一种突发事件处理方法、系统和存储介质技术方案

本发明专利技术涉及交通管理领域，提供一种突发事件处理方法、系统、存储介质，用于解决道路突发事件处置方式混乱的问题。本发明专利技术提供的一种突发事件处理方法，包括：获取突发事件，确定突发事件的性质；根据突发事件的性质，调用相应性质的突发事件的处置预案；根据处置预案通知处置人对突发事件进行处置；接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息。可以对突发事件进行集中处理，及时安排处置单位对突发事件进行处置，同时可以接收反馈信息，进而对处置预案进行调整优化。

An Emergency Processing Method, System and Storage Media

【技术实现步骤摘要】
一种突发事件处理方法、系统和存储介质
本专利技术涉及交通管理领域，具体涉及一种突发事件处理方法、系统和存储介质。
技术介绍
随着道路交通持续快速发展、交通管理压力不断加大，交通事故数量也在不断的攀升，其危害性已严重影响到我国的可持续发展和社会的稳定。如何提高高速公路交通事故预防和应对能力、控制和降低高速公路交通事故引发的严重社会危害，是高速公路交通安全与应急管理领域研究的热点问题。我国针对此类问题也出台了一系列的法律法规，现阶段我国不同地区和部门在突发事件快速响应与决策支持方面进行了一定的研究工作，但是较多的是一些探索性的研究，未形成系统性的理论体系和应用技术，也没有提出专门针对不同类型高速公路重大突发事件的快速响应与决策支持的理论、技术和方案。综观国内外情况，我国的突发公共事件不断发生给人民的生命财产带来了很大的损失，因此公共突发事件的研究也成为了一个学术热点。很多学者从不同角度研究突发事件的成因、类型、预防等核心问题。应急响应系统、应急指挥系统是各种应急理论、技术的实践，因此，越来越多的学者关注应急响应系统、应急指挥系统，也取得了部分研究成果。但是发现对移动端应急指挥系统的研究不多，已有的研究也不是很透彻。尤其是，根据突发事件预设的处置预案都是僵化的，在应用中得到的改进无法及时有效的更新到预案库中，以及预案的优化调用依赖指挥中心的工作人员，需要较多的工作经验的支撑，极易因人员流动造成事件处置混乱，产生不良的社会影响。
技术实现思路
本专利技术解决的技术问题为道路突发事件处置方式混乱的问题，提供一种突发事件处理方法、系统、存储介质。为了解决上述技术问题，本专利技术提供的技术方案为：一种突发事件处理方法，包括：获取突发事件，确定突发事件的性质；根据突发事件的性质，调用相应性质的突发事件的处置预案；根据处置预案通知处置人对突发事件进行处置；接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息。根据事件性质调用事件的处置预案，根据处置预案通知处置单位进行处置；处置过程中，接收反馈信息，并将反馈信息进行存储。可以对突发事件进行集中处理，及时安排处置单位对突发事件进行处置，同时可以接收反馈信息，进而对处置预案进行调整优化。优选地，还包括：所述接收突发事件处置情况的反馈信息的过程中，若接收到突发事件性质错误的信息，重新确定突发事件的性质，调用相应性质的突发事件的处置预案。事件性质的确定并不是在现场的工作人员确定的，而是根据视频图像进行识别或者指挥中心的人员在远端进行的判断，因此性质确定可能是错误的，进而导致调取的预案是错误的，因此，需要重新调取预案。优选地，所述反馈信息为图片、处置流程的文字记录。反馈信息由处置现场的工作人员上传到云端。优选地，所述处置流程的文字记录为根据处置预案所记载的处置流程中每个步骤的实际操作信息和处置对象的反应。对处置流程进行详细的记录，方便事后对处置预案进行调整优化。优选地，所述收到处置完成的信息后，获取事故处置评价意见，根据事件处置意见优化预案。事件处置完成后收集处置人员的处置意见和处置评价意见，对处置预案进行优化。优选地，根据事件处置意见优化预案的方法为：将事件处置评价意见作为属性情感标签，自动标注事故处置的文字记录形成的数据集；在自动标注数据集上采用谷歌word2vec框架中的Skip-gram模型训练得到预训练的传统语义词向量字典；通过查表，将事件处置的文字记录的句子中的词初始化为词向量；采用深度学习模型ASWV将事故处置意见中蕴含的属性情感信息融入到词向量的训练过程：采用传统神经网络语言模型训练蕴含语义信息的词向量表示；采用深度学习模型学习蕴含属性情感信息的词向量表示；融合语义信息与属性情感信息，训练深度学习模型ASWV，获得属性情感词向量；检查迭代停止条件，如果满足条件，输出属性情感词向量；输出属性情感词向量，将属性情感词向量作为深度神经网络模型的输入层构建情感分析系统对处置预案进行情感分析。根据评价意见对事故处置预案的文字记录进行处理，进而获取以处置预案流程处理的记录为基础的输入向量，获取事件处置中的对处置预案的评价，进而根据评价对预案进行调整；处置预案是可数的，而突发事件及处置过程的记录的数据是海量的，通过人工的方式对突发事件处置预案的应用效果进行评价是较为困难的。优选地，所述对处置预案进行情感分析的方法为：对处置预案信息进行预处理，包括分句、分次、词性标注；对预处理后的文本信息进行特征提取，将文本信息向量化；将向量化的文本信息输入情感分析系统中进行情感倾向性判断。情感分析系统中，将事件处置预案应用过程中的文字记录同最终的评价信息建立了联系，而处置预案中每一个步骤有对应的文字记录，因此处置预案也同评价信息建立联系，进而可以对处置预案进行分析，判断新设计的处置预案或者原有的处置预案是否可以获得较好的评价。一种突发事件处理系统，包括云端，所述云端包括突发事件获取模块、事件性质确定模块、处置预案调用模块、处置任务分配模块、反馈信息接收模块、存储模块；所述突发事件获取模块获取突发事件，所述事件性质确定模块确定突发事件的性质；根据突发事件的性质，所述处置预案调用模块调用相应性质的突发事件的处置预案；所述处置任务分配模块根据处置预案通知处置人对突发事件进行处置；所述反馈信息接收模块接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息，所述存储模块存储反馈信息。可以对突发事件进行集中处理，及时安排处置单位对突发事件进行处置，同时可以接收反馈信息，进而对处置预案进行调整优化。优选地，还包括现场处置端，所述现场处置端包括处置流程记录模块、通讯模块，所述处置流程记录模块获取处置流程的文字记录，所述处置流程的文字记录为根据处置预案所记载的处置流程中每个步骤的实际操作信息和处置对象的反应。处置流程进行详细的记录，方便事后对处置预案进行调整优化。一种突发事件处理的存储介质，存储有可被执行上述的方法的程序。与现有技术相比，本专利技术具有的有益效果为：可以对突发事件进行集中处理，及时安排处置单位对突发事件进行处置，同时可以接收反馈信息，进而对处置预案进行调整优化；据评价意见对事故处置预案的文字记录进行处理，进而获取以处置预案流程处理的记录为基础的输入向量，获取事件处置中的对处置预案的评价，进而根据评价对预案进行调整；处置预案是可数的，而突发事件及处置过程的记录的数据是海量的，通过人工的方式对突发事件处置预案的应用效果进行评价是较为困难的，因此通过深度学习来对处置预案进行优化，是提高突发事件处理效率的重要方法。附图说明图1为一种突发事件处理方法的流程示意图。图2为一种突发事件处理方法的另一种流程示意图。图3为一种突发事件处理方法的另一种流程示意图。图4为一种突发事件处理系统的示意图。图5为一种突发事件处理系统的另一种示意图。具体实施方式以下实施例是对本专利技术的进一步说明，不是对本专利技术的限制。实施例1一种突发事件处理方法，在本申请的一些实施例中，如图1所示，包括：获取突发事件，确定突发事件的性质；根据突发事件的性质，调用相应性质的突发事件的处置预案；根据处置预案通知处置人对突发事件进行处置；接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息。根据事件性质调用事件的处置预案，本文档来自技高网...

【技术保护点】
1.一种突发事件处理方法，其特征在于，包括： 获取突发事件，确定突发事件的性质；根据突发事件的性质，调用相应性质的突发事件的处置预案；根据处置预案通知处置人对突发事件进行处置；接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息。

【技术特征摘要】
1.一种突发事件处理方法，其特征在于，包括：获取突发事件，确定突发事件的性质；根据突发事件的性质，调用相应性质的突发事件的处置预案；根据处置预案通知处置人对突发事件进行处置；接收突发事件处置情况的反馈信息，存储反馈信息至收到处置完成的信息。2.根据权利要求1所述的一种突发事件处理方法，其特征在于，还包括：所述接收突发事件处置情况的反馈信息的过程中，若接收到突发事件性质错误的信息，重新确定突发事件的性质，调用相应性质的突发事件的处置预案。3.根据权利要求1所述的一种突发事件处理方法，其特征在于，所述反馈信息为图片、处置流程的文字记录。4.根据权利要求1所述的一种突发事件处理方法，其特征在于，所述处置流程的文字记录为根据处置预案所记载的处置流程中每个步骤的实际操作信息和处置对象的反应。5.根据权利要求1所述的一种突发事件处理方法，其特征在于，所述收到处置完成的信息后，获取事故处置评价意见，根据事件处置意见优化预案。6.根据权利要求1所述的一种突发事件处理方法，其特征在于，根据事件处置意见优化预案的方法为：将事件处置评价意见作为属性情感标签，自动标注事故处置的文字记录形成的数据集；在自动标注数据集上采用谷歌word2vec框架中的Skip-gram模型训练得到预训练的传统语义词向量字典；通过查表，将事件处置的文字记录的句子中的词初始化为词向量；采用深度学习模型ASWV将事故处置意见中蕴含的属性情感信息融入到词向量的训练过程：采用传统神经网络语言模型训练蕴含语义信息的词向量表示；采用深度学习模型学习蕴含属性情感信息的词...

【专利技术属性】
技术研发人员：董军，汤海天，文斌，吴家霖，林越奋，庄文盛，
申请(专利权)人：广州市高速公路有限公司营运分公司，广州交投机电工程有限公司，
类型：发明
国别省市：广东,44