公路突發事件應急預案自動生成系統開發及應用*

劉　君，胡偉超，孫廣林

(公安部道路交通安全研究中心 道路安全研究室，北京 100062)

0　引言

公路交通是經濟社會發展的重要基礎和支柱，確保公路交通安全、暢通是維護社會穩定、服務經濟發展的必然要求。國外相關研究表明[1-9]，公路交通事故致死率與應急救援效率直接相關。法國民政部門統計、分析了傷害事件發生后傷員救助成活的幾率與獲救時間之間的關系，結果顯示：傷員在30 min內獲救的生存幾率可達80%，在60 min內獲救其生存幾率則降至40%，如果獲救時間為90 min，則生存幾率僅在10%以下[4]。日本一項關于高速公路交通事故死亡案例的調查發現，人員致傷后30 min內死亡的比率高達73.6%，致傷后30 min～2 h內死亡比率為14%，2～5 h死亡比率為7.4%，調查認為事發后30 min為緊急救援黃金時間[9]。我國衛生部門提供的一份資料表明：在1 000例交通事故案例中，僅有143例的傷員由救護車送達醫院。另據統計，我國公路交通事故死亡人員中僅有約40%是當場死亡，60%的人死于醫院或者送往醫院途中[10]，因搶救不及時而死亡的案例時有發生。當前，建設突發事件應急管理信息化平臺已成為提高應急管理水平的重要手段之一。公路突發事件應急響應效率決定了死亡事件的致死率和事件影響擴散的范圍，亟需通過科技手段縮短應急響應時間。

公路突發事件是指在某一時刻導致公路通行能力急劇下降或交通需求非正常增加的偶發性交通事件，包括自然災害、事故災難等，雖然各類突發事件的差別較大，但突發事件應急預案生成的工作原理類似，因此，本文主要研究公路突發事件應急預案自動生成系統，旨在為公路突發事件應急預案生成提供一種通用的技術方案。在系統中，建立預案體系空間數據庫和結構關系規則庫，保證突發事件信息確認后實現各部門的聯動；應用案例推理技術實現應急預案的自動生成，按照現場反饋信息和應急部門的行動規則實時優化預案；最后，以某起特別重大高速公路交通事故為例，通過計算直觀展示預案生成及優化的實現過程，為相關研究提供參考和借鑒。

1　系統需求分析和總體設計

1.1　需求分析

目前，我國各級政府及職能部門已建立了完整的公路突發事件應急救援體系和制度，與此對應制定了各類應急預案。從內容上，應急預案對突發事件應急響應、現場處置、善后處理等階段做了總體框架性的規定，但缺乏不同事件類型響應部門及專業力量配置相關規定；從實踐性上，應急預案為管理人員提供了決策方向和指導，但對于各類應急資源配置的數量和地點尚未進行規定。公路突發事件應急的關鍵是應急資源高效合理配置，指揮中心接警后能夠根據事件類型和后果，第一時間自動生成應急預案，并實時接收現場反饋信息，進一步利用應急部門行動規則優化預案；同時，按照預案有效性和完整性指標，評估入庫預案的使用效果，完成預案添加、刪除和修訂。因此，構建公路突發事件應急預案自動生成系統，需具有應急預案自動生成與優化、應急預案評估、應急預案庫三大功能模塊，以保證應急預案的有效性和可操作性。

1.2　實現原理

首先，建立應急預案庫，將文本式的應急預案轉化為電子信息，實現應急預案查閱、修訂、添加和刪除等管理目標[11]；然后，按照應急預案評估流程，對擬添加入庫的應急預案進行有效性、整體性和使用效果評估，完成各類應急預案入庫；最后，為實現應急預案啟動智能化，突發事件信息確認后，自動生成應急處置方案，并根據現場反饋信息不斷進行優化，解決應急行動程序與資源需求問題。

1.3　系統功能設計

依據公路突發事件應急救援需求，應急預案自動生成系統包含3個功能模塊，如圖1所示。其中，應急預案庫模塊能夠進行預案添加、刪除、修訂等操作，保證應急預案體系可以進行優化操作；評估模塊可以對預案有效性、預案體系的完整性和預案使用效果進行評估，保證應急預案體系良好銜接；預案自動生成與優化模塊實現應急預案自動匹配檢索，自動優化現場處置方案，應急預案經決策后啟動[12]。

圖1　公路突發事件應急預案自動生成系統功能設計Fig.1　Function design of automatic generation system of emergency plan for highway emergency

2　主要功能模塊

2.1　應急預案庫模塊

2.1.1應急預案流程數字化

1)預案文本結構分解。將預案適用范圍、響應分級、參與的相關部門、監測報警、資源配置、應急通訊方式等要素分解為單獨模塊，并賦予模塊化屬性。

2)分析應急預案的推進流程。明確每個關鍵節點的行動對策與職責分工，繪制詳細的預案流程圖，并以簡化條文形式編制應急卡，建立突發事件發生信息、等級響應、參與應急部門、應急處置流程和應急資源需求的規則庫[13]。

3)建立應急預案體系的空間結構和關系結構規則庫。依據突發事件發生信息、等級響應和參與應急組織機構行動規則，保證突發事件信息確認后，可以同一時間啟動各部門關聯的專項預案、部門預案。

2.1.2應急預案空間數據庫與關系數據庫設計

2.1.2.1空間數據庫設計

建立結構合理的空間數據模型[14]，高效存儲應急預案文本、應急卡和流程圖。空間數據庫設計通過對應急預案體系中的功能結構進行理解與抽象，形成空間數據庫系統，具體是對收集的應急預案進行分析、整理，確定突發事件類型、響應等級和組織機構之間的聯系，形成反映預案聯動體系的數據庫。

2.1.2.2關系規則庫設計

關系規則庫借助于關系模型來處理數據庫中應急預案之間的關聯規則。按照突發事件等級、類型啟動相應預案，預案啟動后提供應急卡和流程圖，本質上是將數據庫的空間數據模型以邏輯規則進行描述關聯。關系模型轉換的主要過程為：確定各預案的主關鍵字；確定預案內部各屬性之間的數據關系表達式，即某一屬性決定關聯預案是否同步啟動；消除數據關系表達式中的冗余部分，將實體作為相應的主關鍵字；根據上述步驟形成新的數據關系；確定全部表達方式后，進行檢查、評估和進一步優化。

2.2　應急預案的評估修訂模塊

2.2.1應急預案修訂流程

應急預案庫一旦建立，任何對預案的修訂、添加和刪除行為都應經過評估，預案通過有效性評估后方可進入預案體系完整性評估；根據評估結果要求，修訂或新建關聯預案，保證預案的良好銜接和整體性；預案使用效果評估不合格，即進入修訂程序，如圖2所示。

圖2　公路突發事件應急預案修訂流程Fig.2　Emergency plan revision process of highway emergency

2.2.2應急預案評估流程

應急預案進入評估程序后，利用專家評價法進行應急預案評估，選擇具有應急工作經驗的專家，向專家提供評估打分表，剔除無效評估結果后，將評估結果錄入評估模塊，計算綜合評分，評分結果不合格需返回重新修訂，重新進入預案修訂流程，如圖3所示[15-17]。

圖3　公路突發事件應急預案評估流程Fig.3　Evaluation flow of emergency plan for highway emergency

2.3　應急預案自動生成與優化模塊

2.3.1應急預案自動檢索

應急指揮中心應急工作人員收到報警人關于突發事件的描述，按照特定規則輸入事件發生信息，系統可從應急預案庫體系中自動生成應急處置所需的應急預案。案例推理(CBR)可通過重用或修改以前解決相似問題的方案，提供解決當前問題的方法[18]。

2.3.2CBR實現原理

CBR尋獲與當前突發事件具有相似特征的應急預案后，再根據當前實際情況和應急部門行動規則對解決方案進行修訂。公路突發事件的類型并非總是單一的，CBR在應用過程中會不斷記錄超出當前預案庫的突發事件類型，并給出相似解。公路突發事件應急救援結束后，應急管理機構可根據實踐情況、專家經驗對之進行修訂完善后，納入當前的應急預案庫[19]。CBR工作原理可以歸納為4個基本步驟：案例檢索、案例重用、案例修正和案例保存。

2.3.3案例檢索算法

采用最近鄰策略與歸納推理策略相結合的方法實現案例檢索，對應算法為決策樹法與K-NN法[20]。

1)決策樹檢索算法。建立一棵空的決策樹，隨后在決策樹中加入新的分類節點。決策樹分支的劃分標準，一般采用信息熵增益法。分別計算各源案例測試屬性信息熵增益，選擇信息熵增益最大作為根節點，重新建立決策樹，如式(1)所示。

(1)

信息熵增益如式(2)所示。

Gain(C,A)=E(C)-EA(C)

(2)

2)K-NN檢索算法。2個案例之間的相似度是由案例相關描述變量的權重和變量值之間的相似度確定的。案例描述變量分為枚舉型、數值型和語義型[21]。

①枚舉型變量。當案例中變量j為枚舉型變量時，案例q和案例i之間變量j的相似度如式(3)所示。

(3)

②數值型變量。當案例中變量j的值域為區間[a,b]，則案例q和案例i之間變量j的相似度如式(4)所示。

(4)

③語義型變量。當案例中變量j為語義型變量，并且語義變量有一定的值，則案例q和案例i之間變量j的相似度如公式(5)所示。

(5)

2.3.4案例修正

案例修正模塊是針對現場處置方案間的差異，應用修正策略對源案例進行優化，修正流程如圖4所示。

圖4　現場處置方案修正流程Fig.4　Site disposal plan revision flow chart

3　實例分析

2016年12月至2017年3月，安徽省路警聯合指揮中心組織開展的重大惡劣天氣和重大危化品車輛燃燒事件應急處置模擬演練中，該系統在及時掌握事件點位置、事件影響及周邊應急處置資源分布情況基礎上，自動生成應急處置方案，總體響應時間5～8 min，實現了對突發事件應急資源科學配置和高效處置，達到了公路突發事件應急救援的預期效果，系統功能得到進一步驗證。下面以演練中預設的重大高速公路交通事故為例，闡述系統的運行過程。事件報警信息如表1所示。

表1　公路突發事件報警信息表

3.1　案例檢索

依據公路突發事件基礎信息，運行應急預案自動生成和優化系統，根據事件類型和等級檢索應急預案，再以死亡人數(S1)、重傷人數(S2)、輕傷人數(S3)、受困人數(S4)、事件影響(持續時間)(S5)為檢索變量，逐項計算相似案例與目標事件檢索變量間的距離，按檢索變量權重綜合計算相似案例與目標事件之間的總相似度，并依據總相似度大小對相似案例進行排序，選擇相似度最高的案例作為事件應急處置預案。目標事件和檢索目標案例的事件類型、等級、時間、地點道路特征等為枚舉型屬性數據項(C)，事件q和案例i之間屬性j的相似度Sj定義如式(6)：

(6)

案例屬性檢索變量為死亡人數、重傷人數、輕傷人數、受困人數，事件影響持續時間為數值型變量，當案例屬性j的預案規則閾值范圍區間為[n,m]，則目標事件q和案例i之間屬性j的相似度Sj定義如式(7)：

(7)

當案例屬性檢索變量的權重分別為a,b,c,d,e，則總相似度S定義如式(8)：

S=aS1+bS2+cS3+dS4+eS5

(8)

依據突發事件等級劃分結果，檢索變量預案規則閾值范圍分別為：[30，60]，[0，40]，[0，60]，[0，60]，[0，72]，預設檢索變量的權重分別為：0.4，0.3，0.1，0.1，0.1。以現場處置方案案例庫中任一案例為例，案例信息如表2所示。

表2　檢索案例信息

應用檢索算法計算案例的相似度，則各屬性的相似度計算如下：

S1=1-|44-31|/(60-30)=0.57

S2=1-|2-8|/(40-0)=0.85

S3=1-|9-10|/(60-0)=0.98

S4=1-|11-5|/(60-0)=0.9

S5=1-|7-4|/(72-0)=0.96

事故與案例之間的總相似度S計算如下：

S=0.4×0.57+0.3×0.85+0.1×0.98+0.1×0.90+0.1×0.96=0.77

綜上，事故與案例之間的總相似度為0.77，如該案例的相似度最高，可作為應急處置參考預案，則高速公路突發事件應急處置預案檢索結果，如表3所示。

表3　公路突發事件現場處置方案

3.2　案例修正

針對應急處置預案中應急資源數值，逐項與規則庫中預案規則閾值范圍進行對比，超出預案規則閾值范圍的應急資源，利用應急預案規則庫中對應的預案規則對該案例進行優化。以護士和醫生人數為例，該事故應急預案護士和醫生數量優化規則有：

護士數>「(重傷人員數+輕傷人員數)/4?=「(8+10)/4?=5人；

醫生數=max(重傷人數，「護士數/2?，「輕傷人數/4?)=max(8，「5/2?，「10/4?)=8人；

以醫生數為計算依據，依據優化規則：醫生數:護士數=1∶2，則護士數為：8×2=16人。因此，醫生數優化為8人，護士數優化為16人。

依據應急預案規則庫中的優化規則，優化結果如表4所示。

表4　公路突發事件現場處置方案優化結果

注：*表示應急資源優化值

4　結論

1)著眼于公路突發事件應急管理決策服務需求，構建應急預案自動生成系統，實現應急預案的數字化管理及其評估修訂，同時完成公路突發事件應急處置預案的自動生成與優化。

2)建立空間數據庫用于高效存儲應急預案文本、應急卡和流程圖。

3)根據突發事件信息匹配出相應的應急處置預案(決策樹算法、K-NN算法)，并根據適用條件進行優化，為快速、高效、科學決策提供技術支撐。

[1]Mccarthy F X, Brown J T. Congressional primer on responding to major disasters and emergencies[J]. Congressional Research Service Reports, 2014.

[2]Kwan M P, Lee J. Emergency response after 9/11: the potential of real-time 3D GIS for quick emergency response in micro-spatial environments[J]. Computers Environment & Urban Systems, 2005, 29(2):93-113.

[3]Mccarthy F X, Brown J T. Congressional primer on responding to major disasters and emergencies[J]. Congressional Research Service Reports, 2015.

[4]Calixto E, Larouvere E L, Swuste P, et al. The regional emergency plan requirement: application of the best practices to the Brazilian case.[J]. Safety Science, 2010, 48(8):991-999.

[5]Coifman B, Beymer D, Mclauchlan P, et al. A real-time computer vision system for vehicle tracking and traffic surveillance[J]. Transportation Research Part C Emerging Technologies, 1998, 6(4):271-288.

[6]Jha M, Moore K, Pashaie B. Emergency evacuation planning with microscopic traffic simulation[J]. Transportation Research Record, 2004, 1886(1):40-48.

[7]Smith M R, Davidson J, Pfister H. Emergency vehicle warning and traffic control system: US, US 4704610 A[P]. 1987.

[8]Yoon S W, Velasquez J D, Partridge B K, et al. Transportation security decision support system for emergency response: A training prototype[J]. Decision Support Systems, 2008, 46(1):139-148.

[9]Tanigawa K, Tanaka K. Emergency medical service systems in Japan: past, present, and future.[J]. Resuscitation, 2006, 69(3):365-70.

[10]陳文輝, 鄭晟, 李武杰. 基于加速度的車禍報警系統的設計與實現[J]. 電子設計工程, 2011, 19(8):71-73.

CHEN Wenhui, ZHENG Sheng, Li Wujie. Design and implementation of car alarm based on acceleration sensor[J]. Electronic Design Engineering, 2011,19(8):71-73.

[11]湯文宇, 李玲娟. CBR方法中的案例表示和案例庫的構造[J]. 西安郵電大學學報, 2006, 11(5):75-78.

TANG Wenyu,LI Lingjuan.Case representation and construction of case library in CBR method[J].Journal of Xi'an University of Posts and Telecommunications，2006，11(5):75-78.

[12]趙婷. 突發事件應急預案智能管理與應用系統構建研究[D].南京：南京郵電大學, 2014.

[13]張超, 裴玉起, 邱華. 國內外數字化應急預案技術發展現狀與趨勢[J]. 中國安全生產科學技術, 2010, 6(5):154-158.

ZHANG Chao,PEI Yuqi,QIU Hua.Development status and trend of digital emergency plan at home and abroad[J].Journal of Safety Science and Technology of China，2010，6(5):154-158.

[14]魯榮輝. 基于流程的應急預案有效性評估研究[D]. 大連：大連理工大學, 2013.

[15]付舉磊. 基于GIS的城市消防輔助決策系統的設計與實現[D]. 長沙：國防科學技術大學, 2010.

[16]湯兆平, 劉歡, 孫劍萍. 基于改進FAHP法的鐵路應急預案評價研究[J]. 重慶交通大學學報(自然科學版), 2016, 35(6):131-135.

TANG Zhaoping, LIU Huan, SUN Jianping. Evaluation of railway emergency plans based on improved fuzzy analytic hierarchy process[J]. Journal of Chongqing Jiaotong University(Natural Science) ，2016，35(6)：131-135.

[17]王夫歌，秦勇，程曉卿，等．基于GAHP 的鐵路大雪災害風險模糊綜合評估[J]．鐵道標準設計，2015，59( 7) : 55-59．

WANG Fuge，QIN Yong，CHENG Xiaoqing，et al．GAHP-based fuzzy comprehensive evaluation of railway snow disaster risk[J]．Railway Standard Design，2015，59( 7) : 55-59．

[18]卜創利, 潘理虎, 植宇. 基于案例推理的煤礦應急預案管理系統設計[J]. 工礦自動化, 2015, 41(7):34-38.

BO Chuangli, PAN Lihu, ZHI Yu.Design of emergency plan mamagemeng system of coal mine based on case-based reasoning[J]. Industry and Mine Automation，2015，41(7)：34-38.

[19]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):46-51.

WANG Jiyu,WANG Jintao.Research on emergency decision support system based on case based reasoning[J].Journal of Management Science, 2003，16(6):46-51.

[20]袁曉芳. 基于情景分析與CBR的非常規突發事件應急決策關鍵技術研究[D]. 西安：西安科技大學, 2011.

[21]張飛. 危化物公路交通應急預案系統的關鍵技術研究[D]. 大連：大連海事大學, 2012.