季 峰，袁鴻燕

(南通大學(xué)杏林學(xué)院，南通 226236)

一起突發(fā)事件將觸動一組應(yīng)急流程，在一起石化安全引發(fā)的火災(zāi)事件中，需要消防、衛(wèi)生、安全、工程等部門的聯(lián)合處置，消防團隊與醫(yī)療團隊，安全團隊與醫(yī)療團隊，工程團隊與安全團隊等之間密切交流和協(xié)調(diào)，其中位置區(qū)域的最低閾值是應(yīng)急資源調(diào)度的區(qū)域邊界，往往調(diào)度距離強度關(guān)系最近的團隊，結(jié)果顯示，距離最近的團隊之間的協(xié)調(diào)救援，應(yīng)急結(jié)果還有很大的提升空間，處置結(jié)果跟執(zhí)行實體的協(xié)作度有關(guān)，實體及團隊之間的協(xié)作活動成為決定應(yīng)急處置結(jié)果的核心過程，需要在應(yīng)急指揮決策中針對不同的應(yīng)急事件活動特征，充分衡量應(yīng)急團隊、實體的優(yōu)先級，包括救援團隊的實體調(diào)度，突發(fā)事件中，通用型調(diào)度方案表現(xiàn)出極其不協(xié)調(diào)的實體資源分配的多種特征，影響救援結(jié)果.

1 研究現(xiàn)狀

近年來，在應(yīng)急團隊的研究中，有不少研究成果，有研究團隊基于人類動力學(xué)理論對應(yīng)急核心要素進(jìn)行研究[1]，并利用社團檢測等方法對應(yīng)急情景等復(fù)雜情形下對主體、資源、客體等深入研究[2].Liu D等人對復(fù)雜社區(qū)的檢測中，對復(fù)雜情景下，個體與個體之間的關(guān)系進(jìn)行研究[3].許多研究團隊在成員調(diào)配和團隊生成研究領(lǐng)域有所成就，Ly[4]等人提出用決策樹學(xué)習(xí)方法進(jìn)行成員分配；Liu YB[5]等從人工智能角度，基于機器學(xué)習(xí)提取成員技能特征，以便在團隊生成時完成技能匹配度；Xu RB[6，7]等在考慮主體成員、資源客體及相關(guān)約束關(guān)系等屬性基礎(chǔ)上提出成員分配模型，兼顧了多種執(zhí)行模式；在基于最小冗余度等方面的研究，在團隊生成上都有不錯的效果.

同時，基于活動的協(xié)作模式方面，Meddah 等[8]提出基于流程挖掘協(xié)作模型；Lappas 等[9]基于社交網(wǎng)絡(luò)(SNS)理論研究團隊的生成，把成員間的合作代價作為算子，以此增加團隊的協(xié)作效率；Kargar 等[10]基于距離之和、領(lǐng)導(dǎo)者距離等方面提出Top-k團隊取代過去的最優(yōu)團隊.

目前并沒有針對突發(fā)事件中的實體成員的最優(yōu)化調(diào)配和應(yīng)急隊伍間協(xié)調(diào)等方面的進(jìn)行研究，本研究的主要任務(wù)針對突發(fā)事件這一特定的環(huán)境，加入應(yīng)急救援體系中的必需因子和屬性，是一項有價值的工作，為應(yīng)急決策奠定數(shù)據(jù)基礎(chǔ).

2 相關(guān)概念及問題描述

2.1 相關(guān)概念

定義1.突發(fā)事件(Emergency Event，EE)包括事件開始時間(Emergency Event start time，EEst)，也可以是子事件的開始時間、事件發(fā)生地(Emergency Event scene，EEs)可以是事件發(fā)生轉(zhuǎn)移地點的集合、事件結(jié)束時間(Emergency Event end time，EEet)、事件主體(Emergency Event subject，EEsub)、事件客體(Emergency Event object，EEobj)、事件名稱(Emergency Event name，EEname)具有唯一性、事件中活動(Emergency Event activity，EEact)，形式化描述Ee為EE的子集，Ee={Eest(t1，t2，…tn)，Ees(s1，s2，…，sn)，Eeet(et1，et2，…，etn)，Eesub(石油，熱水，卡車，…)，Eeobj(人，動物，生物，…)，Eename(爆炸、倒塌、塌陷、起火，…)，Eeact(噴水，掩埋，起吊，…)}.

突發(fā)事件EE的實例模型，如EE1=(2018/2/5/17：18，浙江省臺州市天臺縣赤誠街道足馨堂足浴店，2018/2/5/24：00，大火，人，火災(zāi)，EEact(沖水、救人、緊急救護(hù)、防爆、升降輸送))，應(yīng)急執(zhí)行實體(Entity person，Ep)=(消防人員、醫(yī)療人員、物管等應(yīng)急人員).

定義2.應(yīng)急救援流程模型(Emergency Rescue Process Model，ERPM)，應(yīng)急協(xié)同部門接警后，根據(jù)應(yīng)急需求調(diào)配自身資源，以應(yīng)急救援為目標(biāo)，產(chǎn)生的救援活動組成的序列(Activity[n]，A)={a1，a2，a3，…，an}，Set表示活動與活動之間的順序的有序?qū)υM，S?(A*A)，Rules表示約束救援子活動與子活動之間先后順序的規(guī)則，定義ERPM=(A，S，R).

定義3.應(yīng)急活動模型.突發(fā)場所環(huán)境處理(EvP)：a1=氣體隔離和凈化活動、a2=倒塌物處理、a3=對有電的環(huán)境斷電處理等.

(1)應(yīng)急主體處理(SP)：a1=對著火點灑水、a2=對著火點干冰處理等.

(2)應(yīng)急客體處理(OP)：a1=救援被困人員、a2=使用探測、a3=搶護(hù)其他物資等.

(3)突發(fā)現(xiàn)場態(tài)勢固化處理(SaP)：a1=現(xiàn)場評估、a2=確認(rèn)顯態(tài)觸發(fā)點終止、a3=確認(rèn)隱態(tài)觸發(fā)點終止等.

(4)應(yīng)急救援處置結(jié)果評估(RA)：a1=救援經(jīng)濟價值評估、a2=救援人數(shù)評估.最終生成Activity[n]={EvP，SP，OP，SaP，RA}，其中應(yīng)急活動與各子活動間的關(guān)系可以重復(fù)，如可以出現(xiàn)Activity[n]={EvP，SP，OP，SP，OP，SaP，RA}的情形，表示SP、OP的優(yōu)先級不具有明顯的優(yōu)先關(guān)系，需要并發(fā)進(jìn)行，符合突發(fā)事件的 特 征，則 得 到S={〈EvP,S P〉,〈S P,OP〉,〈OP,S aP〉,〈S aP,RA〉}，有不少活動是并發(fā)執(zhí)行的，應(yīng)急救援事件以流程模板進(jìn)入應(yīng)急案例庫，生成案例知識.

定義4.應(yīng)急庫包括案例庫和預(yù)案庫，用EECB表示，EECB={Ee1，Ee2，Ee3，…，Eei，…，Een}，按照事件主體進(jìn)行類別劃分，Aee={a1，a2，a3，…，ai，…，an}出現(xiàn)在EECB1中的活動的集合，軌跡Ti=＜Eei，0；Eei，1；…；Eei，j＞表示應(yīng)急案例庫中所有事件按時間組成的序列，其中Eei，j表示第i個應(yīng)急案例中的第j個發(fā)生的事件，使用活動表示軌跡Ti=＜ai，0；ai，1；…；ai，j＞.

定義5.應(yīng)急執(zhí)行實體Ep={(ai∣Epi)，ai∈Aee，Epi∈Ep}，表示在突發(fā)事件中Epi執(zhí)行救援活動ai；則實體軌跡定義為EpTi=＜ai，0∣Epi，0；ai，1∣Epi，1；…；ai，j∣Epi，j＞ 表示應(yīng)急救援實體的時序活動序列.同時應(yīng)急執(zhí)行實體也可以是應(yīng)急團體，里面包含了若干個實體序列.

定義6.應(yīng)急執(zhí)行實體的技能貢獻(xiàn)度，Epi在一次應(yīng)急救援中該項技能使用次數(shù)與EECB中所有該項技能使用次數(shù)的比值，比值為uEpi∈(0，1)，反映實體的某項技能熟練程度.

定義7.應(yīng)急活動連續(xù)性用continai,aj表示，continai,aj∈[0，1]，表示ai和aj之間在應(yīng)急執(zhí)行時的連續(xù)、協(xié)同程度.

其中，fai,aj表示在應(yīng)急活動中出現(xiàn)的頻度，f′表示所有活動在案例庫中出現(xiàn)的頻度，θ是一個調(diào)優(yōu)參數(shù).

定義8.應(yīng)急執(zhí)行實體的關(guān)系強度(Relationship Strength，RS)，由實體間的屬性相似度決定，而執(zhí)行實體的歸屬又是一個重要特征指數(shù)，假設(shè)Epi和Epj之間有m種交互關(guān)系，m∈N.x(Epi)和y(Epj)表示實體屬性向量，RS＜Epi，j＞表示兩個實體間的潛在關(guān)系強度S(x(Epi)，y(Epj)，表示實體相似度向量.

它是滿足高斯分布的.

其中，v是方差，可取小于1 的值，如果歸屬團隊一致，則v值稍大.

其中，RS是關(guān)系強度，得到一個P值.

定義9.應(yīng)急執(zhí)行實體的協(xié)作度[11].coopai,aj表示應(yīng)急活動中兩個執(zhí)行實體的協(xié)作能力.

其中，tai,aj表示實體在執(zhí)行ai和aj所需的平均時間.

2.2 問題描述

應(yīng)急案例庫不完備的性，及對救援實體和救援活動的分析相對薄弱，造成各大組織應(yīng)急演練，依照固定模式執(zhí)行，未著重考慮應(yīng)急資源調(diào)度中，針對某一應(yīng)急活動，應(yīng)急實體的協(xié)調(diào)性、應(yīng)急活動連續(xù)性、應(yīng)急關(guān)系強度等核心要素之間的關(guān)系，需要在應(yīng)急預(yù)案中搞清應(yīng)急實體、距離、應(yīng)急活動等之間的協(xié)同，文中建立真實案例知識庫和人工預(yù)案庫，來進(jìn)行數(shù)據(jù)分析，擴充智能推理的語料庫.解決應(yīng)急案例庫中的數(shù)據(jù)段還不完備，本文主要貢獻(xiàn)應(yīng)用于基于CBR 應(yīng)急預(yù)案的生成，給決策者提供輔助決策.

應(yīng)急預(yù)案和應(yīng)急演練的焦點在應(yīng)急處置的應(yīng)急實體，其具有的技能貢獻(xiàn)度和實體間的協(xié)作度，往往影響整個應(yīng)急處置的結(jié)果，以往的應(yīng)急預(yù)案中采用的是通用性評估，事實上，應(yīng)急實體的特征顯著，可以從技能貢獻(xiàn)度uEpi角度挖掘，充分考慮實體與實體間的協(xié)作能力，在實際救援中，才不會因為實體間協(xié)調(diào)不好，導(dǎo)致應(yīng)急任務(wù)的拖延，措施救援時間，由此產(chǎn)生的應(yīng)急預(yù)案，為應(yīng)急執(zhí)行團隊的組建奠定基礎(chǔ).

在應(yīng)急管理和應(yīng)急事件處置中，調(diào)配資源和人員，受到地域行政區(qū)劃的制約，通常這樣幾種情形，不管事發(fā)地位置，直接選擇行政管理區(qū)域的中心位置進(jìn)行調(diào)配，或者挑區(qū)域內(nèi)經(jīng)驗豐富的團隊，實際上，在有些救援中距離關(guān)系強度好的團隊和實體，在協(xié)作能力上表現(xiàn)出色，選擇哪個團隊需要考慮地理位置這一最低閾值，同時需要考慮團隊間的協(xié)作和對應(yīng)急活動的適應(yīng)度，文中在活動頻度角度一并作了考慮.在應(yīng)急活動的制定上，環(huán)境因素復(fù)雜會影響協(xié)調(diào)，在應(yīng)急預(yù)案中，確認(rèn)活動與活動之間的基本優(yōu)先關(guān)系尤為必要.文中定義了活動之間的連續(xù)性continai,aj，基于應(yīng)急案例庫，抽取活動之間的協(xié)同性，在此基礎(chǔ)上，定義了應(yīng)急執(zhí)行實體之間的關(guān)系強度RS，對行政區(qū)劃地域、突發(fā)地和資源的距離進(jìn)行普適度計算，用地理位置距離作為最低閾值來約束，以建立良好的協(xié)作執(zhí)行團隊為基礎(chǔ)，更能適應(yīng)突發(fā)事件的應(yīng)急性，救援結(jié)果也會大幅度優(yōu)化.

2.3 數(shù)據(jù)集

文中數(shù)據(jù)集包括網(wǎng)絡(luò)案例數(shù)據(jù)庫和人工案例數(shù)據(jù)庫，真實數(shù)據(jù)集是從萬維網(wǎng)上爬取了近十年應(yīng)急救災(zāi)案新聞數(shù)據(jù)達(dá)數(shù)十萬條，包括相關(guān)案例的論文研究，由于相關(guān)數(shù)據(jù)公開度不一致，出現(xiàn)結(jié)構(gòu)化數(shù)據(jù)中部分字段缺失或模糊，但對本文研究未造成很大的影響，本文中建立了相對完備的應(yīng)急預(yù)案庫，對于數(shù)據(jù)稀疏的矩陣區(qū)域，用人工案例庫進(jìn)行校正，人工數(shù)據(jù)率為μ=[0.3，0.4]，消除了噪音等不合理數(shù)據(jù)，得到的應(yīng)急相關(guān)要素間的關(guān)系和發(fā)展趨勢，數(shù)據(jù)結(jié)論對應(yīng)急預(yù)案、演練有極其重要的作用.

3 方法

3.1 應(yīng)急執(zhí)行實體和應(yīng)急活動的優(yōu)化

基于應(yīng)急案例、應(yīng)急預(yù)案數(shù)據(jù)集，對應(yīng)急執(zhí)行實體和應(yīng)急活動的最優(yōu)化分配，實現(xiàn)優(yōu)化應(yīng)急活動的序列整體框架如下(見圖1)：

首先，對應(yīng)急案例庫預(yù)處理的數(shù)據(jù)清洗中，將案例庫中的非必要字段剔除，如原采集網(wǎng)頁中的標(biāo)準(zhǔn)等，生成XML 結(jié)構(gòu)數(shù)據(jù)字典，并按地域進(jìn)行分類，模糊行政區(qū)域邊界(如圖2)，即邊界區(qū)域附近的案例互相包含.

圖1 基于案例數(shù)據(jù)集的實體、活動抽取框架

圖2 邊界示意圖

對于地理位置分別屬于A、B 的兩個位置區(qū)域中，A 和B 為區(qū)域中心，地理位置閾值最高，越往邊緣，地理閾值越小，稱為弱邊界，分布在弱邊界中的事件，分別屬于兩個行政區(qū)域，這樣的劃分，打破了以往的行政區(qū)劃中心，而以距離強度來分布.

將同地理區(qū)域的案例根據(jù)式(1)-式(5)，計算成應(yīng)急實體軌跡矩陣和活動軌跡矩陣.稀疏矩陣中的數(shù)據(jù)元素為“∧”，則添加人工案例庫數(shù)據(jù)進(jìn)行修正，修正系數(shù)μ=0.3.在對應(yīng)急案例庫和預(yù)案庫過程中，會存在出現(xiàn)噪音數(shù)據(jù)和冗余數(shù)據(jù)，本文通過標(biāo)簽化處理，對應(yīng)急時間、屬性等關(guān)鍵信息的標(biāo)準(zhǔn)化處理，并剔除異常數(shù)據(jù)值，采用經(jīng)典的Needleman-Wunsch 算法[12]來實現(xiàn)，例如，文中定義活動間的有序?qū)υMSet，S={〈EP,S P〉,〈S P,OP〉,〈OP,S aP〉,〈S aP,RA〉}，其中有SP缺失，在活動字段對齊時，用“∧”填充，則S={〈EP,∧〉,〈∧,OP〉,〈OP,S aP〉,〈S aP,RA〉}，這樣可以滿足概念模型的設(shè)計，更有利于應(yīng)急執(zhí)行實體活動序列的優(yōu)化，有助于得到效率比較高的應(yīng)急預(yù)案.

基于上文中數(shù)據(jù)，計算應(yīng)急活動的連續(xù)性continai,aj和應(yīng)急實體的關(guān)系強度RS等，進(jìn)一步計算結(jié)合實體的技能貢獻(xiàn)度得到實體協(xié)作能力，進(jìn)一步挖掘出優(yōu)化的應(yīng)急活動序列.

3.2 挖掘應(yīng)急實體的高協(xié)作度算法

為了挖掘應(yīng)急案例庫中具有高協(xié)作度的實體，基于應(yīng)急實體軌跡、實體技能貢獻(xiàn)度等實現(xiàn)算法1，首先計算所有的實體軌跡的矩陣，再基于此矩陣，通過最小地域置信度閾值和技能貢獻(xiàn)度等過濾得到具有高協(xié)作度的實體即高協(xié)作模式.

算法1.高協(xié)作度關(guān)聯(lián)實體挖掘算法輸入：實體軌跡矩陣；初始化i、j；UEpi//實體技能貢獻(xiàn)度Min_Ept_conf//最小地域置信度閾值輸出：關(guān)聯(lián)實體的協(xié)作度表1.依據(jù)式(2) 構(gòu)建實體關(guān)系強度矩陣RS[]2.依據(jù)式(5) 構(gòu)建實體間協(xié)作能力矩陣Coop[]3.FOR i=1 to n DO 4.活動數(shù)組Ea[i] ←應(yīng)急活動矩陣中第i 行非空下標(biāo)5.END FOR 6.FOR i=1 to n DO //根據(jù)活動的非空下標(biāo)得到活動序列7.ActivitySeqMap[i]←getActivitySeq(活動數(shù)組Ea[i])8.If ActivitySeqMap[i]==稀疏 Then 9.ActivitySeqMap[i]←getSimActivitySeq()10.END FOR 11.FOR i=1 to n DO 12.entitySeqMap[i]←RS[i]×Coop[i]×UEpi 13.END FOR 14.FOR each entitySeqMap[i]of ActivitySeqMap[i] DO 15.If ActivitySeqMap[i]∈ Min_Ept_conf× ActivitySeqMap[i] Then 16.高協(xié)作實體HCentity[i]←entitySeqMap[i]17.END FOR

基于算法得到實體間協(xié)作能力的一般矩陣和有高協(xié)作能力的實體矩陣.

3.3 挖掘高連續(xù)性活動

基于應(yīng)急案例庫，挖掘應(yīng)急實體活動的軌跡挖掘同區(qū)域活動的協(xié)作度.首先初始化應(yīng)急活動軌跡矩陣，計算一般活動的連續(xù)度contin，根據(jù)整個案例庫中所有活動為基數(shù)，計算某一個活動出現(xiàn)的頻度F′，產(chǎn)生θ調(diào)優(yōu)值，可以根據(jù)不同的值得到幾組結(jié)果，進(jìn)行迭代.

算法2.基于活動軌跡和活動連續(xù)度挖掘高連續(xù)性活動輸入：活動軌跡矩陣；初始化i、j；活動連續(xù)度contin；F′頻度；θ 調(diào)優(yōu)參數(shù)輸出：強相關(guān)連續(xù)性高的活動表1.初始化θ 2.依據(jù)式(1) 構(gòu)計算活動連續(xù)度表contin[]3.FOR i=1 to n DO 4.ActivityMax[] ←Max(ai、aj 連接次數(shù))5.H Activity=contin[]×ActivityMax[]6.END FOR

4 結(jié)果

圖3中曲線a 可以看出某城市中，不同應(yīng)急消防團隊實體在協(xié)作次數(shù)和協(xié)作能力上的表現(xiàn)，隨著合作次數(shù)的增加穩(wěn)步提升，可以超過指數(shù)1，在尾部也表現(xiàn)為增幅放緩，跟合作多次之后，采用經(jīng)驗和舊案例判斷有關(guān)，需要適應(yīng)性更新案例庫和預(yù)案庫.

圖3 應(yīng)急實體協(xié)作次數(shù)與協(xié)作能力關(guān)系

曲線b 可以看出，在同屬同一位置區(qū)域中，位置強度關(guān)系顯著的應(yīng)急實體間的協(xié)作能力，醫(yī)護(hù)實體和消防實體之間隨著協(xié)作次數(shù)的增加，協(xié)作能力穩(wěn)步增強，增長期間的會有波動，跟參與的活動有關(guān)，在協(xié)作一定次數(shù)之后，反而協(xié)作能力會出現(xiàn)下降，因為在多次協(xié)同之后，經(jīng)驗占據(jù)整個決策的主導(dǎo)，導(dǎo)致經(jīng)驗主義的誤判，在應(yīng)急預(yù)案的生成中，要重點規(guī)劃合作次數(shù)較少的和合作有一定次數(shù)的.

圖4中曲線a 可以看出邊界消防實體和中心消防實體之間的關(guān)系，隨著協(xié)作的次數(shù)，它們的協(xié)作能力穩(wěn)步提升，跟消防團隊的調(diào)配和管理方式相關(guān)，消防實體在應(yīng)急中任務(wù)明確，平時應(yīng)急演練標(biāo)準(zhǔn)化程度高的作用體現(xiàn).

曲線b 可以看出在同區(qū)域的醫(yī)護(hù)實體實體和中心位置的醫(yī)護(hù)實體之間的協(xié)調(diào)度隨著協(xié)作次數(shù)的增長而增長，呈現(xiàn)泛指數(shù)分布，中間反而會出現(xiàn)協(xié)作能力的上升，協(xié)調(diào)能力可以達(dá)到0.5，跟實體的技能度相關(guān)，也反應(yīng)了在邊界區(qū)域的實體之間的協(xié)作能力也有表現(xiàn)強的.在應(yīng)急預(yù)案中不能僅僅關(guān)注行政區(qū)域中心的應(yīng)急實體，這種現(xiàn)象在大規(guī)模應(yīng)急事件中會有所體現(xiàn)，往往調(diào)度一個區(qū)域的醫(yī)護(hù)實體不夠的時候，需要調(diào)度多個醫(yī)護(hù)實體才能應(yīng)對的突發(fā)事件，需要考慮此種情形.

圖4 邊界實體協(xié)同次數(shù)與協(xié)作能力的關(guān)系

從圖5曲線上可以看出，應(yīng)急活動的連續(xù)性與應(yīng)急案例庫中的應(yīng)急頻率直接成正比.曲線不平滑，分段明顯.應(yīng)急預(yù)案庫包括應(yīng)急預(yù)案和舊預(yù)案.基于某一特定領(lǐng)域的案例庫的完整性，針對某一特定應(yīng)急活動的演練越多，應(yīng)急活動的連續(xù)性就越強.很強，反映了應(yīng)急預(yù)案的重要性.事實上，應(yīng)急計劃通常非常相似，但事件的情況是獨一無二的.同類突發(fā)事件發(fā)生頻率較高，具有預(yù)警作用.同樣，數(shù)據(jù)庫中相應(yīng)應(yīng)急活動的頻率也下降了.如圖所示，當(dāng)活動連續(xù)性為零時，數(shù)據(jù)中的活動頻率不是零.數(shù)據(jù)庫中存在單一的活動關(guān)系，不一定沒有活動連續(xù)性，這與實際的應(yīng)急指揮一致.有時根據(jù)現(xiàn)場情況，臨時產(chǎn)生應(yīng)急動員方案.

在圖6中，橫軸表示活動的連續(xù)性，縱軸表示實體協(xié)作的程度.曲線表現(xiàn)出相似的二項分布，反映了應(yīng)急活動的連續(xù)性與應(yīng)急實體協(xié)作程度的關(guān)系.在緊急事件中，應(yīng)急活動的連續(xù)性和參與應(yīng)急活動的實體的協(xié)作程度相互影響.應(yīng)急活動的連續(xù)性越高，應(yīng)急實體的協(xié)作程度越高.同樣，應(yīng)急協(xié)作程度越高，應(yīng)急活動的連續(xù)性越高，應(yīng)急活動越活躍.當(dāng)動態(tài)連續(xù)性超過指數(shù)1 時，由于應(yīng)急實體協(xié)調(diào)次數(shù)增加，活動與活動的優(yōu)先關(guān)系設(shè)計，曲線中后部的增長速度加快.當(dāng)活動連續(xù)性值接近1.8 時，不再上升，與實際應(yīng)急處置環(huán)節(jié)一致.每個突發(fā)事件的處置過程都有其自身的特點.在實際的應(yīng)急指揮中，需要通過應(yīng)急實體的協(xié)調(diào)和應(yīng)急活動的連續(xù)性，直接確定應(yīng)急處置的時間.時間是緊急處置中最昂貴的成本之一，首先應(yīng)該考慮到時間，提高應(yīng)急響應(yīng)的滿意度.

圖5 頻率和應(yīng)急活動的關(guān)系

圖6 活動連續(xù)性與實體協(xié)作度的關(guān)系

5 基于應(yīng)急案例庫的應(yīng)急預(yù)案產(chǎn)生的框架

如圖7，基于案例庫和預(yù)案庫進(jìn)行數(shù)據(jù)處理，其中的數(shù)據(jù)有實時從外部感知的數(shù)據(jù)，這樣可以動態(tài)的調(diào)整數(shù)據(jù)，在數(shù)據(jù)分析的基礎(chǔ)上建立預(yù)測模型，為應(yīng)急演練、仿真分析等作準(zhǔn)備，應(yīng)急預(yù)警、應(yīng)急預(yù)案和應(yīng)急決策是建立在對數(shù)據(jù)邏輯推理的基礎(chǔ)上進(jìn)行的，可以提供輔助決策的準(zhǔn)確度，應(yīng)急個體的屬性包括應(yīng)急執(zhí)行實體的各種態(tài)勢，應(yīng)急活動的各項指標(biāo)，結(jié)合實際感知到突發(fā)事件的數(shù)據(jù)，為應(yīng)急決策提供理論基礎(chǔ).

圖7 基于應(yīng)急案例庫的應(yīng)急預(yù)案產(chǎn)生的框架

6 結(jié)論

本文以應(yīng)急案例庫和預(yù)案庫為基礎(chǔ)，對應(yīng)急實體和應(yīng)急活動的必要屬性進(jìn)行定義，對應(yīng)急執(zhí)行實體的技能貢獻(xiàn)度，應(yīng)急實體的關(guān)系強度、應(yīng)急活動的連續(xù)度等做了細(xì)致分析，用實驗數(shù)據(jù)得出同一區(qū)域同一類型應(yīng)急實體之間的協(xié)作能力和協(xié)作次數(shù)之間的關(guān)系，不同實體在同一區(qū)域的協(xié)作能力的趨勢，位置關(guān)系強度較弱的實體之間的協(xié)作能力關(guān)系，在此基礎(chǔ)上產(chǎn)生的應(yīng)急預(yù)案，有效性和針對性大幅提高，更合理的選擇利用經(jīng)驗知識，縮小誤判率，文中考慮的因素相對比較理想化，影響應(yīng)急事件演變的因素很多，需要根據(jù)確定的某一事件做細(xì)化，今后工作中，將從下面3 點不斷深入應(yīng)急知識庫中的知識表示和知識學(xué)習(xí)，提高知識庫和應(yīng)急要素對接的精準(zhǔn)度，提高產(chǎn)生應(yīng)急預(yù)案的準(zhǔn)確度和可行度，其一，實驗的數(shù)據(jù)量直接影響了結(jié)果，由于案例庫的不足，預(yù)案庫支持率上升，使得有些實驗數(shù)據(jù)跟現(xiàn)實情況有差值，還需要不斷的爬取新的數(shù)據(jù)量，使案例庫不斷完備.其二，影響應(yīng)急救援結(jié)果的因素，不止文中著重研究的應(yīng)急實體和活動等要素，還有諸多突發(fā)的要素，文中就這兩點從團隊組合的角度去考慮，有許多救援其實跟資源有關(guān)，文中這點比較薄弱.其三，在應(yīng)急區(qū)域邊界的劃分上，各個區(qū)域有所不同，文中采用了模糊化的手段，需要分區(qū)域進(jìn)行考慮，嚴(yán)格劃分位置區(qū)域，本文是理想位置狀態(tài).