CN117273348B - 一种重点应急队伍调派系统及方法 - Google Patents

一种重点应急队伍调派系统及方法 Download PDF

Info

Publication number
CN117273348B
CN117273348B CN202311241185.0A CN202311241185A CN117273348B CN 117273348 B CN117273348 B CN 117273348B CN 202311241185 A CN202311241185 A CN 202311241185A CN 117273348 B CN117273348 B CN 117273348B
Authority
CN
China
Prior art keywords
emergency
team
module
target region
news
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
CN202311241185.0A
Other languages
English (en)
Other versions
CN117273348A (zh
Inventor
李全明
付搏涛
张红
段志杰
梁辉
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.)
North China University of Technology
Original Assignee
North China University of Technology
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 North China University of Technology filed Critical North China University of Technology
Priority to CN202311241185.0A priority Critical patent/CN117273348B/zh
Publication of CN117273348A publication Critical patent/CN117273348A/zh
Application granted granted Critical
Publication of CN117273348B publication Critical patent/CN117273348B/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
    • G06Q10/0631—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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种重点应急队伍调派系统及方法，其系统包括：接收模块，用于接收并解析应急命令，得到发生突发情况的目标地域的名称，查询模块，用于获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍，调派模块，用于接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派，优化模块，用于接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。可以根据应急情况的类别选择到最佳的调派算法，从而提高了重点应急队伍的调度效率。

Description

一种重点应急队伍调派系统及方法
技术领域
本发明涉及重点应急队伍调派领域，尤其涉及一种重点应急队伍调派系统及方法。
背景技术
在现今突发事件的应急响应中，重点应急队伍的调度和管理至关重要。当发生突发事件如自然灾害、火灾时，必须迅速而准确地调派合适的应急队伍到目标区域进行紧急救援。然而传统的调派系统通常是只使用一种调度算法进行调度，无法适应多种类的应急情况，并且若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调度，故这是一个巨大的挑战。专利申请号为202211002529.8的专利提出一种应急救援调度方法用以解决现有应急救援效率低、难以快速形成救援方案的问题，但仍无法选择调度算法及无法对已经完成任务的重点应急队伍进行二次调度。
发明内容
针对上述所显示出来的问题，本发明提供了一种重点应急队伍调派系统及方法，用以解决背景技术中提到的传统的调派系统通常是只使用一种调度算法进行调度，无法适应多种类的应急情况的问题，以及若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调派的问题。
一种重点应急队伍调派系统，该系统包括：
接收模块，用于接收并解析应急命令，得到发生突发情况的目标地域的名称；
查询模块，用于获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
调派模块，用于接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
优化模块，用于接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
优选的，所述接收模块，包括：
提取子模块，用于接收应急命令，对应急命令进行分析，提取到发生突发情况的目标地域的初始坐标；
搜索子模块，用于获取新闻搜索引擎并通过新闻搜索引擎搜索初始坐标，得到初始坐标的实时新闻；
判断子模块，用于根据实时新闻判断初始坐标是否发生紧急情况，若是，将初始坐标确定为目标坐标；
第一检索子模块，用于以目标坐标在预设地图中进行检索，得到第一检索结果并根据其确定目标地域的名称。
优选的，所述查询模块，包括：
第一获取子模块，用于从互联网获取政府提供的应急资源数据库；
第二检索子模块，用于使用目标地域的名称在应急资源数据库进行检索，得到处于目标地域的第一重点应急队伍；
第一统计子模块，用于获取第一重点应急队伍中无任务的第一空闲队伍并统计其第一数量；
第二获取子模块，用于将第一数量与预设数量阈值进行比较，若第一数量小于预设数量阈值，获取目标地域的相邻地域的第二重点应急队伍；
第三获取子模块，用于获取第二重点应急队伍的队伍初始坐标及队伍人数；
第一距离计算子模块，用于对队伍初始坐标与目标地域的目标坐标输入指预设导航软件，得到导航距离；
第一权重计算子模块，用于将预设最大距离与导航距离作差值计算，将所得差值与第一比例作乘法计算，得到距离权重；
第二权重计算子模块，用于将队伍人数与第二比例作乘法计算，得到人数权重；
第三权重计算子模块，用于将距离权重与人数权重作乘法计算，得到队伍权重；
选取子模块，用于依照队伍权重以高至低的顺序，从第二重点应急队伍中选取队伍权重高于预设队伍权重阈值的第二数量的无任务的第二空闲队伍，其中，第一数量和第二数量的和大于等于预设数量阈值；
队伍确定子模块，用于将第一空闲队伍和第二空闲队伍确定为重点应急队伍。
优选的，所述调派模块，包括：
第一分析子模块，用于接收现场评估人员发送的情况评估数据并对其以时间、数量角度进行分析，得到分析结果；
状态确定子模块，用于根据分析结果将目标地域的突发情况的类别分为三种，时间敏感类别、高并发类别、混合类别；
算法确定子模块，用于若类别为时间敏感类别，将调派算法确定为最短路径算法，若类别为高并发类别或混合类别，将调派算法确定为最短路径算法和匈牙利算法的混合算法；
第四获取子模块，用于若类别为高并发类别或混合类别，获取目标地域中发生紧急情况的各个位置的位置坐标以及若干个重点应急队伍的第一初始坐标；
第一生成子模块，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并对其和目标坐标使用调派算法，生成最短调派路径；
第二生成子模块，用于若类别为高并发类别或混合类别，对各个位置的位置坐标以及若干个第一初始坐标使用混合算法，得到若干个并发调派路径；
调派子模块，用于使用最短调派路径或若干个并发调派路径对重点应急队伍进行调派。
优选的，所述优化模块，包括：
接收子模块，用于接收已抵达目标地域的现场重点应急队伍发送的现场监测信息；
第二分析子模块，对现场监测信息进行分析，得到目标地域各个位置的工作任务完成情况；
划分子模块，用于根据目标地域各个位置的工作任务完成情况，将目标地域各个位置划分为空闲位置和忙碌位置；
人员获取子模块，用于获取处于空闲位置的空闲调派人员；
计算子模块，用于将空闲调派人员的空闲位置输入至预设位置计算模型，得到与该空闲调派人员移动时间最短的最近忙碌位置；
人员调派子模块，用于将空闲调派人员调派至最近忙碌位置。
优选的，所述搜索子模块，包括：
第一获取单元，用于获取支持使用坐标进行实时新闻搜索的新闻搜索引擎；
搜索单元，用于以初始坐标在新闻搜索引擎进行搜索，得到搜索结果；
第二获取单元，用于获取接收到应急命令的目标时刻；
筛选单元，用于从搜索结果中筛选目标时刻之后发生的的实时新闻。
优选的，所述第一生成子模块，包括：
第一生成单元，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并将其和目标坐标输入配置有调派算法的计算模型，生成初始调派路径；
第一划分单元，用于将初始调派路径以预设长度划分为多个路段；
第一判断单元，用于判断每个路段是否为唯一直达路段，若否，获取该路段的替代路段，并获取该路段及其替代路段的交通情况；
第二划分单元，用于将交通情况划分为拥挤和畅通；
第二判断单元，用于对每个路段的交通情况进行判断，若其为拥挤，判断该路段是否为唯一直达路段，若是，继续使用该路段，若否，判断其是否有交通情况为畅通的替代路段，若无，继续使用该路段，若有，使用所述交通情况为畅通的替代路段将该路段替换。
第二生成单元，用于在完成对全部路段的判断之后，生成最短调派路径。
优选的，得到搜索结果之后，所述系统还用于：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，随机获取若干个图文新闻的编号、正文；
使用预设下载器下载属于图文新闻的新闻图片，并使用图文新闻的编号对新闻图片进行标记，得到标记图片；
将图文新闻的正文进行特殊字符删除并进行格式统一处理，得到第一处理正文；
将第一处理正文翻译为与其语言相异的第二处理正文；
将第二处理正文翻译回与第一处理正文相同的语言，得到第三处理正文；
将第一处理正文与第三处理正文组合，得到正文集；
将标记图片进行左右反转，得到反转图片，将反转图片与标记图片组合，得到新闻图片集；
将正文集进行分词并根据预设模型词汇表进行转化，得到标记序列；
将标记序列输入至RoBERTa模型，通过其多层自注意力机制和全连接层进行处理，得到正文集的文字特征；
将新闻图片集中的反转图片和标记图片调整为预设大小后再进行归一化处理，得到处理图片；
将处理图片输入至VGG-16模型进行处理，得到新闻图片特征；
使用多头注意机制，将正文集的文字特征和新闻图片特征进行联合训练，得到多模态特征；
将多模态特征分作第一样本集和第一测试集；
将第一样本集输入预设第一卷积模型中，使用交叉熵损失函数和对比损失其进行训练，得到第一模型；
将第一测试集输入至第一模型，对第一模型进行调整，得到根据图片、文字进行虚假新闻识别的新闻识别模型；
获取到目标时刻之后发布的实时新闻，将其输入至新闻识别模型进行识别，得到图文一致新闻；
将图文一致新闻用作对初始坐标进行判断的样本新闻。
优选的，在将初始坐标确定为目标坐标时，所述系统还用于：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，获取人们在图文一致新闻发布的回复信息；
使用预设应急情况关键词表对回复信息进行筛选，得到与应急情况相关的有效文本；
将有效文本中的无关字符去除，得到第一处理有效文本；
将第一处理有效文本中的HTML字符去除，同时将第一处理有效文本中的表情符号转换为字符串，得到第二处理有效文本；
将第二处理有效文本使用Word2Vec模型进行处理，得到若干个向量化的语句；
计算全部向量化的语句之间的余弦相似性；
使用全部向量化的语句构建节点图，将每个向量化的语句视为图中的一个节点，并根据余弦相似性在节点之间添加边；
通过TextRank算法，根据节点图分别计算每个语句的重要度，其中，一个语句对应一个重要度；
将重要度按照从大到小的顺序进行排序，从最大的重要度为起始点，选取第三数量个重要度并获取到其对应的第一目标语句；
获取预设应急文本将其标注后分为第二样本集和第二测试集；
使用样本集对预设第二卷积模型进行训练，得到文本语义分析模型；
将第一目标语句输入至文本语义分析模型，得到匹配文本；
获取匹配文本的发布者并获取其发布时所使用的实际IP地址；
获取网络服务商提供的关联数据库并在其中搜索实际IP地址，得到实际坐标；
获取与应急情况有关的全部目标实际坐标，并将每个目标实际坐标输入至以预设网格面积划分为若干个网格的网格地图；
统计网格地图中每个网格的目标实际坐标的数量，并根据其对每个网格进行变色处理，以预设颜色为基底，颜色深度与每个网格的目标实际坐标数量为线性正相关关系；
获取颜色深度大于预设颜色阈值的全部目标网格，获取全部目标网格的中心点的中心坐标；
若全部中心坐标中存在若干个与初始坐标的距离小于或等于预设距离阈值的目标中心坐标，将初始坐标确定为目标坐标。
一种重点应急队伍调派方法，包括：
接收并解析应急命令，得到发生突发情况的目标地域的名称；
获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
通过上述技术方案，本发明可取的如下有益效果：
通过接收现场评估人员发送的情况评估数据并对其进行分析，得到分析结果并根据分析结果来选择最合适的调度算法，解决了传统的调派系统通常是只使用一种调度算法进行调度，无法适应多种类的应急情况的问题，通过接收已抵达目标地域的现场重点应急队伍发送的现场监测信息，再对调派人员进行二次调派，解决了传统调派系统中应急情况若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调派问题。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明所提供的一种重点应急队伍调派系统的结构示意图；
图2为本发明所提供的一种重点应急队伍调派系统的接收模块的结构示意图；
图3为本发明所提供的一种重点应急队伍调派方法的工作流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在现今突发事件的应急响应中，重点应急队伍的调度和管理至关重要。当发生突发事件如自然灾害、火灾时，必须迅速而准确地调派合适的应急队伍到目标区域进行紧急救援。然而传统的调派系统通常是只使用一种调度算法进行调度，无法适应多种类的应急情况，并且若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调度，故这是一个巨大的挑战。专利申请号为202211002529.8的专利提出一种应急救援调度方法用以解决现有应急救援效率低、难以快速形成救援方案的问题，但仍无法选择调度算法及无法对已经完成任务的重点应急队伍进行二次调度。为解决上述问题，本实施例公开了一种重点应急队伍调派系统及方法。
实施例1
本实施例提供一种重点应急队伍调派系统，如图1所示，包括：
接收模块101，用于接收并解析应急命令，得到发生突发情况的目标地域的名称；
查询模块102，用于获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
调派模块103，用于接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
优化模块104，用于接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
该实施例中，应急命令可以为多种来源，包括但不限于预设的传感器、当地应急管理部门、交通管理部门等，其内容包含发生应急情况的初始坐标；
该实施例中，突发情况类型包括但不限于火灾、疫情、地震、洪水；
该实施例中，目标地域的名称此处选择为市级单位；
该实施例中，应急资源管理数据库中保存有各个城市应急队伍的驻留信息及其是否正在执行任务的空闲信息；
该实施例中，重点应急队伍指经过良好训练且记录在册的应急队伍；
该实施例中，情况评估数据中包含目标地域所发生应急情况的种类、数量，以及情况评估人员对应急情况依照预设评估表判断的紧迫程度；
该实施例中，目标地域的状态此处分为三种分别为时间敏感类型，高并发类型及二者混合类型；
该实施例中，现场监测信息指不同重点应急队伍报告的工作完成情况；
该实施例中，调派人员指重点应急队伍人员。
上述技术方案的工作原理为：通过接收模块101接收并解析应急命令，得到发生突发情况的目标地域的名称,查询模块102获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍，通过调派模块103接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派，通过优化模块104接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
上述技术方案的有益效果为：通过接收并解析突发情况的应急命令，得到目标地域名称，利用应急资源管理数据库并选择空闲的重点应急队伍进行调度，可以准确地选择到属于目标地域的重点应急队伍，接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派，可以根据应急情况的类别选择到最佳的调派算法，从而提高了重点应急队伍的调度效率，且解决了传统应急系统中无法根据应急情况类别进行调派算法选择的问题，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整可以解决在调派人员工作结束后会无二次任务分配的问题，提高人员的工作效率，加快应急情况的处理，解决了传统应急系统中，应急情况若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调派问题。
实施例2
在实施例1的基础上，所述一种重点应急队伍调派系统，如图2所示，所述接收模块101，包括：
提取子模块1011，用于接收应急命令，对应急命令进行分析，提取到发生突发情况的目标地域的初始坐标；
搜索子模块1012，用于获取新闻搜索引擎并通过新闻搜索引擎搜索初始坐标，得到初始坐标的实时新闻；
判断子模块1013，用于根据实时新闻判断初始坐标是否发生紧急情况，若是，将初始坐标确定为目标坐标；
第一检索子模块1014，用于以目标坐标在预设地图中进行检索，得到第一检索结果并根据其确定目标地域的名称。
该实施例中，初始坐标指应急命令中未经过真实性验证的坐标；
该实施例中，新闻搜索引擎此处指一种向其输入坐标后会自动搜索该坐标精准位置及精准位置周围位置新闻的搜索引擎；
该实施例中，实时新闻指最近2小时内发布的新闻；
该实施例中，预设地图指支持坐标查询的地图。
上述技术方案的有益效果为：通过对应急命令的分析和使用目标地域名称进行实时新闻搜索，可以迅速确认紧急情况，确保了对突发事件的及时反应，在预设地图中以目标坐标进行检索，可以提供更为精确的信息支持。
实施例3
在实施例1的基础上，所述一种重点应急队伍调派系统，所述查询模块，包括：
第一获取子模块，用于从互联网获取政府提供的应急资源数据库；
第二检索子模块，用于使用目标地域的名称在应急资源数据库进行检索，得到处于目标地域的第一重点应急队伍；
第一统计子模块，用于获取第一重点应急队伍中无任务的第一空闲队伍并统计其第一数量；
第二获取子模块，用于将第一数量与预设数量阈值进行比较，若第一数量小于预设数量阈值，获取目标地域的相邻地域的第二重点应急队伍；
第三获取子模块，用于获取第二重点应急队伍的队伍初始坐标及队伍人数；
第一距离计算子模块，用于对队伍初始坐标与目标地域的目标坐标输入指预设导航软件，得到导航距离；
第一权重计算子模块，用于将预设最大距离与导航距离作差值计算，将所得差值与第一比例作乘法计算，得到距离权重；
第二权重计算子模块，用于将队伍人数与第二比例作乘法计算，得到人数权重；
第三权重计算子模块，用于将距离权重与人数权重作乘法计算，得到队伍权重；
选取子模块，用于依照队伍权重以高至低的顺序，从第二重点应急队伍中选取队伍权重高于预设队伍权重阈值的第二数量的无任务的第二空闲队伍，其中，第一数量和第二数量的和大于等于预设数量阈值；
队伍确定子模块，用于将第一空闲队伍和第二空闲队伍确定为重点应急队伍。
该实施例中，应急资源数据库指政府搭建并运营的一个数据库，允许外界自由查询；
该实施例中，无任务指在检索时未进行应急救援任务；
该实施例中，预设数量阈值预设数量阈值根据城市人口及过往历史风险数据确定，此处可设置为6；
该实施例中，相邻区域指与目标区域相连接或直线距离不超过200公里的区域；
该实施例中，队伍初始坐标为在填写数据库时输入，允许更改；
该实施例中，预设导航软件此处可采用高德导航；
该实施例中，导航距离指使用导航软件自动得到的距离；
该实施例中，预设最大距离设置为目标地域与其邻近区域的地图结合图像的最宽距离，此处可设置为200公里；
该实施例中，第一比例此处可设置为0.06；
该实施例中，第二比例此处可设置为0.4。
上述技术方案的有益效果为：通过从应急资源数据库获取目标地域内应急队伍并对其进行统计，可以准确获取到所需信息，通过计算队伍权重可以对队伍进行迅速量化，从而进一步快速选择到所需队伍，通过根据权重选取合适的重点应急队伍可以使得选取的重点应急队伍更契合需求。
实施例4
在实施例1的基础上，所述一种重点应急队伍调派系统，所述调派模块，包括：
第一分析子模块，用于接收现场评估人员发送的情况评估数据并对其以时间、数量角度进行分析，得到分析结果；
状态确定子模块，用于根据分析结果将目标地域的突发情况的类别分为三种，时间敏感类别、高并发类别、混合类别；
算法确定子模块，用于若类别为时间敏感类别，将调派算法确定为最短路径算法，若类别为高并发类别或混合类别，将调派算法确定为最短路径算法和匈牙利算法的混合算法；
第四获取子模块，用于若类别为高并发类别或混合类别，获取目标地域中发生紧急情况的各个位置的位置坐标以及若干个重点应急队伍的第一初始坐标；
第一生成子模块，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并对其和目标坐标使用调派算法，生成最短调派路径；
第二生成子模块，用于若类别为高并发类别或混合类别，对各个位置的位置坐标以及若干个第一初始坐标使用混合算法，得到若干个并发调派路径；
调派子模块，用于使用最短调派路径或若干个并发调派路径对重点应急队伍进行调派。
该实施例中，现场评估人员指在接收到应急命令后，系统选择的与应急命令初始坐标距离最近的评估人员；
该实施例中，时间敏感类别此处设置为需在半小时内到达的应急情况；
该实施例中，高并发类别此处可设置为在一目标区域，同时有十五处位置发生应急情况即可将该类别判定为高并发类别；
该实施例中，混合类别指在一目标区域，同时有十五处位置发生应急情况，且所述全部应急情况均要求在半小时内达到对应位置；
该实施例中，最短路径算法指一种找到两个点之间最短路径的算法，此处选择Dijkstra算法；
该实施例中，匈牙利算法指一种指派算法，其是一种在多项式时间内求解任务分配问题的组合优化算法；
该实施例中，混合算法指先使用最短路径算法计算出最短路径，再将最短路径作为下一步使用匈牙利算法计算时基础的一种混合算法；
该实施例中，最短调派路径指使用最短路径算法计算出的路径；
该实施例中，并发调派路径指使用混合算法计算得到调派路径；
该实施例中，对重点应急队伍进行调派指将最短调派路径或并发调派路径发送至对应的重点应急队伍。
上述技术方案的有益效果为：通过对情况评估数据进行分析，可以准确判断突发情况的类别，有效提高了之后选择算法的准确性，针对不同情况的类别选择不同的调跑算法，为突发情况的处理提供更灵活和高效的响应，保证了紧急情况下的快速调度，有效协调了重点队伍的行动。
实施例5
在实施例1的基础上，所述一种重点应急队伍调派系统，所述优化模块，包括：
接收子模块，用于接收已抵达目标地域的现场重点应急队伍发送的现场监测信息；
第二分析子模块，对现场监测信息进行分析，得到目标地域各个位置的工作任务完成情况；
划分子模块，用于根据目标地域各个位置的工作任务完成情况，将目标地域各个位置划分为空闲位置和忙碌位置；
人员获取子模块，用于获取处于空闲位置的空闲调派人员；
计算子模块，用于将空闲调派人员的空闲位置输入至预设位置计算模型，得到与该空闲调派人员移动时间最短的最近忙碌位置；
人员调派子模块，用于将空闲调派人员调派至最近忙碌位置。
该实施例中，现场监测信息指不同重点应急队伍发送的工作完成情况；
该实施例中，空闲位置指该位置所有任务均已完成，处于该位置的调派人员均已空闲；
该实施例中，忙碌位置指该位置所有调派人员均在工作；
该实施例中，预设位置计算模型指一种配置有最短路径算法的计算模型，其支持输入一个空闲位置坐标后输出与该坐标距离最近的忙碌位置坐标。
上述技术方案的有益效果为：通过对现场监测信息进行分析得到目标地域各个位置的工作任务完成情况并根据其进行空闲调派人员的二次调派，有效提高了调派人员的工作效率。
实施例6
在实施例2的基础上，所述一种重点应急队伍调派系统，所述搜索子模块，包括：
第一获取单元，用于获取支持使用坐标进行实时新闻搜索的新闻搜索引擎；
搜索单元，用于以初始坐标在新闻搜索引擎进行搜索，得到搜索结果；
第二获取单元，用于获取接收到应急命令的目标时刻；
筛选单元，用于从搜索结果中筛选目标时刻之后发生的的实时新闻。
该实施例中，新闻搜索引擎指在输入坐标后可以搜索所述坐标及邻近坐标的新闻的搜索引擎；
该实施例中，目标时刻的精确度此处设置为秒；
该实施例中，实时新闻指新发布的新闻，而非二次转发的新闻。
上述技术方案的有益效果为：通过获取支持使用坐标进行实时新闻搜索的新闻搜索引擎可以快速得到精准及模糊两种搜索结果，提高了检索效率，筛选目标时刻之后发生的实时新闻，可以有效提高查看效率。
实施例7
在实施例4的基础上，所述一种重点应急队伍调派系统，所述第一生成模块，包括：
第一生成单元，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并将其和目标坐标输入配置有调派算法的计算模型，生成初始调派路径；
第一划分单元，用于将初始调派路径以预设长度划分为多个路段；
第一判断单元，用于判断每个路段是否为唯一直达路段，若否，获取该路段的替代路段，并获取该路段及其替代路段的交通情况；
第二划分单元，用于将交通情况划分为拥挤和畅通；
第二判断单元，用于对每个路段的交通情况进行判断，若其为拥挤，判断该路段是否为唯一直达路段，若是，继续使用该路段，若否，判断其是否有交通情况为畅通的替代路段，若无，继续使用该路段，若有，使用所述交通情况为畅通的替代路段将该路段替换。
第二生成单元，用于在完成对全部路段的判断之后，生成最短调派路径。
该实施例中，预设长度此处可设定为2km；
该实施例中，唯一直达路段指以路段起始点和终点只有该路段可直达；
该实施例中，计算模型指一个计算系统，其可接收两个坐标并根据该模型所配置的算法自动生成两个坐标之间的路径；
该实施例中，交通情况划分的依据为对平均车速进行判断，若平均车速低于或等于15千米每小时，将交通情况划分为拥挤，若平均车速高于15千米每小时，将交通情况划分为通畅。
上述技术方案的有益效果为：将初始调派路径以预设长度划分为多个路段可以更加灵活地对初始调派路径进行分析，判断每个路段是否为唯一直达路段，若否，获取该路段的替代路段，并获取该路段及其替代路段的交通情况，将交通情况划分为拥挤和畅通，用于对每个路段的交通情况进行判断，若其为拥挤，判断该路段是否为唯一直达路段，若是，继续使用该路段，若否，判断其是否有交通情况为畅通的替代路段，若无，继续使用该路段，若有，使用所述交通情况为畅通的替代路段将该路段替换，可以更为灵活的生成最为畅通的最短调派路径，节约了应急调派队伍在交通上所浪费的时间。
实施例8
在实施例6的基础上，所述一种基于重点应急队伍调度系统，得到搜索结果之后，所述系统还用于：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，随机获取若干个图文新闻的编号、正文；
使用预设下载器下载属于图文新闻的新闻图片，并使用图文新闻的编号对新闻图片进行标记，得到标记图片；
将图文新闻的正文进行特殊字符删除并进行格式统一处理，得到第一处理正文；
将第一处理正文翻译为与其语言相异的第二处理正文；
将第二处理正文翻译回与第一处理正文相同的语言，得到第三处理正文；
将第一处理正文与第三处理正文组合，得到正文集；
将标记图片进行左右反转，得到反转图片，将反转图片与标记图片组合，得到新闻图片集；
将正文集进行分词并根据预设模型词汇表进行转化，得到标记序列；
将标记序列输入至RoBERTa模型，通过其多层自注意力机制和全连接层进行处理，得到正文集的文字特征；
将新闻图片集中的反转图片和标记图片调整为预设大小后再进行归一化处理，得到处理图片；
将处理图片输入至VGG-16模型进行处理，得到新闻图片特征；
使用多头注意机制，将正文集的文字特征和新闻图片特征进行联合训练，得到多模态特征；
将多模态特征分作第一样本集和第一测试集；
将第一样本集输入预设第一卷积模型中，使用交叉熵损失函数和对比损失其进行训练，得到第一模型；
将第一测试集输入至第一模型，对第一模型进行调整，得到根据图片、文字进行虚假新闻识别的新闻识别模型；
获取到目标时刻之后发布的实时新闻，将其输入至新闻识别模型进行识别，得到图文一致新闻；
将图文一致新闻用作对初始坐标进行判断的样本新闻。
该实施例中，开放数据平台指新闻搜索引擎运营者提供的接口及网站，允许对新闻搜索引擎中的新闻进行下载；
该实施例中，数据爬虫指使用python语言编写的可获取网页数据的程序；
该实施例中，预设下载器支持输入网址后自动对其中图片进行嗅探下载；
该实施例中，特殊字符指在汉语语境中无明确意义的字符，例如&；
该实施例中，第二种语言此处可选择为英语、德语、俄语等；
该实施例中，第三处理正文是一种第一处理正文回译的文段，其与第一处理正文意思相同，但语句中词语顺序，语句结构均有不同；
该实施例中，RoBERTa模型是BERT的改进版模型，其可获取到更好的文字特征；
该实施例中，VGG-16模型是一种卷积神经网络模型，其卷积层均采用相同的卷积核参数，池化层也均采用相同的池化核参数，其常用来提取图片特征进行图片比较，此处使用其图片特征提取功能；
该实施例中，多头注意机制指一种深度学习中的机制，其是一种在深度学习模型中用于捕捉输入内容之间不同角度关系的技术，此处指同时关注文字特征和新闻图片特征；
该实施例中，多模态特征指融合了文字、图像特征的融合特征，其此处以向量形式表示；
该实施例中，预设第一卷积模型此处选择为CNN架构模型。
上述技术方案的有益效果为：通过开放数据平台或数据爬虫系统获取图文新闻，可以利用新闻搜索引擎算法，更准确地获取到主流新闻网站的新闻，减少了自媒体新闻对真实性的影响，将新闻图片进行标记，可以更容易对其进行追溯，将图文新闻的正文进行特殊字符删除且格式进行统一，可以提高之后模型训练的效率，将第一处理正文进行回译得到第三处理文本，可以在原有文本基础上迅速扩大之后训文本数量，有效提高了之后训练出的模型的准确度，分别获取图文新闻中图片与正文，将其进行联合训练得到多模态特征，再使用多模态特征训练新闻时报模型，可以有效筛选出图片与正文无关联关系的虚假新闻。
实施例9
在实施例8的基础上，所述一种基于重点应急队伍调度系统，在将初始坐标确定为目标坐标的过程中，包括：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，获取人们在图文一致新闻发布的回复信息；
使用预设应急情况关键词表对回复信息进行筛选，得到与应急情况相关的有效文本；
将有效文本中的无关字符去除，得到第一处理有效文本；
将第一处理有效文本中的HTML字符去除，同时将第一处理有效文本中的表情符号转换为字符串，得到第二处理有效文本；
将第二处理有效文本使用Word2Vec模型进行处理，得到若干个向量化的语句；
计算全部向量化的语句之间的余弦相似性；
使用全部向量化的语句构建节点图，将每个向量化的语句视为图中的一个节点，并根据余弦相似性在节点之间添加边；
通过TextRank算法，根据节点图分别计算每个语句的重要度，其中，一个语句对应一个重要度；
将重要度按照从大到小的顺序进行排序，从最大的重要度为起始点，选取第三数量个重要度并获取到其对应的第一目标语句；
获取预设应急文本将其标注后分为第二样本集和第二测试集；
使用样本集对预设第二卷积模型进行训练，得到文本语义分析模型；
将第一目标语句输入至文本语义分析模型，得到匹配文本；
获取匹配文本的发布者并获取其发布时所使用的实际IP地址；
获取网络服务商提供的关联数据库并在其中搜索实际IP地址，得到实际坐标；
获取与应急情况有关的全部目标实际坐标，并将每个目标实际坐标输入至以预设网格面积划分为若干个网格的网格地图；
统计网格地图中每个网格的目标实际坐标的数量，并根据其对每个网格进行变色处理，以预设颜色为基底，颜色深度与每个网格的目标实际坐标数量为线性正相关关系；
获取颜色深度大于预设颜色阈值的全部目标网格，获取全部目标网格的中心点的中心坐标；
若全部中心坐标中存在若干个与初始坐标的距离小于或等于预设距离阈值的目标中心坐标，将初始坐标确定为目标坐标。
该实施例中，预设应急情况关键词表此处为从网络查询应急情况关键词后，组合得到，拥有关键词的数量为600；
该实施例中，预设长度此处设置为两个字符；
该实施例中，HTML字符指HTML语言即超文本标记语言的字符；
该实施例中，Word2Vec模型指一种算法，其支持将每个单词表示为多维空间的一个向量；
该实施例中，余弦相似性指一种计算两个向量之间的相似度的度量方法，其范围为-1到1，1表示完全相似，-1表示完全不相似；
该实施例中，节点图指由节点和边组成的图形结构，其中节点表示实体，而边表示实体之间的关系；
该实施例中，TextRank算法指一种基于图的排序算法；
该实施例中，预设应急文本指从多种渠道，例如网络、书籍中搜索而得到的多条与应急情况相关的语句；
该实施例中，预设第二卷积模型指一种预设有结构和权值的CNN架构的深度学习模型，用于文本分析；
该实施例中，文本语义分析模型功能为理解文意，并且可以从输入的多个文本中挑选出所需的文本；
该实施例中，匹配文本指与预设条件即应急情况符合的回复文本；
该实施例中，实际IP地址指用户互联网设备的实际地址，可以用来追踪实际地理位置；
该实施例中，实际坐标指用户实际地理位置的精确坐标；
该实施例中，预设网格面积此处设置为地理面积1平方千米；
该实施例中，颜色深度此处选择用图像RGB三通道的位数相加后的总位数来表示，将总位数越大认定为颜色深度越大；
该实施例中，预设颜色此处可设置为(128，128，255)，这表示一种中等深度的蓝色；
该实施例中，线性正相关关系指两个变量之间的关系是直线的，一个数量的增加会导致另一个数量的增加；
该实施例中，预设距离阈值此处设定为1千米。
上述技术方案的有益效果为：使用新闻搜索引擎的开放数据平台或数据爬虫系统可以更快速，更精准地获取到评论，使用预设应急情况关键词表对回复信息进行筛选可以有效过滤到无关回复，将有效文本中与进一步操作无关的字符去除，可以有效提高文本的信息密度，计算第二处理有效文本的重要度，可以快速过滤掉重要度低的文本，提高了之后效率，使用文本语义分析模型对第一目标语句进行分析，可以进一步筛选出与应急情况相关的语句，进一步提高了之后分析的效率，通过获取回复者ip，再通过所述ip获取到其实际地理位置，再通过统计网格地图中某网格内回复者数量，根据数量与应急命令中的初始坐标来比较，提高了目标坐标的判断准确度。
实施例10
本实施例还提供一种重点应急队伍调度方法，如图3所示，包括：
步骤S101、接收并解析应急命令，得到发生突发情况的目标地域的名称；
步骤S102、获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
步骤S103、接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
步骤S104、接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
上述技术方案的工作原理为：接收并解析应急命令，得到发生突发情况的目标地域的名称；获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整。
上述技术方案的有益效果为：通过接收并解析突发情况的应急命令，得到目标地域名称，利用应急资源管理数据库并选择空闲的重点应急队伍进行调度，可以准确地选择到属于目标地域的重点应急队伍，接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派，可以根据应急情况的类别选择到最佳的调派算法，从而提高了重点应急队伍的调度效率，且解决了传统应急系统中无法根据应急情况类别进行调派算法选择的问题，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整可以解决在调派人员工作结束后会无二次任务分配的问题，提高人员的工作效率，加快应急情况的处理，解决了传统应急系统中，应急情况若是高并发任务，无法对已经完成任务的重点应急队伍进行二次调派问题。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (7)

1.一种重点应急队伍调派系统，其特征在于，包括：
接收模块，用于接收并解析应急命令，得到发生突发情况的目标地域的名称；
查询模块，用于获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
调派模块，用于接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
优化模块，用于接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整；
所述接收模块，包括：
提取子模块，用于接收应急命令，对应急命令进行分析，提取到发生突发情况的目标地域的初始坐标；
搜索子模块，用于获取新闻搜索引擎并通过新闻搜索引擎搜索初始坐标，得到初始坐标的实时新闻；
判断子模块，用于根据实时新闻判断初始坐标是否发生紧急情况，若是，将初始坐标确定为目标坐标；
第一检索子模块，用于以目标坐标在预设地图中进行检索，得到第一检索结果并根据其确定目标地域的名称；
所述查询模块，包括：
第一获取子模块，用于从互联网获取政府提供的应急资源数据库；
第二检索子模块，用于使用目标地域的名称在应急资源数据库进行检索，得到处于目标地域的第一重点应急队伍；
第一统计子模块，用于获取第一重点应急队伍中无任务的第一空闲队伍并统计其第一数量；
第二获取子模块，用于将第一数量与预设数量阈值进行比较，若第一数量小于预设数量阈值，获取目标地域的相邻地域的第二重点应急队伍；
第三获取子模块，用于获取第二重点应急队伍的队伍初始坐标及队伍人数；
第一距离计算子模块，用于对队伍初始坐标与目标地域的目标坐标输入指预设导航软件，得到导航距离；
第一权重计算子模块，用于将预设最大距离与导航距离作差值计算，将所得差值与第一比例作乘法计算，得到距离权重；
第二权重计算子模块，用于将队伍人数与第二比例作乘法计算，得到人数权重；
第三权重计算子模块，用于将距离权重与人数权重作乘法计算，得到队伍权重；
选取子模块，用于依照队伍权重以高至低的顺序，从第二重点应急队伍中选取队伍权重高于预设队伍权重阈值的第二数量的无任务的第二空闲队伍，其中，第一数量和第二数量的和大于等于预设数量阈值；
队伍确定子模块，用于将第一空闲队伍和第二空闲队伍确定为重点应急队伍；
所述调派模块，包括：
第一分析子模块，用于接收现场评估人员发送的情况评估数据并对其以时间、数量角度进行分析，得到分析结果；
状态确定子模块，用于根据分析结果将目标地域的突发情况的类别分为三种，时间敏感类别、高并发类别、混合类别；
算法确定子模块，用于若类别为时间敏感类别，将调派算法确定为最短路径算法，若类别为高并发类别或混合类别，将调派算法确定为最短路径算法和匈牙利算法的混合算法；
第四获取子模块，用于若类别为高并发类别或混合类别，获取目标地域中发生紧急情况的各个位置的位置坐标以及若干个重点应急队伍的第一初始坐标；
第一生成子模块，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并对其和目标坐标使用调派算法，生成最短调派路径；
第二生成子模块，用于若类别为高并发类别或混合类别，对各个位置的位置坐标以及若干个第一初始坐标使用混合算法，得到若干个并发调派路径；
调派子模块，用于使用最短调派路径或若干个并发调派路径对重点应急队伍进行调派。
2.根据权利要求1所述的一种重点应急队伍调派系统，其特征在于，所述优化模块，包括：
接收子模块，用于接收已抵达目标地域的现场重点应急队伍发送的现场监测信息；
第二分析子模块，对现场监测信息进行分析，得到目标地域各个位置的工作任务完成情况；
划分子模块，用于根据目标地域各个位置的工作任务完成情况，将目标地域各个位置划分为空闲位置和忙碌位置；
人员获取子模块，用于获取处于空闲位置的空闲调派人员；
计算子模块，用于将空闲调派人员的空闲位置输入至预设位置计算模型，得到与该空闲调派人员移动时间最短的最近忙碌位置；
人员调派子模块，用于将空闲调派人员调派至最近忙碌位置。
3.根据权利要求1所述的一种重点应急队伍调派系统，其特征在于，所述搜索子模块，包括：
第一获取单元，用于获取支持使用坐标进行实时新闻搜索的新闻搜索引擎；
搜索单元，用于以初始坐标在新闻搜索引擎进行搜索，得到搜索结果；
第二获取单元，用于获取接收到应急命令的目标时刻；
筛选单元，用于从搜索结果中筛选目标时刻之后发生的的实时新闻。
4.根据权利要求1所述的一种重点应急队伍调派系统，其特征在于，所述第一生成子模块，包括：
第一生成单元，用于若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并将其和目标坐标输入配置有调派算法的计算模型，生成初始调派路径；
第一划分单元，用于将初始调派路径以预设长度划分为多个路段；
第一判断单元，用于判断每个路段是否为唯一直达路段，若否，获取该路段的替代路段，并获取该路段及其替代路段的交通情况；
第二划分单元，用于将交通情况划分为拥挤和畅通；
第二判断单元，用于对每个路段的交通情况进行判断，若其为拥挤，判断该路段是否为唯一直达路段，若是，继续使用该路段，若否，判断其是否有交通情况为畅通的替代路段，若无，继续使用该路段，若有，使用所述交通情况为畅通的替代路段将该路段替换；
第二生成单元，用于在完成对全部路段的判断之后，生成最短调派路径。
5.根据权利要求3所述的一种重点应急队伍调派系统，其特征在于，得到搜索结果之后，所述系统还用于：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，随机获取若干个图文新闻的编号、正文；
使用预设下载器下载属于图文新闻的新闻图片，并使用图文新闻的编号对新闻图片进行标记，得到标记图片；
将图文新闻的正文进行特殊字符删除并进行格式统一处理，得到第一处理正文；
将第一处理正文翻译为与其语言相异的第二处理正文；
将第二处理正文翻译回与第一处理正文相同的语言，得到第三处理正文；
将第一处理正文与第三处理正文组合，得到正文集；
将标记图片进行左右反转，得到反转图片，将反转图片与标记图片组合，得到新闻图片集；
将正文集进行分词并根据预设模型词汇表进行转化，得到标记序列；
将标记序列输入至RoBERTa模型，通过其多层自注意力机制和全连接层进行处理，得到正文集的文字特征；
将新闻图片集中的反转图片和标记图片调整为预设大小后再进行归一化处理，得到处理图片；
将处理图片输入至VGG-16模型进行处理，得到新闻图片特征；
使用多头注意机制，将正文集的文字特征和新闻图片特征进行联合训练，得到多模态特征；
将多模态特征分作第一样本集和第一测试集；
将第一样本集输入预设第一卷积模型中，使用交叉熵损失函数和对比损失其进行训练，得到第一模型；
将第一测试集输入至第一模型，对第一模型进行调整，得到根据图片、文字进行虚假新闻识别的新闻识别模型；
获取到目标时刻之后发布的实时新闻，将其输入至新闻识别模型进行识别，得到图文一致新闻；
将图文一致新闻用作对初始坐标进行判断的样本新闻。
6.根据权利要求5所述的一种重点应急队伍调派系统，其特征在于，在将初始坐标确定为目标坐标时，所述系统还用于：
使用新闻搜索引擎的开放数据平台或数据爬虫系统，获取人们在图文一致新闻发布的回复信息；
使用预设应急情况关键词表对回复信息进行筛选，得到与应急情况相关的有效文本；
将有效文本中的无关字符去除，得到第一处理有效文本；
将第一处理有效文本中的HTML字符去除，同时将第一处理有效文本中的表情符号转换为字符串，得到第二处理有效文本；
将第二处理有效文本使用Word2Vec模型进行处理，得到若干个向量化的语句；
计算全部向量化的语句之间的余弦相似性；
使用全部向量化的语句构建节点图，将每个向量化的语句视为图中的一个节点，并根据余弦相似性在节点之间添加边；
通过TextRank算法，根据节点图分别计算每个语句的重要度，其中，一个语句对应一个重要度；
将重要度按照从大到小的顺序进行排序，从最大的重要度为起始点，选取第三数量个重要度并获取到其对应的第一目标语句；
获取预设应急文本将其标注后分为第二样本集和第二测试集；
使用样本集对预设第二卷积模型进行训练，得到文本语义分析模型；
将第一目标语句输入至文本语义分析模型，得到匹配文本；
获取匹配文本的发布者并获取其发布时所使用的实际IP地址；
获取网络服务商提供的关联数据库并在其中搜索实际IP地址，得到实际坐标；
获取与应急情况有关的全部目标实际坐标，并将每个目标实际坐标输入至以预设网格面积划分为若干个网格的网格地图；
统计网格地图中每个网格的目标实际坐标的数量，并根据其对每个网格进行变色处理，以预设颜色为基底，颜色深度与每个网格的目标实际坐标数量为线性正相关关系；
获取颜色深度大于预设颜色阈值的全部目标网格，获取全部目标网格的中心点的中心坐标；
若全部中心坐标中存在若干个与初始坐标的距离小于或等于预设距离阈值的目标中心坐标，将初始坐标确定为目标坐标。
7.一种重点应急队伍调派方法，其特征在于，包括以下步骤：
接收并解析应急命令，得到发生突发情况的目标地域的名称；
获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍；
接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派；
接收现场监测信息并根据其确定目标地域突发情况的解决进度，根据目标地域突发情况的解决进度将各个位置的调派人员进行智能调整；
所述接收并解析应急命令，得到发生突发情况的目标地域的名称，包括：
接收应急命令，对应急命令进行分析，提取到发生突发情况的目标地域的初始坐标；
获取新闻搜索引擎并通过新闻搜索引擎搜索初始坐标，得到初始坐标的实时新闻；
根据实时新闻判断初始坐标是否发生紧急情况，若是，将初始坐标确定为目标坐标；
以目标坐标在预设地图中进行检索，得到第一检索结果并根据其确定目标地域的名称；
所述获取应急资源管理数据库并以目标地域的名称对其进行检索，得到检索结果并根据其选择空闲的重点应急队伍，包括：
从互联网获取政府提供的应急资源数据库；
使用目标地域的名称在应急资源数据库进行检索，得到处于目标地域的第一重点应急队伍；
获取第一重点应急队伍中无任务的第一空闲队伍并统计其第一数量；
将第一数量与预设数量阈值进行比较，若第一数量小于预设数量阈值，获取目标地域的相邻地域的第二重点应急队伍；
获取第二重点应急队伍的队伍初始坐标及队伍人数；
对队伍初始坐标与目标地域的目标坐标输入指预设导航软件，得到导航距离；
将预设最大距离与导航距离作差值计算，将所得差值与第一比例作乘法计算，得到距离权重；
将队伍人数与第二比例作乘法计算，得到人数权重；
将距离权重与人数权重作乘法计算，得到队伍权重；
依照队伍权重以高至低的顺序，从第二重点应急队伍中选取队伍权重高于预设队伍权重阈值的第二数量的无任务的第二空闲队伍，其中，第一数量和第二数量的和大于等于预设数量阈值；
将第一空闲队伍和第二空闲队伍确定为重点应急队伍；
所述接收情况评估数据并根据其确定目标地域的状态，根据目标地域的状态选择调派算法，并将重点应急队伍以调派算法向目标地域内不同位置进行调派，包括：
接收现场评估人员发送的情况评估数据并对其以时间、数量角度进行分析，得到分析结果；
根据分析结果将目标地域的突发情况的类别分为三种，时间敏感类别、高并发类别、混合类别；
若类别为时间敏感类别，将调派算法确定为最短路径算法，若类别为高并发类别或混合类别，将调派算法确定为最短路径算法和匈牙利算法的混合算法；
若类别为高并发类别或混合类别，获取目标地域中发生紧急情况的各个位置的位置坐标以及若干个重点应急队伍的第一初始坐标；
若类别为时间敏感类别，获取重点应急队伍的第二初始坐标并对其和目标坐标使用调派算法，生成最短调派路径；
若类别为高并发类别或混合类别，对各个位置的位置坐标以及若干个第一初始坐标使用混合算法，得到若干个并发调派路径；
使用最短调派路径或若干个并发调派路径对重点应急队伍进行调派。
CN202311241185.0A 2023-09-25 2023-09-25 一种重点应急队伍调派系统及方法 Active CN117273348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311241185.0A CN117273348B (zh) 2023-09-25 2023-09-25 一种重点应急队伍调派系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311241185.0A CN117273348B (zh) 2023-09-25 2023-09-25 一种重点应急队伍调派系统及方法

Publications (2)

Publication Number Publication Date
CN117273348A CN117273348A (zh) 2023-12-22
CN117273348B true CN117273348B (zh) 2024-03-05

Family

ID=89211805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311241185.0A Active CN117273348B (zh) 2023-09-25 2023-09-25 一种重点应急队伍调派系统及方法

Country Status (1)

Country Link
CN (1) CN117273348B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408565A (zh) * 2014-11-28 2015-03-11 东莞中国科学院云计算产业技术创新与育成中心 城市综合应急指挥调度任务派发系统及其任务派发方法
CN104484754A (zh) * 2014-12-15 2015-04-01 江苏国遥信息科技有限公司 一种地震应急团队指挥调度系统
CN111008781A (zh) * 2019-12-04 2020-04-14 天津大海云科技有限公司 一种应用于消防领域的资源调度方法
CN114548656A (zh) * 2022-01-05 2022-05-27 中国安全生产科学研究院 一种安全应急管理指挥调度系统
CN115577900A (zh) * 2022-08-22 2023-01-06 杭州领见数字农业科技有限公司 一种应急救援调度推荐方法、系统及存储介质
CN116341851A (zh) * 2023-03-22 2023-06-27 深圳市创势互联科技有限公司 基于北斗定位系统的应急资源匹配方法以及相关装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408565A (zh) * 2014-11-28 2015-03-11 东莞中国科学院云计算产业技术创新与育成中心 城市综合应急指挥调度任务派发系统及其任务派发方法
CN104484754A (zh) * 2014-12-15 2015-04-01 江苏国遥信息科技有限公司 一种地震应急团队指挥调度系统
CN111008781A (zh) * 2019-12-04 2020-04-14 天津大海云科技有限公司 一种应用于消防领域的资源调度方法
CN114548656A (zh) * 2022-01-05 2022-05-27 中国安全生产科学研究院 一种安全应急管理指挥调度系统
CN115577900A (zh) * 2022-08-22 2023-01-06 杭州领见数字农业科技有限公司 一种应急救援调度推荐方法、系统及存储介质
CN116341851A (zh) * 2023-03-22 2023-06-27 深圳市创势互联科技有限公司 基于北斗定位系统的应急资源匹配方法以及相关装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗艺鑫 ; 杨黎仁 ; 姜连瑞 ; .地震灾害救援队人员调派和装备配置研究.安全与环境学报.2020,(第04期),全文. *

Also Published As

Publication number Publication date
CN117273348A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN102298635B (zh) 事件信息融合方法和系统
JP5390840B2 (ja) 情報分析装置
CN106202514A (zh) 基于Agent的突发事件跨媒体信息的检索方法及系统
CN108804529A (zh) 一种基于Web的问答系统实现方法
JP4950508B2 (ja) 施設情報管理システム、施設情報管理装置、施設情報管理方法および施設情報管理プログラム
JP2007004756A (ja) 判例自動検索
CN117271767B (zh) 基于多智能体的运维知识库的建立方法
JP2002032773A (ja) 地図データの処理装置及び方法
CN111369294B (zh) 软件造价估算方法及装置
CN111708774A (zh) 一种基于大数据的产业分析系统
KR102124935B1 (ko) 크라우드 소싱을 활용한 재난 모니터링 시스템, 재난 모니터링 방법 및 이를 수행하기 위한 컴퓨터 프로그램
CN114510566B (zh) 基于工单的热词挖掘、分类和分析的方法和系统
CN114996549A (zh) 基于活动对象信息挖掘的智能追踪方法与系统
CN113742496B (zh) 一种基于异构资源融合的电力知识学习系统及方法
CN111104503A (zh) 一种建筑工程质量验收规范问答系统及其构建方法
CN117273348B (zh) 一种重点应急队伍调派系统及方法
JP5639549B2 (ja) 情報検索装置及び方法及びプログラム
CN117171355A (zh) 一种文化基因知识图谱的构建方法及装置
CN112069833A (zh) 日志分析方法、日志分析装置及电子设备
CN115935076A (zh) 基于人工智能的旅游服务信息推送方法及系统
CN116431746A (zh) 基于编码库的地址映射方法、装置、电子设备及存储介质
CN115795052A (zh) 一种产业链地图构建方法、装置及电子设备
TW202006617A (zh) 雲端自助分析平台與其分析方法
US20170147679A1 (en) Query expansion system and method using language and language variants
KR20160093489A (ko) 컨텐츠 수집, 추천 시스템 및 방법

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