張奕 卜凡亮

摘 要：針對突發(fā)事件應(yīng)急決策主要使用技術(shù)CBR與RBR各自的不足，提出一種CBR與RBR相融合的方法。使用CBR對RBR進(jìn)行輔助，首先使用CBR檢索出相似歷史案例，然后使用RBR技術(shù)對歷史案例的解決策略進(jìn)行修改，解決了由CBR生成解決策略需要人工修正導(dǎo)致的決策速度慢、決策不準(zhǔn)確等問題，降低了規(guī)則推理所需規(guī)則的復(fù)雜度及其獲取難度，實(shí)現(xiàn)了CBR與RBR結(jié)合的應(yīng)急決策輔助系統(tǒng)。該系統(tǒng)較單一CBR在預(yù)案生成速度以及準(zhǔn)確性上都有明顯提高。

關(guān)鍵詞：案例推理;規(guī)則推理;應(yīng)急決策;決策支持

DOI：10. 11907/rjdk. 182580

中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2019）002-0055-05

Abstract： Aiming at the shortcomings of the two techniques used in emergency decision support system， CBR and RBR， a method for the fusion of CBR and RBR is proposed. CBR is used to assist RBR. First， CBR is used to retrieve similar historical cases. Then RBR is used to modify the resolution strategy of retrieved historical case. It solves the problems of slow decision-making and inaccurate results caused by manual correction of the decision-making method of CBR generation. It reduces the complexity of the rules required for RBR and the difficulty of rule acquisition. The emergency decision support system combining CBR and RBR is realized. The system has obvious improvement in the speed and the accuracy of the emergency plan generation compared with the traditional CBR.

Key Words：case-based reasoning; rule-based reasoning; emergency decision; decision support

0 引言

近年來，突發(fā)事件頻發(fā)，給人民群眾的生命財(cái)產(chǎn)造成巨大損失。突發(fā)事件的發(fā)生具有信息不完備、時(shí)間緊迫性和任務(wù)復(fù)雜性三大特點(diǎn)，增加了應(yīng)急救援難度。目前，應(yīng)對突發(fā)事件主要靠事先制訂的文本預(yù)案，對決策者指導(dǎo)性不強(qiáng)，作用不明顯，因此亟需建立一套突發(fā)事件應(yīng)急決策支持系統(tǒng)，以幫助決策者在最短時(shí)間內(nèi)制訂出科學(xué)合理的決策方案，有效地開展應(yīng)急救援行動，減少突發(fā)事件造成的損失[1]。

目前，突發(fā)事件應(yīng)急決策支持系統(tǒng)主要采用兩種技術(shù)：①案例推理（Case Based Reasoning，CBR），運(yùn)用相似的歷史問題決策方法解決當(dāng)前問題，能夠有效解決問題，但在實(shí)際應(yīng)用中幾乎沒有完全相同的問題，因此案例修正顯得十分重要，而CBR系統(tǒng)中案例修改基本上都由人工完成，需要較長時(shí)間;②規(guī)則推理（Rule Based Reasoning，RBR），具有決策準(zhǔn)確、有效實(shí)用等特點(diǎn)，可往往也需要花費(fèi)較長時(shí)間，而且需要較多人力及物力進(jìn)行規(guī)則編寫，但突發(fā)事件的緊迫性需要決策者快速制訂應(yīng)急決策方案。因此，越來越多的人提出將CBR與RBR相結(jié)合，以實(shí)現(xiàn)優(yōu)勢互補(bǔ)，同時(shí)克服兩者缺點(diǎn)。李洋等[2]、羅杰文等[3]均提出CBR與RBR相結(jié)合的預(yù)案生成系統(tǒng)，王重洋等[4]提出將CBR與RBR結(jié)合應(yīng)用于土地空間布局上，但他們均是在CBR檢索中無滿足相似度閾值的歷史案例時(shí)，使用RBR解決當(dāng)前方法。本文提出CBR與RBR兩種技術(shù)相結(jié)合的方法構(gòu)造決策支持系統(tǒng)，將RBR技術(shù)融入CBR技術(shù)，輔助于CBR中案例錄入，然后將案例推理生成的決策方案，使用規(guī)則推理代替人工對歷史案例進(jìn)行修正，加快案例推理速度，簡化所需規(guī)則，便于規(guī)則管理，并且解決了RBR難以獲取規(guī)則的問題，同時(shí)減少了規(guī)則獲取的人力物力，具有快速、準(zhǔn)確、成本低等特點(diǎn)。

1 系統(tǒng)總體設(shè)計(jì)

1.1 功能需求分析

結(jié)合應(yīng)急決策需求分析，系統(tǒng)主要由5個(gè)模塊組成：用戶模塊、規(guī)則推理模塊、案例推理模塊、案例管理模塊和規(guī)則管理模塊。系統(tǒng)功能模塊如圖1所示。

（1）用戶模塊。負(fù)責(zé)用戶登陸、管理，以及對當(dāng)前突發(fā)事件信息進(jìn)行錄入。

（2）案例推理模塊。對當(dāng)前待決策案例進(jìn)行檢索，檢索出滿足相似度閥值的歷史案例，生成待優(yōu)化決策方案，對檢索過程中屬性權(quán)重進(jìn)行修改。

（3）規(guī)則推理模塊。利用規(guī)則引擎與規(guī)則數(shù)據(jù)庫，依據(jù)不同突發(fā)事件種類，自動生成案例表示所需屬性;對當(dāng)前錄入的突發(fā)事件進(jìn)行預(yù)處理;修正待優(yōu)化決策方法，生成優(yōu)化決策方案。

（4）案例管理模塊。維護(hù)案例推理用到的歷史案例， 實(shí)現(xiàn)對案例的增加、刪除、修改、查詢等功能。

（5）規(guī)則管理模塊。維護(hù)規(guī)則推理用到的規(guī)則，實(shí)現(xiàn)對規(guī)則的增加、刪除、修改、查詢等功能。

1.2 系統(tǒng)功能流程

當(dāng)突發(fā)事件發(fā)生時(shí)，規(guī)則推理依據(jù)不同突發(fā)事件種類生成案例表示所需屬性，用戶依據(jù)原始信息提取對應(yīng)屬性值，案件信息錄入完成后，運(yùn)用規(guī)則推理對當(dāng)前突發(fā)事件進(jìn)行預(yù)處理，然后使用案例推理對案例庫中的歷史案例進(jìn)行相似度匹配，對高于相似度閥值的歷史案例進(jìn)行選擇，生成待優(yōu)化決策方案。若時(shí)間緊迫，則直接選擇相似度最高的歷史案例生成待優(yōu)化決策方案，再將當(dāng)前案例屬性值以及歷史案例屬性值使用規(guī)則引擎和規(guī)則庫進(jìn)行規(guī)則推理，在待優(yōu)化決策方案上生成優(yōu)化決策方案，使用優(yōu)化決策方案對此次突發(fā)事件提供參考。突發(fā)事件解決后，需要記錄執(zhí)行效果，利用執(zhí)行效果對優(yōu)化決策方案進(jìn)行修正生成最優(yōu)決策方案，將修正結(jié)果保存入案例庫中，同時(shí)修正規(guī)則庫中的規(guī)則（見圖2）。

2 主要功能模塊

2.1 案例推理模塊

CBR是模仿人的思維方式產(chǎn)生的一種技術(shù)，當(dāng)人們遇到難題時(shí)，會回想過去類似問題的解決策略[5]。CBR的核心就是重用，將歷史成功案例儲存入案例數(shù)據(jù)庫，通過相似度匹配算法得出當(dāng)前待決策案例的相似案例，完成對于當(dāng)前案例的決策。系統(tǒng)采用CBR最常用的“4-R”理論[6]。

（1）查詢（Retrieve）。檢索出滿足相似度閥值的歷史案例。

（2）重用（Reuse）。選擇高于相似度閥值的歷史案例，用于解決當(dāng)前問題。

（3）修改（Revise）。對歷史案例進(jìn)行修改，通常都是人工修改，需要時(shí)間較長，但是突發(fā)事件一般都事發(fā)突然，決策者往往沒有足夠時(shí)間作出決策[7]。本文提出使用規(guī)則推理進(jìn)行修正，減少了決策時(shí)間，提高了準(zhǔn)確性。

（4）保存（Retain）。問題成功解決后，將案例添加入案例庫。

2.1.1 案例表示方法

系統(tǒng)采用三元組的案例表示方法，具體為：問題描述、解決策略描述、執(zhí)行效果描述 [8]。每一元組都由多個(gè)屬性組成。問題描述分為公共要素與專項(xiàng)要素兩部分，公共要素為一般突發(fā)事件都具有的屬性，專項(xiàng)要素需要根據(jù)不同種類突發(fā)事件，運(yùn)用規(guī)則推理方法自動生成對應(yīng)屬性，對屬性的選取需要將案例描述清楚，還需要與規(guī)則推理模塊配合使用[9]。

2.1.2 案例檢索

案例檢索使用應(yīng)用最廣泛的最近鄰策略[10]。屬性權(quán)重使用層次分析法[11]，對應(yīng)公式為：

其中，[Sim（Cq，Ci）]為案例庫中第q個(gè)案例與第i個(gè)案例的相似度，m為問題描述中屬性個(gè)數(shù)，[wj]為第j個(gè)屬性的權(quán)重，[Sim（Cjq，Cji）]為第q個(gè)案例與第i個(gè)案例第j個(gè)屬性的相似度，即案例i與案例q的案例相似度為所有屬性相似度的加權(quán)和。將案例描述變量分為枚舉型、數(shù)值型、模糊語言型變量[12]。

（1）枚舉型變量。枚舉型變量都會有固定取值范圍，并且變量兩兩之間并無關(guān)系。相似度計(jì)算公式為：

（2）數(shù)值型變量。采用基于距離的方法和負(fù)指數(shù)函數(shù)計(jì)算相似度，公式為：

其中，[Cjmax]為所有案例中屬性j的最大值，[Cjmin]為所有案例中屬性j的最小值。

（3）模糊語言型變量。若j屬性為模糊型變量，將模糊語言型變量轉(zhuǎn)換為三角模糊數(shù)， [Yj=（yj0，yj0？yjn）]對于[yjm（0

案例q、案例i對于屬性j的三角模糊數(shù)分別為：

使用基于距離的方法和負(fù)指數(shù)函數(shù)計(jì)算相似度，公式為

其中，[dajmax]為j屬性對應(yīng)n個(gè)三角模糊數(shù)第一個(gè)位置的最大值，其中[dajmin]為j屬性對應(yīng)n個(gè)三角模糊數(shù)第一個(gè)位置的最小值。

2.2 規(guī)則推理模塊

規(guī)則推理模塊本質(zhì)是基于規(guī)則的專家系統(tǒng)，是專家系統(tǒng)的重要分支。規(guī)則推理的核心是：當(dāng)事實(shí)滿足規(guī)則特定條件時(shí)，執(zhí)行特定的事件或操作。規(guī)則推理模塊使用的知識包括事實(shí)（用來表示待推理的已知數(shù)據(jù)或信息）和規(guī)則（產(chǎn)生式規(guī)則）[13-14]。 規(guī)則由條件和動作組成，格式一般為[15]：

對初始方案進(jìn)行優(yōu)化，規(guī)則推理模塊主要由4部分組成：①推理引擎。是規(guī)則推理的核心，由模式匹配器和議程管理器組成;②規(guī)則庫。存儲規(guī)則的倉庫;③工作區(qū)。用于存放待推理事實(shí);④執(zhí)行機(jī)。執(zhí)行滿足IF條件的規(guī)則所對應(yīng)的操作。

以規(guī)則推理模塊主要功能對案例推理所得方案進(jìn)行修正為例，具體為當(dāng)前工作區(qū)存放當(dāng)前案例以及案例推理模塊中檢索的相似案例，規(guī)則庫中存放事先添加好的規(guī)則，之后推理引擎開始工作，執(zhí)行機(jī)對歷史案例的決策方法進(jìn)行修正。以火災(zāi)突發(fā)事件為例，歷史案例中火災(zāi)發(fā)生時(shí)間為白天，而當(dāng)前案例火災(zāi)發(fā)生時(shí)間為夜晚，對解決策略的修正是適當(dāng)增加照明車數(shù)量，規(guī)則庫中相應(yīng)規(guī)則為：

規(guī)則推理專家系統(tǒng)的建立需要較大人力、物力，本文通過案例推理與規(guī)則推理相結(jié)合，使用規(guī)則推理進(jìn)行修正，減少了規(guī)則制定所需成本。

系統(tǒng)使用Drools規(guī)則引擎[16]。Drools是Jboss門下的開源商業(yè)規(guī)則引擎，具有開源、社區(qū)非常活躍、易使用、免費(fèi)、JSR94（Java Rule Engine API）兼容、工具集強(qiáng)大等特點(diǎn)。

Drools是為Java量身定做的規(guī)則引擎，實(shí)現(xiàn)了ReteOO 算法以及Leaps算法。ReteOO對面向?qū)ο笙到y(tǒng)的Rete算法進(jìn)行了增強(qiáng)和優(yōu)化，支持4種格式的規(guī)則儲存（DRL、DSL、Descision Tables和XML）。Drools的規(guī)則引擎包括3部分：模式匹配器、議程和執(zhí)行引擎。模式匹配器將依據(jù)規(guī)則庫與事實(shí)集決定規(guī)則是否被執(zhí)行，議程管理待執(zhí)行規(guī)則的執(zhí)行順序，執(zhí)行引擎負(fù)責(zé)執(zhí)行規(guī)則。工作原理如圖3所示。

Drools的優(yōu)點(diǎn)還體現(xiàn)在規(guī)則制定及修改上。Jboss官方提供了Drools Guvnor，用于對規(guī)則進(jìn)行集中管理發(fā)布，在大多數(shù)決策支持系統(tǒng)中，規(guī)則的添加都需要開發(fā)人員以及應(yīng)急領(lǐng)域?qū)＜夜餐瓿?。?guī)則的可讀性和用戶友好性較差，Drools提供了DSL（領(lǐng)域特殊語言）解決該問題。DSL相當(dāng)于一個(gè)轉(zhuǎn)換器，它能將應(yīng)急決策術(shù)語轉(zhuǎn)換成規(guī)則語言，使得決策者只需關(guān)注應(yīng)急領(lǐng)域知識，便可進(jìn)行規(guī)則制訂以及修改。

3 系統(tǒng)實(shí)現(xiàn)

3.1 開發(fā)環(huán)境

系統(tǒng)采用B/S構(gòu)架，使用JavaEE企業(yè)級應(yīng)用進(jìn)行設(shè)計(jì)的Web應(yīng)用系統(tǒng)，電腦操作環(huán)境為Windows 10操作系統(tǒng)， 采用Myeclipse開發(fā)工具，使用Drools規(guī)則引擎技術(shù)，Web服務(wù)器為tomcat-6.0.51，后臺數(shù)據(jù)庫為MySQL5.5[17]。系統(tǒng)使用經(jīng)典的三層架構(gòu)進(jìn)行設(shè)計(jì)，視圖層通過jsp和Servlet實(shí)現(xiàn)，業(yè)務(wù)邏輯層則使用Java代碼以及Drools實(shí)現(xiàn)，數(shù)據(jù)訪問層使用JDBC技術(shù)與MYSQL數(shù)據(jù)庫連接[18]。

3.2 實(shí)例分析

本文以事故災(zāi)害中的高層建筑類火災(zāi)為例，待決策案例為北京某大廈火災(zāi)，首先提取當(dāng)前待決策案例的描述屬性[19]。對待決策案例使用規(guī)則推理進(jìn)行預(yù)先處理，然后進(jìn)行案例檢索，得到歷史案例對于當(dāng)前待決策案例的相似度，選取相似度閥值為70%，高于閥值的歷史案例如表1所示。

選擇相似度最高的廣州某大廈火災(zāi)案例生成待優(yōu)化決策方案，當(dāng)前案例及歷史案例公共要素詳細(xì)信息如表2所示。當(dāng)前案例以及歷史案例專項(xiàng)要素詳細(xì)信息如表3所示。

對待優(yōu)化決策方案進(jìn)行規(guī)則推理，生成優(yōu)化決策方案。人員、車輛調(diào)度情況如表4所示[20] 。其中調(diào)度數(shù)量后加號為規(guī)則推理后的修正結(jié)果。

優(yōu)化決策方案應(yīng)急舉措如表5所示。

突發(fā)事件結(jié)束后，利用效果描述域?qū)Υ齼?yōu)化決策方案進(jìn)行優(yōu)化，生成最優(yōu)方案存入案例數(shù)據(jù)庫中，后對規(guī)則庫進(jìn)行修改，本次應(yīng)急決策結(jié)束。

4 結(jié)語

本文從理論和工程兩方面實(shí)現(xiàn)了CBR與RBR相結(jié)合的應(yīng)急決策系統(tǒng)，彌補(bǔ)了單純使用CBR技術(shù)的不足，以火災(zāi)高層突發(fā)事件為例進(jìn)行驗(yàn)證，該系統(tǒng)具有決策速度快、準(zhǔn)確、實(shí)用性強(qiáng)、成本低等特點(diǎn)。同時(shí)，由于缺少火災(zāi)突發(fā)事件的專業(yè)知識，在案例屬性選取、決策方法以及規(guī)則編寫方面有一些不足。在實(shí)際應(yīng)用中，需經(jīng)驗(yàn)豐富的應(yīng)急專家對規(guī)則庫以及案例庫作進(jìn)一步完善，對于屬性檢索權(quán)重也需進(jìn)行相應(yīng)修改。

參考文獻(xiàn)：

[1] ZHOU L， WU X H， XU Z H， et al. Emergency decision making for natural disasters： an overview[J]. International Journal of Disaster Risk Reduction，2018（27）：567-576.

[2] 李洋，李星，吳秋云，等. 基于CBR+RBR的快速應(yīng)急預(yù)案生成方法[J]. 兵工自動化，2013，32（5）：31-35.

[3] 羅杰文，施智平，何清，等. 一種CBR與RBR相結(jié)合的快速預(yù)案生成系統(tǒng)[J]. 計(jì)算機(jī)研究與發(fā)展，2007（4）：660-666.

[4] 王重洋，邱炳文，龍榮，等. 基于本體案例推理與規(guī)則推理的土地利用空間布局研究[J]. 資源科學(xué)，2013，35（2）：353-361.

[5] LóPEZ B. Case-based reasoning： a concise introduction[J]. Synthesis Lectures on Artificial Intelligence & Machine Learning，2013，7（1）：1-103.

[6] VERMA L， SRINIVASAN S，SAPRA V. Integration of rule based and case based reasoning system to support decision making[C]. 2014 International Conference on Issues and Challenges in Intelligent Computing Techniques （ICICT）， 2014：106-108.

[7] LIAO Z， MAO X， HANNAM P M， et al. Adaptation methodology of CBR for environmental emergency preparedness system based on an improved genetic algorithm[J].? Expert Systems with Applications an International Journal， 2012， 39（8）：7029-7040.

[8] AMAILEF K，LU J. Ontology-supported case-based reasoning approach for intelligent m-Government emergency response services[J]. Decision Support Systems，2013，55（1）：79-97.

[9] 周尤明. 突發(fā)事件本體論知識管理的動態(tài)性、開放性框架設(shè)計(jì)[J]. 軟件導(dǎo)刊，2018，17（6）：53-57.

[10] 張春曉. 案例推理的認(rèn)知改進(jìn)策略及學(xué)習(xí)性能研究[D]. 北京：北京工業(yè)大學(xué)，2014.

[11] JING K， ZHAO X，CHEN Z. Emergency rescue decision method based on CBR in coal mine accidents[C]. 2008 4th International Conference on Wireless Communications， Networking and Mobile Computing，2008：1-4.

[12] 李永海. 基于相似案例分析的決策方法與應(yīng)用研究[D]. 沈陽：東北大學(xué)，2014.

[13] 王記偉. 基于規(guī)則推理的應(yīng)急事件自動處理技術(shù)研究[D]. 上海：東華大學(xué)，2009.

[13] 謝曉珊. 基于知識元的突發(fā)事件推演規(guī)則驗(yàn)證方法研究[D]. 大連：大連理工大學(xué)，2017.

[15] 羅宇恒. 基于知識推理的應(yīng)急群決策支持系統(tǒng)的研究與設(shè)計(jì)[D]. 廣州：廣州大學(xué)，2013.

[16] 李春芳，譚慶平. 面向業(yè)務(wù)的Drools規(guī)則引擎改進(jìn)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2015，32（5）：20-23+29.

[17] 侯智文，卜凡亮. 公安民用無人機(jī)實(shí)名登記系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 中國人民公安大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，24（3）：69-74.

[18] FOGLI D，GUIDA G. Knowledge-centered design of decision support systems for emergency management[J]. Decision Support Systems， 2013，55（1）：336-347.

[19] ZHANG B S，LI X Y， LI J. Research on emergency case ontology model based on ABC ontology[C]. International Conference on Management Science and Engineering，2013：227-233.

[20] 劉君，胡偉超，孫廣林. 公路突發(fā)事件應(yīng)急預(yù)案自動生成系統(tǒng)開發(fā)及應(yīng)用[J]. 中國安全生產(chǎn)科學(xué)技術(shù)，2017，13（10）：53-58.

（責(zé)任編輯：何 麗）