基于案例推理的應急輔助決策方法研究

（大連理工大學 管理學院， 遼寧 大連 116024）

摘 要：將案例推理的方法應用到應急決策中，為應急決策提供了一種實用的科學輔助方法。在分析了應急案例特征的基礎上設計了一種基于概念樹—突發事件本體模型—事件元模型三層架構的應急案例通用的案例描述與組織方法；根據應急案例屬性復雜及屬性值缺失的問題設計了基于結構相似度和屬性相似度雙層結構的案例全局相似度計算算法，避免了傳統最近相鄰算法中的屬性值缺失問題；最后通過基于案例推理的應急輔助決策原型系統的開發使設計方法得以實現，證明了該方法具有較好的實用性。

關鍵詞：案例推理；應急輔助決策；本體模型；事件元模型

中圖分類號：TP39文獻標志碼：A

文章編號：1001-3695(2009)04-1412-04

Research on method of emergency aid decision-making based on CBR

ZHANG Ying-ju，ZHONG Qiu-yan，YE Xin，QU Xiao-fei

(School of Management， Dalian University of Technology， Dalian Liaoning 116024， China)

Abstract:This paper applied the method of case-based reasoning to emergency aid decision-making in order to provide a kind of efficient and applicable method to emergency decision-making.Proposeda universal method for describing and organizing emergency cases based on three-tier architecture at first， then designed a kind of similarity algorithm based on two-layer structure according to attribute features of emergency cases， to avoid the defect of traditional nearest neighbor algorithm.Finally，proposed the method in the proved to be applicable by the example in the CBR prototype system.

Key words:case-based reasoning(CBR);emergency aid decision-making；ontology model; meta-event model

0 引言

突發事件的發生往往出乎人們意料，它不僅嚴重威脅人民的生命安全，而且危害經濟發展和社會穩定。尤其在“9#8226;11”及“非典”發生后，突發事件的及時應對與高效處置越來越受到人們的重視。如何依靠智能化的工具和方法來輔助處于一定的時間約束和心理壓力之下的應急決策者進行高效的應急決策已經成為人們日益關注并且迫切希望得到解決的問題。

案例推理（case-basedreasoning，CBR）是目前人工智能中一種新興的推理方法[1]，最早起源于美國耶魯大學Roger Schank教授[2]在其1982年的著作《Dynamic Memory》中所作的描述。它是一種模仿人類推理和思考過程的方法論，也是一種構建智能計算機系統的方法論。CBR來源于人的認知心理活動：人們在面臨一個新問題時，往往把以前使用過的與該問題類似的案例聯系起來，運用過去解決該事例的經驗和方法來解決當前問題。聯想到突發事件的輔助決策問題筆者得到啟發：突發事件頻頻發生，雖然突發事件的種類繁多、處置方法不盡相同，但是針對當前發生的某個突發事件而言，歷史上一般都或多或少地存在比較相近的案例，那么用何種方法能夠快速檢索出這些相似案例，并且如何界定案例的相似程度以便于把最相似案例的解決方案提供給決策者輔助他們對當前的突發事件進行決策呢？這恰恰符合了CBR方法解決問題的思路。本文將CBR方法引入到應急輔助決策問題中，無論是對于處理低水平的危機信息，還是幫助處于復雜決策環境、面臨很大心理壓力的決策者，參照相似歷史案例對當前的應急事件進行決策都具有十分重大的意義。

目前國內外學者對基于案例推理的應急輔助決策方法進行了一定的研究。例如汪季玉等人[3]給出了一個基于CBR的應急決策支持系統的理論體系框架；Zhang等人[4]給出了一個集成了CRB推理方法的災難救助輔助決策支持的理論知識管理框架；F. Ricci等人[5]從如何利用案例推理的方法制定森林火災救援計劃的角度進行了研究；劉烯[6]把CBR方法應用到城市火災事故的決策指揮中進行了探討。通過分析這些文獻發現，他們或是從理論探討的角度給出一個CBR在應急輔助決策領域應用的理論框架，或是只針對某一類特定的突發事件來進行研究，而從通用于所有類型的突發事件以及從實際的應急工程項目應用的角度探討CBR方法如何在應急輔助決策中進行應用的研究很少。本文依托實際工程項目應用背景，研究了基于案例推理的應急輔助決策方法，同時更注重了方法的實際應用。

1 應急案例的特點及通用描述方法

1.1 應急案例的特點

要把發生過的應急案例表達為計算機可以識別的形式以便于推理并輔助應急決策，就需要采用適合于應急案例特點的表達和存儲方式。為此，總結應急案例的特征如下：

a）應急案例涉及的領域多。根據國家總體預案中對突發公共事件的分類，突發事件可以分為四大類，即自然災害類、事故災難類、公共衛生類、社會安全類。每一類又具體包括很多類別，如自然災害類包括臺風、暴雨、地震等?？梢?，應急事件涉及很多專業領域，而每個專業領域的知識體系具有很大的差異，因而很難充分完整地描述出應急事件問題的所有描述屬性集合。雖然不同類型的應急事件包含的屬性內容不同，但是經過分析發現，根據應急案例中屬性所含信息量和信息類型的不同，應急案例中的屬性主要可以歸并為四大類型的屬性值，分別為確定數字屬性值(crisp numeric，CN)，如風速；確定符號屬性值(crisp symbolic，CS)，如移向；模糊概念屬性值(fuzzy linguistic，FL)，如溫度變化的取值（大、較大、中、較小、小）；模糊數或模糊區間屬性值(fuzzy numeric，fuzzy interval，FNI)，模糊數屬性如持續時間約為4天，模糊區間屬性如受災范圍為北緯30°45′~31°43′、東經102°51′~103°44′。

b）應急案例的結構性差、概念不規范。實現應急案例推理的前提是把歷史上的典型應急案例按照結構化的形式進行表達和存儲。而現存的應急案例一般多是基于文本的非結構化形式的案例，需要把這種結構化很差且概念不規范的應急案例表達為統一格式的規范化案例，以便于計算機的統一存儲、識別與檢索。

c）每個應急案例往往耦合有多個不可再分的事件（稱為元事件），如一個地震案例可能包括暴雨、泥石流、瘟疫等多個元事件；每個元事件又包含有多個變化狀態。因此，目前的應急案例大多是以突發事件的多個不同元事件的狀態來記錄突發事件從發生到處置完畢的整個過程。

1.2 應急案例的通用描述與組織

根據上面的分析，需要設計出一種可以覆蓋四大類突發事件及完整描述應急案例多個元事件及狀態信息的通用的案例描述與組織方法，同時還要解決由于目前應急案例的非結構化、非規范化帶來的概念名稱不統一的問題。為此，本文設計了基于三層架構的應急案例描述與組織模式，即全局概念樹—突發事件本體模型—事件元模型。首先參照《中國分類主題詞表》建立了突發事件的全局概念樹體系。概念樹是一個分類和主題一體化的詞表，通過分類、統一、規范應急領域的概念、名稱，給案例推理提供規范化、通用的數據環境。此外，基于概念樹統一平臺，根據突發事件的共性特征建立起了突發事件的本體模型（所有的突發事件共有的、不隨著突發事件的種類變化的屬性構成的描述集合稱為突發事件的本體模型）。突發事件除了共有特征外不同種類的突發事件還有很多個性特征。因此，根據不同種類突發事件的個性特征建立起突發事件元模型（描述某一類特定的突發事件的共性知識的本體模型），即事件元模型中繼承了突發事件本體模型的共性特征外還包括事件個性特征，如地震元模型中既包括突發事件本體模型中的案例名稱、發生地點等突發事件共性特征，還包括震級、震中等地震案例個性特征。本體模型和元模型都是基于突發事件概念樹來建立的，實現了案例描述的概念規范化和通用化。當要描述某一具體應急事件時，調用相應的事件元模型，基于案例的不同元事件、不同狀態輸入應急事件的各個元事件及狀態下的屬性值即可完成對某一個具有多個元事件及狀態的應急事件的規范化描述。

2 應急案例相似度算法設計

案例推理方法的核心是案例相似度算法的設計。最近相鄰算法（nearest neighbor algorithm）是CBR檢索算法中最常用的算法之一[7]。應用傳統最近相鄰算法時，首先計算出案例屬性相似度，然后根據屬性的權值計算案例之間的加權相似度，這就要求案例的屬性值不能為空。由于應急案例屬性復雜而繁多，存在歷史案例信息的不完備或者決策者對案例的描述不完備的情況，應急案例相似度檢索算法需要解決兩個難點：如何解決應急案例屬性值缺失問題；如何根據應急案例屬性復雜而繁多的特征設計應急案例屬性相似度算法。為此，本文在傳統的最近鄰算法基礎上提出一種基于結構相似度和屬性相似度的雙層結構的案例相似度計算方法，可以避免傳統最近相鄰算法的屬性值缺失問題；另一方面根據應急案例特征的分析，為應急案例四大類型的屬性分別設計了不同的相似度計算算法。

2.1 結構相似度算法設計

假定源案例a與目標案例b進行匹配，則結構相似度計算算法描述如下：

a)計算源案例a的所有的非空屬性構成的集合，記為A；

b)計算目標案例b的所有非空屬性構成的集合，記為B；

c)計算A與B的交集和并集，分別記為C和D；

d)計算交集C中所有屬性的權重之和，記為w1；

e)計算并集D中所有屬性的權重之和，記為w2；

f)案例a和b的結構相似度記為S，則作如下定義：

S=w1/w2（1）

結構相似度算法只計算源案例和目標案例的非空屬性集的交集屬性的相似度，即屬性值為空的屬性不參與相似度計算，這樣就有效地避免了屬性值缺失問題。

2.2 屬性相似度算法設計

1）確定數屬性 確定數屬性的相似度有很多計算方法，這里采用基于海明距離公式[8]演化而來的一種計算確定數值型屬性的相似度方法，如式(2)所示。

sim(Xi，Yi)=1-dist(Xi，Yi)=1-|xi-yi|/|maxi-mini|（2）

其中：sim(Xi，Yi)表示案例X和Y的第i個確定數屬性的相似度；xi、yi分別表示案例X和Y的第i個屬性的值；maxi和mini分別表示第i個屬性的最大和最小值。需要說明的是，每個CN類型的屬性需要已知該屬性的取值范圍。

2）確定符號屬性 確定符號屬性值屬于一種簡單枚舉值，它列舉了該屬性所有可能的取值，屬性值之間不存在實際意義的量的關系，相似度計算式為

sim(Xi，Yi)=1 xi=yi or xiyi

0 xi≠yi(3)

3）模糊屬性 對于模糊概念 FL和模糊數FN或模糊區間FI類模糊屬性，采用隸屬函數來計算屬性間的相似度。如模糊評價屬性{很好、較好、一般、較差、很差}屬于模糊概念屬性。由于評價者對模糊概念的認同度有所差別，可采用百分制將這類模糊評價屬性進行模糊處理。關于模糊概念屬性的隸屬函數，本文參考文獻[8]設計的隸屬函數計算模糊概念屬性的相似度。

對于模糊數或模糊區間屬性，可由領域知識對其模糊處理，如降雨量可定義為模糊數屬性，中心氣壓可定義為模糊區間屬性。為了計算簡便，本文采用基于梯形的模糊集合來模擬模糊屬性，其形狀函數可以表示為

L(x)=R(x)=max(0，1-x)（4）

隸屬函數的模糊集合如式（5）所示。

LF(x)=L[（m-x）/p] x＜m

1m≤x≤

R[(x-)/q]x＞(5)

式中m、、 p、q是參數。對于三角形模糊集合，m=。p 和q隨屬性的不同而不同。一般地，對于模糊概念屬性FL，p和q由領域專家確定；而對于模糊數或模糊區間屬性，p和q的值分別為cm和c，c的默認值一般為 0.1。

本文采用基于隸屬函數的相似度計算方法，通過計算兩個隸屬函數對應面積的重疊率作為模糊集合間的相似度，計算起來既簡單又準確。具體計算如式(6)所示。

sim(xi，yi)=A(xi∩yi)/A(xi∪yi)=

A(xi∩yi)/[A(xi)+A(yi)-A(xi∩yi)]（6）

其中：A代表模糊集合的對應隸屬函數的面積；xi∩yi代表兩個模糊集合的交。根據模糊屬性的相似度算法就可以計算出模糊屬性的相似度。算法詳見文獻[9]，限于篇幅，不再贅述。

2.3 案例全局相似度的計算

本文在傳統的最近相鄰算法的基礎上設計了如下案例全局相似度計算方法：

sim(X，Y)=Smi=1wi sim(Xi，Yi) （7）

其中:sim(X，Y)表示案例X和Y的案例全局相似度；S為案例的結構相似度；wi為案例X和Y交集屬性集中的第i個屬性在參與匹配的屬性中所占的權重，且所有權重取值之和為1；sim(Xi，Yi)表示案例X和Y在交集屬性集中第i個屬性上的局部相似度。

在計算案例相似度過程中，還涉及到屬性權重和屬性類別確定的問題。本文采用領域專家設定權重的方法，可以提供專家設定權重的接口，并且設定后可以根據情況對權重進行修改編輯。屬性類別采用系統默認的方式，允許有權限的用戶根據實際情況進行修改設置。

3 基于案例推理的應急輔助決策過程

考慮到上文提到的每個應急案例大多不只包含一個元事件，并且每個元事件具有多個狀態，而應急決策方案是隨著狀態的不斷發展而不斷調整的。本文設計的應急輔助決策中的案例推理方法是基于應急案例元事件狀態之間的相似檢索，即該方法根據對目標應急案例中某個元事件輸入的某一特定狀態的屬性值，到案例庫的源案例中搜索相似的元事件案例狀態，計算目標案例狀態和源案例狀態的全局相似度；找到與目標案例狀態相似的案例狀態，并按相似度由大到小的順序輸出前10個相似案例狀態的編號及處置方案，輔助決策者對目標案例作出正確決策。

為了證明基于案例推理的應急輔助決策方法的實用性，筆者用Java語言實現了以上設計的應急案例檢索的相似度算法，用關系數據庫技術實現了基于三層架構的應急案例的通用表示與組織模式，采用JavaScript作為前臺開發工具，后臺用SQL Server作為數據庫服務器，建立了基于案例推理的應急輔助決策原型系統。原型系統的體系結構如圖1所示。

基于案例推理的應急輔助決策原型系統運行步驟如下：

a)應急事件信息輸入?；趹鳖I域概念樹的統一平臺，用戶選擇應急事件對應的事件元模型，輸入元模型中對應的各變量值（如果案例具有多個元事件及狀態，則按照元事件—狀態分別輸入），完成應急事件的信息標準化輸入。

b)案例匹配。調用相似度計算算法，并且訪問案例庫，逐個計算當前應急事件的某一元事件的某個特定狀態和應急案例相應類型的元模型的各個狀態的相似度，最后按照相似度從大到小的順序輸出前10個案例狀態的行動方案。

c)方案修正。訪問知識庫，結合當前發生的應急事件的特征及知識庫中存儲的專家知識及規則對相似案例的行動方案進行修正。

d)決策方案生成。將修正后的方案輸出，作為指導意見提供給用戶。

e)方案評價及保留。對當前事件處理后，對方案進行效果評價，并根據案例自學習策略將符合條件的新的案例加人到案例庫中，以備以后求解問題使用。

4 實例分析

筆者以臺風為例，選取了20個我國近幾年發生的臺風案例作為測試用例裝載到原型系統的案例庫中，以檢驗該方法的有效性。

筆者通過原型系統的應急事件信息錄入界面錄入臺風X的狀態名稱為x的一個狀態的全部屬性信息（其中屬性類別及權重是已經設置好并存放在數據庫屬性管理表中的，實際應用時系統將自動調用相應的值）。案例名稱為Y，狀態名稱為y的記錄為案例庫中已經存在的一條臺風案例記錄（其中X表示臺風案例“碧利斯”；x為臺風元事件狀態1；Y表示臺風案例“蝴蝶”；y為臺風元事件狀態2）。以上兩個記錄進行相似度計算的結果如表1所示。

表1 應急決策中的案例推理方法應用實例

屬性名稱類別權重臺風X 臺風Y屬性相似度

案例IDCS00010020

案例名稱CS0XY0

狀態IDCS0xy0

持續時間/dFN0.14空0

所在經度CN0.1121°2′(E) 121°3′(E)0.999

所在緯度CN0.114°35′(N) 23°5′(N)0.898

中心氣壓/hpaCN0.19909920.985

風速/m/sCN0.120201

移向CS0.1西北西北1

臺風等級CN0.1221

風力/gradeCN0.1881

移速/k/hCN0.125200.5

降雨量/mmFN0.1 601000

說明：本文為簡化計算，將屬性權重作等值處理，即根據參加匹配計算的屬性個數，每個屬性權重均設為0.1。但由于其中的Y案例的持續時間屬性值為空，非空屬性權重和不為1，需要重新進行歸一化處理。計算出屬性加權相似度為0.999×0.111+0.898×0.111+0.111×4+0.985×0.111+0.5×0.111=0.819 4；結構相似度S=（0.1×7+0.2）/1=0.9。

案例總的相似度為0.9×0.8194=0.738，與系統運行得到的0.738吻合。案例檢索中實例匹配的計算結果界面如圖2所示（圖2中的第5行為本文所舉實例）。

以上實例中，計算了“碧利斯”臺風的元事件狀態1和“蝴蝶”臺風的元事件狀態2的相似度，相似度為0.738；還可以計算出其余臺風的各個狀態和“碧利斯”臺風元事件狀態1的相似度，并且按照相似度從大到小的順序輸出前10個臺風元事件狀態ID（限于篇幅，此處不再詳細描述其余案例元事件狀態與“碧利斯”臺風元事件狀態1的匹配過程及結果）。根據元事件狀態ID搜索出相似狀態對應的行動方案，輔助決策者對臺風“碧利斯”當前的x狀態給出應急指揮決策方案。

此外，系統具備案例庫的學習功能。假如系統的自學習策略中專家用戶設定的閾值為0.6（即相似度大于閾值時，系統認為當前事件與案例庫中的案例相似，不再加入到案例庫中）。由于本文列舉的實例中案例間的相似度0.738>0.6，對X處理后的方案和案例X本身都不加入到案例庫中。

5 結束語

為了實現應急輔助決策中的案例推理，本文首先總結了應急領域案例的特征，設計了基于三層架構的通用應急案例描述與組織模式；其次，根據應急案例屬性復雜及屬性值缺失的問題，設計了基于結構相似度和屬性相似度雙層結構的案例相似度計算算法，克服了傳統最近相鄰算法中的屬性值缺失問題；最后，通過建立的應急輔助決策中的案例推理原型系統的實例證明了該方法的實用性。應急輔助決策中的案例推理通過為決策者提供與當前發生的應急事件類似的歷史案例的成功處置方案，為決策者提供一種直接而有效的輔助決策方法，可以極大地提高決策者臨機決策的能力，從而節省寶貴的時間，最大程度地降低突發事件造成的各種損失。

當然，由于應急輔助決策是目前應急領域中一個極其復雜而且比較新的研究課題，本文所設計的應急指揮決策中的案例推理方法不可避免地還存在一些問題需要進一步解決。比如，如何為文本屬性的匹配設計適當的相似度算法；如何提高應急案例表示的靈活性和通用性，以及如何提高應急案例庫的自學習性能等問題都有待進一步研究與探討。

參考文獻：

［1］

史忠植.高級人工智能[M].北京:科學出版社，1998.

[2]SCHANK R.Dynamic memory:a theory of reminding and learning in computers and people[M].Cambridge：Cambridge University Press，1982.

[3]汪季玉，王金桃.基于案例推理的應急決策支持系統研究[J].管理科學，2003，16（6）：46-48.

［4］ZHANG Dong-song，ZHOU Li-na，Jr NUNAMAKER J F.A knowledge management framework for the support of decision making in humanitarian assistance/disaster relief[J].Knowledge and Information Systems，2002，4(3):370-385.

[5]RICCI F，AVESANI P，PERINI A.Cases on fire:applying CBR to emergency management[J].The New Review of Applied Expert Systems，1999，5(6):175-190.

[6]劉烯.面向城市應急指揮的智能決策系統的研究與實現[D].廣州:廣東工業大學，2007.

[7]WATSON L.Applyingcase-basedreasoning technique for enterprise systems[R].San Francisco：University of Salford，Morgan Kaufmann Publishers Inc.

[8]DVIR G，LANGHOLZ G，SCHNEIDER M.Matching attributes in a fuzzy case based reasoning[C]//Proc of the 18th International Conference of the North American on Fuzzy Information Processing Society，1999:33-36.

[9]張本生，于永利.CBR系統案例搜索中的混合相似度方法[J].系統工程理論與實踐，2002，22（3）:131-136.

[10]路云，吳應宇，達慶利.基于案例推理技術的企業經營決策支持模型設計[J].中國管理科學，2005，13(2):81-86.