不完備信息下基于案例推理的城市火災應急決策方法研究*

張炎亮，徐元元，李俊雅

(鄭州大學 管理工程學院，河南 鄭州 450001)

0　引言

近年來，隨著我國城市化步伐的加快，城市人員密集，一旦發生火災，如果短時間內無法完成火災撲救和人員救援疏散工作，會造成嚴重的事故后果，進而威脅城市經濟的發展和社會的安全穩定。因此，各相關應急管理部門的快速響應和高效救援，是火災事故應急工作的重點。目前，國內外學者關于城市火災的研究主要集中在預測、風險評價、對策研究和城市火災的空間時間分布上。楚志勇[1]采用回歸分析法建立冪函數、指數函數等多種火災預測數學模型，對天津市的火災統計數據進行曲線擬合，預測下一年的火災情況；金靜、馬莉等[2]通過對大型城市綜合體火災事故特點的分析梳理，有針對性地制定了科學、實用的消防應急預案，希望對此類火災的防控提供參考意見。

基于案例推理(case-based reasoning，CBR)是用過去的知識、經驗和教訓來解決新發生的問題，或者從以往案例中發現解決當前問題線索的方法[3]，其可通過案例檢索(Retrieve)、案例利用(Reuse)、案例修正(Revise)和案例維護(Retain)的“4R”周期來實現[4]。目前，基于案例推理的研究主要集中在突發事件的預測和應急管理方面，Sene等[5]豐富了案例推理過程，將案例推理用于腫瘤預測領域，通過實例驗證了該方法的有效性和安全性；蔡玫等[6]通過對非常規突發事件的應急管理知識研究，利用案例推理方法提高了知識的共享程度，同時解決了“情景-應對”型決策的情境描述與匹配問題，對非常規突發事件快速生成解決方案具有較大參考意義；徐亞博、汪彤等[7]通過對地鐵事件原則性機理進行分析和研究，用基于案例推理模型的思想，將基于結構和屬性的雙重情景檢索的事故案例推理應急決策方法，應用到地鐵火災非常規突發事件應急決策中，進而對地鐵交通應急平臺的后期建設提供理論支持；靖可、趙希男[8]通過對突發公共事件的應急救援決策研究，提出基于案例推理的應急救援決策方法，利用整體優勢度對源案例與目標案例間的矢量距離進行識別，結合整體優勢度對決策方案進行調整和學習，并以煤礦事故應急救援實例證明了該方法的有效性。

梳理現有相關文獻發現，目前對城市火災前期預測、預防的理論性研究較為豐富，但是對火災發生后快速響應、高效救援的應急決策研究較少，尤其是不完備信息情況下的城市火災應急決策研究方面。本文通過對相關火災案例的整理和表達，計算源情景與目標情景的全局相似度，找到相似情景，從以往案例的知識、經驗和教訓中找到解決當前問題的思路，進而對當前事件的快速響應和高效救援提供參考和借鑒。

1　案例表達

1.1　“案例—情景—對象—解及解效果—要素”五層架構模型

對案例進行分析之前，需對案例進行表達。合理的案例表達，既有利于案例儲存，又有利于案例的檢索[9]。本文提出關于案例表達的“案例—情景—對象—解及解效果—要素”五層架構模型，定義如下：

1)案例：是情景從產生、發展、高潮到結束的過程，主要描述關鍵和典型情景。

2)情景：拆分自案例，是案例發展過程中的某個時間、空間和對象的信息[10]。

3)對象：是災害和應急決策的承擔者，對應真實場景中的本體。

4)解及解效果：是對象對情景做出的反應及實施后效果的描述。

5)要素：是某個情景中的關鍵特征屬性。

以往學者在以CBR為工具對事件進行研究時，往往將“解及解效果”作為整體儲存于整個案例中[11-12]，這樣既不方便案例的儲存，也不方便對情景解的快速檢索。因此，本文將“情景”和“解及解效果”一一對應，這樣在后期進行案例情景檢索時，便于快速找到相應“情景”的“解及解效果”評價。基于上述構建的“案例—情景—對象—解及解效果—要素”五層架構模型模型，如圖1所示。

圖1　“案例—情景—對象—解及解效果—要素”五層架構模型Fig.1　Five level framework model of “case scenario object solution and solution effect factor”

1.2　情景推演

采用“案例—情景—對象—解及解效果—要素”五層架構模型對多個案例進行拆分后，建立包含對象、情景和要素的多維空間。對于同一類型的不同案例，均可以分解為一系列情景、對象和要素，并建立相互之間的推演關系。將圖1中的案例層與情景層細化，構成情景推演網絡，如圖2所示。情景推演網絡有助于決策者厘清情景發展演化關系，進而做出相應的應急決策措施。

圖2　情景推演網絡示意Fig.2　Schematic diagram of scenario deduction network

2　案例檢索

案例檢索是案例推理的第一步，也是最關鍵一步，由于火災事故現場情況復雜，往往很難獲得目標案例的全部屬性信息，這給案例檢索中的相似度計算帶來困難。針對這一問題，本文采用結構相似度和屬性相似度的雙重檢索算法來解決這一問題。

2.1　屬性權重確定

火災事故的類型較多，居民區火災、商場火災等不同類型火災中，每個屬性的重要程度是不一樣的，需要根據實際的整體情況確定不同屬性的權重。本文采用德爾菲法，經過多輪專家意見的征詢，初步確定案例屬性的權重值，由于專家意見屬于個人經驗的主觀判斷，可能存在一定偏差，為了進一步消除由專家主觀判斷造成的偏差，本文采用熵理論，計算熵值，最后確定屬性權重。

2.2　相似度計算

火災發生時，由于現場環境復雜，難免會出現信息缺失或記錄不當等問題。如果其中某一項屬性值缺失，則該屬性相似度為零，這將會嚴重降低情景間的相似度值。本文在計算全局相似度時，引入結構相似度，通過結構相似度來幫助解決部分屬性值缺失所引起的全局相似度計算不準確的問題。

2.2.1結構相似度算法

比較源案例與目標案例所包含的特征屬性，計算2者的交集和并集的權重之和，將2者的比值作為結構相似度，如式(1)所示。

(1)

式中：Q為目標案例情景的非空屬性集；C為源情景的非空屬性集；wi表示案例Q和案例C交集中的第i個屬性的權重；wk表示案例Q和案例C并集的第k個屬性的權重。

2.2.2屬性相似度算法

1)當屬性為語言變量時，先將其表示為三角模糊數(lij,mij,nij)，再規范為(xij,yij,zij)[13]，如式(2)和式(3)所示。

(2)

(3)

2)確定符號屬性，如火災類型等，定義為枚舉類型，當屬性值相同時，定義相似度為1，反之為0，如式(4)所示。

(4)

式中：Qf是目標案例屬性f的值；Cif是案例庫中第i個源案例屬性f的值。

3)確定數屬性，包括風速、流速等，采用基于海明距離[14]的相似度計算方法，如式(5)所示。

(5)

式中：fmax和fmin分別表示確定數屬性f取值范圍的最大值和最小值。

4)區間數屬性，由于火災事故現場的數據采集具有不確定性，觀測到的數據可能會是一個區間范圍。因此，有必要定義數與區間、區間與區間之間的相似度計算方法，數與區間之間的相似度測算方法如式(6)所示，區間與區間之間的相似度測算方法如式(7)所示[15]。

(6)

(7)

式(6)和式(7)中：a為確定數屬性的值；[a1,a2]和[b1,b2]為區間數屬性的值，且a,a1,a2,b1,b2∈[fmin，fmax]；式(6)和式(7)中，積分求解分別依賴于點a與區間[b1,b2]、區間[a1,a2]與區間[b1,b2]之間的關系。

2.3　全局相似度算法

為了在屬性值缺失情況下，更加科學、合理地計算全局相似度，根據屬性類型，在求得源案例與目標案例的結構相似度和屬性相似度后，通過式(8)，將2者整合，得到全局相似度。

(8)

式中：WQ∩C表示目標案例Q和源案例C交集的權重之和；wi表示目標案例Q和源案例C交集中的第i個屬性的權重；m表示目標案例Q和源案例C交集中屬性的個數；sim(s0i,sij)表示目標案例與源案例情景中第i個屬性的相似度。

3　方法應用及結果分析

以消防部門作為對象，對上述理論方法進行驗證。某消防隊接到報警，一棟居民樓的24樓于下午2點28分發生火災；天氣晴；風力3級；發生火災的建筑結構為鋼筋混凝土框架結構。假設情景1～情景5為案例庫中5個情景，其與目標情景的屬性、屬性值和權重如表1所示。

表1　情景屬性及權重數據Table 1　Scene attribute and weight data

通過問卷調查和專家評判，給出三角模糊數語義量化準則，如表2所示。在計算屬性相似度之前，需要對情景中的部分屬性進行量化。對于“火災發生時間”，“8點到12點”、“14點到18點”量化為“1”；“12點到14點”量化為“2”；“6點到9點”和“18點到20點”定義為“3”；“24點到6點”和“20點到24點”定義為“5”。對于“建筑結構”，鋼筋混凝土框架結構、鋼結構、磚結構、磚木結構和全木結構依次定義為“1”到“5”。對于“天氣”，晴天、陰天、雨天、霧天、雪天依次定義為“1”到“5”。對于“事故規模”，一到八級分別定義為“1”到“8”。對于“火災類型”，固體火災、帶電火災、氣體火災、化學火災、爆炸火災依次定義為“1”到“5”。

表2　三角模糊語義量化準則Table 2　Triangular fuzzy semantic quantization criterion

以內部消防設施為例，計算屬性距離。內部消防設施為語言變量，首先對語言變量進行三角模糊，根據式(2)和式(3)對三角模糊數進行范化，再將其轉化為區間數；然后根據式(7)，通過EXCEL和MATLAT軟件計算出不同情景之間的內部消防設施的相似度，其他屬性相似度計算與內部消防設施相似度計算類似；全部屬性相似度計算完成之后，根據式(8)計算出全局相似度。屬性距離和全局相似度計算結果如表3所示。表3中，火災類型的屬性距離為空，是因為目標情境中火災類型屬性值未知。從表3中可知，與目標情景的相似度最高的是情景1，其次是情景5。情景1與目標情景都是在白天發生火災，建筑結構都是鋼筋混凝土框架結構，且都不適合停放消防車輛。雖然情景1與目標情景相似度最高，但是也不能完全把案例1的解決方案拿來用，需要根據實際情況，對案例解進行修正。總體上看，源案例與目標案例的全局相似度還有待進一步提高，這與源案例所在案例庫的規模有很大關系，而隨著搜集盡量多的數據，進一步完善案例庫，將會提高檢索精度。

表3　屬性距離與全局相似度值Table 3　Attribute distance and global similarity value

4　結論

1)在案例表達方面，提出“案例-情景-對象-解及解效果-要素”的五層架構模型，將針對整個方案的“解”細化到火災發生時不同部門對火災做出的響應，進而實現快速地從案例庫中找到相似情景的“解”，為火災事故的快速響應提供支持。

2)針對突發事件案例中存在語言變量的定性數據問題，通過三角模糊數將其轉化為區間數，然后利用區間距離計算公式，計算出區間屬性距離，從而更好的描述語言變量中不確定性屬性之間的距離。

3)針對突發火災中的信息不完備情況，通過將結構相似度引入到全局相似度中，幫助解決案例屬性值缺失問題，避免了因直接去除屬性值缺失的屬性所導致的相似度計算不準確的問題。

4)針對數據不完備情況下的應急案例進行案例推理，設計情景相似度算法并通過實例進行驗證，該算法不僅可以應用于城市火災突發事件的案例推理，也可為其他類型的突發事件應急提供參考和借鑒。

[1]楚志勇.基于回歸分析方法的城市火災預測——以天津市為例[J].安全與環境工程，2011，18(3)：90-92，97.

CHU Zhiyong.Forecasting model of the fire causes in the city based on linear regression—Taking Tianjin city for example[J]. Safety and Environmental Engineering, 2011,18(3):90-92，97.

[2]金靜，馬莉，賈楠.大型城市商業綜合體的火災特點及應急救援預案研究[J].建筑安全，2017，32(3)：26-28.

JIN Jing, MA Li, JIA Nan.Study on fire characteristics and emergency rescue plan of large City commercial complex[J]. Construction Safety, 2017,32(3):26-28.

[3]KOLODNER J. Case-Based Reasoning[M]. California:Morgan Kaufmann Publishers Inc,1993.

[4]AAMODT A，PLAZA E. Case-based reasoning: foundational issues, methodological variations, and system approaches[J]. Ai Communications, 1994, 7(1):39-59.

[5]SENE A, KAMSU-FOGUEM B, RUMEAU P. Telemedicine framework using case-based reasoning with evidences[J]. Computer Methods & Programs in Biomedicine, 2015, 121(1):21-35.

[6]蔡玫, 曹杰, 于小兵. 基于應急實例本體模型的應急案例推理方法[J]. 情報雜志, 2016, 35(6):183-188.

CAI Mei, CAO Jie, YU Xaiobing. A method of emergency case-based reasoning based on emergency case ontology[J]. Journal of Intelligence,2016,35(6):183-188.

[7]徐亞博，汪彤，王培怡，等.基于案例推理的地鐵非常規突發事件應急決策方法研究[J].中國安全生產科學技術，2013，9(8)：44-48.

XU Yabo,WANG Tong,WANG Peiyi,et al.Research on emergency decision method of unconventionalemergency in subway based on case-based reasoning[J]. Journal of Safety Science and Technology, 2013,9(8):44-48.

[8]靖可，趙希男.基于整體優勢度的應急救援案例推理決策[J].系統工程，2008(9)：15-20.

JING Ke, ZHAO Xinan.CBR decision for emergency rescue based on integral superiority degree[J]. Systems Engineering,2008(9):15-20.

[9]王寧，郭瑋，路國粹.基于應急案例的情景決策支持方法研究[J].運籌與管理，2017，26(1)：68-75.

WANG Ning，GUO Wei，LU Guocui.Research on emergency decision-making support method for scenario response based on emergency cases[J]. Operations Research and Management Science, 2017,26(1):68-75.

[10]王顏新，李向陽，徐磊.突發事件情境重構中的模糊規則推理方法[J].系統工程理論與實踐，2012，32(5)：954-962.

WANG Yanxin, LI Xiangyang, XU Lei. Fuzzy rules reasoning method in emergency context reconstruction[J]. Systems Engineering-Theory&Practice,2012,32(5):954-962.

[11]錢靜，劉奕，劉呈，等.案例分析的多維情景空間方法及其在情景推演中的應用[J].系統工程理論與實踐，2015，35(10)：2588-2595.

QIAN Jing,LIU Yi,LIU Cheng,et al. Study on case analysis and scenario deducrion based in multi-dimensionla scenario space method[J]. Systems Engineering-Theory&Practice,2015,35(10):2588-2595.

[12]FARHAN U, TOLOUEI-RAD M, OSSEIRAN A. Indexing and retrieval using case-based reasoning in special purpose machine designs[J]. The International Journal of Advanced Manufacturing Technology, 2017, 92(5/8): 2689-2703.

[13]鄭晶，王應明，葉歆.復雜數據情形下的應急案例相似度測算方法[J].中國安全科學學報，2014，24(7)：153-158.

ZHENG Jing,WANG Yingming,YE Xin.A method for estimating similarity between emergency cases with diversity attributes data[J]. China Safety Science Journal, 2014,24(7):153-158.

[14]張英菊，仲秋雁，葉鑫，等.基于案例推理的應急輔助決策方法研究[J].計算機應用研究，2009，26(4)：1412-1415.

ZHANG Yingju,ZHONG Qiuyan,YE Xin,et al. Research on method of emergency aid decision-making based on CBR[J]. Application Research of Computers, 2009,26(4):1412 -1415.

[15]周凱波，馮珊，李鋒.基于案例屬性特征的相似度計算模型研究[J].武漢理工大學學報(信息與管理工程版)，2003，25(1)：24-27.

ZHOU Kaibo,FENG Shan,LI Feng. Research of the similarity calculation models based onthe features of case properties[J]. Journal of Wut(in formation & Management engineering),2003,25(1):24-27.