市划分为多个网格区域；将一个网格区域中的所有人员确定为对应的一个智能体集合。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (7)

1.一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，所述方法包括：
通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据；
根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，其中，所述受灾人包括单个智能体或智能体集合；
根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则；
根据所述目标避灾行为规则，创建对应的目标任务；
通过执行所述目标任务，控制所述受灾人进行避灾；
其中，所述根据受灾人所处网格位置和所述洪涝灾害数据，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息，包括：根据受灾人所处网格位置，确定所述受灾人是否处于建筑物内；在所述受灾人处于建筑物内时，确定所述受灾人的脆弱因子为建筑物内的脆弱因子；根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物内的脆弱因子，通过洪涝灾害风险值算式进行计算，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息；在所述受灾人处于建筑物外时，确定所述受灾人的脆弱因子为建筑物外的脆弱因子；根据受灾人所处网格位置、所述洪涝灾害数据和所述建筑物外的脆弱因子，通过洪涝灾害风险值算式进行计算，确定所述受灾人的风险程度并向所述受灾人发布风险预警信息；
其中，所述洪涝灾害风险值算式为：，式中：risk为径流流速与积水水深综合作用下的风险值；D为所在网格位置的积水水深，单位为米；V为所在网格位置的径流流速，单位为米每秒；C为流速因子，取0.5；DF为地表因子；Sin为受灾人在建筑物内时的脆弱因子，该受灾人为单个智能体；Sout为受灾人在建筑物外时的脆弱因子，该受灾人为单个智能体；
其中，所述通过将城市降雨信息和城市基础地理场景信息输入城市洪涝模型，获得对应时刻的洪涝灾害数据，包括：
将城市降雨信息作为最上层边界条件，通过二维水动力学LISFLOOD-FP模型与城市雨洪管理SWMM模型的耦合模型，获得对应时刻的洪涝灾害数据。
2.根据权利要求1所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，所述根据所述风险预警信息和所述受灾人的属性信息，确定所述受灾人的目标避灾行为规则，包括：
根据所述受灾人的属性信息，确定所述受灾人的避灾倾向；
根据所述避灾倾向和所述风险预警信息，确定所述受灾人的目标避灾行为规则；
所述根据所述目标避灾行为规则，创建对应的目标任务，包括：
在所述目标避灾行为规则为自行前往避难所时，接收所述受灾人的指示信号以创建对所述受灾人的避灾路径指示任务；
在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务。
3.根据权利要求2所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，所述在所述目标避灾行为规则为等待救援时，接收所述受灾人的救援信号以创建对所述受灾人的救援任务，包括：
根据接收的所述受灾人的救援信号，确定所述受灾人的救援信息；
根据所述救援信息，生成与所述救援信息对应的初始救援任务并将所述初始救援任务存储至本体知识库；
发布所述初始救援任务，并接收各个救援队对所述初始救援任务的投标；
根据投标的救援队的属性信息，通过预设排序算法对所述投标的救援队进行排序；
根据初始救援任务和所述本体知识库中的历史灾害事件数据，通过预设相似度算法确定所述初始救援任务对应的目标应急任务分配准则；
根据排序结果和所述目标应急任务分配准则，将所述初始救援任务分配给匹配的目标救援队；
根据所述初始救援任务和所述目标救援队，创建对所述受灾人的救援任务。
4.根据权利要求3所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，在所述目标任务为救援任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：
将所述救援任务发送至目标救援队，并设定所述救援任务和所述目标救援队的状态为执行中；
所述目标救援队执行所述救援任务，在所述受灾人的风险程度转为0时，所述救援任务风险等级转为安全，并切换所述目标救援队的工作状态为空闲，所述救援任务状态切换为已完成。
5.根据权利要求3所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，应急任务分配准则至少包括：风险等级分配准则、最优密度分配准则、中心区域优先分配准则。
6.根据权利要求2所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，在所述目标任务为避灾路径指示任务时，所述通过执行所述目标任务，控制所述受灾人进行避灾，包括：
根据所述洪涝灾害数据，规划所述受灾人的避灾路径；
将所述避灾路径发送至所述受灾人所在终端，以指示所述受灾人进行避灾。
7.根据权利要求1所述的一种城市复杂地理场景下洪涝灾害智能体交互式应急决策方法，其特征在于，所述智能体集合的划分包括：根据城市道路网络和街道划界线，将城市划分为多个网格区域；将一个网格区域中的所有人员确定为对应的一个智能体集合。
CN202310157922.2A 2023-02-23 2023-02-23 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法 Active CN116128322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310157922.2A CN116128322B (zh) 2023-02-23 2023-02-23 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310157922.2A CN116128322B (zh) 2023-02-23 2023-02-23 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法

Publications (2)

Publication Number Publication Date
CN116128322A CN116128322A (zh) 2023-05-16
CN116128322B true CN116128322B (zh) 2023-07-25

Family

ID=86311643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310157922.2A Active CN116128322B (zh) 2023-02-23 2023-02-23 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法

Country Status (1)

Country Link
CN (1) CN116128322B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957303B (zh) * 2023-09-20 2023-11-28 河海大学 面向洪涝灾害场景的应急响应调度决策方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11519146B2 (en) * 2018-04-17 2022-12-06 One Concern, Inc. Flood monitoring and management system
CN109272189A (zh) * 2018-08-03 2019-01-25 华南理工大学 一种基于链式结构的城市尺度洪涝灾害风险评估方法
CN111652777B (zh) * 2020-05-15 2023-05-26 长江勘测规划设计研究有限责任公司 洪灾应急避险方法
CN113191644B (zh) * 2021-05-06 2022-12-06 天津大学 一种基于自发-引发风险评价模型城市内涝风险评价方法
CN115169771B (zh) * 2022-01-18 2022-12-30 长安大学 一种洪涝灾害影响下的交通网效率受损快速评估方法

Also Published As

Publication number Publication date
CN116128322A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
Smith et al. Moving through the matrix: Promoting permeability for large carnivores in a human-dominated landscape
Zeng et al. Development of a web-based decision support system for supporting integrated water resources management in Daegu city, South Korea
Elevli Logistics freight center locations decision by using Fuzzy-PROMETHEE
Niu et al. Crop planning and water resource allocation for sustainable development of an irrigation region in China under multiple uncertainties
Theobald et al. A framework for evaluating land use planning alternatives: protecting biodiversity on private land
Li et al. A household-level approach to staging wildfire evacuation warnings using trigger modeling
CN110046760B (zh) 一种考虑受灾点需求紧迫性的医疗救援点选址方法
CN116128322B (zh) 城市复杂地理场景下洪涝灾害智能体交互式应急决策方法
Nkwonta et al. A review on water resources yield model
Cai et al. Bi-level programming enabled design of an intelligent maritime search and rescue system
Feng et al. Optimal route of emergency resource scheduling based on GIS
De Steiguer Multi-criteria decision models for forestry and natural resources management: an annotated bibliography
Ghaffari Moghadam et al. Economic Model for Optimal Allocation of Water Resources with an Emphasis on Risk and Consistency Index in the Sistan Region: The Application of Interval Two-Stage Stochastic Programming Method
Cakmak et al. Participatory fuzzy cognitive mapping analysis to evaluate the future of water in the Seyhan Basin
Mohammadi Improved strategy management for WDNs: Integrated prioritization SWOT QSPM (IPSQ) method–Application to passive defense
Edrisi et al. Optimal budget allocation to improve critical infrastructure during earthquakes
Heydari et al. Land use optimization using the fuzzy mathematical-spatial approach: a case study of Chelgerd watershed, Iran
Paveglio et al. Integrating dynamic social systems into assessments of future wildfire losses: an experiential agent-based modeling approach
Moghadam et al. Economic Model for Optimal Allocation of Water Resources with an Emphasis on Risk and Consistency Index in the Sistan Region: The Application of Interval Two-Stage Stochastic Programming Method
Kustiyahningsih et al. Fuzzy type-2 trapezoid methods for decision making salt farmer mapping
CN116957303B (zh) 面向洪涝灾害场景的应急响应调度决策方法及系统
Segura Dorado et al. Fuzzy analytical network techniques for selecting suitable temporary refuge sites in Paez, Colombia
Moeini et al. Cyclic storage approach for conjunctive operation of surface and groundwater systems (Case study: ZarrinehRoud catchment area)
Akbari Multi-criteria approach to maritime search and rescue location analysis
CN115619064B (zh) 救援计划制定方法、装置、设备和存储介质

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