CN116681305B - 一种基于知识图谱的突发事件应急决策方法 - Google Patents
一种基于知识图谱的突发事件应急决策方法 Download PDFInfo
- Publication number
- CN116681305B CN116681305B CN202310654730.2A CN202310654730A CN116681305B CN 116681305 B CN116681305 B CN 116681305B CN 202310654730 A CN202310654730 A CN 202310654730A CN 116681305 B CN116681305 B CN 116681305B
- Authority
- CN
- China
- Prior art keywords
- emergency
- knowledge graph
- measures
- entity
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004044 response Effects 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000008520 organization Effects 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000004141 dimensional analysis Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information 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知识图谱的突发事件应急决策方法,包括:基于突发事件和应急决策的历史数据构建突发事件知识图谱。其中需要利用不同的突发事件和应急决策的历史数据对突发事件知识图谱进行训练,优化响应措施和保障措施中的具体措施内容。当发生突发事件时,从突发事件知识图谱中获取对应的响应措施和/或保障措施,将响应措施和/或保障措施汇总后形成应急决策方案。本发明知识图谱可根据突发事件和应急决策的历史数据进行训练,获取其中较好的响应措施和保障措施进行数据更新,使得基于知识图谱获得的应急决策方案具有较高的适用性。
Description
技术领域
本发明涉及公共安全管理技术领域,具体为一种基于知识图谱的突发事件应急决策方法。
背景技术
根据应急管理部统计结果,2018-2022年全国各种自然灾害共造成6.17亿人次受灾,直接经济损失高达15343.3亿元。一系列突发事件的发生,对我国造成了严重的社会危害和经济损失。在突发事件领域,利用先进的信息技术和丰富的数据资源让决策者及时识别突发事件,并做出部署和调度,是实现应急管理数字化的重要内容。
传统的针对突发事件的应急决策制定,主要依靠专家经验,主观性较强。以图模型描述实体及关系的知识图谱技术正在多个行业领域内得以广泛应用。知识图谱是语义网络深化发展的形态,利用知识图谱可以实现“不同粒度知识单元的语义化组织、关联及深层知识挖掘”,能够更加快速、高效地处理多源异构数据,并进行关联分析。
然而现有的突发事件相关知识图谱还存在:1.缺乏自身优化能力。2.分析准确率仍有不足的问题。
发明内容
针对现有技术的不足,本发明提供了一种基于知识图谱的突发事件应急决策方法,包括:
基于突发事件和应急决策的历史数据构建突发事件知识图谱。具体包括:
S1.从突发事件和应急决策历史数据中抽取实体,包括:
首先,对突发事件文本数据进行格式转换、规范化及语句完善的预处理操作。
之后,采用BIOES标注形式对突发事件文本进行实体词标注,其中:B表示突发事件实体词的词首,I表示突发事件实体词的中间位置,E表示突发事件实体词的词尾,O表示非突发事件实体词,S表示突发事件单个实体词。
而后,对训练文本中每一条数据中的实体词,用模板“**#;#类型#;#**”进行替代。
最后,引入RoBERTa-wwm-ext-BiLSTM-CRF模型完成从突发事件和应急决策历史数据中识别和获取实体。
S2.在抽取实体的突发事件和应急决策历史数据中进行关系抽取形成三元组。
S3.将三元组导入高性能图数据库中形成突发事件知识图谱。
所述突发事件知识图谱包括:事件维、流程维、载体维和要素维四个维度,并据此将实体分为八个大类和众多小类。其中:
事件维包括:事故类型和事故级别。
流程维包括:响应措施和保障措施。
载体维包括:地点、组织机构。
要素维包括:时间、事故损失。
S4.利用不同的突发事件和应急决策的历史数据对突发事件知识图谱进行训练,优化响应措施和保障措施中的具体措施内容。
当发生突发事件时,提取突发事件信息流并根据突发事件知识图谱的分类,从突发事件信息流中提取对应的关键词信息,基于关键词信息从突发事件知识图谱中检索得到对应流程维中的响应措施和/或保障措施,将响应措施和/或保障措施汇总后形成应急决策方案。
进一步的,步骤S2所述进行关系抽取形成三元组的方法包括:以历史数据编号为特定档案号为头实体,以知识图谱规定的实体类型为尾实体。提取实体所在的数据语句,匹配本体中所构建的关系,形成三元组。
进一步的,步骤S4中优化响应措施和保障措施中的具体措施内容的方法包括:
首先,获取基于当前突发事件知识图谱分析后指向相同流程维,但是历史应急决策中的具体措施内容不同的突发事件和应急决策的历史数据。
之后,基于获得该相同流程维的历史数据中的语句,判断是否存在不相同的实体和关系信息。如存在,则将不相同的实体和关系信息提取后作为指向不同具体措施内容的新的关系。如不存在,则对不同的具体措施内容进行择优排序。
在发生突发事件时,该流程维的具体措施内容进行择优排序展示。
进一步的,所述对不同的具体措施内容进行择优排序的方法包括:
获取该流程维关系中的事故损失信息,以其中具体措施信息发布前后的事故损失增量维度构建自小到大排序,以其中排序靠前的具体措施内容为较优。
进一步的,所述事故损失增量的获取方法包括:以应急决策执行时因突发事件导致的事故损失为增量零点,以应急决策执行过程中的实际增加量为第一计算值C1,以常规分析模型分析得到的该突发事件可能导致的事故损失为第一参考值C0,计算C=C1-C0,其中C为所述事故损失增量。
进一步的,所述该突发事件可能导致的事故损失的方法包括:
归类相同事件维的历史数据,以其中相同组织机构对应的最近历史数据为该突发事件可能导致的事故损失。
进一步的,所述最近历史数据为:以目标历史数据时间为节点,同时满足时间要素为3年内,次数要素为最接近节点的5次历史数据。
进一步的,所述将响应措施和/或保障措施汇总后形成应急决策方案的方法包括:
截取到突发事件信息流时,立刻获取突发事件发生地区主要交通道路的实时交通流量数据。
基于突发事件发生地区的交通网络信息,规划突发事件救援地与应急响应站点之间,突发事件发生时段实时交通流量较小的道路形成最佳交通规划线。
获取突发事件发生地区的交通网络智能信号灯控制信息,形成最佳交通规划线相关道路的信号灯控制方案。对于不含有智能信号灯的道路交叉口,制定交通指挥工作人员安排计划方案。
获取响应措施和/或保障措施中涉及物资运输或人员疏散的相关措施内容,附加最佳交通规划线、相关道路的信号灯控制方案和交通指挥工作人员安排计划方案进行汇总。
进一步的,形成突发事件知识图谱后,还包括以下方法:
首先,以地点要素进行划分,统计一定地域范围内各类突发事件的发生频次,将其中高频次突发事件进行标注。
然后,获取该地标注类型的突发事件在知识图谱中的响应措施和保障措施。
最后,统计响应措施和保障措施中共性的部分,并将共性部分作为应急预案。
进一步的,形成突发事件知识图谱后,还包括以下方法:
获取突发事件和应急决策的历史数据中的地点要素和时间要素,将一定地域范围内具有时间关联的突发事件基于时间线关联。
发生突发事件后,获取该突发事件与其他突发事件的关联信息,获取时间线关联中该突发事件之后时间点关联的突发事件信息,形成关联突发事件链。
将关联突发事件链信息及知识图谱中对应的响应措施和/或保障措施具体内容作为关联信息汇总至应急决策方案中。
与现有技术相比,本发明的有益效果是:
1、本发明通过对实体抽取方法的优化,在一定程度上优化了知识图谱分析的准确率。
2、本发明知识图谱可根据突发事件和应急决策的历史数据进行训练,获取其中较好的响应措施和保障措施进行数据更新,使得基于知识图谱获得的应急决策方案具有较高的适用性。
附图说明
图1所示为公共安全技术中的“三角形”分析模型的模型框架结构示意图。
图2所示为本发明“四维”分析模型的模型框架结构示意图。
图3所示为本发明RoBERTa-wwm-ext-BiLSTM-CRF模型框架结构示意图。
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
一种基于知识图谱的突发事件应急决策方法,包括:
基于突发事件和应急决策的历史数据构建突发事件知识图谱。具体包括:
S1.从突发事件和应急决策历史数据中抽取实体,包括:
首先,对突发事件文本数据进行格式转换、规范化及语句完善的预处理操作。
之后,采用BIOES标注形式对突发事件文本进行实体词标注,其中:B表示突发事件实体词的词首,I表示突发事件实体词的中间位置,E表示突发事件实体词的词尾,O表示非突发事件实体词,S表示突发事件单个实体词。
而后,对训练文本中每一条数据中的实体词,用模板“**#;#类型#;#**”进行替代。
最后,引入RoBERTa-wwm-ext-BiLSTM-CRF模型完成从突发事件和应急决策历史数据中识别和获取实体。
S2.在抽取实体的突发事件和应急决策历史数据中进行关系抽取形成三元组。具体包括:以历史数据编号为特定档案号为头实体,以知识图谱规定的实体类型为尾实体。提取实体所在的数据语句,匹配本体中所构建的关系,形成三元组。
S3.将三元组导入高性能图数据库中形成突发事件知识图谱。
所述突发事件知识图谱包括:事件维、流程维、载体维和要素维四个维度,并据此将实体分为八个大类和众多小类。其中:
事件维包括:事故类型和事故级别。
流程维包括:响应措施和保障措施。
载体维包括:地点、组织机构。
要素维包括:时间、事故损失。
S4.利用不同的突发事件和应急决策的历史数据对突发事件知识图谱进行训练,优化响应措施和保障措施中的具体措施内容。
当发生突发事件时,提取突发事件信息流并根据突发事件知识图谱的分类,从突发事件信息流中提取对应的关键词信息,基于关键词信息从突发事件知识图谱中检索得到对应流程维中的响应措施和/或保障措施,将响应措施和/或保障措施汇总后形成应急决策方案。
如图1所示的公共安全科技的“三角形”模型是构建应对突发公共事件体系模型的重要基础和依据,三个边分别代表突发事件、承灾载体和应急管理三个维度,突发事件发生的作用根源称为灾害要素。“三角形”模型清晰地展示了三个维度之间的关系及突发事件演变过程,是科学指导应急管理的分析框架。
本发明以“三角形”模型为基础,为了更加详细的展示突发事件要素信息,依据应对突发事件演化的特点进行有针对性的改进,建立如图2所示的突发事件的“四维”分析模型作为本发明知识图谱的基础框架。
基于本发明“四维”分析模型,本发明构建了如下表所示的突发事件实体概念细分表。
表1.突发事件实体概念细分表
现有技术一般基于“三角形”模型构建突发事件知识图谱,这样当突发事件发生时,可以基于知识图谱快速获取关联信息,但是应急决策仍然需要专家组专家根据知识图谱提供的关联信息和专家自身的工作经验进行提供,因此仍然不能避免专家因为工作经验或主管因素对决策的影响。
本发明将现有的“三角形”模型细化为“四维”模型后,可以将具有流程特性的突发事件应急决策(管理)内容引入知识图谱中。因此得到的知识图谱体系不只是简单的对突发事件进行信息分类关联,同时还可以将突发事件中各要素的应对措施进行关联,因此当发生新的突发事件时,本发明突发事件知识图谱不仅可以快速形成要素信息的关联,还能基于关联信息给出基于历史数据、采用科学分析方法分析后得到的合理、客观的应急决策方案。
本发明提供的实体抽取方法,一方面可以将多种来源的信息流信息进行规范化处理,降低识别信息流信息中的实体信息的难度。另一方面,本发明将实体信息以“**#;#类型#;#**”进行替换后,可以显著的提升实体识别的准确性。
此外,本发明采用了如图3所示的RoBERTa-wwm-ext-BiLSTM-CRF模型进行实体识别(图3中以森林火灾实体为例),其中第一层以预训练RoBERTa-wwm-ext模型为基础,获取文本中每个词的语义表示,并可缓解实体类别样本数据存在不平衡现象。第二层为BiLSTM层,从正反两个方向计算文本序列的表示,强化文本序列的位置信息及方向信息,增加序列上的依赖关系。第三层是CRF层,在BiLSTM层后加入CRF作为解码工具,可以获得文本序列全局最优的实体标签序列。
例如:
本发明设定模型中的超参数数值为:将输入句子的最大长度maxlength设为150,每次训练样本数量为32,学习率为3e-5,bilstm层学习率为3e-4,为避免过拟合,设置丢弃率dropout为0.3。本发明使用300项突发事件和应急决策历史数据作为语料数据,经过分句后得到3989条语句,八个命名实体类共标注实体6022个。训练集、验证集按8:2的比例分布数据。本发明采用常用的NER评价指标精度、召回率、F1值对模型性能进行评价。为了得到效果最佳的命名实体识别方法,本发明采用BERT-BiLSTM-CRF模型、BERT-WWM-ext-BiLSTM-CRF模型、ALBERT-BiLSTM-CRF模型进行对比,每种实体类评价指标值如表2所示。
表2模型评价结果
在每类实体评估结果表中可以看出,时间、保障措施、事故损失、事故级别、事故类型实体效果最好,原因可能是这五类实体相对来说表述方式固定、选择范围比较一致,有比较明确的字词体现,因此准确率在八类实体中最高。而应对措施、地点、组织机构这三类在三个指标中表现比较差,原因是应对措施类在不同的事件类型中采用不同的方式措施,地点、组织机构类评估效果差是因为实体嵌套问题。对比四组实验综合结果可以发现加入RoBERTa-wwm-ext模型之后提升了突发事件实体识别效果,RoBERTa-wwm-ext-BiLSTM-CRF模型识别效果相对最佳最好。
实体识别的准确率是影响知识图谱分析准确性的主要因素,因此采用本发明RoBERTa-wwm-ext-BiLSTM-CRF模型后,知识图谱的分析准确性也能得到显著提升。
实施例2
基于实施例1所述的基于知识图谱的突发事件应急决策方法,步骤S4中优化响应措施和保障措施中的具体措施内容的方法包括:
首先,获取基于当前突发事件知识图谱分析后指向相同流程维,但是历史应急决策中的具体措施内容不同的突发事件和应急决策的历史数据。
之后,基于获得该相同流程维的历史数据中的语句,判断是否存在不相同的实体和关系信息。如存在,则将不相同的实体和关系信息提取后作为指向不同具体措施内容的新的关系。如不存在,则对不同的具体措施内容进行择优排序。
在发生突发事件时,该流程维的具体措施内容进行择优排序展示。
知识图谱一般会通过唯一的实体关系链指向一个特定的分析结果,因此在现有的突发事件知识图谱中,一般会将突发事件-应急决策历史数据作为分析结果,以实体和关系链进行分析,将与当前突发时间最接近的突发事件-应急决策历史数据作为案例推送。然而历史上的应急决策方法不一定是优选方案。因此本发明引入了对响应措施和保障措施中的具体措施内容进行优化的方法,从而可以在突发事件发生时推送最优解情况下的响应措施和保障措施具体内容作为形成应急决策的基础。
实施例3
基于实施例2所述的基于知识图谱的突发事件应急决策方法,对不同的具体措施内容进行择优排序的方法包括:
获取该流程维关系中的事故损失信息,以其中具体措施信息发布前后的事故损失增量维度构建自小到大排序,以其中排序靠前的具体措施内容为较优。
所述事故损失增量的获取方法包括:以应急决策执行时因突发事件导致的事故损失为增量零点,以应急决策执行过程中的实际增加量为第一计算值C1,以常规分析模型分析得到的该突发事件可能导致的事故损失为第一参考值C0,计算C=C1-C0,其中C为所述事故损失增量。
所述该突发事件可能导致的事故损失的方法包括:
归类相同事件维的历史数据,以其中相同组织机构对应的最近历史数据为该突发事件可能导致的事故损失。
所述最近历史数据为:以目标历史数据时间为节点,同时满足时间要素为3年内,次数要素为最接近节点的5次历史数据。
本发明提出了对流程维中响应措施和保障措施进行优化的方法,为此本发明提供了一种具体的对不同的具体措施内容进行择优排序的方法。该方法以事故损失增量为评价响应措施和保障措施发布效果的评价指标,以事故损失增量最小的响应措施和保障措施作为同类突发事件对应的流程维信息。采用该方法可在突发事件发生时,通过本发明知识图谱分析,得到历史事故损失率最小的流程维信息,有助于形成能有效降低受灾人员和救援人员的人身和财产损失的响应措施和保障措施。
实施例4
基于实施例1所述的基于知识图谱的突发事件应急决策方法,所述将响应措施和/或保障措施汇总后形成应急决策方案的方法包括:
截取到突发事件信息流时,立刻获取突发事件发生地区主要交通道路的实时交通流量数据。
基于突发事件发生地区的交通网络信息,规划突发事件救援地与应急响应站点之间,突发事件发生时段实时交通流量较小的道路形成最佳交通规划线。
获取突发事件发生地区的交通网络智能信号灯控制信息,形成最佳交通规划线相关道路的信号灯控制方案。对于不含有智能信号灯的道路交叉口,制定交通指挥工作人员安排计划方案。
获取响应措施和/或保障措施中涉及物资运输或人员疏散的相关措施内容,附加最佳交通规划线、相关道路的信号灯控制方案和交通指挥工作人员安排计划方案进行汇总。
对于发生在城镇中的突发事件,交通因素是一个极为关键的影响突发事件恶化程度和救援保障速度的影响因素。现有技术中对于交通控制介入,更多的依赖于相关指挥或工作人员在指挥现场进行的工作,如因为指挥或工作人员的遗漏很可能导致救援人员或疏散人员已经收到交通拥堵影响才进行相应的交通管控,不利于突发事件的应急处理。本发明在汇总响应措施和/或保障措施时,即引入交通管控因素,为后续响应措施和/或保障措施的实施提供交通便利。
实施例5
基于实施例1所述的基于知识图谱的突发事件应急决策方法,形成突发事件知识图谱后,还包括以下方法:
首先,以地点要素进行划分,统计一定地域范围内各类突发事件的发生频次,将其中高频次突发事件进行标注。
然后,获取该地标注类型的突发事件在知识图谱中的响应措施和保障措施。
最后,统计响应措施和保障措施中共性的部分,并将共性部分作为应急预案。
通过该方法,可以基于知识图谱进行突发事件-应急决策的历史数据分析,对于突发事件高发的地域,基于突发事件类型和响应措施和保障措施中的常用部分形成针对性的应急预案。
例如:针对某市发生的三起加油站爆炸事故进行知识图谱分析,根据流程维信息分析,其中共性部分为加油站设计建造存在安全隐患需要进行改建、加油站工作人员安全意识淡薄需要进行安全意识培训、加油工作不规范需要进行再次培训和制定监督流程。因此针对该市形成针对加油站的建造安全隐患排查预案、加油站工作人员安全意识培训预案、加油工作规范抽查预案等有针对性的应急预案措施,降低加油站爆炸这一突发事件的发生可能性。
实施例6
基于实施例1所述的基于知识图谱的突发事件应急决策方法,形成突发事件知识图谱后,还包括以下方法:
获取突发事件和应急决策的历史数据中的地点要素和时间要素,将一定地域范围内具有时间关联的突发事件基于时间线关联。
发生突发事件后,获取该突发事件与其他突发事件的关联信息,获取时间线关联中该突发事件之后时间点关联的突发事件信息,形成关联突发事件链。
将关联突发事件链信息及知识图谱中对应的响应措施和/或保障措施具体内容作为关联信息汇总至应急决策方案中。
现由的知识图谱分析结果一般为单一指向的结果,但是对于突发事件,一件突发事件很可能会引发后续连锁的突发事件,例如:严重交通事故的突发事件,由于破坏了燃气管线后可能引发燃气爆炸的突发事件;地质灾害突发事件,由于破坏了山区地质结构可能引发山地滑坡、泥石流、堰塞湖等后续突发事件。
因此现有技术中当突发事件发生时,对于后续可能引发事件的判断完全依赖于应急小组的现场判断,很多时候是后续突发事件爆发后进行再次的应急处理。本发明可形成突发事件之间的关联性,这样就可以在突发事件发生时,提供对应突发事件的响应措施和保障措施时,将与该突发事件有关联的突发事件信息及相应的响应措施和保障措施一并形成应急决策,避免漏判后续突发事件,进而进一步降低或有效控制突发事件的事故损失。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于知识图谱的突发事件应急决策方法,其特征在于,包括:
基于突发事件和应急决策的历史数据构建突发事件知识图谱;具体包括:
S1.从突发事件和应急决策历史数据中抽取实体,包括:
首先,对突发事件文本数据进行格式转换、规范化及语句完善的预处理操作;
之后,采用BIOES标注形式对突发事件文本进行实体词标注,其中:B表示突发事件实体词的词首,I表示突发事件实体词的中间位置,E表示突发事件实体词的词尾,O表示非突发事件实体词,S表示突发事件单个实体词;
而后,对训练文本中每一条数据中的实体词,用模板“**#;#类型#;#**”进行替代;
最后,引入RoBERTa-wwm-ext-BiLSTM-CRF模型完成从突发事件和应急决策历史数据中识别和获取实体;
S2.在抽取实体的突发事件和应急决策历史数据中进行关系抽取形成三元组;
S3.将三元组导入高性能图数据库中形成突发事件知识图谱;
所述突发事件知识图谱包括:事件维、流程维、载体维和要素维四个维度,并据此将实体分为八个大类和众多小类;其中:
事件维包括:事故类型和事故级别;
流程维包括:响应措施和保障措施;
载体维包括:地点、组织机构;
要素维包括:时间、事故损失;
S4.利用不同的突发事件和应急决策的历史数据对突发事件知识图谱进行训练,优化响应措施和保障措施中的具体措施内容;
当发生突发事件时,提取突发事件信息流并根据突发事件知识图谱的分类,从突发事件信息流中提取对应的关键词信息,基于关键词信息从突发事件知识图谱中检索得到对应流程维中的响应措施和/或保障措施,将响应措施和/或保障措施汇总后形成应急决策方案;
步骤S4中优化响应措施和保障措施中的具体措施内容的方法包括:
首先,获取基于当前突发事件知识图谱分析后指向相同流程维,但是历史应急决策中的具体措施内容不同的突发事件和应急决策的历史数据;
之后,基于获得该相同流程维的历史数据中的语句,判断是否存在不相同的实体和关系信息;如存在,则将不相同的实体和关系信息提取后作为指向不同具体措施内容的新的关系;如不存在,则对不同的具体措施内容进行择优排序;
在发生突发事件时,该流程维的具体措施内容进行择优排序展示。
2.根据权利要求1所述基于知识图谱的突发事件应急决策方法,其特征在于,步骤S2所述进行关系抽取形成三元组的方法包括:以历史数据编号为特定档案号为头实体,以知识图谱规定的实体类型为尾实体;提取实体所在的数据语句,匹配本体中所构建的关系,形成三元组。
3.根据权利要求1所述基于知识图谱的突发事件应急决策方法,其特征在于,所述对不同的具体措施内容进行择优排序的方法包括:
获取该流程维中的事故损失信息,以其中具体措施信息发布前后的事故损失增量维度构建自小到大排序,以其中排序靠前的具体措施内容为较优。
4.根据权利要求3所述基于知识图谱的突发事件应急决策方法,其特征在于,所述事故损失增量的获取方法包括:以应急决策执行时因突发事件导致的事故损失为增量零点,以应急决策执行过程中的实际增加量为第一计算值C1,以常规分析模型分析得到的该突发事件可能导致的事故损失为第一参考值C0,计算C=C1-C0,其中C为所述事故损失增量。
5.根据权利要求4所述基于知识图谱的突发事件应急决策方法,其特征在于,所述该突发事件可能导致的事故损失的方法包括:
归类相同事件维的历史数据,以其中相同组织机构对应的最近历史数据为该突发事件可能导致的事故损失。
6.根据权利要求5所述基于知识图谱的突发事件应急决策方法,其特征在于,所述最近历史数据为:以目标历史数据时间为节点,同时满足时间要素为3年内,次数要素为最接近节点的5次历史数据。
7.根据权利要求1所述基于知识图谱的突发事件应急决策方法,其特征在于,所述将响应措施和/或保障措施汇总后形成应急决策方案的方法包括:
截取到突发事件信息流时,立刻获取突发事件发生地区主要交通道路的实时交通流量数据;
基于突发事件发生地区的交通网络信息,规划突发事件救援地与应急响应站点之间,突发事件发生时段实时交通流量较小的道路形成最佳交通规划线;
获取突发事件发生地区的交通网络智能信号灯控制信息,形成最佳交通规划线相关道路的信号灯控制方案;对于不含有智能信号灯的道路交叉口,制定交通指挥工作人员安排计划方案;
获取响应措施和/或保障措施中涉及物资运输或人员疏散的相关措施内容,附加最佳交通规划线、相关道路的信号灯控制方案和交通指挥工作人员安排计划方案进行汇总。
8.根据权利要求1所述基于知识图谱的突发事件应急决策方法,其特征在于,形成突发事件知识图谱后,还包括以下方法:
首先,以地点要素进行划分,统计一定地域范围内各类突发事件的发生频次,将其中高频次突发事件进行标注;
然后,获取该地标注类型的突发事件在知识图谱中的响应措施和保障措施;
最后,统计响应措施和保障措施中共性的部分,并将共性部分作为应急预案。
9.根据权利要求1所述基于知识图谱的突发事件应急决策方法,其特征在于,形成突发事件知识图谱后,还包括以下方法:
获取突发事件和应急决策的历史数据中的地点要素和时间要素,将一定地域范围内具有时间关联的突发事件基于时间线关联;
发生突发事件后,获取该突发事件与其他突发事件的关联信息,获取时间线关联中该突发事件之后时间点关联的突发事件信息,形成关联突发事件链;
将关联突发事件链信息及知识图谱中对应的响应措施和/或保障措施具体内容作为关联信息汇总至应急决策方案中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310654730.2A CN116681305B (zh) | 2023-06-05 | 2023-06-05 | 一种基于知识图谱的突发事件应急决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310654730.2A CN116681305B (zh) | 2023-06-05 | 2023-06-05 | 一种基于知识图谱的突发事件应急决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116681305A CN116681305A (zh) | 2023-09-01 |
CN116681305B true CN116681305B (zh) | 2024-04-26 |
Family
ID=87784980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310654730.2A Active CN116681305B (zh) | 2023-06-05 | 2023-06-05 | 一种基于知识图谱的突发事件应急决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681305B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933872A (zh) * | 2014-03-19 | 2015-09-23 | 北京航天长峰科技工业集团有限公司 | 一种单交叉口交通信号优化控制方法 |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
CN112071095A (zh) * | 2020-06-30 | 2020-12-11 | 合肥工业大学 | 一种基于v2x技术的应急车辆通过交叉口的信号配时方法 |
CN114117032A (zh) * | 2021-12-08 | 2022-03-01 | 中国民航科学技术研究院 | 一种基于实时应急数据生成预案的方法及装置、电子设备 |
CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
CN116028645A (zh) * | 2023-01-30 | 2023-04-28 | 正元地理信息集团股份有限公司 | 城市市政基础设施应急知识图谱确定方法、系统及设备 |
-
2023
- 2023-06-05 CN CN202310654730.2A patent/CN116681305B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933872A (zh) * | 2014-03-19 | 2015-09-23 | 北京航天长峰科技工业集团有限公司 | 一种单交叉口交通信号优化控制方法 |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
CN112071095A (zh) * | 2020-06-30 | 2020-12-11 | 合肥工业大学 | 一种基于v2x技术的应急车辆通过交叉口的信号配时方法 |
CN114117032A (zh) * | 2021-12-08 | 2022-03-01 | 中国民航科学技术研究院 | 一种基于实时应急数据生成预案的方法及装置、电子设备 |
CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
CN116028645A (zh) * | 2023-01-30 | 2023-04-28 | 正元地理信息集团股份有限公司 | 城市市政基础设施应急知识图谱确定方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116681305A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649260B (zh) | 基于评论文本挖掘的产品特征结构树构建方法 | |
CN103885934B (zh) | 一种专利文献关键短语自动提取方法 | |
CN110968699A (zh) | 一种基于事理推荐的逻辑图谱构建及预警方法和装置 | |
CN104820629A (zh) | 一种智能的舆情突发事件应急处理系统及方法 | |
CN104965867A (zh) | 基于chi特征选取的文本事件分类方法 | |
CN107844609A (zh) | 一种基于文体和词表的突发事件信息抽取方法及系统 | |
CN115330268B (zh) | 一种应对矿山灾难的综合性应急指挥方法及系统 | |
CN109101483B (zh) | 一种针对电力巡检文本的错误识别方法 | |
CN111967761A (zh) | 一种基于知识图谱的监控预警方法、装置及电子设备 | |
CN113239130A (zh) | 一种基于刑事司法文书的知识图谱的构建方法、装置和电子设备、存储介质 | |
CN113326358B (zh) | 基于知识图谱语义匹配的地震灾害信息服务方法和系统 | |
CA3092830A1 (en) | System and methods for generating an enhanced output of relevant content to facilitate content analysis | |
CN111400446A (zh) | 一种标准文本的查重方法及系统 | |
CN116384889A (zh) | 基于自然语言处理技术的情报大数据智能分析方法 | |
CN115544272A (zh) | 基于注意力机制的化工事故原因知识图谱构建方法 | |
CN113486158A (zh) | 基于案情比对的类案检索方法、装置、设备及存储介质 | |
Aswathy et al. | An efficient twitter data collection and analytics framework for effective disaster management | |
CN116681305B (zh) | 一种基于知识图谱的突发事件应急决策方法 | |
CN111914141B (zh) | 一种舆情知识库构建方法及舆情知识库 | |
CN117252255A (zh) | 一种面向辅助决策的灾害应急知识图谱构建方法 | |
CN110618980A (zh) | 基于法律文本精确匹配和矛盾检测的系统及方法 | |
CN110866624A (zh) | 化工事故预测方法和系统 | |
CN116307040A (zh) | 基于个性化中心度计算的消防救援技术预测分析方法 | |
CN116186422A (zh) | 基于社交媒体和人工智能的疾病相关舆情分析系统 | |
CN112967759B (zh) | 基于内存堆栈技术的dna物证鉴定str分型比对方法 |
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 |