專利名稱：：一種基于認知模型的預案生成方法一種基于認知模型的預案生成方法
背景技術：
：幾年來公共突發事件的頻頻發生。突發公共安全事件，以其突發性，復雜性，破壞性，持續性等性質，經常給災害中的處置帶來很大的困擾。部分大中型事件，經常伴有各類次生災害，涉及的領域眾多并且內部關系繁雜。這么多的數據信息對實時性極強的臨機決策構提出了苛刻的挑戰。目前的決策支持系統一股以理性決策為理論依據，通過關鍵字匹配算法為決策者提供相關預案或案例，但是無法根據當前情景動態，生成可能有效的可執行方案。本發明中涉及到的
背景技術：
有(1)預案CSP算法預案CSP算法是一種通用的與領域無關的應急方案生成方法。該方法將突發事件變量、應急組織變量、應急資源變量、應急任務變量、處置對象變量、處置方案變量作為約束變量，以泛化約束、組合約束、依賴約束等約束為規則，將實體間的關于用約束的形式表示出來，從而可以通過求解滿足約束問題來求解一個可行的應急方案生成的問題。(2)RPD模型RPD模型是一種充分利用人的經驗和認知能力的模型，由決策者從情境分析中獲得決策方案。決策者首先對情境進行識別，判斷是否熟悉或者屬于典型情況。情境識別使得決策者能夠確定哪些決策目標是合理的，有哪些線索與之相關，是可以期望的結果，以及哪些行動可以發揮作用，進而實施行動。當情境不熟悉時，決策者會根據當時情境重新分析，挖掘出更多的信息。如果可行，決策會立即被實施。本發明中使用的認知模型是RPD模型的簡化，抽取了其中根據決策目標，利用篩選出的預案和案例庫進行調整和反饋學習的部分。
發明內容本發明的目的在于為突發事件決策者提供有效執行方案，有助于決策者從大量的突發事件事實中找到最影響決策的因素，及時有效地做出決策，對突發事件進行處置。為此，本發明采用如下的技術方案一種基于認知模型的預案生成方法，首先構建知識庫，選取已有的多個突發事件，對每個已知的突發事件，生成約束變量和約束規則，約束變量包括突發事件的事件類別和應急組織，約束規則為一個或幾個約束變量之間必須滿足的約束關系，并構建與該已知的突發事件相匹配的預案和案例集，在知識庫中，除了包括該突發事件的約束變量和約束規則之外，還包括處置該突發事件涉及的應急組織、針對該突發事件產生的應急決策方案，在發生突發事件時，按照下列步驟生成應急預案1)決策者選擇或輸入該突發事件的約束變量選擇事件類別和應急組織，其中，事件類別分為自然災害、事故災難、公共衛生事件和社會安全事件；應急組織是應急方案的制定者或參與者，包括應急部門、應急隊伍和顧問專家；2)輸入該突發事件的應急資源、應急任務、應急處置對象變量、應急處置方案變量之類的事件資源信息；3)以該突發事件的死亡人數、受傷人數(InjureNum)、經濟損失、控制難度、危害程度這五個要素作為加權要素計算突發事件的級別，離散化各個加權要素，并采用加權的方法計算該突發事件的級別，決策者判斷該突發事件的級別是否合理，如果不合理，決策者重新定級；4)輸出包括突發事件級別在內的所有約束變量和約束規則的集合；5)使用CSP算法進行應急案例和應急預案特征匹配，如果特征匹配成功，則輸出對應預案和案例中的動作序列，并存入動作序列表；反之，如果匹配不成功，則重新回到1)步重新輸入約束變量；6)將對產生的動作序列有效性做判斷，如果動作序列預期可以有效執行，則產生一個組織部門的應急決策方案執行步驟1)應急決策方案，反之，返5)步，重新進行匹配；如果該突發事件涉及多個部門，則對每個部門均順序執行上述的步驟1)至本步驟，產生多個部門的應急決策方案；7)將有效的動作序列和第1)和2)輸入的約束變量、約束規則、以及3)得到的突發事件級別組合的應急決策方案存入知識庫。本發明以認知模型為基本模型，當突發事件發生后，利用輸入至計算機的事件和環境基本信息并做出整理和計算后，篩選出一系列可行的動作序列。在此基礎上根據認知模型的過程，充分利用人的經驗和認知完善動作序列，進入學習階段并最終得到預案決策。本發明采用認知模型和預案CSP匹配算法相結合，具有較高的準確性和實時性。本發明兼具兩方面的優勢利用計算機的高性能計算能力，為決策者提供全面有效的情境整合信息和決策信息；同時充分利用決策者的對領域的高度認知，使應急決策方案在決策者的干預下反復學習，從而獲得更高的現實可用性。圖1基于認知模型的預案生成方法總體流程。具體實施例方式本發明將認知模型和預案CSP匹配算法相結合，提出一種基于認知模型的預案生成方法。包括如下步驟1.選擇或輸入約束變量選擇事件類別(e_type)和應急組織(org)。其中事件類別主要分為自然災害、事故災難、公共衛生事件和社會安全事件。應急組織是應急方案的制定者或參與者，包括應急部門、應急隊伍和顧問專家等。2.輸入該突發事件的應急資源(resource)、應急任務(task)、應急處置對象變量(object)、應急處置方案變量(plan)等事件資源信息，在本發明中視為情境要素的一部分。在標注有應急資源、應急任務、應急處置對象變量、應急處置方案變量的多個文本框中，依次輸入相應信息，輸入的信息為文本形式，系統將輸入的內容作為對象存儲至數據庫，存儲時使用下列數據表應急資源表，應急任務表，應急處置對象表，應急處置方案表，表結構與預案庫中的對應表結構相同；3.計算該突發事件的級別(level)突發公共事件通常分為四級，即I級(特別重大)、II級(重大)、III級(較大)、IV級(一股)。該突發事件的屬性包括死亡人數(DeadNum)、受傷人數(InjureNum)、經濟損失(Lost)、控制難度(HardLevel)、危害程度(EffectLevel)等，本發明使用這五個要素作為加權要素計算突發事件的級別，幫助決策者定量地為突發事件定級，如果決策者認為計算出的突發事件級別不合理，在計算后可調節該級別。1)離散化各加權要素，死亡人數、傷亡人數、經濟損失均可采用離散化的方式。如將“死亡人數大于5人”離散化為5，“死亡人數為4人”離散化為4，“死亡人數為3人”離散化為3，依次類推；同時把“經濟損失大于100萬”離散化為5，“經濟損失在50萬至100萬”離散化為4，等等。控制難度、危險程度提供兩種方式，可以輸入具體數值，或者選擇控制難得等級和危險程度等級。如果為具體數值則可采用離散化方法，否則可以直接參與計算。2)采用下面加權的方法計算該突發事件的級別，計算方法為<formula>formulaseeoriginaldocumentpage5</formula>其中，EffectSet為各加權要素的集合，表示為EffectSet={DeadNum、InjureNum、Lost、HardLevel、EffectLevel}；Effectffeight為各加權要素的權重，取值范圍在0-1之間。本發明定義為各要素權重相等即為1/n;3)計算后的突發事件級別繼續進行離散化數值區間在[4.5-5]之間的為一級重大事件，數值區間在[3.5-4.4]之間的為I級(特別重大)，數值區間在[2.5-3.4]之間的為III級(較大)，其他數值為IV級(一股)。4)決策者判斷突發事件級別是否合理。如果不合理，決策者可以直接重新定級或者返回第一步重新計算突發事件級別，直至符合要求。4.輸出包含第一至第三部輸入或計算的所有約束變量和約束規則的集合P-SetP-Set={e_type,org,resource,task,object,plan,level,RLUES}。其中RLUES為約束變量的匹配規則。約束規則為一個或幾個約束變量之間必須滿足的約束關系，分為泛化約束、組合約束、依賴約束等約束關系。本發明中用到的約束規則有依賴約束事件級別<1級，特別重大〉、<11級，重大〉、<111級，較大〉、〈IV級，一股〉；依賴約束<應急組織，應急資源>組合約束<應急類別，應急組織>組合約束<應急資源，應急任務，應急處置對象>這個集合元素將作為第五步的輸入，本發明將此集合存儲為約束變量和規則表，其中包含各個變量的ID號和規則ID號。5.使用CSP算法進行應急案例和應急預案特征匹配，匹配的過程為RLUES匹配。輸入為約束變量和約束規則集合，輸出為一組動作序列。本發明中的動作序列指預案中和案例中表示執行任務的動作，將匹配成功的不同動作組合為一個動作序列。如果特征匹配成功，則輸出對應預案和案例中的動作序列(Actions)；反之，如果匹配不成功，則重新回到第一步重新輸入約束變量。如果特征匹配成功，將獲取的Actions存入動作序列表，其中表項為預案編號、執行部門、資源編號、資源數量、預期結果、備注。6.下一步將對產生的動作序列有效性做判斷，如果動作序列預期可以有效執行，則產生應急決策方案；反之，返回第五步，重新進行匹配。本發明中判斷動作序列的有效性需要查詢動作序列表和應急資源表，其中應急資源表為第二步中輸入的此次突發事件的應急資源。執行語句:selectresource_idfromActionswhereplan—id=h—planid；將動作序列表中的資源編號與此次突發事件中的應急資源進行比較，比較的方法為順序匹配即判斷resource」d是否都在此次突發事件應急資源中。如果動作序列表中涉及的資源有80%不在應急資源中，則認為該動作序列無效；否則，如果resourcejd對應的資源數量大于此次突發事件應急資源數量的1.5倍，也視為無效；如果上述兩個條件均滿足，認為該動作序列有效，輸出有效的動作序列。7.將輸出的有效動作序列和第一、二步中輸入的約束變量組合形成一個組織部門的應急決策方案，存儲至部門應急決策方案表，表項包括部門應急編號id，動作序列編號id，應急組織編號、備注。由此本發明中得到的應急決策方案將包括突發事件基本信息和有效的動作序列及其預期等內容。如果這個突發事件涉及多個部門，則需要多個部門順序執行步驟1-6，得到多個部門的應急決策方案序列。以應急組織為主編號，將綜合后的應急決策方案以文本的形式呈現給決策者，實際存儲時以數據表格形式存儲，包括應急決策方案表和組織_決策表，其中組織_決策表定義為{應急組織id，應急決策方案id}。第七步產生的初始應急決策方案進入案例適配過程，即交由決策者判斷該方案是否需要調整，如果決策者認為需要調整，重新返回第五步，執行案例和預案匹配過程；否則，初始預案決策方案不需要調整，得到目標預案決策方案，結束。具體實施例方式本發明旨在生成一種高效可行的決策方案，本發明的預案生成方法是在已經建立的知識庫的基礎上進行的。該知識庫是進行預案生成所需要的預案和案例庫以及約束變量和約束規則的集合。知識庫的建立，包括本發明所需要的預案和案例庫的構建以及約束變量和約束規則的集合的生成。預案和案例庫應當是對一些已知的突發事件進行分析的基礎上建立起來的，本發明中使用的數據表至少包括<table>tableseeoriginaldocumentpage6</column></row><table><table>tableseeoriginaldocumentpage7</column></row><table>本發明的基于認知模型的預案生成方法，實施過程流程圖見圖1，具體實施方法包括以下步驟在突發事件發生后，需要搜集包括突發事件基本信息和應急組織、應急資源等的信息，按照如下步驟執行，將得到約束變量集合。輸入突發事件基本信息和情境因素。輸出約束變量和約束規則集合。1.選擇或輸入約束變量選擇事件類別(e_type)和應急組織(org)。其中事件類別主要分為自然災害、事故災難、公共衛生事件和社會安全事件。應急組織是應急方案的制定者或參與者，包括應急部門、應急隊伍和顧問專家等。2.輸入該突發事件的應急資源(resource)、應急任務(task)、應急處置對象變量(object)、應急處置方案變量(plan)等事件資源信息，在本發明中視為情境要素的一部分。在標注有應急資源、應急任務、應急處置對象變量、應急處置方案變量的多個文本框中，依次輸入相應信息，輸入的信息為文本形式，系統將輸入的內容作為對象存儲至數據庫，存儲時使用下列數據表應急資源表，應急任務表，應急處置對象表，應急處置方案表，表結構與預案庫中的對應表結構相同；3.計算該突發事件的級別(level)突發公共事件通常分為四級，即I級(特別重大)、II級(重大)、III級(較大)、IV級(一股)。該突發事件的屬性包括死亡人數(DeadNum)、受傷人數(InjureNum)、經濟損失(Lost)、控制難度(HardLevel)、危害程度(EffectLevel)等，本發明使用這五個要素作為加權要素計算突發事件的級別，幫助決策者定量地為突發事件定級，如果決策者認為計算出的突發事件級別不合理，在計算后可調節該級別。1)離散化各加權要素，死亡人數、傷亡人數、經濟損失均可采用離散化的方式。如將“死亡人數大于5人”離散化為5，“死亡人數為4人”離散化為4，“死亡人數為3人”離散化為3，依次類推；同時把“經濟損失大于100萬”離散化為5，“經濟損失在50萬至100萬”離散化為4，等等。控制難度、危險程度提供兩種方式，可以輸入具體數值，或者選擇控制難得等級和危險程度等級。如果為具體數值則可采用離散化方法，否則可以直接參與計算。2)采用下面加權的方法計算該突發事件的級別，計算方法為<formula>formulaseeoriginaldocumentpage8</formula>其中，EffectSet為各加權要素的集合，表示為EffectSet={DeadNum、InjureNum、Lost、HardLevel、EffectLevel}；Effectffeight為各加權要素的權重，取值范圍在0-1之間。本發明定義為各要素權重相等即為1/n;3)計算后的突發事件級別繼續進行離散化數值區間在[4.5-5]之間的為一級重大事件，數值區間在[3.5-4.4]之間的為I級(特別重大)，數值區間在[2.5-3.4]之間的為III級(較大)，其他數值為IV級(一股)。4)決策者判斷突發事件級別是否合理。如果不合理，決策者可以直接重新定級或者返回第1步重新計算突發事件級別，直至符合要求。4.輸出包含第一至第三部輸入或計算的所有約束變量和約束規則的集合P-SetP-Set={e_type,org,resource,task,object,plan,level,RLUES}。其中RLUES為約束變量的匹配規則。約束規則為一個或幾個約束變量之間必須滿足的約束關系，分為泛化約束、組合約束、依賴約束等約束關系。本發明中用到的約束規則有依賴約束事件級別<1級，特別重大>、<11級，重大>、<III級，較大>、<IV級，一股〉；依賴約束<應急組織，應急資源>組合約束<應急類別，應急組織>組合約束<應急資源，應急任務，應急處置對象>這個集合元素將作為下面的第5步的輸入，本發明將此集合存儲為約束變量和規則表，其中包含各個變量的ID號和規則ID號。5.使用CSP算法進行應急案例和應急預案特征匹配，匹配的過程為RLUES匹配。輸入為約束變量和約束規則集合，輸出為一組動作序列。本發明中的動作序列指預案中和案例中表示執行任務的動作，將匹配成功的不同動作組合為一個動作序列。如果特征匹配成功，則輸出對應預案和案例中的動作序列(Actions)；反之，如果匹配不成功，則重新回到第1步重新輸入約束變量。如果特征匹配成功，將獲取的Actions存入動作序列表，其中表項為預案編號、執行部門、資源編號、資源數量、預期結果、備注。6.對產生的動作序列有效性做判斷，如果動作序列預期可以有效執行，則產生應急決策方案；反之，返回第5步，重新進行匹配。本發明中判斷動作序列的有效性需要查詢動作序列表和應急資源表，其中應急資源表為第2步中輸入的此次突發事件的應急資源。執行語句:selectresource_idfromActionswhereplan—id=h—planid；將動作序列表中的資源編號與此次突發事件中的應急資源進行比較，比較的方法為順序匹配即判斷reS0Urce_id是否都在此次突發事件應急資源中。如果動作序列表中涉及的資源有80%不在應急資源中，則認為該動作序列無效；否則，如果reS0Urce_id對應的資源數量大于此次突發事件應急資源數量的1.5倍，也視為無效；如果上述兩個條件均滿足，認為該動作序列有效，輸出有效的動作序列。7.將輸出的有效動作序列和第1、2步中輸入的約束變量組合形成一個組織部門的應急決策方案，存儲至部門應急決策方案表，表項包括部門應急編號id，動作序列編號id，應急組織編號、備注。由此本發明中得到的應急決策方案將包括突發事件基本信息和有效的動作序列及其預期等內容。如果這個突發事件涉及多個部門，則需要多個部門順序執行步驟1-6，得到多個部門的應急決策方案序列。以應急組織為主編號，將綜合后的應急決策方案以文本的形式呈現給決策者，實際存儲時以數據表格形式存儲，包括應急決策方案表和組織_決策表，其中組織_決策表定義為{應急組織id，應急決策方案id}。第7步產生的初始應急決策方案進入案例適配過程，即交由決策者判斷該方案是否需要調整，如果決策者認為需要調整，重新返回第5步，執行案例和預案匹配過程；否則，初始預案決策方案不需要調整，得到目標預案決策方案。并將有效的動作序列和第1)和2)輸入的約束變量、約束規則、以及3)得到的突發事件級別組合的應急決策方案存入知識庫。權利要求一種基于認知模型的預案生成方法，其特征在于，首先構建知識庫，選取已有的多個突發事件，對每個已知的突發事件，生成約束變量和約束規則，約束變量包括突發事件的事件類別和應急組織，約束規則為一個或幾個約束變量之間必須滿足的約束關系，并構建與該已知的突發事件相匹配的預案和案例集，在知識庫中，除了包括該突發事件的約束變量和約束規則之外，還包括處置該突發事件涉及的應急組織、針對該突發事件產生的應急決策方案，在發生突發事件時，按照下列步驟生成應急預案1)決策者選擇或輸入該突發事件的約束變量選擇事件類別和應急組織，其中，事件類別分為自然災害、事故災難、公共衛生事件和社會安全事件；應急組織是應急方案的制定者或參與者，包括應急部門、應急隊伍和顧問專家；2)輸入該突發事件的應急資源、應急任務、應急處置對象變量、應急處置方案變量之類的事件資源信息；3)以該突發事件的死亡人數、受傷人數、經濟損失、控制難度、危害程度這五個要素作為加權要素計算突發事件的級別，離散化各個加權要素，并采用加權的方法計算該突發事件的級別，決策者判斷該突發事件的級別是否合理，如果不合理，決策者重新定級；4)輸出包括突發事件級別在內的所有約束變量和約束規則的集合；5)使用CSP算法進行應急案例和應急預案特征匹配，如果特征匹配成功，則輸出對應預案和案例中的動作序列，并存入動作序列表；反之，如果匹配不成功，則重新回到1)步重新輸入約束變量；6)將對產生的動作序列有效性做判斷，如果動作序列預期可以有效執行，則產生一個組織部門的應急決策方案執行步驟1)應急決策方案，反之，返5)步，重新進行匹配；如果該突發事件涉及多個部門，則對每個部門均順序執行上述的步驟1)至本步驟，產生多個部門的應急決策方案；7)將有效的動作序列和第1)和2)輸入的約束變量、約束規則、以及3)得到的突發事件級別組合的應急決策方案存入知識庫。全文摘要本發明屬于應急預案管理
技術領域：
，涉及一種基于認知模型的預案生成方法，包括以下步驟決策者輸入約束變量，由系統計算該突發事件的級別；在案例和預案庫進行特征匹配；如果匹配成功，則輸出相應預案和案例中的動作序列，并根據情境進行有效性判斷，反之，重新回到初始態；如果產生的初始預案決策方案需要調整，重新執行案例和預案匹配過程，否則，得到目標預案決策方案。本發明采用認知模型和預案CSP匹配算法，具有較高的準確性和實時性，利用計算機的高性能計算能力，為決策者提供全面有效的情境整合信息和決策信息；同時充分利用決策者的對領域的高度認知，使應急決策方案在決策者的干預下反復學習，從而獲得更高的現實可用性。文檔編號G06Q10/00GK101826184SQ201010181488公開日2010年9月8日申請日期2010年5月24日優先權日2010年5月24日發明者王文俊,郄學敏申請人:天津大學