大數據技術的震后救援信息處理平臺研制與應用

李 攀， 劉慶杰， 周兆軍， 劉 穎， 李寒莉

(1.防災科技學院信息工程學院， 三河 065201； 2.防災科技學院繼續教育學院， 三河 065201)

中國是地震多發的國家，造成的傷亡極其慘重，因此成為20世紀以來因地震原因死亡人數最多的國家[1]。為避免地震災害造成的人員傷亡，很多國家采取不同的方式去預防并減少各項損失，主要的方法有防震、避震和減震，或是在地震發生后及時開展減災和救災工作[2-4]。不同的國家面對地震類型及所處環境的不同，采取的措施也不盡相同，如日本主要精力就放在建筑減震、震后救災的體系建設中[5-9]。當前，在地震預測方法暫時還未取得突破性進展的情況下，如何安排地震后的黃金72 h內的人道主義救援工作，就成了減少地震傷亡人數的一個關鍵突破口。通過以往的經驗，震后救援一般都是依靠電視、電話和人工調配救援，依靠受災現場搜救犬尋找、受傷人員在廢墟中哭喊求救及地毯式排查方式，存在所能獲得準確救援信息有限，有些危重傷員無法及時發現，救援信息更新滯后等問題。因此結合全球定位系統(global positioning system, GPS)定位，基于大數據技術[10-14]的報警語音文字的快速識別判斷，應用語義識別技術的關鍵信息檢索，建立搜救模型，配合遠程專家協助的大型綜合調度平臺，是目前急需實現的新技術方案。為此，提出一種全新的基于大數據技術的震后救援信息處理平臺，利用語義識別技術的進行地震求救信息決策，可實時處理海量的求救信息，并合理規劃救援力量，以救助危重傷員為優先原則，可極大地減少受災人員傷亡率。

1 系統方案

1.1 平臺規劃

首先，構建震后救援信息處理平臺中很重要的移動端應用，包括地震救援APP及專用救援電話555。該手機地震救援APP和救援電話向地震多發地區進行宣傳推廣，比如四川、云南和新疆等地的應急部門，使當地民眾熟練使用。該救援電話可在地震發生后直接撥打，具備完整的錄音功能，不會出現人工客服。為了便于大數據語義分析，求救電話的用詞用語盡量簡潔清晰，在最短的時間內報出人數、年齡、性別、有無傷亡、震前所在位置和震后所處空間有無危險等基本信息，然后迅速掛斷電話，減少上傳的語音數據量，為后期大數據快速存儲、讀取、語義識別和建立模型等處理過程，起到節省存儲空間、降低硬件成本并提高通信帶寬的作用。

其次，通過地震科普的方式向廣大民眾推廣安裝地震救援APP，該APP占用內存很少，同時發布不同手機操作系統上對應版本。該手機軟件具備一定的手機權限，可在開啟時，自動關閉手機中除網絡服務外其他所有非必須進程，使手機強制進入最省電模式，提供盡可能長的待機時間，為救援工作多創造有利條件。本手機軟件APP開啟后只有2個模塊，分為語音報警和文字報警2個大字體的對話框，便于在地震后被掩埋的傷員，其中包括只能一個手指活動的重傷員，提供快速輸入提示短語，或者說出救援信息能夠第一時間及時發出，給出高效的求救方式。求救信息通過地震救援APP發出后，會自動加上手機所處的位置信息及海拔高度等定位數據，并經過判斷調取該位置監控設備，發送周邊照片或視頻到云服務平臺，為救援人員了解被掩埋的傷員周邊救援條件，交通條件，天氣狀況等因素，提供參考依據。

同時，需要規劃安排相應的地質、水文、氣候、電力、消防、建筑、醫療及工程等專家，在這些專業手機端安裝對應的地震救援專家決策APP，通過平時的模擬演練，要求這些專家熟悉掌握多專業團隊配合模式。在地震發生后，其他安全的城市中，能夠快速組建專家組，集合并開始遠程會議信息支撐，為每一個街道，甚至每個大廈都建立一個搜救現場指揮部，及對應的遠程專家決策小組，用于快速輔助現場指揮的搜救行動。

最后，構建對應的震后救援信息處理的大數據平臺，它應用分布式存儲設備，通過完善自身的語義識別模型，建立每個對應城市，對應地方方言，對應的特殊詞匯的字典數據庫，為語義識別求救信息，做出有力的數據支撐。同時召集不同地區方言的志愿者，培訓人工處理平臺的工作，需要緊急時刻能夠召集足夠多的志愿者，為機器難以解析的語音和文字，進行人工審核和錄入工作，這對機器識別是非常重要的補充，避免分析求救信息出現錯誤和遺漏，提高分析的準確性。

1.2 推廣方案

由于大數據技術處理數據的特點，提高求救信息識別精度，需要數據樣本量要有一定的規模，因此，需要從某些地震多發的城市開始，逐步測試推廣此求救平臺和救援體系，并結合當地部門，利用街道宣講、電視宣傳、講座、演習或學校科普等方式，使得求救電話號碼和地震救援APP深入人心，做到大面積普及安裝。同時，對使用者進行專業救援培訓，強調求救信息發送時，內容可靠，冗余減少，杜絕虛假信息，避免頻繁發送等問題。尤其對于虛假報警，明明沒有重傷卻謊報重傷，欺騙救援隊伍先來救援的行為，采取嚴懲，杜絕人們的僥幸心理。在法律法規的約束下，提供真實信息并合理使用救援資源，提高救援效率。最后，現在很多家庭使用智能語音設備，如小米、天貓等各種可以接收語音反饋的物聯智能設備，添加對應報警模塊，在判斷家中有人的時候，甚至可以直接發送人員基本信息和位置信息，這樣可以輔助救援高齡老人或無法行動的病患者，不需要使用智能手機或APP，也能發出自己的求援信息，還能進行人數統計，便于相關搜救人員排查遺漏人員。

1.3 數據處理

該震后救援信息處理平臺采用Hadoop框架和Google的BERT(bidirectional encoder representation from transformers)模型進行語義識別[15]，由于中國國土面積大，人口眾多，會在不同地區出現差異化，個性化，具體表現在一些特殊的地名，方言，語言習慣和表述文字的差異化，因此除了考慮普通話的語音文字識別，特殊要考慮方言轉換，建立方言語音識別模型。同時一些特殊字或特殊發音的地名人名，有可能會對語義識別增加識別難度，因此在數據進行識別前，進行數據清洗治理工作，將大段背景噪音去除，將無聲數據去掉，面對特殊地區時，快速調用對應的方言庫。同時，平時加強演練，堅持不斷提升模型的訓練集，豐富訓練樣本，為地震發生時的應用，尤其指黃金72 h內的使用，提供前期的測試和技術保障，面對海量信息不延遲，不宕機，快速建模，快速識別，計算緊急因子并實時更新，為搜救力量的委派，提供信息支持。

2 構建平臺

在實現震后的人員救助時，設計此平臺用于處理各個基層終端的反饋信息，主要是將語音、文字等求助信息，以及外部救援人員的照片、視頻、文字信息、室內外攝像頭采集信息等，關于災情的各種綜合信息，進行海量存儲，快速查詢，語義識別，關鍵字抽取，進行自然語言識別，根據識別成果，判斷救援的先后重點，合理分配救援人工。為了避免類似日本1995年阪神大地震時，北海町作為最嚴重受災地區，卻由于無法及時通報災情，導致救援力量全部分配去了其他地區，而該地區無人安排救援的情況出現，錯失最佳的救援時機[16]，也是建設此平臺的重要目的。此平臺為大數據分析[17-19]進行的架構設計，如圖1所示，共分六個層面，分別是存儲計算層、數據層、服務層、管理層、業務層和應用層。

圖1 大數據平臺架構圖Fig.1 Big data platform architecture diagram

2.1 存儲計算層

該平臺布署公有云服務器，搭載分布式存儲、共享存儲、塊存儲硬件，通過配置的CDN(content delivery network)，負載均衡模式，實現海量數據流的接收和存儲，通過冷熱數據備份的副本集，實現數據的快速查詢調用。并且為后續數據的涌入，提供了自動擴展設備的接口，允許并行計算，同時調用存儲數據。

2.2 數據層

布署FTP服務器，關系型和非關系型數據庫，存儲海量的救援信息，分別為文本、照片、語音、視頻流等類型，根據業務邏輯的區別，和數據體的區別，分別存儲在MySQL、HBase、Redis或MongoDB中，為之后的查詢調用提供了數據支撐。

2.3 服務層

本層對各項數據庫和FTP的接口管理，以及元數據映射服務，為數據管理層和上層業務模塊的使用，提供了數據服務支撐。

2.4 管理層

該層負責對各項接收數據的存儲管理，大數據模型所需數據的查詢，對中間件的管理，對數據流引擎的管理及數據庫的備份管理。

2.5 業務層

該層對數據質量進行控制，通過數據AI的機械學習，利用可視化圖表和BI(business intelligence)組件，做出不同目標的狀況分析，使用決策引擎，作出緊急程度判斷，得出救援的先后重要次序。

2.6 應用層

開發不同的功能模塊，提供給受傷需要救助的人員匯報傷亡，搜救人員現場匯報現場信息，專家提供遠程決策，其他災害預警平臺的信息監測，綜合信息匯總以及總指揮中心的決策命令發布等。將整個震后救災第一時間的應急指揮體系，完成救助傷員的全部信息匯總，規劃及處理，為在黃金72 h內的救援力量委派，提供了關鍵的信息支撐。

3 系統功能

3.1 地震救援APP

圖2所示手機端用戶為受災人員，界面盡量簡化，提供語音和文字一鍵報警模塊，啟動后會獲得系統最高權限，并關閉手機系統中除網絡及定位等一切無用的后臺服務，進入最大化省電模式，為手機運行時間最大化提供保障。操作方式極度簡化，語音報警模塊可以提供一個手指打開語音模塊，并錄制求救語音并發送。文字報警模塊，可以提供快捷的預制模板，盡量減少用戶操作輸入法，只輸入關鍵信息即可，實現信息的快速歸納。這些也是為了在倒塌建筑中，不能方便操作手機的受傷人員，設置的最簡易報警方法。同時安排的地震災害報警號碼555，可以接收受傷人員的語言通話，全程不提供人工接收，打開聽到提示音后，即開始錄音，將求救的語音信息上傳到分布式數據庫中。

圖2 地震救援APP界面Fig.2 The interface of the earthquake rescue APP

3.2 搜救人員APP

圖3所示手機端用戶為搜救人員，為在室外搜救的工作人員提供定位，呼叫支援，文字、照片、視頻匯報進展的模塊，方便搜救人員通過定位快速找到受傷人員掩埋的位置，并把現場的具體情況，通過文字、圖片、視頻形式匯報指揮中心，為專家的救助方案討論，及總指揮決策提供信息支撐。

3.3 專家決策APP

圖4所示手機端用戶為相關救援專家組成員，救助傷亡人員時，需要不同部門的地質、水文、氣候、電力、消防、建筑、醫療及工程專家提供專業化的綜合信息參考，在地震開始后的前幾個小時，很難將所有人匯聚到一起開會，只能是采用手機視頻或桌面遠程會議模式，將具體匯報的各項信息，發給對應專家，再由不同方向的專家提供信息支撐。這樣就可以快速匯聚全國各個地區的專家組成小組，例如針對B市某大廈的救援方案，可以臨時抽調A市的8名專家及委派一個現場指揮，在前期專家或在家中，或在交通工具中使用APP獲取信息，提供參考建議，一個小時后聚集在A市救援中心的大會議室中集中討論，這樣節省了開始時的路程等待時間，可以最高效的處理龐雜信息，而現場指揮需要坐鎮此大廈，根據遠程專家組意見，現場協調人力物力，組織專項救援。

3.4 專家管理平臺

專家管理平臺存儲全國各個地質、水文、氣候、電力、消防、建筑、醫療及工程專家的詳細信息，平時可以規劃技術昨天，模擬救災演習等。在災害發生的第一時間，可快速更新各個專家的位置信息，并根據位置所在城市就近原則，迅速組建多行業協同專家組，通知各個專家立刻前往具體地點的會議室，參與遠程會議，開始確定地區或建筑的救援方案的展開。同時災害發生現場第一手資料，包括文字、圖片、視頻等資料及對應地區，建筑的相關地質、水文、建筑等信息及時發送至對應專家的決策APP，使其快速了解基礎信息，并盡量第一時間回復現場指揮人員注意事項，救災人員、物資的需求等情況。在救災的第一時間，極易發生對受傷人員的二次傷害，因此要重視余震危害，所以在所有專家的建議中，除了醫學專家判斷的傷勢緊急程度，最需要關注的就是根據地質地層數據，進行的余震預測，只有掌握接下來余震的烈度，發生范圍和大概時間，才能最合理的部署救援工作。

3.5 災害監測平臺

災害監測平臺，提供調用城市其他部門的數據庫，獲取包括天氣、地質、水文、電力、熱力、能源、危險品及次生災害預警的信息，為調集救災人員，分配救災物資提供信息支撐。尤其是震后的泥石流災害、地質次生災害、海嘯災害、危險建筑信息預警及惡劣天氣預警、疫情預測等信息，這些震后較容易出現的伴生危害，及時進行預警，為總指揮的綜合決策，提供信息支撐，避免由于伴生災害造成的二次傷亡和救災進程中斷，通過各個部門信息一體化的方式，將全部的人力物力，應用到震后的救災現場中，盡量降低人員傷亡。

3.6 信息治理平臺

信息治理平臺，即求救信息的大數據處理平臺，根據每個不同的求救語音、文字，需要先將對應的語言都轉化成文字，再進行語義識別，這里采用的是基于Google的Transformer模型的語義識別模型BERT，本文以Transformer作為算法的主要框架，這樣便于捕捉到語句中的雙向關系，還使用MLM和NSP模型進行多任務訓練，擴大機器訓練數據的規模，使BERT的訓練結果精度得到進一步提高[20-23]。根據語義識別結果，配合基于地理位置信息，救援人員現場匯報信息，路面視頻監控信息，專家決策信息等，進行綜合的大數據分析，為不同求救目標做定義，按人數、傷情、醫護風險、緊急程度、伴生災害可能性、余震危害等多維度的因素做出判斷，確定救助目標的類型及權重，提供給綜合決策平臺，為指揮部的決策提供信息支撐。

3.7 綜合決策平臺

綜合決策平臺用來匯總信息治理平臺傳輸的信息，通過動態曲線、圖表、照片、文字和視頻影像的方式，結合遠程視頻會議，以綜合的方式，對人員救援行動發布指示。同時管理各個小范圍區塊的現場指揮人員，關注救援進展，實時提供遠程協助，提供后續救援力量，安排新的救援團隊部署，將現場、指揮部、遠程專家和后援力量統一管理起來，綜合部署，哪里危機去哪里，以人民群眾的生命安全為第一要務。

通過圖5所示流程圖，可以明確災后第一時間平臺需要做到的就是迅速擴展自身的數據庫，第一時間接收海量的求援信息，并以地理位置為標準，劃分各個小的救援區域，通過向全市派遣的觀察員，了解當地發生災情的詳細信息，并結合求援的語音、文字信息，進行語義識別分詞識別，快速統計受傷人員的位置、年齡、人數、受傷情況，有無生命危險等基本信息，根據外部觀察員及室外監控視頻的信息，總結受災地區的建筑、水文、消防、醫療等綜合信息。同時快速建立異地專家組，發送第一手資料到專家手中，并安排專家集合開會，提供遠程提供輔助信息決策。

根據大數據分析的結果，配合專家的參考信息，根據熵值法給各項參數權重，綜合得出某地某區域人員所需救助的緊急情況因子，并匯總全部求救信息到決策總指揮處，由總指揮決定向何處，及如何調撥救援人員，同時派遣出現場指揮，負責某一地區具體的救援工作，現場指揮只負責本地區救援工作，同時跟遠程專家組溝通情況，實時修正救援方案即可，救援的情況直接向總指揮匯報，不再出現在決策平臺中，具體救助過程如圖6所示。

4 算法實現

本平臺采用的大數據存儲和語義識別技術[24]，其核心模塊是快速存儲及處理海量的求救信息，并提供語義識別技術快速提取關鍵語義，匯總得出實際的真實情況，為指揮中心了解現場的綜合情況，提供快速便捷的數據支撐。本平臺的大數據架構，采用的是基于Hadoop的分布式架構，以HDFS形式存儲語音視頻等數據[25-27]，以MySQL數據庫存儲各個救援地區的關系數據，提供REDIS數據庫記錄日志類數據，以FTP形式存儲關于城市地質、水文、建筑圖紙等基本信息。通過Hadoop的深度學習框架，調用語義識別技術，快速識別文字信息，并加以歸類處理。

4.1 語義識別技術

核心技術語義識別以BERT模型為基礎，通過自身已有的地名信息，人名信息，建筑信息，醫療信息庫等專業字典數據庫，進行快速匹配及比對，提前關鍵字，對一條求救信息中的關鍵詞組加以語義分析，匯總人員的人數、年齡、傷亡情況，所在位置等核心內容，并為其建立數據模型，通過熵值法賦予權重，并結合專家組意見，得出緊急情況因子，給總指揮的決策提供數據支撐，具體流程如圖7所示。

圖7 語義識別模型流程圖Fig.7 Semantic recognition model flow chart

構建BERT模型，可以通過將一個編碼結構和一個解碼結構，建立一層連接，組合為一個編解碼組件，數個編碼組件組成一個編碼器，數個解碼組件組成一個解碼器。圖8所示編碼器由2部分組成：1個自注意力層和1個前饋神經網絡，自注意力層可以分析當前詞語，并獲取到上下文的語義。解碼器包含編碼器提到的兩層網絡，這兩層中間有一層為注意力層，幫助當前節點獲取到當前需要關注的重點內容。該模型對輸入數據進行嵌入操作，然后該數據輸入到編碼器，自注意力層處理完數據后把數據送給前饋神經網絡，并行前饋神經網絡的計算，將得到的輸出，輸入到下一個編碼器。通過最新的語言識別技術，可以做到對語言的高精度識別，及關鍵詞提取，獲取救援最需要的關鍵信息。

圖8 BERT模型架構Fig.8 BERT model architecture

4.2 緊急情況因子

已知各個外部數據接口，專家組的評價意見，語義識別結果和大數據分析結果，可以創建一個基于多維數據的緊急情況因子模型，采用數學多元統計方法，根據不同具體情況，賦予不同模型參數，進行計算。目前已知的輸入數據有：天氣影響、地質變化影響、水文情況影響、電力供應影響、熱力情況影響、能源情況影響、危險品及次生災害影響，傷者危險情況，醫療資源情況，道路交通情況，現場匯總情況，室外設備采集信息等多維度數據，可以用來建立模型。其中受傷人員面臨的危險情況來自于APP提交的信息和醫生專家組分析；現場匯總情況由現場情況觀察員提供，室外設備采集信息由室外攝像頭，監測設備，衛星導航等多種外部設備提供；道路交通情況由交通部門數據庫提供；醫療資源情況由醫療資源體系數據庫提供；天氣影響、地質變化影響、水文情況影響、電力供應影響、熱力情況影響、能源情況影響、危險品及次生災害影響等影響因子，由遠程專家組了解信息后，綜合自己專業背景做出判斷。

基于這些多維度數據，平臺使用層次分析法[28-32]構建一個面對不同情況的城市的指標判斷矩陣[33-34]，并開始構建評價模型。建立層次結構模型，根據地震救援的特殊情況，將影響人員安全的判斷因子分解為以下因素：傷者提交情況、醫生專家分析、現場匯總情況、道路交通情況、醫療資源情況、天氣影響、質變化影響、水文情況影響、電力供應影響、熱力情況影響、能源情況影響和危險品及次生災害影響等。這12個因素，為方案對象層，也稱作指標層。

(1)使用此12項指標構建判斷矩陣，用成對比較法，以1～9個比較尺度級別進行比較。

(2)求解特征向量，此處采用求解矩陣的特征值，并取最大特征值并進行歸一化，然后再對得出的特征向量作一致性檢驗，如果檢驗失敗，需要再重新設計判斷矩陣。設定矩陣第i行第j列的原始對此列的元素進行重要性濱江，相對權重記錄為aij，設共有9個原始參與比較，aij在1、3、5、7、9及其倒數中間取值[35]，即

(1)

通過式(1)計算，得到表1所示判斷矩陣A(當i=j時,aij=1)。

表1 判斷矩陣Table 1 Judgment matrix

通過分析，如果A是完全一致的判斷矩陣，應該滿足條件

aijajk=aik, 1≤i,j,k≤n

(2)

設定衡量一個判斷矩陣A(n>1階方陣)不一致程度的指標為

(3)

當n=12時，求判斷矩陣A的特征向量最大值λmax，再計算CI。然后設定CI的標準，當CI=0時，完全一致；當CI接近于0時，基本一致；CI越大，不一致越嚴重。同時為了衡量CI，引入隨機一致性指標RI[36]，即

(4)

可看出A基本一致，該不一致程度是可接受的。根據判斷矩陣A，通過特征值法求權重，一致矩陣有一個特征值為n,其余特征值均為0，并且當矩陣的特征值為n時，其對應的特征向量Wi公式為

(5)

其次，通過層次分析法，構建了指標權重后，使用功效系數法，對各個相關指標進行調整，通過無量綱化處理，將部分指標的量綱統一到一個分值體系。再進行統計和評估，從而算出整體的評價分數。具體分析流程如下：

(1)確定所有指標的多個評估標準，獲取不同維度的指標數據xi(i=1,2,…,n)。

(3)對各個指標進行處理，使得各個指標無量綱化，其具體公式為

(6)

(4)對每個指標的分數進行計算，即生成單項指標的評分公式為

F=40fi+60

(7)

(5)進行總分統計，結合層次分析法求出的權重計算總分，最終匯總的總分，即是本平臺需要的緊急情況因子評分(表2)，將其按五檔分類排序，得出救援的急迫程度。

表2 緊急因子評分情況表Table 2 Emergency factor score situation table

如表3所示，根據模擬輸入的5個不同傷員(分別為甲、乙、丙、丁和戊)的分數示例，結合上述模型得出總分，可以分別把人員歸納為危急、危險、中風險、低風險、安全共計5種情況。但是這種模型具有一定的局限性，可以作為中國普通城市的一種通用模型，考慮到存在山區城市和沿河沿海城市，不同的地質條件下，地質和水文等因子的權重應該完全不同，存在一定的差異化，這也是后期需要重點研究的方向，為每個城市建立自身的權重模型，符合當地實際情況。2008年5月12日，四川省汶川縣發生8.0級地震，遇難人員69 227人[37-38]，傷亡巨大的原因主要是因為山體崩塌和泥石流造成的房屋損毀，民眾防震意識不足，救災減災的演練不足，山區救援工作不好開展等原因。通過本平臺的使用，相應防震措施實施和地震救援APP的使用，會使得群眾的防災意識上升，同時快速溝通專家決策，使得救援工作能夠第一時間展開。

表3 緊急情況因子測試分析表Table 3 Emergency factor test analysis table

5 結論

從實際應用角度出發，為地震災害人員快速救助，提供了數據平臺和算法支持，配合規劃的地震救援宣傳體系的普及，會大大提高震后人員救助的效率，尤其快速救援生命垂危的人民群眾，取得的成果如下。

(1)建立了一套完整的救災報警體系，通過宣傳可以增強人民減災自救的意識。通過地震救援APP及語音方式獲取的求援信息，會得到快速反饋，減少了人工繁雜的處理模式，為災害發生時通信設備的使用節省了網絡信息流量和帶寬，減輕了通信壓力。

(2)可以快速匯集遠程專家組的力量，調動相關力量，參與某一塊地區，甚至一個大廈的救援行動，為當地的救援提供了科技化、信息化、專業化的力量支撐，為快速救援提供了可靠的信息技術保障。

(3)通過大數據平臺，面對進行海量的求救數據，可以快速處理每個求援請求，并根據語義識別的結果，結合專家組和現場信息，對求救人員的緊急程度做出判斷，在地震救援的黃金時間，為危重傷亡人群，優先提供救援。

(4)提供緊急度因子排序的方法，為總指揮決策提供了參考依據，更方便安排救災人員，工程車輛，醫療救護力量，生活物資的調配和統籌，極大地提高救援效率，降低受災人員傷亡率。