應急實體協(xié)作能力與活動連續(xù)性的關聯(lián)研究①

季 峰，袁鴻燕

(南通大學杏林學院，南通 226236)

一起突發(fā)事件將觸動一組應急流程，在一起石化安全引發(fā)的火災事件中，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，其中位置區(qū)域的最低閾值是應急資源調度的區(qū)域邊界，往往調度距離強度關系最近的團隊，結果顯示，距離最近的團隊之間的協(xié)調救援，應急結果還有很大的提升空間，處置結果跟執(zhí)行實體的協(xié)作度有關，實體及團隊之間的協(xié)作活動成為決定應急處置結果的核心過程，需要在應急指揮決策中針對不同的應急事件活動特征，充分衡量應急團隊、實體的優(yōu)先級，包括救援團隊的實體調度，突發(fā)事件中，通用型調度方案表現(xiàn)出極其不協(xié)調的實體資源分配的多種特征，影響救援結果.

1 研究現(xiàn)狀

近年來，在應急團隊的研究中，有不少研究成果，有研究團隊基于人類動力學理論對應急核心要素進行研究[1]，并利用社團檢測等方法對應急情景等復雜情形下對主體、資源、客體等深入研究[2].Liu D等人對復雜社區(qū)的檢測中，對復雜情景下，個體與個體之間的關系進行研究[3].許多研究團隊在成員調配和團隊生成研究領域有所成就，Ly[4]等人提出用決策樹學習方法進行成員分配；Liu YB[5]等從人工智能角度，基于機器學習提取成員技能特征，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、資源客體及相關約束關系等屬性基礎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]基于社交網絡(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、領導者距離等方面提出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)化調配和應急隊伍間協(xié)調等方面的進行研究，本研究的主要任務針對突發(fā)事件這一特定的環(huán)境，加入應急救援體系中的必需因子和屬性，是一項有價值的工作，為應急決策奠定數(shù)據(jù)基礎.

2 相關概念及問題描述

2.1 相關概念

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)生轉移地點的集合、事件結束時間(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，EEact(沖水、救人、緊急救護、防爆、升降輸送))，應急執(zhí)行實體(Entity person，Ep)=(消防人員、醫(yī)療人員、物管等應急人員).

定義2.應急救援流程模型(Emergency Rescue Process Model，ERPM)，應急協(xié)同部門接警后，根據(jù)應急需求調配自身資源，以應急救援為目標，產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對元組，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)應急客體處理(OP)：a1=救援被困人員、a2=使用探測、a3=搶護其他物資等.

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

(4)應急救援處置結果評估(RA)：a1=救援經濟價值評估、a2=救援人數(shù)評估.最終生成Activity[n]={EvP，SP，OP，SaP，RA}，其中應急活動與各子活動間的關系可以重復，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)先關系，需要并發(fā)進行，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，應急救援事件以流程模板進入應急案例庫，生成案例知識.

定義4.應急庫包括案例庫和預案庫，用EECB表示，EECB={Ee1，Ee2，Ee3，…，Eei，…，Een}，按照事件主體進行類別劃分，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＞ 表示應急救援實體的時序活動序列.同時應急執(zhí)行實體也可以是應急團體，里面包含了若干個實體序列.

定義6.應急執(zhí)行實體的技能貢獻度，Epi在一次應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之間在應急執(zhí)行時的連續(xù)、協(xié)同程度.

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

定義8.應急執(zhí)行實體的關系強度(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Epi和Epj之間有m種交互關系，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是關系強度，得到一個P值.

定義9.應急執(zhí)行實體的協(xié)作度[11].coopai,aj表示應急活動中兩個執(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，造成各大組織應急演練，依照固定模式執(zhí)行，未著重考慮應急資源調度中，針對某一應急活動，應急實體的協(xié)調性、應急活動連續(xù)性、應急關系強度等核心要素之間的關系，需要在應急預案中搞清應急實體、距離、應急活動等之間的協(xié)同，文中建立真實案例知識庫和人工預案庫，來進行數(shù)據(jù)分析，擴充智能推理的語料庫.解決應急案例庫中的數(shù)據(jù)段還不完備，本文主要貢獻應用于基于CBR 應急預案的生成，給決策者提供輔助決策.

應急預案和應急演練的焦點在應急處置的應急實體，其具有的技能貢獻度和實體間的協(xié)作度，往往影響整個應急處置的結果，以往的應急預案中采用的是通用性評估，事實上，應急實體的特征顯著，可以從技能貢獻度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)調不好，導致應急任務的拖延，措施救援時間，由此產生的應急預案，為應急執(zhí)行團隊的組建奠定基礎.

在應急管理和應急事件處置中，調配資源和人員，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)域的中心位置進行調配，或者挑區(qū)域內經驗豐富的團隊，實際上，在有些救援中距離關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)作和對應急活動的適應度，文中在活動頻度角度一并作了考慮.在應急活動的制定上，環(huán)境因素復雜會影響協(xié)調，在應急預案中，確認活動與活動之間的基本優(yōu)先關系尤為必要.文中定義了活動之間的連續(xù)性continai,aj，基于應急案例庫，抽取活動之間的協(xié)同性，在此基礎上，定義了應急執(zhí)行實體之間的關系強度RS，對行政區(qū)劃地域、突發(fā)地和資源的距離進行普適度計算，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，更能適應突發(fā)事件的應急性，救援結果也會大幅度優(yōu)化.

2.3 數(shù)據(jù)集

文中數(shù)據(jù)集包括網絡案例數(shù)據(jù)庫和人工案例數(shù)據(jù)庫，真實數(shù)據(jù)集是從萬維網上爬取了近十年應急救災案新聞數(shù)據(jù)達數(shù)十萬條，包括相關案例的論文研究，由于相關數(shù)據(jù)公開度不一致，出現(xiàn)結構化數(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急預案庫，對于數(shù)據(jù)稀疏的矩陣區(qū)域，用人工案例庫進行校正，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)，得到的應急相關要素間的關系和發(fā)展趨勢，數(shù)據(jù)結論對應急預案、演練有極其重要的作用.

3 方法

3.1 應急執(zhí)行實體和應急活動的優(yōu)化

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

首先，對應急案例庫預處理的數(shù)據(jù)清洗中，將案例庫中的非必要字段剔除，如原采集網頁中的標準等，生成XML 結構數(shù)據(jù)字典，并按地域進行分類，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)進行修正，修正系數(shù)μ=0.3.在對應急案例庫和預案庫過程中，會存在出現(xiàn)噪音數(shù)據(jù)和冗余數(shù)據(jù)，本文通過標簽化處理，對應急時間、屬性等關鍵信息的標準化處理，并剔除異常數(shù)據(jù)值，采用經典的Needleman-Wunsch 算法[12]來實現(xiàn)，例如，文中定義活動間的有序對元組Set，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計，更有利于應急執(zhí)行實體活動序列的優(yōu)化，有助于得到效率比較高的應急預案.

基于上文中數(shù)據(jù)，計算應急活動的連續(xù)性continai,aj和應急實體的關系強度RS等，進一步計算結合實體的技能貢獻度得到實體協(xié)作能力，進一步挖掘出優(yōu)化的應急活動序列.

3.2 挖掘應急實體的高協(xié)作度算法

為了挖掘應急案例庫中具有高協(xié)作度的實體，基于應急實體軌跡、實體技能貢獻度等實現(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//實體技能貢獻度Min_Ept_conf//最小地域置信度閾值輸出：關聯(lián)實體的協(xié)作度表1.依據(jù)式(2) 構建實體關系強度矩陣RS[]2.依據(jù)式(5) 構建實體間協(xié)作能力矩陣Coop[]3.FOR i=1 to n DO 4.活動數(shù)組Ea[i] ←應急活動矩陣中第i 行非空下標5.END FOR 6.FOR i=1 to n DO //根據(jù)活動的非空下標得到活動序列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

基于應急案例庫，挖掘應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′，產生θ調優(yōu)值，可以根據(jù)不同的值得到幾組結果，進行迭代.

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 調優(yōu)參數(shù)輸出：強相關連續(xù)性高的活動表1.初始化θ 2.依據(jù)式(1) 構計算活動連續(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 結果

圖3中曲線a 可以看出某城市中，不同應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，采用經驗和舊案例判斷有關，需要適應性更新案例庫和預案庫.

圖3 應急實體協(xié)作次數(shù)與協(xié)作能力關系

曲線b 可以看出，在同屬同一位置區(qū)域中，位置強度關系顯著的應急實體間的協(xié)作能力，醫(yī)護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，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，經驗占據(jù)整個決策的主導，導致經驗主義的誤判，在應急預案的生成中，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，跟消防團隊的調配和管理方式相關，消防實體在應急中任務明確，平時應急演練標準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)護實體實體和中心位置的醫(yī)護實體之間的協(xié)調度隨著協(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)調能力可以達到0.5，跟實體的技能度相關，也反應了在邊界區(qū)域的實體之間的協(xié)作能力也有表現(xiàn)強的.在應急預案中不能僅僅關注行政區(qū)域中心的應急實體，這種現(xiàn)象在大規(guī)模應急事件中會有所體現(xiàn)，往往調度一個區(qū)域的醫(yī)護實體不夠的時候，需要調度多個醫(yī)護實體才能應對的突發(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)作能力的關系

從圖5曲線上可以看出，應急活動的連續(xù)性與應急案例庫中的應急頻率直接成正比.曲線不平滑，分段明顯.應急預案庫包括應急預案和舊預案.基于某一特定領域的案例庫的完整性，針對某一特定應急活動的演練越多，應急活動的連續(xù)性就越強.很強，反映了應急預案的重要性.事實上，應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，具有預警作用.同樣，數(shù)據(jù)庫中相應應急活動的頻率也下降了.如圖所示，當活動連續(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系，不一定沒有活動連續(xù)性，這與實際的應急指揮一致.有時根據(jù)現(xiàn)場情況，臨時產生應急動員方案.

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，反映了應急活動的連續(xù)性與應急實體協(xié)作程度的關系.在緊急事件中，應急活動的連續(xù)性和參與應急活動的實體的協(xié)作程度相互影響.應急活動的連續(xù)性越高，應急實體的協(xié)作程度越高.同樣，應急協(xié)作程度越高，應急活動的連續(xù)性越高，應急活動越活躍.當動態(tài)連續(xù)性超過指數(shù)1 時，由于應急實體協(xié)調次數(shù)增加，活動與活動的優(yōu)先關系設計，曲線中后部的增長速度加快.當活動連續(xù)性值接近1.8 時，不再上升，與實際應急處置環(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.在實際的應急指揮中，需要通過應急實體的協(xié)調和應急活動的連續(xù)性，直接確定應急處置的時間.時間是緊急處置中最昂貴的成本之一，首先應該考慮到時間，提高應急響應的滿意度.

圖5 頻率和應急活動的關系

圖6 活動連續(xù)性與實體協(xié)作度的關系

5 基于應急案例庫的應急預案產生的框架

如圖7，基于案例庫和預案庫進行數(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)的調整數(shù)據(jù)，在數(shù)據(jù)分析的基礎上建立預測模型，為應急演練、仿真分析等作準備，應急預警、應急預案和應急決策是建立在對數(shù)據(jù)邏輯推理的基礎上進行的，可以提供輔助決策的準確度，應急個體的屬性包括應急執(zhí)行實體的各種態(tài)勢，應急活動的各項指標，結合實際感知到突發(fā)事件的數(shù)據(jù)，為應急決策提供理論基礎.

圖7 基于應急案例庫的應急預案產生的框架

6 結論

本文以應急案例庫和預案庫為基礎，對應急實體和應急活動的必要屬性進行定義，對應急執(zhí)行實體的技能貢獻度，應急實體的關系強度、應急活動的連續(xù)度等做了細致分析，用實驗數(shù)據(jù)得出同一區(qū)域同一類型應急實體之間的協(xié)作能力和協(xié)作次數(shù)之間的關系，不同實體在同一區(qū)域的協(xié)作能力的趨勢，位置關系強度較弱的實體之間的協(xié)作能力關系，在此基礎上產生的應急預案，有效性和針對性大幅提高，更合理的選擇利用經驗知識，縮小誤判率，文中考慮的因素相對比較理想化，影響應急事件演變的因素很多，需要根據(jù)確定的某一事件做細化，今后工作中，將從下面3 點不斷深入應急知識庫中的知識表示和知識學習，提高知識庫和應急要素對接的精準度，提高產生應急預案的準確度和可行度，其一，實驗的數(shù)據(jù)量直接影響了結果，由于案例庫的不足，預案庫支持率上升，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，影響應急救援結果的因素，不止文中著重研究的應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，文中這點比較薄弱.其三，在應急區(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)域進行考慮，嚴格劃分位置區(qū)域，本文是理想位置狀態(tài).