賀清

（蘭州交通大學(xué) 自動化與電氣工程學(xué)院，講師，甘肅 蘭州 730070）

目前，國內(nèi)各車站處理緊急事件仍沿用傳統(tǒng)的紙質(zhì)文本式預(yù)案，經(jīng)?？块_會和電話進(jìn)行溝通，由指揮人員在短時間內(nèi)臨時決定，沒有很好地利用以往實際事故或緊急情況的經(jīng)驗，缺乏科學(xué)性和合理性，難以有效地應(yīng)對車站的突發(fā)性事件［1］。因此，采用恰當(dāng)?shù)姆椒?，對車站?yīng)急預(yù)案進(jìn)行管理，是從根本上提高應(yīng)急處置能力、減少人員傷亡和財產(chǎn)損失的關(guān)鍵。

在發(fā)達(dá)國家，應(yīng)急決策已成為維持車站能夠正常運行的重要支撐體系之一。例如美國、歐盟、日本等都已建立了運行良好的應(yīng)急決策管理體制，包括應(yīng)急決策法規(guī)、管理機(jī)構(gòu)、指揮隊伍、應(yīng)急隊伍和資源保障等方面，形成了比較完善的應(yīng)急決策系統(tǒng)。中國鐵路運輸業(yè)在近幾年得到了快速的發(fā)展，但大型樞紐站的設(shè)備、設(shè)施以及管理水平均落后于發(fā)達(dá)國家和地區(qū)。在處理緊急情況時應(yīng)急決策和能力明顯不足，主要表現(xiàn)在缺乏統(tǒng)一有效的協(xié)調(diào)指揮機(jī)制；應(yīng)急管理薄弱，應(yīng)急反應(yīng)遲緩；應(yīng)急救援隊伍力量分布不合理；應(yīng)急裝備落后，救援能力有限；應(yīng)急管理法制基礎(chǔ)工作相對滯后等。

目前，國內(nèi)關(guān)于樞紐站應(yīng)急決策的研究還不多，北京交通大學(xué)張瑞博提出了基于多層次模糊綜合評判的鐵路應(yīng)急預(yù)案評價方法；賈利民等提出基于隨機(jī)Petri網(wǎng)的鐵路應(yīng)急預(yù)案的建模方法，得到鐵路應(yīng)急仿真模型［2］。上述文獻(xiàn)針對應(yīng)急決策系統(tǒng)的搭建、方案的決策、應(yīng)急預(yù)案模型的構(gòu)建以及鐵路災(zāi)害預(yù)警的內(nèi)容進(jìn)行了研究，而要有效地提高車站應(yīng)急反應(yīng)能力，應(yīng)急預(yù)案的作用也不容忽視。本文構(gòu)建基于案例推理的樞紐站應(yīng)急決策模型，利用XML技術(shù)來表示案例和構(gòu)造案例庫，采用兩兩比較打分法和全局相似度算法，對已有應(yīng)急預(yù)案進(jìn)行檢索與匹配，為處置突發(fā)事故提供決策支持。

1 模型建立

1.1 建立模型所運用的方法 案例推理（CBR）是用先前求解問題的經(jīng)驗和方法，通過類比和聯(lián)想來解決當(dāng)前的相似問題，反映人類認(rèn)知過程中根據(jù)過去經(jīng)驗和方法進(jìn)行推理求解，從失敗或成功中進(jìn)行學(xué)習(xí)的特征［3］。目前CBR已被廣泛應(yīng)用于多個領(lǐng)域，并取得很好的效果，而其在鐵路樞紐站應(yīng)急管理領(lǐng)域中的應(yīng)用研究還十分欠缺。處理車站緊急突發(fā)事件不是一個簡單的過程，需要鐵路局各部門的共同參與。一方面，事件的發(fā)生具有隨機(jī)性、模糊性、不確定性；另一方面，在以往的車站突發(fā)事件處理過程中，已經(jīng)積累了不少豐富的經(jīng)驗，存在很多實際的案例。這2個方面都符合CBR方法的使用特征，因此，采用CBR設(shè)計并實現(xiàn)樞紐站應(yīng)急預(yù)案管理是可行的。

1.2 鐵路應(yīng)急預(yù)案決策模型的組成 基于CBR樞紐站應(yīng)急決策方法的核心思想，就是借鑒以往處理事故的經(jīng)驗來解決當(dāng)前的相似問題。鐵路應(yīng)急預(yù)案決策模型主要有案例表示、案例檢索與匹配、案例調(diào)整、預(yù)案執(zhí)行、案例學(xué)習(xí)等5個主要部分組成，如圖1所示。

圖1 鐵路樞紐站應(yīng)急預(yù)案決策模型

1.2.1 案例表示 采用一定的表示方法描述當(dāng)前應(yīng)急事件的狀況，形成目標(biāo)案例。

1.2.2 案例檢索與匹配 從案例庫中檢索出與當(dāng)前問題在特征屬性上相似或?qū)Ξ?dāng)前事故有啟發(fā)和指導(dǎo)意義的案例，形成候選案例集；分別計算候選案例與當(dāng)前案例相似度，選出最有參考價值的案例作為檢索結(jié)果。

1.2.3 案例調(diào)整 為使檢索得到的案例能夠適合當(dāng)前事故的需要，根據(jù)兩者間的差異，對案例進(jìn)行有針對性地調(diào)整，最終得到有效預(yù)案。

1.2.4 預(yù)案執(zhí)行 在預(yù)案執(zhí)行過程中，如需使用各種資源，則先判斷現(xiàn)有資源是否滿足數(shù)量和質(zhì)量要求；否則需要及時調(diào)撥其他可用資源。

1.2.5 案例學(xué)習(xí) 將當(dāng)前成功解決問題的案例或處理失敗后經(jīng)過修改并有效評估的案例納入預(yù)案庫中，當(dāng)再次發(fā)生相似事故時就可直接調(diào)用。

2 應(yīng)急預(yù)案決策模型的設(shè)計

2.1 案例的表示 案例表示是案例推理的基礎(chǔ)，合理的案例表示方法有助于提高案例檢索的速度和精度。隨著各種類型突發(fā)事件的發(fā)生，案例將會越來越多，積累的經(jīng)驗將越來越豐富，案例的結(jié)構(gòu)也將越來越復(fù)雜。為了能有效地管理數(shù)量龐大、結(jié)構(gòu)復(fù)雜的案例，使其能被高效地操作，本文利用XML（可擴(kuò)展標(biāo)記語言）在對象描述與可計算性方面的優(yōu)勢，將CBR與XML結(jié)合在一起，提出以XML文檔的形式表示案例，采用層次型結(jié)構(gòu)，使用標(biāo)志和屬性來描述案例［4］。

基于XML的案例表示模型中，描述1個案例需要定義3個文檔。3個文檔間存在1個邏輯層次關(guān)系，模式定義文檔驗證案例結(jié)構(gòu)描述文檔，而驗證通過的結(jié)構(gòu)文檔則用于驗證案例實體文檔，如圖2所示。

圖2 基于XML案例表示模型

其中，模式定義文檔采用XML Schema來描述，提供文檔的規(guī)則、用什么標(biāo)記符、標(biāo)記符的屬性及之間的關(guān)系。案例結(jié)構(gòu)描述文檔用來描述研究領(lǐng)域的案例層次結(jié)構(gòu)。描述案例實體的XML文檔則包括以下內(nèi)容：

1）案例類別為有效地組織案例庫中的案例，需對案例進(jìn)行分類，方便索引和檢索。

2）案例特征分為必備特征和可選特征。必備特征是在推理過程中起重要作用、與決策結(jié)果有因果關(guān)系的特征；可選特征是為了更加全面地描述并區(qū)分不同的案例。

3）案例結(jié)果案例對應(yīng)的處理方法或結(jié)論。

2.2 案例庫的構(gòu)造 一個系統(tǒng)所包含的案例越多，則擁有的知識越豐富，但案例檢索的速度受到影響，因此必須合理地組織案例庫來提高檢索速度。XML面向數(shù)據(jù)，用于描述數(shù)據(jù)本身的性質(zhì)、結(jié)構(gòu)以及數(shù)據(jù)之間的關(guān)系并能存儲下來，因此，XML可作為表示和存儲數(shù)據(jù)的手段。XML文檔的層次型結(jié)構(gòu)與預(yù)案庫的結(jié)構(gòu)相對應(yīng)，文檔中的節(jié)點自定義功能則可用來描述新的案例。

為方便案例檢索，將樞紐站應(yīng)急決策案例分為列車緊急事件預(yù)案和非列車緊急事件預(yù)案。通過研究，得出案例表示的特征屬性包括應(yīng)急響應(yīng)等級、事故發(fā)生地點、事故原因類型、天氣環(huán)境。事故的解決方案包括接警并通知各相關(guān)部門、資源的集結(jié)準(zhǔn)備、現(xiàn)場指揮和協(xié)調(diào)以及后期處置4個步驟。列車緊急事件預(yù)案特征屬性的層次結(jié)構(gòu)（見圖3）與非列車緊急事件預(yù)案特征屬性的層次結(jié)構(gòu)設(shè)計基本相同，只是在事故原因上有所區(qū)別。

圖3 列車緊急事件預(yù)案特征屬性層次結(jié)構(gòu)圖

2.3 案例的檢索與匹配

2.3.1 權(quán)重的確定 為保證案例檢索的準(zhǔn)確性，需根據(jù)每個特征屬性的相對重要程度確定權(quán)重系數(shù)，權(quán)重設(shè)置的合理與否對案例檢索結(jié)果有很大的影響。目前，確定權(quán)重的方法主要有目標(biāo)最優(yōu)法、層次分析法、主觀賦值法、頻數(shù)統(tǒng)計法等。本文采用兩兩比較打分法來確定樞紐站應(yīng)急預(yù)案中特征屬性的權(quán)重。

根據(jù)圖3所示的層次結(jié)構(gòu)，對列車緊急事件預(yù)案的4個特征屬性，即應(yīng)急響應(yīng)等級、事故發(fā)生地點、事故原因類型、天氣環(huán)境兩兩比較打分。具體指標(biāo)之間的兩兩比較，采用專家咨詢法進(jìn)行。比較各指標(biāo)的重要性構(gòu)造判斷矩陣（見表1），計算求得矩陣的最大特征根，一致性比率CR=0.015<0.1，所以判斷矩陣滿足一致性檢驗。因此，4個特征屬性的權(quán)重分別為：0.319，0.175，0.411，0.095。

表1 特征屬性的權(quán)重值

2.3.2 相似度的計算 案例檢索需達(dá)到2個目標(biāo)：一是檢索出的案例應(yīng)盡可能少；二是檢索出的案例應(yīng)盡可能與當(dāng)前案例相似或匹配。為提高案例檢索的精確度，本文提出了一種基于全局相似度的案例檢索算法。其算法描述如下：

1）局部相似度計算。

①確定數(shù)屬性。這類屬性用數(shù)值表示，如應(yīng)急響應(yīng)等級。確定數(shù)屬性的相似度采用基于海明距離公式的相似度計算方法，如式（1）所示。

式中：sim（Xi，Yi）表示案例 X和 Y的第 i個確定數(shù)屬性的相似度；

Xi、Yi分別表示案例X和Y的第i個屬性的值；

maxi和m ini分別表示第i個屬性的最大和最小值。

需要說明的是，每種類型的屬性需要已知該屬性的取值范圍。

②確定符號屬性。確定符號屬性值屬于簡單枚舉值，如事故發(fā)生地點。它列舉了該屬性所有可能的取值，屬性值之間不存在實際意義的量的關(guān)系，相似度計算式為

③模糊屬性。對于模糊概念、模糊數(shù)或模糊區(qū)間類模糊屬性，采用隸屬函數(shù)來計算屬性間的相似度。本文采用基于梯形的模糊集合來模擬模糊屬性［5、6］，其形狀函數(shù)可以表示為

式中：A代表模糊集合的對應(yīng)隸屬函數(shù)的面積；

xi∩yi代表兩個模糊集合的交集。

2）結(jié)構(gòu)相似度。首先，計算源案例和目標(biāo)案例的非空屬性構(gòu)成的集合，記為A和B，計算交集C和并集D，設(shè)C和D中所有屬性的權(quán)重之和分別為和，得到案例和的結(jié)構(gòu)相似度S為

通過結(jié)構(gòu)相似度算法解決屬性值為空時相似度的計算，避免因?qū)傩灾等笔o法進(jìn)行比較的問題。

3）案例全局相似度。案例全局相似度定義為

3 仿真實例

以某樞紐站在列車進(jìn)入車站的過程中在站內(nèi)緊急停車為例，因當(dāng)前事故與列車相關(guān)，則直接索引到列車緊急事件應(yīng)急案例庫中。此案例庫中存有6個歷史案例：C1=列車在進(jìn)站信號機(jī)外方緊急停車，C2=列車在道岔咽喉區(qū)緊急停車，C3=列車進(jìn)站過程中緊急停車，C4=列車通過車站時緊急停車，C5=列車在駛出車站時緊急停車，C6=列車在剛啟動時緊急停車。每個案例中都包含有處置該緊急事件的處理方案。

3.1 局部相似度的計算 選取4個特征屬性即應(yīng)急響應(yīng)等級、事故發(fā)生地點、事故原因類型、天氣環(huán)境，以 C1，C2，C3，C4，C5，C6這6個具體案例來匹配當(dāng)前事故（用C表示），計算得到各歷史案例的局部相似度，如表2所示。

表2 4個特征屬性的局部相似度

3.2 全局相似度的計算 由表1得到4個屬性的權(quán)重依次為：0.319，0.175，0.411，0.095，計算C1與當(dāng)前案例C的全局相似度為sim（C1）=1×（0.319×1+0.175×0.25+0.411×1+0.095×1）=0.869。

同理得sim（C2）=0.494，sim（C3）=0.283，sim（C4）=0.458，sim（C5）=0.589，sim（C6）=0.378。通過比較各案例整體相似度的大小，可得知當(dāng)前事故C與案例庫中C1相似。因此，解決當(dāng)前緊急事件的辦法可依據(jù)C1中記錄的解決方案。在具體執(zhí)行過程中，如設(shè)備配備、人員需求調(diào)配等問題，需根據(jù)當(dāng)時實際情況，結(jié)合專家意見進(jìn)行適當(dāng)修改調(diào)整，最終確定處理當(dāng)前緊急事件的解決方案。

4 結(jié)束語

本文基于案例推理方法建立樞紐站應(yīng)急預(yù)案決策模型，針對車站緊急事件原因復(fù)雜的特點，將應(yīng)急預(yù)案的案例分為列車緊急事件預(yù)案和非列車緊急事件預(yù)案2類，研究探討了2類預(yù)案特征屬性的層次結(jié)構(gòu)，采用XML技術(shù)來進(jìn)行案例表示，以兩兩比較打分法和全局相似度算法實現(xiàn)案例的檢索與匹配，并通過實例進(jìn)行了驗證。目前，鐵路樞紐站的應(yīng)急決策案例非常有限，為使建立的預(yù)案庫具有實際的應(yīng)用意義，需不斷地對案例庫進(jìn)行完善和補(bǔ)充，為應(yīng)急決策積累豐富的經(jīng)驗，借鑒其他國家有效處置車站緊急事件的措施方法，提高應(yīng)急預(yù)案的管理水平和應(yīng)急決策的效率。

［1］王子洋，張穎，趙忠信，秦勇，賈利民.鐵路應(yīng)急預(yù)案質(zhì)量控制技術(shù)研究［J］.物流技術(shù)，2010，23（3）：30-32.

［2］艾厚文，賈利民，秦勇，蔡國強(qiáng).基于隨機(jī)Petri網(wǎng)的鐵路應(yīng)急救援流程化分析［J］.鐵路計算機(jī)應(yīng)用，2008，17（7）：9-11.

［3］張成濤，孫義，張德政.基于XML的案例推理技術(shù)及其在生產(chǎn)調(diào)度中的應(yīng)用研究［J］.微計算機(jī)信息，2006，22（3/2）：256-258.

［4］成瑞華.XML在案例推理的應(yīng)用［D］.北京：北京科技大學(xué)，2007.

［5］張本生，于永利.CBR系統(tǒng)案例搜索中的混合相似度方法［J］.系統(tǒng)工程理論與實踐，2002，22（3）：131-136.

［6］李玲娟，湯文宇，王汝傳.基于XML的案例表示和案例庫構(gòu)造方法［J］.計算機(jī)應(yīng)用研究，2007，24（11）：70-73.

［7］LI YAN，SHIU C K，PAL SANKAR K.Combining feature reduction and case selection in building CBR classifiers［J］.IEEE Transactions on Know ledge and Data Engineering，2006，18（3）：415-429.

［8］楊健，楊曉光，劉曉彬.一種基于k-NN的案例相似度權(quán)重調(diào)整算法［J］.計算機(jī)工程與應(yīng)用，2007，43（23）：8-11.