应急预案数字化生成方法技术

本发明专利技术涉及铁路系统应急预案建设技术领域的一种应急预案数字化生成方法。首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。本发明专利技术可以给突发事件的应急处置提供快速、准确的、直接性的参考，使突发事件的损失降到最低。

【技术实现步骤摘要】
应急预案数字化生成方法
本专利技术涉及应急预案数字化生成方法，尤其涉及铁路系统的应急预案以及应急处置流程数字化的方法，属于铁路系统应急预案建设

技术介绍
目前，我国铁路部门建立起了铁道部、路局、站段三级应急管理体系，针对常见的突发事件，都已有了较为完备的应急预案。然而目前的预案都是以文本的形式存在，利用效率低，不能满足突发事件的处置快速准确的要求，因此应急预案的数字化必将成为其发展方向。我国对于数字化应急预案的流程分析，建模研究较少，这也是应急管理中的薄弱环节，可以说，目前我国数字化应急预案研究尤其是铁路系统数字化应急预案，依旧处于一种原始的、启蒙的状态。
技术实现思路
本专利技术的目的是针对目前应急预案流程分析、数字化建模技术的不足，提出了一种应急预案数字化生成方法。一种应急预案数字化生成方法，该方法包括以下步骤：步骤1：将原有预案分解生成数字化应急预案库；步骤2：当有突发事件时，根据突发事件，生成其应急预案的信息维度步骤3：将突发事件生成的信息维度与预案库中信息维度中相关目标的内容进行匹配，选择出相似度最高的预案；步骤4：根据相似度最高的预案，提取相似度最高的预案的过程维度信息生成初步处置流程；步骤5：对生成的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，并对不合法或错误的流程进行修订，得到合理的处置流程；步骤6：根据步骤5得到的应急处置流程，对突发事件进行处置，处置结束；当事故的现场有新突发事件情况时，转步骤2，从而循环执行上述流程直到处置结束。步骤7：在处置结束后，将步骤6所述应急处置流程即过程维度完善其他维度信息，形成新的数字化处置预案存入预案库，以便以后使用。所述将原有应急预案分解生成数字化应急预案库方法如下：将原有的文本式的应急预案分解，形成包括信息维度、组织维度、资源维度、功能维度、过程维度在内的5个维度的数字化预案；所述信息维度包括两部分：一是该应急预案的基本信息，包括编制部门、编制时间、版本号；二是该应急预案对应的突发事件的信息，包括事件类型，事件等级、伤亡情况；组织维度，是该单位的工作人员的信息数据；资源维度，是从资源配置的角度对应急过程进行描述的信息数据；过程维度是预案中的关键维度，由应急处置过程中的一系列子任务构成，这些子任务作为可以直接执行的抽象实体，自身又包含属性：名称、功能、目标、执行人员、使用资源、时限、开始条件、结束条件中的一个或多个；过程维度研究就是将这些任务按其约束关系，组织成为有一定层级结构的过程；功能维度从各应急组织或者部门的功能职责角度对应急处置流程进行描述，补充了组织维度和过程维度仅对应急组织分级和任务步骤流程关注的局限，增加了组织功能、任务目标与流程步骤之间的关联，辅助应急预案形式化；每个分解后的预案即可以数字化的形式存储，尽可能多的将文本预案转化成这种形式从而得到覆盖面较全的数字化应急预案库。所述将根据突发事件生成的信息维度与应急预案数字化库中信息维度中相关目标的内容进行匹配方法如下：假设目标事件α与事件β进行匹配，α和β分别使由m个属性进行描述α＝{a1,a2,a3...am}，β＝{b1,b2,b3...bm}与各属性的权重分别为wi,i＝1,2,3,4...m,则α和β之间相似度SIM(α,β)的计算方法表示如下：其中，ωα,β表示α和β的结构相似度，它描述了缺失的属性数据对于事件间相似度计算的影响，1-α,β表示了案例α和β间属性的可替代程度，sim(ai,bi)表示案例α和β的在属性i上的局部相似度；事件α与事件β的事件全局相似度SIM(α,β)和属性的局部相似度sim(ai,bi)的取值范围均为[0,1]，取值越高表示相似程度越高；1)相似度的计算目标事件α和事件β结构相似度的计算过程如下：假设目标事件所有非空属性组成的集合为A0，源事件非空属性组成的集合为A1；计算为A0与A1的交集记为I，并集记为U；分别计算集合I与U中所有属性的权重之和分别记为ωI和ωU，则α和β的结构相似度的定义为：2)属性局部相似度的计算属性局部相似性指事件在各属性上的相似性，突发事件属性类型一般包括符号型、数值型，根据不同数据类型规定相应的属性局部相似性度量。符号型属性相似度算法：符号型数据属于一种简单的枚举值，它列举了该属性所有可能的取值。他们的相似度计算如下：其中ai,bi表示目标事件α和β在属性i上的取值。确定数型属性相似度算法：这里采用基于海明距离公式演化来的相似度方法，计算如下：其中ai,bi表示α和β在属性i上的取值，maxi和mini表示属性i的最大值和最小值；对于每个确定数型的属性在计算相似度时都需要事先确定其取值范围；3)目标事件α和事件β属性间的差异程度α,β的计算由于属性之间往往不能相互替代，这里引入了“变异指标”来对属性之间的可替代性进行量化；变异指标反映的是总体中各单位间的差异程度，差异程度越大就越难以被代替；其计算方法如下：其中，为事件α和事件β各属性相似度的平均值，σα,β为事件α和事件β各属性相似度值的方差。4)事件特征属性权重的计算这里采用属性层次模型(AttributeHierarchicalModelAHM)来对事件各特征属性的权重值进行计算；所述属性层次模型(AttributeHierarchicalModelAHM)事先需要根据调研确定事件特征属性作为索引，然后根据表1所示的方式对各个属性间的相对重要性进行打分评定；表1属性间的重要度评定在得到属性ai和aj的相对重要度关系aij后，通过公式(7)对属性间的转移重要度uij进行计算，uij是属性ai对属性aj的转移重要度；其中，i＝1,2,3,...,m；j＝1,2,3...,m.；之后利用公式(8)对属性的转移重要度进行计算，得到最终的各个属性的权重wj：其中，n为事件C所包含的属性个数；匹配结束后会得到一匹配集，这里匹配集可能为空，也可能存储唯一的应急预案，也可能存在多个应急预案；如果存在多个应急预案，则以列表的形式将应急预案对应的应急处置流程按照匹配程度倒序展示出来，由应急处置相关人员选择最优解；如果匹配集为空，则调整维度信息，删减部分属性特征，重新进行匹配，直到匹配集不为空所述提取相匹配的原有预案的过程维度信息初步生成处置流程，数字化应急预案中的过程维度中存储的信息即应急处置流程信息，因此直接提取匹配度最高的应急预案中的过程维度，即可得到该事件下的处置流程。所述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方法为：：数字化应急预案模型中的每个应急处置流程单元，都看作是一个场景，因此具有isStartScenario(是初始场景)，isEndScenario(是结束场景)，hasNextScenario(具有下一场景)，hasPreScenario(具有前一场景)特性，检验应急处置路程的正确性即可转化为检验各个场景的顺序或并发约束关系；若生成的应急处置流程单元场景具有下面情况中的任意一中，则该流程错误：(1)缺少初始场景或者结束场景；(2)没有到达结束场景；(3)能到达结束场景，但有场景被遗漏；(4)各场景间的约束关系不正确。所述将步骤6所述应急处置流程即过程维度完善其他维度信息为在已经得到应急处置流程即过程维度基础上本文档来自技高网...

【技术保护点】
一种应急预案数字化生成方法，其特征在于，该方法包括以下步骤：步骤1：将原有应急预案分解生成数字化应急预案库；步骤2：根据突发事件的类型、等级、伤亡情况，生成该事件下应急预案的信息维度；步骤3：将根据突发事件生成的信息维度与应急预案数字化库中信息维度相关目标的内容进行匹配，选择出相似度最高的预案；步骤4：根据相似度最高的预案，提取相似度最高的预案的过程维度信息生成初步处置流程；步骤5：对生成的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，并对不合法或错误的流程进行修订，得到更为合理的处置流程案；步骤6：根据步骤5所得处置流程，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，并转向步骤2，从而，循环执行上述流程直到处置结束。

【技术特征摘要】
1.一种应急预案数字化生成方法，其特征在于，该方法包括以下步骤：步骤1：将原有应急预案分解生成数字化应急预案库；步骤2：根据突发事件的类型、等级、伤亡情况，生成该事件下应急预案的信息维度；步骤3：将根据突发事件生成的信息维度与应急预案数字化库中信息维度相关目标的内容进行匹配，选择出相似度最高的预案；步骤4：根据相似度最高的预案，提取相似度最高的预案的过程维度信息生成初步处置流程；步骤5：对生成的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，并对不合法或错误的流程进行修订，得到更为合理的处置流程案；步骤6：根据步骤5所得处置流程，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，并转向步骤2，从而，循环执行上述流程直到处置结束；所述将根据突发事件生成的信息维度与应急预案数字化库中信息维度中相关目标的内容进行匹配，方法如下：假设目标事件α与事件β进行匹配，α和β分别是由m个属性进行描述α＝{a1,a2,a3...am}，β＝{b1,b2,b3...bm}与各属性的权重分别为wi,i＝1,2,3,4...m,则α和β之间相似度SIM(α,β)的计算方法表示如下：其中，ωα,β表示α和β的结构相似度，它描述了缺失的属性数据对于事件间相似度计算的影响，表示了案例α和β间属性的可替代程度，sim(ai,bi)表示案例α和β的在属性i上的局部相似度；事件α与事件β的事件全局相似度SIM(α,β)和属性的局部相似度sim(ai,bi)的取值范围均为[0,1]，取值越高表示相似程度越高；1)结构相似度的计算目标事件α和事件β结构相似度的计算过程如下：假设目标事件所有非空属性组成的集合为A0，源事件非空属性组成的集合为A1；计算为A0与A1的交集记为I，并集记为U；分别计算集合I与U中所有属性的权重之和分别记为ωI和ωU，则α和β的结构相似度的定义为：2)属性局部相似度的计算属性局部相似性指事件在各属性上的相似性，突发事件属性类型包括符号型、数值型，根据不同数据类型规定相应的属性局部相似性度量——符号型属性相似度算法：符号型数据属于一种简单的枚举值，它列举了该属性所有可能的取值；他们的相似度计算如下：其中ai,bi表示目标事件α和β在属性i上的取值；数值型属性相似度算法：这里采用基于海明距离公式演化来的相似度方法，计算如下：其中，ai,bi表示α和β在属性i上的取值，maxi和mini表示属性i的最大值和最小值；对于每个数值型属性在计算相似度时都需要事先确定其取值范围；3)目标事件α和事件β属性间的差异程度的计算由于属性之间往往不能相互替代，这里引入了“变异指标”来对属性之间的可替代性进行量化；变异指标反映的是总体中各单位间的差异程度，差异程度越大就越难以被代替；其计算方法如下：其中，为事件α和事件β各属性相似度的平均值，σα,β为事件α和事件β各属性相似度值的方差；4)事件特征属性权重的计算这里采用属性层次模型(AttributeHierarchicalModelAHM)来对事件各特征属性的权重值进行计算；所述属性层次模型(AttributeHierarchicalModelAHM)事先需要根据调...

【专利技术属性】
技术研发人员：王子洋，杜渺，秦勇，贾利民，赵忠信，钟玲玲，朱婕，于鸿飞，李倩，李文宇，朱鹏，刘利忠，刘瑜，梁平，王金利，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11