一种应急预案生成方法和系统技术方案

本发明专利技术涉及一种应急预案生成方法和系统。该方法首先对目标案例及其关联案例进行结构化描述；利用模糊化方法对这些案例进行处理，生成案例的模糊化表示向量，然后计算目标案例与其它关联案例的相似度，从而生成案例模糊相似度集；设立模糊相似度阀值，从案例模糊相似度集中选取出相似度大于阀值的案例，生成目标案例的相似历史案例集，以及对应的应急预案集；构建强化学习系统，对相似历史案例集及对应的应急预案进行强化学习，生成概率判别函数，即对某一历史案例，能够准确快速地生成相应的应急预案；将目标案例代入概率判别函数，生成最后的应急预案。本发明专利技术能够在面对新的突发事件案例时，快速、自动、准确地生成相应的应急预案。

【技术实现步骤摘要】
一种应急预案生成方法和系统
本专利技术涉及智慧城市领域，具体涉及一种应急预案生成方法和系统。
技术介绍
目前，应急预案的生成是基于事发前已有的预案库，当突发事件发生时，从应急预案库中选取合适的预案进行处置。然而，突发事件具有突发性、变化性等特征，以往基于预案库选取预案的方式对处理突发事件存在不准确、效率低等问题。专利CN201310752783.4已有的应急预案生成方法具体为：先将原有应急预案分解生成数字化应急预案库；根据突发事件的类型、等级等生成该事件下应急预案的信息维度；再匹配，选择出相似度最高的预案的过程维度信息生成初步处置流程；采用初始场景到结束场景线路正确的路线匹配策略进行正确性验证、修订，得到更为合理的处置流程；对突发事件进行处置，直至事件处理结束。如果应急事件扩大，则更新事件信息维度，循环执行上述流程直到处置结束。处理结束后，完善其他维度信息，形成新的数字化处置预案存入应急预案库，以便以后使用。然而该类方法仍然是在已有的预案库中选取匹配度最高的预案，预案生成灵活度不高，并且不能从突发事件中自动学习预案生成方法。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种基于模糊集相似性及强化学习的应急预案生成方法和系统，用于自动化、准确地生成预案。为实现上述目的，本专利技术提供了一种应急预案生成方法，包括：S1：对突发事件目标案例进行结构化描述，形成突发事件特征向量；S2：计算所述突发事件目标案例与历史案例的相似度；S3：对所述相似度设置相似度阈值，选取相似度大于相似度阈值的案例，构建相似历史案例集，及对应相似案例集的应急预案集；S4：构建强化学习系统，利用所述相似历史案例集及对应相似案例集的应急预案集，生成突发事件应急预案；S5：对应急预案效果进行的评估，建立判别函数；S6：将目标案例输入判别函数，生成所述突发事件目标案例的应急预案。进一步的，所述计算所述突发事件目标案例与历史案例的相似度具体为：利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度。同时，利用所述模糊集相似性计算对所述突发事件目标案例与历史案例进行模糊化，分别获取所述突发事件目标案例与历史案例的模糊向量。所述历史案例Cn，计算其模糊向量Vn＝(v1，v2，v3……vk)，其中，vi表示事件模糊化后向量的维度。所述目标案例Y，计算其模糊化后的向量N＝(n1，n2，n3……nk)。从而，利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度具体为：计算目标案例Y与任一历史案例Cn的余弦值，得到模糊相似度集。进一步的，强化学习系统采用贪心算法进行构建，具体包括四元组<X，A，P，R>，其中X表示历史案例集，A表示根据案例选择某一个预案，P表示选择某一预案的概率值ε或1-ε，R表示指的是某一应对预案的效果评价。优选的，所述强化学习系统是通过在突发事件案例集X中使用所述贪心算法进行迭代运算，从而学习到一个判别函数policy，根据所述判别函数，在状态X下就能得知要执行的所述预案A＝policy(X)。所述判别函数优劣取决于所述累计奖赏R，累积奖赏R越大，所述判别函数效率越优，选择判别函数效率优所对应的预案A，构成突发事件应急预案的备选预案集。所述某一预案的概率值ε或1-ε。另外，本专利技术还提供了一种应急预案生成系统，包括：突发事件描述单元，用于对突发事件目标案例进行结构化描述，形成突发事件特征向量；相似度计算单元，与突发事件描述单元相耦合，用于计算所述突发事件目标案例与历史案例的相似度；相似案例集构建单元，与相似度计算单元相耦合，用于对所述相似度设置相似度阈值，选取相似度大于相似度阈值的案例，构建相似历史案例集，及对应相似案例集的应急预案集；强化学习单元，与相似案例集构建单元相耦合，对所述突发事件案例及应对方案进行学习；利用所述相似历史案例集及对应相似案例集的应急预案集，生成突发事件应急预案；应急预案评估单元，与强化学习单元相耦合，用于对应急预案效果进行的评估，建立判别函数；应急预案生成单元，与应急预案评估单元相耦合，将目标案例输入判别函数，生成所述突发事件目标案例的应急预案。进一步的，所述相似度计算单元具体为：利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度。利用所述模糊集相似性计算对所述突发事件目标案例与历史案例进行模糊化，分别获取所述突发事件目标案例与历史案例的模糊向量。所述相似度计算单元对所述历史案例Cn，计算其模糊向量Vn＝(v1，v2，v3……vk)，其中，vi表示事件模糊化后向量的维度。所述相似度计算单元对所述目标案例Y，计算其模糊化后的向量N＝(n1，n2，n3……nk)。所述相似度计算单元计算所述突发事件目标案例与历史案例的相似度具体为：计算目标案例Y与任一历史案例Cn的余弦值，得到模糊相似度集。进一步的，所述强化学习单元采用贪心算法进行构建，具体包括四元组<X，A，P，R>，其中X表示历史案例集，A表示根据案例选择某一个预案，P表示选择某一预案的概率值ε或1-ε，R表示指的是某一应对预案的效果评价。通过在突发事件案例集X中使用所述贪心算法进行迭代运算，从而学习到一个判别函数policy，根据所述判别函数，在状态X下就能得知要执行的所述预案A＝policy(X)。所述判别函数优劣取决于所述累计奖赏R，累积奖赏R越大，所述判别函数效率越优，选择判别函数效率优所对应的预案A，构成突发事件应急预案的备选预案集。所述强化学习单元中的所述某一预案的概率值ε或1-ε。附图说明附图，其被包括以提供本专利技术的进一步理解而且被并入并构成本说明书的一部分，所述附图示出本专利技术的实施例并且连同说明书用来解释本专利技术的原理，在附图中：图1是本专利技术的应急预案生成流程图；图2是道路交通案例结构化表示示意图；图3是构建的应急预案系统示意图；图4是强化学习流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。现在将详细参考本专利技术的实施例，这些实施例的示例在附图中示出。元件的后缀“模块”和“单元”在此用于方便描述，并且因此可以可交换地被使用，而且没有任何可区别的意义或功能。本专利技术实施例提供了一种应急预案生成方法，如图1所示，包括：S1：对突发事件目标案例进行结构化描述，形成突发事件特征向量；S2：计算所述突发事件目标案例与历史案例的相似度；S3：对所述相似度设置相似度阈值，选取相似度大于相似度阈值的案例，构建相似历史案例集，及对应相似案例集的应急预案集；S4：构建强化学习系统，利用所述相似历史案例集及对应相似案例集的应急预案集，生成突发事件应急预案；S5：对应急预案效果进行的评估，建立判别函数；S6：将目标案例输入判别函数，生成所述突发事件目标案例的应急预案。进一步的，所述计算所述突发事件目标案例与历史案例的相似度具体为：利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度。同时，利用所述模糊集相似性计算对所述突发事件目标案例与历史案例进行模糊化，分别获取所述突发事件目标案例与历史案例的模糊向量。所述历史案例Cn，计算其模糊向量Vn＝(v1，v本文档来自技高网...

【技术保护点】
一种应急预案生成方法，包括：S1：对突发事件目标案例进行结构化描述，形成突发事件特征向量；S2：计算所述突发事件目标案例与历史案例的相似度；S3：对所述相似度设置相似度阈值，选取相似度大于相似度阈值的案例，构建相似历史案例集，及对应相似案例集的应急预案集；S4：构建强化学习系统，利用所述相似历史案例集及对应相似案例集的应急预案集，生成突发事件应急预案；S5：对应急预案效果进行的评估，建立判别函数；S6：将目标案例输入判别函数，生成所述突发事件目标案例的应急预案。

【技术特征摘要】
1.一种应急预案生成方法，包括：S1：对突发事件目标案例进行结构化描述，形成突发事件特征向量；S2：计算所述突发事件目标案例与历史案例的相似度；S3：对所述相似度设置相似度阈值，选取相似度大于相似度阈值的案例，构建相似历史案例集，及对应相似案例集的应急预案集；S4：构建强化学习系统，利用所述相似历史案例集及对应相似案例集的应急预案集，生成突发事件应急预案；S5：对应急预案效果进行的评估，建立判别函数；S6：将目标案例输入判别函数，生成所述突发事件目标案例的应急预案。2.如权利要求1所述的应急预案生成方法，所述计算所述突发事件目标案例与历史案例的相似度具体为：利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度。3.如权利要求2所述的应急预案生成方法，所述利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度之前还包括：利用所述模糊集相似性计算对所述突发事件目标案例与历史案例进行模糊化，分别获取所述突发事件目标案例与历史案例的模糊向量。4.如权利要求3所述的应急预案生成方法，对所述历史案例Cn，计算其模糊向量Vn＝(v1，v2，v3……vk)，其中，vi表示事件模糊化后向量的维度。5.如权利要求3所述的应急预案生成方法，对所述目标案例Y，计算其模糊化后的向量N＝(n1，n2，n3……nk)。6.如权利要求2所述的应急预案生成方法，所述利用模糊集相似性计算所述突发事件目标案例与历史案例的相似度具体为：计算目标案例Y与任一历史案例Cn的余弦值，得到模糊相似度集。7.如权利要求1所述的应急预案生成方法，所述强化学习系统采用贪心算法进行构建，具体包括四元组＜X，A，P，R＞，其中X表示历史案例集，A表示根据案例选择某一个预案，P表示选择某一预案的概率值ε或1-ε，R表示指的是某一应对预案的效果评价。8.如权利要求7所述的应急预案生成方法，所述强化学习系统是通过在突发事件案例集X中使用所述贪心算法进行迭代运算，从而学习到一个判别函数policy，根据所述判别函数，在状态X下就能得知要执行的所述预案A＝policy(X)。9.如权利要求7所述的应急预案生成方法，所述判别函数优劣取决于所述累计奖赏R，累积奖赏R越大，所述判别函数效率越优，选择判别函数效率优所对应的预案A，构成突发事件应急预案的备选预案集。10.如权利要求7所述的应急预案生成方法，所述某一预案的概率值ε或1-ε。11.一种应急预案生成系统，包括：突发事件描述单元，用于对突发事件目标案例进行结构化描述，形成突发事件特征向量；相似度计算单元，与突...

【专利技术属性】
技术研发人员：潘维，孙亭，李毅，满青珊，陈思，叶云，黄利，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32