应急管理过程中的决策支持方法研究

应急管理过程中的决策支持方法研究

摘要：随着社会发展和环境变化，各种不确定的因素越来越多，非常规突发性事件呈现出从“非常态化的偶发”向“常态化的频发”转化的趋势，如何在复杂多变的应急决策环境中迅速作出正确决策，是当前需要解决的重要问题。在此过程中如何表达应急管理领域的有关知识、如何根据决策者的需求进行搜索和推理，以及如何根据突发事件的发展与变化进行动态决策是研究的重点问题。但就如何依据较成熟的应急运作流程模式,利用相应的信息技术改善应急决策方面的工作是欠缺的。因此，着眼于以提高和改善应急管理决策工作的效率和质量是未来的工作重点。

关键词：案例推理；案例表达；案例表示；应急管理

一、引言

人类社会的发展史是与各种各样灾害抗争的历史，是一步一步从被动承受、逃避灾害的低级阶段向主动、综合防控的高级阶段的发展历史。随着社会、经济和技术发展到一定阶段，应急管理（危机管理）应运而生，它是人类面对灾害的一种有意识的综合防控管理和措施[1]。而应急管理如何实现，如何做出应急决策，它的依据就是应急案例，应急案例库和预案库的建设是应急管理及应急决策的基础，是不可或缺的基石。

二、 应急案例

1. 应急案例内容

现在普遍的案例内容只包含了问题或情景的描述，即案例发生时要解决的问题及周围世界的状态。我们建议案例内容还应该包括解决方案和结果这两个部分。解决方案即对问题的解决方案；结果即执行解决方案后导致的结果(周围世界新的状态)。任何基于案例推理的系统必须要有问题或情景描述,这是必不可少的部分,而解决方案和结果部分可能在有的系统中没有。目前的描述方法中对于问题或情景的描述还不够全面，这直接干扰了后面案例搜索中过程相似性的判断。因此，我们建议在对于问题和情景的描述中应增加自然环境、社会环境、已造成的损失这三个部分，可以细化并清晰地将案例描述出来。

2．应急案例表示方法

案例表示实际上就是对知识的一种描述,即用一些约定的符号把知识编码成一组计算机可以接受的数据结构[2] 。常用的案例表示方法：

（1）基于框架的表示方法

框架理论[3]是1974年由M insky在其论文中首先提出的一种知识表示方法。框架是一种面向对象的知识表达方式, 也是把一个对象或概念的所有信息和知识都存储在一起的一种数据结构。

框架表示方法既是层次性的, 又是模块化的。一个框架由框架名和一组槽组成, 每个槽表示对象的一个属性,槽的值就是对象的属性值。一个槽可以由若干个侧面组成, 每个侧面可以有一个或多个值, 侧面的值也可以是其他框架, 即允许嵌套[4]。

（2）基于XML的案例化方法

XML是一组用来创建描述数据的语法标签的规则集。一个XML元素是由开始标签、结束标签以及标签之间的数据构成的。开始和结束标签用来描述标签之间的数据。XML文档是文本的形式,使用标志和属性来描述数据的性质,采用树型结构。XML面向数据,用于描述数据本身的性质与结构,能够同时描述数据之间的关系还能够存储数据。这就使得以XML为基础建立带有半结构化数据的案例库成为可能。以XML规范为基础的案例结构设计可以比数据库中表的设计更加精细,并能以数据存储结构反映案例的物理结构。XML文档的树型结构正与案例库结构中的分层次多子系统的结构相适应。XML文档中的节点自定义功能则有助于建立新的案例描述和功能[5]。

（3）基于描述逻辑（DL）的可扩展的案例表示

DL 是一族知识表示语言，它以结构化的和易理解的形式来表示领域知识[6]。DL 系统中的知识主要由TBox 和ABox 两部分构成:TBox 是描述概念及其关系的公理集;ABox 描述个体断言集，断言一个个体是某个概念的实例或两个个体间存在的关系。DL 的特点在于，使用构造算子，在简单的概念上建立更多复杂的概念。另外，DL 将推理作为中心服务，即从知识库中显式包含的知识推导出隐含表示的知识。DL 中的推理问题主要包括TBox 的可满足性、蕴含、等价以及ABox 的一致性、实例检查和检索问题等[7]。

3.应急案例的特征分析

要把发生过的应急案例表达为计算机可以识别的形式便于推理并辅助应急决策，就需要采用适合于应急案例的表达和存储方式。我们总结应急案例的特征如下：

（1）应急案例的结构性差、概念不规范、不一致

（2）应急案例涉及的领域繁多

（3）每个应急案例往往又包含多个耦合事件(称为元事件)，如地震案例可能包含暴雨、滑坡、瘟疫等几个元事件。每个元事件又包含有多个状态。突发事件发生后，总是根据其自身的发展、演进规律在不断的变化。[8]

三、 应急案例的搜索和推理

1.案例描述

案例描述就是将案例描述为计算机系统可以存储和识别的信息。一个典型的危机案例通常包含三个部分: ①危机情景的描述: 危机发生时要解决的问题及周围环境； ②应急方案: 对突发事件的解决方案； ③结果: 执行方案后导致的结果。案例有多种表示方式,如语义网络、框架、决策树、原形、神经网络和面向对象技术等。案例的表示应能比较全面的表示出问题求解所需要的各类知识, 并且有良好的模块化结构, 便于案例库的维护。

我们认为在案例描述的第三部分中，除了要包含执行方案后导致的结果，还应增加执行该方案会存在的风险。这可以让决策者根据风险大小权衡利弊，决定是否实施该方案。

2.案例搜索

（1）建立案例索引

案例索引是为了更好地进行案例检索, 采用什么样的索引机制组织案例库, 在检索时就要采用相应的检索策略来寻找相似案例。

从索引级别上可分为单级和多极索引。单级索引比较简单, 适用于案例库中案例不太多的情况, 可按某个属性的取值进行索引。多极索引技术适用于案例库中案例数较多的情况, 我们采用聚类分析方法来为案例库建立多极索引。

（2）进行案例检索

案例检索的目标是尽快找到与问题描述最相似的案例。常用的案例检索算法

有最近相邻策略、归纳推理策略、知识导引策略和模版检索策略等, 但它们比较适用于确定性属性的问题, 对于突发事件中经常出现的不完全信息和不确定信息却不太适用。所以需在传统检索方法的基础上加以扩充, 以适应不确定性匹配的需要。

我们采用动态检索匹配机制: 先以现有的相关案例作指导, 确定可能重要的特征属性, 反馈到当前情况, 再重新进行案例检索。在案例检索中, 不仅使用表面特征的相似性, 而且使用结构相似性和深层特征信息的相似性。[9]

3.案例搜索中过程相似性的判断

CBR来源于人的认知心理活动:人们在面临一个新问题时,往往把以前使用过的与该问题类似的案例联系起来,运用过去解决该事例的经验和方法来解决当前问题。联想到突发事件的辅助决策问题笔者得到启发:突发事件频频发生,虽然突发事件的种类繁多、处置方法不尽相同,但是针对当前发生的某个突发事件而言,历史上一般都或多或少地存在比较相近的案例,那么用何种方法能够快速检索出这些相似案例,并且如何界定案例的相似程度以便于把最相似案例的解决方案提供给决策者辅助他们对当前的突发事件进行决策呢? 这恰恰符合了CBR方法解决问题的思路。

案例推理方法的核心是案例相似度算法的设计。最近相邻算法( nearest neighbor algorithm)是CBR检索算法中最常用的算法之一。应用传统最近相邻算法时,首先计算出案例属性相似度,然后根据属性的权值计算案例之间的加权相似度,这就要求案例的属性值不能为空。由于应急案例属性复杂而繁多,存在历史案例信息的不完备或者决策者对案例的描述不完备的情况,应急案例相似度检索算法需要解决两个难点:如何解决应急案例属性值缺失问题;如何根据应急案例属性复杂而繁多的特征设计应急案例属性相似度算法。为此,本文在传统的最近邻算法基础上提出一种基于结构相似度和属性相似度的双层结构的案例相似度计算方法,可以避免传统最近相邻算法的属性值缺失问题;另一方面根据应急案例特征的分析,为应急案例四大类型的属性分别设计了不同的相似度计算算法。

(1)结构相似度算法设计

假定源案例a与目标案例b进行匹配,则结构相似度计算算法描述如下:

a)计算源案例a的所有的非空属性构成的集合,记为A；

b)计算目标案例b的所有非空属性构成的集合,记为B；

c)计算A与B 的交集和并集,分别记为C 和 D；

d)计算交集C中所有属性的权重之和,记为w1；

e)计算并集D中所有属性的权重之和,记为w2；

f)案例a和b的结构相似度记为S ,则作如下定义: S =w1 /w2 (1)

结构相似度算法只计算源案例和目标案例的非空属性集的交集属性的相似度,即属性值为空的属性不参与相似度计算,这样就有效地避免了属性值缺失问题。

(2)属性相似度算法设计

①确定数属性

确定数属性的相似度有很多计算方法,这里采用基于海明距离公式演化而来的一种计算确定数值型属性的相似度方法,如式(2)所示。

sim (Xi ,Yi) =1- dist(X i ,Yi) = 1-|xi - yi| / |maxi - mini | (2)

其中: sim (Xi , Yi )表示案例X 和Y的第 i 个确定数属性的相似度; xi、yi 分别表示案例X 和Y的第i个属性的值;maxi 和mini分别表示第i个属性的最大和最小值。需要说明的是,每个CN类型的属性需要已知该属性的取值范围。

②确定符号属性

确定符号属性值属于一种简单枚举值,它列举了该属性所有可能的取值,属性值之间不存在实际意义的量的关系,相似度计算式为

sim(Xi,Yi)=

③模糊属性 对于模糊概念FL和模糊数FN或模糊区间FI类模糊属性,采用隶属函数来计算属性间的相似度。如模糊评价属性{很好、较好、一般、较差、很差}属于模糊概念属性。由于评价者对模糊概念的认同度有所差别,可采用百分制将这类模糊评价属性进行模糊处理。对于模糊数或模糊区间属性,可由领域知识对其模糊处理,如降雨量可定义为模糊数属性,中心气压可定义为模糊区间属性。为了计算简便,

本文采用基于梯形的模糊集合来模拟模糊属性,其形状函数可以表示为

L ( x) = R ( x) =max(0, 1 - x) (4)

隶属函数的模糊集合如式(5)所示。

LF ( x) =

(5)

式中m、m错误！未找到引用源。、p、q是参数。对于三角形模糊集合,m =m。p 和q随属性的不同而不同。一般地,对于模糊概念属性FL, p和q由领域专家确定;而对于模糊数或模糊区间属性, p和q的值分别为cm 和cm, c的默认值一般为0.1。

本文采用基于隶属函数的相似度计算方法,通过计算两个隶属函数对应面积的重叠率作为模糊集合间的相似度,计算起来既简单又准确。具体计算如式(6)所示。

sim ( xi , yi ) =A ( xi ∩yi ) /A ( xi∪yi ) =A ( xi∩yi ) / [A ( xi ) +A ( yi ) - A ( xi∩yi ) ] (6)

其中: A代表模糊集合的对应隶属函数的面积; xi ∩yi 代表两个模糊集合的交。根据模糊属性的相似度算法就可以计算出模糊属性的相似度。

(3)案例全局相似度的计算

本文在传统的最近相邻算法的基础上设计了如下案例全局相似度计算方法:

sim(X,Y)=s∑Wisim(Xi,Yi) (7)

i=1m

其中: sim (X, Y)表示案例X和Y的案例全局相似度; S 为案例的结构相似度; Wi为案例X和Y交集属性集中的第i个属性在参与匹配的属性中所占的权重,且所有权重取值之和为1; sim(Xi , Yi )表示案例X和Y在交集属性集中第i个属性上的局部相似度。

在计算案例相似度过程中,还涉及到属性权重和属性类别确定的问题。本文

采用领域专家设定权重的方法,可以提供专家设定权重的接口,并且设定后可以根据情况对权重进行修改编辑。属性类别采用系统默认的方式,允许有权限的用户根据实际情况进行修改设置[10]。

4.案例推理

案例推理基本思想是基于人们在问题求解中习惯于过去处理类似问题的经验和获取的知识，再针对新旧情况的差异做相应的调整，从而得到新问题的解并形成新的案例。一般地，案例推理具有如下步骤 ：检索（Retrieve）、重用(Reuse)、修正案例(Revise)、保存案例(Retain)。我们先把要解决的问题相关信息输入，从案例库中检索相似的案例集；再从所检索的案例中获得求解方案，判别是否符合需求，若符合，则重用这些方案（或多个方案的合并解），否则需要修正；然后从相似案例中修正求解方案，使之适合于求解当前问题，得到当前问题的新求解方案；最后将新案例及其解根据一定的策略存入案例库中。

5.存在的问题及改进方法

纵观应急案例的描述、搜索和推理，我们的最终目的是将案例存储在案例库中，以便之后的查找。我们知道完完全全一样的事件发生的概率是非常小的，如何找到最相近的案例是首要问题。在上文中，过程相似度的判断方法已详尽给出。我认为的问题在于该系统最终给出应急方案时，忽略了人的主观能动性，对问题的重要点不能把握。案例描述只包括三部分内容，危机情景描述、应急方案、结果。而检索信息的匹配范围只局限在第一部分的内容，也就是说他们只会判断危机情景的相似度，并给出整体的应急方案。如果我们将案例描述中的危机情景再细分出案例发生时的自然环境、社会环境、已造成的损失并将这三个部分作为独立的内容分别进行过程相似性判断，并以分值的形式给相似度打分，例如，完全相似是100分，完全不相似是0分。应急管理系统按降序的排列方式将整体相似度从高到低给出前5个相似案例列表，同时每一个案例对应的自然环境相似值、社会环境相似值、已造成的损失相似值标注在后，应急事件的处理人员可以根据具体的情况，如自然环境、社会环境、已造成的损失的重要程度，主观的选取应急方案，达到解决应急事件的最佳效果。

四、案例修改应用

案例重用被公认是CBR 理论研究中最具挑战性的问题, 也是继案例检索之后的又一个热点问题。在具体应用过程中, 重用大多采用基于规则方法, 对案例进行局部修改, 以适应新的情况, 然而采用基于规则的改写方法, 又会重新面临知识获取的问题, 这与采用CBR 的基本思想相矛盾。为此,研究人员开始关注从现有案例库中寻找案例的一般重用方法。主要做法有：

（1）搜索+排序

适用于故障原因复杂, 且案例库中信息比较丰富的CBR 系统。该方法假设检索结果的出现次序与案例可重用度一致, 通过以往案例和人的现有领域知识就可以解决所出现的新问题, 充分发挥人的主观能动性, 具有一定的应用范围。

（2）参数调整

即结构修改, 比较源案例和目标案例的特定参数, 对局部信息在确定的调整方向进行调整。适用于故障机理明确、故障原因简单的CBR 系统诊断。应用范围较窄, 研究较少。

（3）知识约简

即决策规则重用, 是指在保持分类能力不变的前提下, 通过约简, 导出问题的决策或分类规则。该方法易于实施, 因此研究工作较多。其主要内容包括两个方面：

① 属性约简

属性约简是从整体上评估案例所有特征对解决方案的贡献度, 从而能够将对解决方案的选择不产生影响的特征项省略, 发现对解决方案有影响的特征。常用的方法有：基于差别矩阵的属性约简、基于信息熵的属性约简等。李锋刚等人研究了基于熵的两种属性选择策略, 即信息增益法和增益比率法, 用层次化k-fold 交叉验证和k-近邻相结合的技术, 设计了五种方案, 分别从不同角度来考察两种属性选择策略对案例分类性能的影响。实验结果表明, 基于熵的属性选择策略能找到一个充分分离案例类别的属性子集。

② 值约简

案例库经属性约简后仍然存在一定的冗余信息,对相同解决方案的一组案例而言, 并不是每个特征值都对解决方案起作用, 需要进一步对属性值进行值约简, 从而发现对解决方案有影响的特征值, 归纳生成案例的决策规则。值约简的常用方

法有基于可分辨矩阵的值约简、基于关系积的值约简及基于规则综合质量的值约简等[11]。

（4）存在的问题及改进方法

案例重用的做法中，解决故障原因复杂的，要通过以往案例和人的现有领域知识解决所出现的新问题，在这方面耗费了大量的人力，对人员素质及其专业水准的要求十分高，最重要的是在修改后不能保证完全正确，要经过反复检验与修改。另一种知识约简是本文研究的重点，首先通过属性约简发现基于熵的属性选择策略能找到一个充分分离案例类别的属性子集。接着进一步对属性值进行值约简, 从而发现对解决方案有影响的特征值, 归纳生成案例的决策规则。用此方法至少要对案例进行两次检索，可能导致效率降低。总之，在案例修改重用这方面还需要深入研究，找到更简便高效的解决的办法。

五、动态决策

1．应急决策体系现存问题

（1）应急决策机构设置上存在缺陷

（2）应急决策信息系统不完善

（3）决策人员素质亟待提高

（4）决策手段与决策理念落后[12]

2.解决办法

（1）完善决策机构设置与决策信息系统，构建科学的应急决策系统

（2）及时补充和纠正数据库中的内容，确保数据库中的信息正确，信息查询高效

（3）决策人员纷繁复杂，我们不可能对每个决策人员进行培训，这就要求我们的决策支持系统提供简单易懂的科学决策方法

3.以危险化工品污染事故为例的应急决策过程

（1）过程包括

①污染发生后系统首先调用模型对污染的发展趋势进行分析预测

②然后启动基于案例的推理技术得到相似案例,如果未发现以前有类似问题求解,则转向基于规则的推理技术,得出相应预案

③最后根据预测结果对案例进行修改,直到得到满意预案为止[13]

图 应急决策预案生成流程图

（2）查询系统功能简介

该系统的工作内容体现在三个方面：

①危险品单位的调查数据, 危险品信息数据库中包含了危险品名称、种类、数量、分布、储存方式、相关防护措施等信息。

②建立相应的危险品毒理性质、理化指标数据库。危险品的代码及分类依据是国家标准GBG944- 86 《危险货物分类和品名编号》。

③在对多种危险品调查的基础上, 和当地的实际情况相结合, 建立应急监测方法。[14] 是

六、结论与展望

如前文所述，我们可以知道在面对突发事件时如何做出正确决策。本项研究针对应急过程中的决策问题从案例表示，案例搜索，案例推理等三个方面提出改进建议。

1.细分案例描述的内容

案例描述的内容应该包括发生了什么和做了什么两部分。发生了什么主要包括介绍时间的发生背景和发生过程阶段。做了什么应该是包含各部门在面对突发事件时的职责分工以及对其工作效果的客观评价。

（1）案例背景描述

第一部分的内容相当于发生背景的介绍，我们认为，发生背景作为一个整体来介绍，丧失了他在案例检索中能够发挥的巨大作用。通过我们之前的研究，我们的关键任务是要将之前发生过的相似案例检索出来，为当前应急事件的决策提供方案的参考，如何判断是相似案例，就要用相似度算法来计算，而这个计算的依据就是发生背景，如果我们将发生背景作为一个整体，不加以分割，那我们得到的将是一个很笼统的相似度计算出来的数字，没有重点。所为重点，就是指在发生背景中有很多因素，比如周围环境因素，即当时的季节、天气、时间、所处的地质环境、交通环境、与居民居住地的距离等等。我们可以将案例的发生背景进行细化，首先将事件发生地分为城市和农村；按地形分为高原，丘陵 ，盆地 ，平原和山地；事件发生时的天气状况分为晴、阴、多云、雨（包括雨量的大小）、雪、风（包括风向和级别）；受灾人数的预计规模。再比如获取资源的方便度，即救援物资的多少，救援设施获取的方便度等。此外，突发事件还应按照发生过程进行分类，即事件现在所处的一个状态，分为发生前，发生时，发生后。每一个阶段决策的重点有所不同。总之，这些因素在不同的情况下所扮演的轻重程度也不一样。世界上还没有发现完完全全一模一样的紧急事件，即使事件的类型相同，因所处的地理环境、季节、天气等的不同，处理紧急事件的决策也应当有所差别，这就要求，我们在录入应急案例时要将背景进行分割，然后按照分割出来的部分分别计算相似度，决策人员判断重点的影响要素（即最容易引发其他灾害的要素），挑选重点部分相似度满意的案例，参考其决策方案。

（2）案例处置过程描述及效果评价

案例描述内容的第二部分是描述做了些什么，即处理应急事件的各个部门都做了些什么，资源如何调配。我们知道每个部门的分工不一样，除了应急事件的直接处理部门，还要有资源储备部门、受灾人员安排部门等，各个部门做了些什么都应该有所记录。有时候在面对突发事件时，第一个到达现场的部门不一定是最有效的部门。因此，我们需要根据以往的案例记录，来选择最需要的部门第一时间通知并且调度。如何判断哪个部门在处理该突发事件是最为有效的，我们就需要对每个部门的工作有效性进行评价。对各部门工作所起的作用进行排序，以便决策者可以参考做出正确调度。面对突发事件，我们通过媒体往往只能了解到处理事件时正面的效果评价，而一些失误的决策和错误的处理方法通常被人们忽略。因此我们需要把决策中正确与错误的地方都记录下来，最好还要标明错误决策的原因及如何修正。一个有评价的案例才是一个能真正被考虑的案例，对结果的评价也会影响决策者的决策，有时候错误的决策在特定的情况下也会成为正确的决策。

2.案例搜索过程中的相似性判断

寻找相似案例首先要判别案例间的相似度，在前文中提到几种案例相似度的计算方法，有结构相似度计算和属性相似度计算。 此外，我们还可以利用属性相似性曲线来判断。以属性名称为横轴，属性值为纵轴，部分属性缺失值代表无特殊要求，可以取任意值，我们就采用往年平均值，让系统自动给出。这样突发事件的属性曲线与案例库中的属性曲线就可以进行比对，计算两条曲线间所围成的面积。面积越小，代表案例相似度越大。

3.案例搜索的满意度目标

在计算出相似度之后，我们要挑选的并不是相似度最高的，而是相似度最满意的，我们要发挥决策者的主观能动性，上文中我已提出，将背景描述进行分割，将分割出来的部分作为独立的内容分别进行过程相似性判断，并以分值的形式给相似度打分，例如，完全相似是100分，完全不相似是0分。应急管理系统按降序的排列方式将整体相似度从高到低给出前5个相似案例列表，同时每一个案例对应的各个因素的相似值标注在后，另外各案例还应该包括按时间排列的处置过程，以及各部门工作的有效性排序，应急事件的处理人员可以根据具体的情况，即要素的重要程度，主观的选取最佳应急方案，达到解决应急事件的最佳效果。

参考文献：

[1]谢迎军,马晓明,刁倩. 国内外应急管理发展综述[J].电信学,2010,(S3): 28-32.

[2] 李玲娟,汤文宇,王汝传. 基于XML的案例表示和案例库构造方法[J]. 计算机应用研究,2007,24(11):70-73.

[3]蔡自兴, 徐光佑. 人工智能及应用( 第三版) [M ]. 北京: 清华大学出版社, 2003:64-67.

[4]刘占伟,张治国. 基于XML的地理案例表示及存储方法研究[J]. 河南工程学院学报（自然科学版）,2009,21(4):44-48.

[5]李玲娟,汤文宇,王汝传. 基于XML的案例表示和案例库构造方法[J]. 计算机应用研究,2007,24(11):70-73.

[6]Baader F，Calvanese D，McGuinness D，et al. 2003，The description logic handbook: theory，implementation，and applications. Cambridge University Press，2003.

[7]曹茂俊,尚福华,滕雪萍. 基于描述逻辑的可扩展的案例表示及检索研究[J]. 科学技术与工程，2010,10(11):2777-2780.

[8]张英菊,仲秋雁,叶鑫,裘江南,曲晓飞. CBR的应急案例通用表示与存储模式

[J]. 计算机工程,2009,35(17):28-30.

[9]郭泳亨,卢兴华,刘云. 基于案例库的应急决策支持系统研究[J]. 微计算机信息,2006,22(8):148-150.

[10] 张英菊,仲秋雁,叶鑫,曲晓飞. 基于案例推理的应急辅助决策方法研究[J]. 计算机应用研究,2009,26(4):1412-1415.

[11]柳玉,贲可荣.案例推理的故障诊断技术研究综述[J]. 计算机工程系,2011, 5(10):886-879.

[12]周超,张毅. 论转型期我国城市突发事件应急决策系统之构建[J]. 湖北经济学院学报,2007,4(4):56-57.

[13]邹志文,姚继承,汤立. 基于WebGIS的危险化学品污染事故应急决策支持系统[J]. 中国安全科学学报,2009,19(5):171-176.

[14]李鑫,胡忆沩. 模糊查询技术在危险介质泄漏应急决策系统中的应用[J].

微计算机信息,2005,21(12):98-100.