[发明专利]一种基于情景分析的突发事件应急决策方法

权利要求书

1.一种基于情景分析的突发事件应急决策方法，其特征在于：所述方法具体过程为：

步骤一、构建基础情景库；

步骤二、从目标情景中抽取目标情景的特征要素知识元，然后将目标情景的特征要素知识元输入到基础情景库中进行检索与匹配，得到对应的应急决策方案；具体过程为：

步骤二一、确定基础情景库中的历史事件特征要素的权重；

将基础情景库中的历史事件特征要素所占的权重设为W_i，特征要素共n个，则n个特征要素的权重满足

n取值为正整数；

步骤二二、根据权重在基础情景库中的历史事件中筛选出权重与当前目标情景中事件最接近的3个目标事件；

步骤二三、分析最接近的3个目标事件中目标情景中事件的特征要素与基础情景库中的历史事件特征要素在结构上的相似性，基于结构上的相似性再进行目标情景中事件的特征要素集合P和基础情景库中的历史事件的特征要素集合Q事件的特征要素的相似度计算，基于结构相似性和特征要素的相似度进行两者的综合相似度的计算；

选取综合相似度最大值对应的历史事件的特征要素集合Q为目标情景中事件的特征要素在历史事件的特征要素库中的最相似情景；

根据最相似情景对应的历史事件的特征要素集合Q，得到对应的应急决策方案；

所述步骤二三具体过程为：

步骤二三一、目标情景中事件的特征要素与基础情景库中的历史事件的特征要素在结构上的相似性计算过程为：

目标情景中事件的第j个特征要素的权重设置为W_j，目标情景中所有的事件的特征要素权重之和为1，表述为式(2)：

其中，m表示目标情景中事件包含的特征要素数量，W_j表示目标情景中事件的第j个特征要素的权重；m取值正整数；

设目标情景中事件的特征要素集合为P，基础情景库中的历史事件的特征要素集合设为Q；

结构相似性的计算公式为：

其中，S(P,Q)表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q的结构相似度；W_P∩Q为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集的权重之和；W_P∪Q为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q并集的权重之和；a为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集中事件的特征要素的总量；b表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q并集中事件的特征要素的总量；W_k为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集中第k个特征要素的权重；W_l为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q并集中第l个特征要素的权重；k表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集中事件的第k个特征要素；l表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q并集中事件的第l个特征要素的数量；

a≤min(k，l)；

b≥max(k，l)；

a≤b；

筛选出结构相似性大于0.5的情景中事件的特征要素；

步骤二三二、计算特征要素相似度；

将特征要素划分为三种类型，分别为：

1)概念表述型；

2)数值表述型；

3)模糊表述型；

概念表述型相似度计算，即式(4)：

其中，sim(P_k,Q_k)表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q的第k个事件的特征要素的相似度，P_k表示筛选出的结构相似性大于0.5的情景中当前目标事件的特征要素集合中第k个事件的特征要素；Q_k表示筛选出的结构相似性大于0.5的情景中历史事件的特征要素集合中第k个事件的特征要素；

数值表述型相似度计算采用加权的海明距离反函数的方法计算，即式(5)：

sim(P_k,Q_k)＝1-distsim(P_k,Q_k)＝1-|P_k-Q_k|/|maxk-mink (5)

其中，maxk和mink分别表示第k个事件的特征要素的最大值和最小值；distsim(P_k,Q_k)为加权海明距离；

模糊表述型相似度计算使用积分方法即式(6)：

其中，事件的特征要素的属性值X落在区间(a,b)，属性值Y落在区间(c,d)；f₁(X)，f₂(Y)是情景要素的属性隶属度函数；(a,b)，(c,d)分别为属性值X和属性值Y的区间阈值；c为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集中事件的特征要素的总量；d表示目标情景中事件的特征要素集合P和历史事件的特征要素集合Q并集中事件的特征要素的总量；

步骤二三三、综合相似度计算：

如式(7)所示：

其中，sim(P,Q)为目标事件的特征要素集合P和历史事件的特征要素集合Q的综合相似度；W_P∩Q为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集的权重之和；W_k为目标情情中事件的特征要素集合P和历史事件的特征要素集合Q交集中第k个特征要素的权重；a为目标情景中事件的特征要素集合P和历史事件的特征要素集合Q交集中事件的特征要素的总量；

选取综合相似度sim(P,Q)最大值对应的历史事件的特征要素集合Q为目标情景中事件的特征要素在历史事件的特征要素库中的最相似情景；

根据对应的历史事件的特征要素集合Q得到对应的应急决策方案；

所述步骤一中构建基础情景库；具体过程为：

步骤一一、构建知识元模型：

知识元模型包括突发事件知识元、承载载体知识元、应急管理活动知识元；

突发事件知识元包括恶劣天气知识元、地质灾害知识元、交通运输生产事故知识元、桥隧结构事故知识元、社会安全事故知识元；

承载载体知识元包括环境知识元、财产知识元；

应急管理活动知识元包括基本要素知识元、应急处置知识元、应急方案知识元、应急保障资源知识元；

步骤一二、构建情景；

步骤一三、构建基础情景库：

根据构建的知识元模型和情景对突发事件历史事件进行收集并分类，记录入库，构建基础情景库；

所述恶劣天气知识元包括暴雨事件知识元、台风事件知识元、海雾事件知识元、霜冻事件知识元；

地质灾害知识元包括地震灾害知识元、海啸灾害知识元；

交通运输生产事故知识元包括交通运输事故知识元、危化品泄露事故知识元、火灾事故知识元；

桥隧结构事故知识元包括桥梁结构事故知识元、隧道结构事故知识元；

社会安全事故知识元包括群体性事件知识元、恐怖袭击事件知识元；

环境知识元包括水环境知识元、空气环境知识元、道路环境知识元；

财产知识元包括人员知识元、交通知识元、道路设施知识元、建筑物知识元；

基本要素知识元包括响应时间知识元、应急结束知识元；

应急方案知识元包括应急预案知识元；

应急保障资源知识元包括应急人力资源知识元、医疗卫生知识元、消防知识元、道路疏通知识元；

应急人力资源知识元包括专业救援队伍知识元、公安交警知识元、军队知识元、专家知识元、医护人员知识元、消防人员知识元、路政管理人员知识元、养护人员知识元；

所述步骤一二中构建情景；具体过程为：

情景的基本要素空间划分为事件、载体、应急管理活动3部分内容，分别用Case、Object、Activity表示，用Scenario表示情景，则情景的构成如式(1)所示:

Scenario＝{C,O,A} (1)

其中，C、O、A分别表示事件Case、载体Object和应急管理活动Activity；

在情景的构成中，事件指的是突发事件内容；

载体指的是突发事件影响的承灾载体；

应急管理活动是指针对突发事件本身，所采取的应急管理活动内容；

事件化分为时间、空间以及主体三部分内容，事件的主体由灾害体和衍生灾害体构成；

应急管理活动包括事件基本要素、应急处置措施、应急方案、应急保障资源；

对应急决策方案进行非期望产出处理；

选取单调递减转换方法来进行转换计算，具体公式如式(8)、(9)所示：

Y1＝-救援物资到达时间+M1 (8)

Y2＝-经济损失额度+M2 (9)

式中，Y1为反应时间，Y2为经济损失额度，M1为max{t₁,t₂,...,t_n′}，t₁为第一个决策单元中救援物资到达时间，t_n′为第n′个决策单元中救援物资到达时间；M2为max{s₁,s₂,...,s_n′}，s₁为第一个决策单元中经济损失额度，s_n′为第n′个决策单元中经济损失额度；

根据非期望产出计算评价模型；

设：有性质相同的L个应急站点，即L个决策单元DMU，每个DMU有α种投入指标和β种产出指标，γ_ef为第f个DMU的第e个投入指标的投入值；Z_gf为第f个DMU的第g个产出指标的产出值；第f个DMU的投入指标向量为x＝(x_1j,x_2j,…,x_mj)^T，第j个DMU的产出指标向量为y＝(y_1j,y_2j,…,y_pj)^T,v_i为第i个投入指标的权重，u_r为第r种产出指标的权重；则任一DMU的效率评价指数表示为式(10)：

式中，f＝1,2,…,L；e＝1,2,…,α；r＝1,2,…,β；

选取适当的权系数v和u，使得h_j≤1；以DMU_j0的效率评价指数h_j0为目标，以权重v和u为变量，以所有DMU的效率指数为约束，得到突发事件应急资源配置效率的评价模型，f0＝1,2,…,L；

如式(11)所示：

式中，Z_gf0为第f0个DMU的第g个产出指标的产出值；γ_ef0为第f0个DMU的第e个投入指标的投入值；f0＝1,2,…,L；

引入松弛变量s^-和s⁺剩余变量，将上述评价模型表示为式(12)：

式中，θ为对maxh_j0求对偶；

对公式(12)求转置：

上角标T为转置；

其中，s^-＝(s^-1,s^-2,…,s^-m)^T是与投入相对应的松弛变量组成的向量，s⁺＝(s⁺¹,s⁺²,…,s^+p)^T是与产出相对应的剩余变量组成的向量；

设λ₀、s^0-、s⁰⁺、θ⁰是线性规划问题的最优解，则有：

(1)当θ⁰＝1，s^0-＝0，s⁰⁺＝0时，该决策单元为DEA有效，表明该决策单元DMU技术有效且规模有效；

θ⁰为DEA技术效率；

(2)当且仅当θ⁰＝1时，该决策单元为弱DEA有效，表明该决策单元DMU技术有效或规模有效；

(3)当θ⁰＜1，该决策单元为非DEA有效，此时存在投入冗余或是产出不足。