CN117035374B - 一种应对突发事件的兵力协同调度方法、系统及介质 - Google Patents
一种应对突发事件的兵力协同调度方法、系统及介质 Download PDFInfo
- Publication number
- CN117035374B CN117035374B CN202311294762.2A CN202311294762A CN117035374B CN 117035374 B CN117035374 B CN 117035374B CN 202311294762 A CN202311294762 A CN 202311294762A CN 117035374 B CN117035374 B CN 117035374B
- Authority
- CN
- China
- Prior art keywords
- emergency
- information
- force
- rescue
- acquiring
- 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 51
- 230000010485 coping Effects 0.000 title claims abstract description 9
- 238000012549 training Methods 0.000 claims description 66
- 238000011161 development Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000005180 public health Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种应对突发事件的兵力协同调度方法、系统及介质,该方法包括:获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;根据兵力配置参数调用不同兵种进行协同救援;通过事件推演模型对突发事件进行预测推演,可以通过推演结果提前制定救援策略,使兵力的配置满足突发事件扩散的情况,提高兵力协同调度精度。
Description
技术领域
本申请涉及兵力调度领域,具体而言,涉及一种应对突发事件的兵力协同调度方法、系统及介质。
背景技术
突发事件是指突然发生,造成或者可能造成严重社会危害,需要采取应急处置措施予以应对的自然灾害、事故灾难、公共卫生事件和社会安全事件;现有应对突发事件时,无法对突发事件的扩散情况进行预测,从而无法精准的指定兵力调度,造成突发事件的处置效率较低,针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种应对突发事件的兵力协同调度方法、系统及介质,通过事件推演模型对突发事件进行预测推演,可以通过推演结果提前制定救援策略,使兵力的配置满足突发事件扩散的情况,提高兵力协同调度精度。
本申请实施例还提供了一种应对突发事件的兵力协同调度方法,包括:
获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;
根据兵力配置参数调用不同兵种进行协同救援。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度方法中,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
将训练集输入初始模型进行迭代训练,并记录迭代次数;
判断迭代次数是否满足要求;
若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度方法中,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
提取每一个类型存储区内的数据特征;
将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于或等于预设的相似度阈值;
若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;
若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度方法中,获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息,具体为:
获取当前突发事件状态信息,将当前突发事件状态信息与预设的状态信息进行比较,得到事态发展状态偏差;
若事态发展状态偏差超出预设的状态变化阈值,则判定突发事件扩散率高于设定的扩散率,则生成反馈信息,根据反馈信息对事件推演模型进行参数调整;
若事态发展状态偏差小于预设的状态变化阈值,则判定突发事件扩散率小于设定的扩散率,则通过事件推演模型输出突发事件不同时间节点的预测信息。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度方法中,根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数,具体为:
获取突发事件预测信息,根据突发事件预测信息生成突发事件事态扩展信息;
获取救援策略,根据救援策略进行配置兵力参数,并得到兵种类型、兵种数量与兵种空间分布信息;
根据兵种类型、兵种数量与兵种空间分布信息构建空间一体化的救援信息;
将突发事件事态扩展信息与救援信息进行匹配,得到救援匹配度;
判断所述救援匹配度是否大于或等于预设的匹配度阈值;
若大于或等于,则判定当前兵力参数符合救援要求;
若小于,则判定当前兵力参数不符合救援要求,则生成救援差异信息,根据救援差异信息对兵力参数进行配置调整。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度方法中,根据兵力配置参数调用不同兵种进行协同救援,具体为:
根据兵力配置参数计算兵力行进信息,根据兵力行进信息生成救援区域的移动状态,得到救援区域的中心位置;
获取突发事件的初始发生区域,并根据突发事件预测信息计算突发事件发生区域的变化信息,根据突发事件发生区域的变化信息实时获取突发事件发生区域的中心位置;
将突发事件发生区域的中心位置与救援区域的中心位置进行计算,得到突发事件发生区域与救援区域重合面积;
若重合面积大于预设的面积阈值,则生成第一修正信息,根据第一修正信息反向修正兵力行进信息与兵种空间分布信息;
若等于,则判定兵力行进信息与兵种空间分布信息符合要求,并进行多兵种协同救援;
若小于,则生成第二修正信息,根据第二修正信息正向修正兵力行进信息与兵种空间分布信息。
第二方面,本申请实施例提供了一种应对突发事件的兵力协同调度系统,该系统包括:存储器及处理器,所述存储器中包括应对突发事件的兵力协同调度方法的程序,所述应对突发事件的兵力协同调度方法的程序被所述处理器执行时实现以下步骤:
获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;
根据兵力配置参数调用不同兵种进行协同救援。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度系统中,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
将训练集输入初始模型进行迭代训练,并记录迭代次数;
判断迭代次数是否满足要求;
若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
可选地,在本申请实施例所述的应对突发事件的兵力协同调度系统中,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
提取每一个类型存储区内的数据特征;
将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于或等于预设的相似度阈值;
若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;
若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括应对突发事件的兵力协同调度方法程序,所述应对突发事件的兵力协同调度方法程序被处理器执行时,实现如上述任一项所述的应对突发事件的兵力协同调度方法的步骤。
由上可知,本申请实施例提供的一种应对突发事件的兵力协同调度方法、系统及介质,通过获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;根据兵力配置参数调用不同兵种进行协同救援;通过事件推演模型对突发事件进行预测推演,可以通过推演结果提前制定救援策略,使兵力的配置满足突发事件扩散的情况,提高兵力协同调度精度。
本申请的其他特征和优点将在随后的说明书阐述,本申请的目的和优点通过所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的应对突发事件的兵力协同调度方法的流程图;
图2为本申请实施例提供的应对突发事件的兵力协同调度方法的事件推演模型训练流程图;
图3为本申请实施例提供的应对突发事件的兵力协同调度方法的训练集生成方法流程图;
图4为本申请实施例提供的应对突发事件的兵力协同调度系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种应对突发事件的兵力协同调度方法的流程图。该应对突发事件的兵力协同调度方法用于终端设备中,该应对突发事件的兵力协同调度方法,包括以下步骤:
S101,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
S102,获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
S103,根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;
S104,根据兵力配置参数调用不同兵种进行协同救援。
需要说明的是,通过事件推演模型对突发事件进行预测,保证救援策略可以提前预判突发事件可能出现的各种情况,并针对不同的突发事件类型提前做出判断,提高兵力调度救援的效率。
请参照图2,图2是本申请一些实施例中的一种应对突发事件的兵力协同调度方法的事件推演模型训练流程图。根据本发明实施例,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
S201,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
S202,将训练集输入初始模型进行迭代训练,并记录迭代次数;
S203,判断迭代次数是否满足要求;
S204,若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
S205,若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
需要说明的是,通过对初始模型进行多次迭代,并根据训练结果进行动态调整初始模型的参数,保证得到的事件推演模型可以更加精准的推演突发事件的发展,为救援提供良好的技术支持。
请参照图3,图3是本申请一些实施例中的一种应对突发事件的兵力协同调度方法的训练集生成方法流程图。根据本发明实施例,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
S301,获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
S302,提取每一个类型存储区内的数据特征;
S303,将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;
S304,判断特征相似度是否大于或等于预设的相似度阈值;
S305,若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
需要说明的是,将不同类型的突发事件的历史数据进行分类存储,并对不同类型存储区内的数据进行识别判断,并根据判断结果对分类存储后的数据进行整合,提高分类精度,便于数据的精准调用。
根据本发明实施例,获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息,具体为:
获取当前突发事件状态信息,将当前突发事件状态信息与预设的状态信息进行比较,得到事态发展状态偏差;
若事态发展状态偏差超出预设的状态变化阈值,则判定突发事件扩散率高于设定的扩散率,则生成反馈信息,根据反馈信息对事件推演模型进行参数调整;
若事态发展状态偏差小于预设的状态变化阈值,则判定突发事件扩散率小于设定的扩散率,则通过事件推演模型输出突发事件不同时间节点的预测信息。
需要说明的是,通过分析突发事件事态发展状态,并进行判断事件推演模型的推演结果与当前事态发展结果是否一致,若不一致,则说明事件推演模型具有一定的误差,根据误差对事件推演模型进行参数调整,使事件推演模型的输出结果越来越精准。
根据本发明实施例,根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数,具体为:
获取突发事件预测信息,根据突发事件预测信息生成突发事件事态扩展信息;
获取救援策略,根据救援策略进行配置兵力参数,并得到兵种类型、兵种数量与兵种空间分布信息;
根据兵种类型、兵种数量与兵种空间分布信息构建空间一体化的救援信息;
将突发事件事态扩展信息与救援信息进行匹配,得到救援匹配度;
判断救援匹配度是否大于或等于预设的匹配度阈值;
若大于或等于,则判定当前兵力参数符合救援要求;
若小于,则判定当前兵力参数不符合救援要求,则生成救援差异信息,根据救援差异信息对兵力参数进行配置调整。
需要说明的是,通过判断救援信息是否满足突发事件事态扩展下的救援强度,并根据救援匹配度进行动态调整投入救援的兵力参数,提高兵力的配置精度,使投入救援的兵力始终满足救援要求。
根据本发明实施例,根据兵力配置参数调用不同兵种进行协同救援,具体为:
根据兵力配置参数计算兵力行进信息,根据兵力行进信息生成救援区域的移动状态,得到救援区域的中心位置;
获取突发事件的初始发生区域,并根据突发事件预测信息计算突发事件发生区域的变化信息,根据突发事件发生区域的变化信息实时获取突发事件发生区域的中心位置;
将突发事件发生区域的中心位置与救援区域的中心位置进行计算,得到突发事件发生区域与救援区域重合面积;
若重合面积大于预设的面积阈值,则生成第一修正信息,根据第一修正信息反向修正兵力行进信息与兵种空间分布信息;
若等于,则判定兵力行进信息与兵种空间分布信息符合要求,并进行多兵种协同救援;
若小于,则生成第二修正信息,根据第二修正信息正向修正兵力行进信息与兵种空间分布信息。
需要说明的是,通过判断重合面积进行分析救援兵力接近突发事件的发生区域的状态,并实时的获取两者的重合面积,进行修正调整,使兵力行进信息与兵种空间分布信息随着突发事件发生区域的变化进行动态调整,使救援策略进行较好的时效性。
根据本发明实施例,还包括:
获取突发事件发生区域的中心位置与救援区域的中心位置之间的距离信息;
获取兵力行进速度信息,根据兵力行进速度信息计算突发事件发生区域的中心位置与救援区域的中心位置重合时间;
判断重合时间是否等于小于预设的时间阈值;
若等于或小于,则判定兵力行进满足要求;
若大于,则对兵力行进速度进行调整。
需要说明的是,在应对突发事件过程中,兵力行进速度越快越能够起到快速解决突发事件的作用,提高突发事件的处理效率,通过对兵力行进速度进行动态调整,使兵力行进始终满足要求,防止突发事件进一步扩大。
请参照图4,图4是本申请一些实施例中的一种应对突发事件的兵力协同调度系统的结构示意图。第二方面,本申请实施例提供了一种应对突发事件的兵力协同调度系统4,该系统包括:存储器41及处理器42,存储器41中包括应对突发事件的兵力协同调度方法的程序,应对突发事件的兵力协同调度方法的程序被处理器执行时实现以下步骤:
获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;
根据兵力配置参数调用不同兵种进行协同救援。
需要说明的是,通过事件推演模型对突发事件进行预测,保证救援策略可以提前预判突发事件可能出现的各种情况,并针对不同的突发事件类型提前做出判断,提高兵力调度救援的效率。
根据本发明实施例,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
将训练集输入初始模型进行迭代训练,并记录迭代次数;
判断迭代次数是否满足要求;
若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
需要说明的是,通过对初始模型进行多次迭代,并根据训练结果进行动态调整初始模型的参数,保证得到的事件推演模型可以更加精准的推演突发事件的发展,为救援提供良好的技术支持。
根据本发明实施例,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
提取每一个类型存储区内的数据特征;
将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;
判断特征相似度是否大于或等于预设的相似度阈值;
若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;
若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
需要说明的是,将不同类型的突发事件的历史数据进行分类存储,并对不同类型存储区内的数据进行识别判断,并根据判断结果对分类存储后的数据进行整合,提高分类精度,便于数据的精准调用。
根据本发明实施例,获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息,具体为:
获取当前突发事件状态信息,将当前突发事件状态信息与预设的状态信息进行比较,得到事态发展状态偏差;
若事态发展状态偏差超出预设的状态变化阈值,则判定突发事件扩散率高于设定的扩散率,则生成反馈信息,根据反馈信息对事件推演模型进行参数调整;
若事态发展状态偏差小于预设的状态变化阈值,则判定突发事件扩散率小于设定的扩散率,则通过事件推演模型输出突发事件不同时间节点的预测信息。
需要说明的是,通过分析突发事件事态发展状态,并进行判断事件推演模型的推演结果与当前事态发展结果是否一致,若不一致,则说明事件推演模型具有一定的误差,根据误差对事件推演模型进行参数调整,使事件推演模型的输出结果越来越精准。
根据本发明实施例,根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数,具体为:
获取突发事件预测信息,根据突发事件预测信息生成突发事件事态扩展信息;
获取救援策略,根据救援策略进行配置兵力参数,并得到兵种类型、兵种数量与兵种空间分布信息;
根据兵种类型、兵种数量与兵种空间分布信息构建空间一体化的救援信息;
将突发事件事态扩展信息与救援信息进行匹配,得到救援匹配度;
判断救援匹配度是否大于或等于预设的匹配度阈值;
若大于或等于,则判定当前兵力参数符合救援要求;
若小于,则判定当前兵力参数不符合救援要求,则生成救援差异信息,根据救援差异信息对兵力参数进行配置调整。
需要说明的是,通过判断救援信息是否满足突发事件事态扩展下的救援强度,并根据救援匹配度进行动态调整投入救援的兵力参数,提高兵力的配置精度,使投入救援的兵力始终满足救援要求。
根据本发明实施例,根据兵力配置参数调用不同兵种进行协同救援,具体为:
根据兵力配置参数计算兵力行进信息,根据兵力行进信息生成救援区域的移动状态,得到救援区域的中心位置;
获取突发事件的初始发生区域,并根据突发事件预测信息计算突发事件发生区域的变化信息,根据突发事件发生区域的变化信息实时获取突发事件发生区域的中心位置;
将突发事件发生区域的中心位置与救援区域的中心位置进行计算,得到突发事件发生区域与救援区域重合面积;
若重合面积大于预设的面积阈值,则生成第一修正信息,根据第一修正信息反向修正兵力行进信息与兵种空间分布信息;
若等于,则判定兵力行进信息与兵种空间分布信息符合要求,并进行多兵种协同救援;
若小于,则生成第二修正信息,根据第二修正信息正向修正兵力行进信息与兵种空间分布信息。
需要说明的是,通过判断重合面积进行分析救援兵力接近突发事件的发生区域的状态,并实时的获取两者的重合面积,进行修正调整,使兵力行进信息与兵种空间分布信息随着突发事件发生区域的变化进行动态调整,使救援策略进行较好的时效性。
根据本发明实施例,还包括:
获取突发事件发生区域的中心位置与救援区域的中心位置之间的距离信息;
获取兵力行进速度信息,根据兵力行进速度信息计算突发事件发生区域的中心位置与救援区域的中心位置重合时间;
判断重合时间是否等于小于预设的时间阈值;
若等于或小于,则判定兵力行进满足要求;
若大于,则对兵力行进速度进行调整。
需要说明的是,在应对突发事件过程中,兵力行进速度越快越能够起到快速解决突发事件的作用,提高突发事件的处理效率,通过对兵力行进速度进行动态调整,使兵力行进始终满足要求,防止突发事件进一步扩大。
本发明第三方面提供了一种计算机可读存储介质,可读存储介质中包括应对突发事件的兵力协同调度方法程序,应对突发事件的兵力协同调度方法程序被处理器执行时,实现如上述任一项的应对突发事件的兵力协同调度方法的步骤。
本发明公开的一种应对突发事件的兵力协同调度方法、系统及介质,通过获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;根据兵力配置参数调用不同兵种进行协同救援;通过事件推演模型对突发事件进行预测推演,可以通过推演结果提前制定救援策略,使兵力的配置满足突发事件扩散的情况,提高兵力协同调度精度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的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,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.一种应对突发事件的兵力协同调度方法,其特征在于,包括:
获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;根据兵力配置参数调用不同兵种进行协同救援;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息,具体为:
获取当前突发事件状态信息,将当前突发事件状态信息与预设的状态信息进行比较,得到事态发展状态偏差;
若事态发展状态偏差超出预设的状态变化阈值,则判定突发事件扩散率高于设定的扩散率,则生成反馈信息,根据反馈信息对事件推演模型进行参数调整;
若事态发展状态偏差小于预设的状态变化阈值,则判定突发事件扩散率小于设定的扩散率,则通过事件推演模型输出突发事件不同时间节点的预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数,具体为:
获取突发事件预测信息,根据突发事件预测信息生成突发事件事态扩展信息;
获取救援策略,根据救援策略进行配置兵力参数,并得到兵种类型、兵种数量与兵种空间分布信息;
根据兵种类型、兵种数量与兵种空间分布信息构建空间一体化的救援信息;将突发事件事态扩展信息与救援信息进行匹配,得到救援匹配度;
判断所述救援匹配度是否大于或等于预设的匹配度阈值;若大于或等于,则判定当前兵力参数符合救援要求;
若小于,则判定当前兵力参数不符合救援要求,则生成救援差异信息,根据救援差异信息对兵力参数进行配置调整;
还包括:
获取突发事件发生区域的中心位置与救援区域的中心位置之间的距离信息;
获取兵力行进速度信息,根据兵力行进速度信息计算突发事件发生区域的中心位置与救援区域的中心位置重合时间;
判断重合时间是否等于小于预设的时间阈值;
若等于或小于,则判定兵力行进满足要求;若大于,则对兵力行进速度进行调整。
2. 根据权利要求 1 所述的应对突发事件的兵力协同调度方法,其特征在于,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
将训练集输入初始模型进行迭代训练,并记录迭代次数;判断迭代次数是否满足要求;
若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
3. 根据权利要求 2 所述的应对突发事件的兵力协同调度方法,其特征在于,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
提取每一个类型存储区内的数据特征;
将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;判断所述特征相似度是否大于或等于预设的相似度阈值;
若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;
若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
4. 根据权利要求 1 所述的应对突发事件的兵力协同调度方法,其特征在于,根据兵力配置参数调用不同兵种进行协同救援,具体为:
根据兵力配置参数计算兵力行进信息,根据兵力行进信息生成救援区域的移动状态,得到救援区域的中心位置;
获取突发事件的初始发生区域,并根据突发事件预测信息计算突发事件发生区域的变化信息,根据突发事件发生区域的变化信息实时获取突发事件发生区域的中心位置;
将突发事件发生区域的中心位置与救援区域的中心位置进行计算,得到突发事件发生区域与救援区域重合面积;
若重合面积大于预设的面积阈值,则生成第一修正信息,根据第一修正信息反向修正兵力行进信息与兵种空间分布信息;
若等于,则判定兵力行进信息与兵种空间分布信息符合要求,并进行多兵种协同救援;
若小于,则生成第二修正信息,根据第二修正信息正向修正兵力行进信息与兵种空间分布信息。
5.一种应对突发事件的兵力协同调度系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括应对突发事件的兵力协同调度方法的程序,所述应对突发事件的兵力协同调度方法的程序被所述处理器执行时实现以下步骤:
获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数;根据兵力配置参数调用不同兵种进行协同救援;
获取当前突发事件状态信息,将当前突发事件状态信息输入事件推演模型,得到突发事件预测信息,具体为:
获取当前突发事件状态信息,将当前突发事件状态信息与预设的状态信息进行比较,得到事态发展状态偏差;
若事态发展状态偏差超出预设的状态变化阈值,则判定突发事件扩散率高于设定的扩散率,则生成反馈信息,根据反馈信息对事件推演模型进行参数调整;
若事态发展状态偏差小于预设的状态变化阈值,则判定突发事件扩散率小于设定的扩散率,则通过事件推演模型输出突发事件不同时间节点的预测信息;
根据突发事件预测信息生成救援策略,并根据救援策略进行配置兵力参数,具体为:
获取突发事件预测信息,根据突发事件预测信息生成突发事件事态扩展信息;
获取救援策略,根据救援策略进行配置兵力参数,并得到兵种类型、兵种数量与兵种空间分布信息;
根据兵种类型、兵种数量与兵种空间分布信息构建空间一体化的救援信息;将突发事件事态扩展信息与救援信息进行匹配,得到救援匹配度;
判断所述救援匹配度是否大于或等于预设的匹配度阈值;若大于或等于,则判定当前兵力参数符合救援要求;
若小于,则判定当前兵力参数不符合救援要求,则生成救援差异信息,根据救援差异信息对兵力参数进行配置调整;
还包括:
获取突发事件发生区域的中心位置与救援区域的中心位置之间的距离信息;
获取兵力行进速度信息,根据兵力行进速度信息计算突发事件发生区域的中心位置与救援区域的中心位置重合时间;
判断重合时间是否等于小于预设的时间阈值;
若等于或小于,则判定兵力行进满足要求;若大于,则对兵力行进速度进行调整。
6. 根据权利要求 5 所述的应对突发事件的兵力协同调度系统,其特征在于,获取突发事件类型,并根据突发事件类型获取对应该类型突发事件的历史数据,并生成事件推演模型,具体为:
获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集;
将训练集输入初始模型进行迭代训练,并记录迭代次数;判断迭代次数是否满足要求;
若满足要求,则获取初始模型训练结果,并判断训练结果是否收敛,若收敛,则得到事件推演模型;
若不收敛,则生成迭代次数增加量,根据迭代次数增加量增加初始模型训练次数,直至训练结果收敛。
7. 根据权利要求 6 所述的应对突发事件的兵力协同调度系统,其特征在于,获取突发事件类型,并得到突发事件类型的数量,将不同类型的突发事件的历史数据进行预处理,得到训练集,具体为:
获取不同类型的突发事件的历史数据,并将不同类型的突发事件的历史数据分别存储至不同的存储空间内,得到多个类型存储区;
提取每一个类型存储区内的数据特征;
将不同类型存储区内的数据特征进行相似度计算,得到特征相似度;判断所述特征相似度是否大于或等于预设的相似度阈值;
若大于或等于,则将对应类型存储区内的突发事件历史数据进行整合;
若小于,则将不同类型的突发事件的历史数据量进行同比例筛选、组合形成训练集。
8. 一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括应对突发事件的兵力协同调度方法程序,所述应对突发事件的兵力协同调度方法程序被处理器执行时,实现如权利要求 1 至 4 中任一项所述的应对突发事件的兵力协同调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294762.2A CN117035374B (zh) | 2023-10-09 | 2023-10-09 | 一种应对突发事件的兵力协同调度方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294762.2A CN117035374B (zh) | 2023-10-09 | 2023-10-09 | 一种应对突发事件的兵力协同调度方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035374A CN117035374A (zh) | 2023-11-10 |
CN117035374B true CN117035374B (zh) | 2024-01-02 |
Family
ID=88637721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311294762.2A Active CN117035374B (zh) | 2023-10-09 | 2023-10-09 | 一种应对突发事件的兵力协同调度方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035374B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829785B (zh) * | 2024-03-04 | 2024-05-28 | 北京数易科技有限公司 | 一种基于物联网的危险环境求救方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015159644A (ja) * | 2014-02-21 | 2015-09-03 | 株式会社東芝 | 事故波及防止システム |
CN105741213A (zh) * | 2016-01-13 | 2016-07-06 | 天津中科智能识别产业技术研究院有限公司 | 基于gis的救灾兵力调度部署指挥控制系统 |
CN106997509A (zh) * | 2017-03-28 | 2017-08-01 | 南京航空航天大学 | 一种不确定信息融合的应急物资分布需求预测方法 |
CN113379267A (zh) * | 2021-06-21 | 2021-09-10 | 重庆大学 | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 |
-
2023
- 2023-10-09 CN CN202311294762.2A patent/CN117035374B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015159644A (ja) * | 2014-02-21 | 2015-09-03 | 株式会社東芝 | 事故波及防止システム |
CN105741213A (zh) * | 2016-01-13 | 2016-07-06 | 天津中科智能识别产业技术研究院有限公司 | 基于gis的救灾兵力调度部署指挥控制系统 |
CN106997509A (zh) * | 2017-03-28 | 2017-08-01 | 南京航空航天大学 | 一种不确定信息融合的应急物资分布需求预测方法 |
CN113379267A (zh) * | 2021-06-21 | 2021-09-10 | 重庆大学 | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于CBR的突发事件应急物资动态需求预测方法研究;汪贻生;张英慧;王金梅;何定养;;后勤工程学院学报(第06期);第8-21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117035374A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dawson-Elli et al. | Data science approaches for electrochemical engineers: an introduction through surrogate model development for lithium-ion batteries | |
CN117035374B (zh) | 一种应对突发事件的兵力协同调度方法、系统及介质 | |
CN108573358A (zh) | 一种逾期预测模型生成方法及终端设备 | |
CN111310784B (zh) | 资源数据的处理方法及装置 | |
CN109586950B (zh) | 网络场景识别方法、网络管理设备、系统及存储介质 | |
CN110705996A (zh) | 基于特征掩码的用户行为识别方法、系统、及装置 | |
CN105740667A (zh) | 一种基于用户行为的信息识别方法及装置 | |
CN117035376B (zh) | 一种应急救援演习动态监测方法、系统及介质 | |
CN112818399B (zh) | 大数据访问权限动态调整方法及大数据访问控制设备 | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
CN108985755B (zh) | 一种账号状态识别方法、装置及服务器 | |
CN113313463A (zh) | 应用于大数据云办公的数据分析方法及数据分析服务器 | |
US10902428B1 (en) | Maintaining a risk model using feedback directed to other risk models | |
CN115361318B (zh) | 一种复杂环境下动态负载均衡的lstm边缘计算流量预测方法 | |
CN111950753A (zh) | 一种景区客流预测的方法及装置 | |
Kester et al. | Crime predictive model in cybercrime based on social and economic factors using the Bayesian and Markov theories | |
CN114116853A (zh) | 基于时序关联分析的数据安全分析方法及装置 | |
CN109165097B (zh) | 一种数据处理方法以及数据处理装置 | |
Galushin et al. | Scenario Grouping and Classification Methodology for Postprocessing of Data Generated by Integrated Deterministic‐Probabilistic Safety Analysis | |
CN112363831A (zh) | 风控处理方法、装置、计算机设备和存储介质 | |
CN117151436B (zh) | 一种应急救援演习方法、系统及介质 | |
CN113722292B (zh) | 分布式数据系统的应灾处理方法、装置、设备及存储介质 | |
CN117829785B (zh) | 一种基于物联网的危险环境求救方法、系统及介质 | |
CN115456757A (zh) | 一种指标阈值动态生成方法和装置 | |
CN113051128A (zh) | 功耗检测方法、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 |