公路突发事件应急预案自动生成系统开发及应用*

刘　君，胡伟超，孙广林

(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

公路交通是经济社会发展的重要基础和支柱，确保公路交通安全、畅通是维护社会稳定、服务经济发展的必然要求。国外相关研究表明[1-9]，公路交通事故致死率与应急救援效率直接相关。法国民政部门统计、分析了伤害事件发生后伤员救助成活的几率与获救时间之间的关系，结果显示：伤员在30 min内获救的生存几率可达80%，在60 min内获救其生存几率则降至40%，如果获救时间为90 min，则生存几率仅在10%以下[4]。日本一项关于高速公路交通事故死亡案例的调查发现，人员致伤后30 min内死亡的比率高达73.6%，致伤后30 min～2 h内死亡比率为14%，2～5 h死亡比率为7.4%，调查认为事发后30 min为紧急救援黄金时间[9]。我国卫生部门提供的一份资料表明：在1 000例交通事故案例中，仅有143例的伤员由救护车送达医院。另据统计，我国公路交通事故死亡人员中仅有约40%是当场死亡，60%的人死于医院或者送往医院途中[10]，因抢救不及时而死亡的案例时有发生。当前，建设突发事件应急管理信息化平台已成为提高应急管理水平的重要手段之一。公路突发事件应急响应效率决定了死亡事件的致死率和事件影响扩散的范围，亟需通过科技手段缩短应急响应时间。

公路突发事件是指在某一时刻导致公路通行能力急剧下降或交通需求非正常增加的偶发性交通事件，包括自然灾害、事故灾难等，虽然各类突发事件的差别较大，但突发事件应急预案生成的工作原理类似，因此，本文主要研究公路突发事件应急预案自动生成系统，旨在为公路突发事件应急预案生成提供一种通用的技术方案。在系统中，建立预案体系空间数据库和结构关系规则库，保证突发事件信息确认后实现各部门的联动；应用案例推理技术实现应急预案的自动生成，按照现场反馈信息和应急部门的行动规则实时优化预案；最后，以某起特别重大高速公路交通事故为例，通过计算直观展示预案生成及优化的实现过程，为相关研究提供参考和借鉴。

1　系统需求分析和总体设计

1.1　需求分析

目前，我国各级政府及职能部门已建立了完整的公路突发事件应急救援体系和制度，与此对应制定了各类应急预案。从内容上，应急预案对突发事件应急响应、现场处置、善后处理等阶段做了总体框架性的规定，但缺乏不同事件类型响应部门及专业力量配置相关规定；从实践性上，应急预案为管理人员提供了决策方向和指导，但对于各类应急资源配置的数量和地点尚未进行规定。公路突发事件应急的关键是应急资源高效合理配置，指挥中心接警后能够根据事件类型和后果，第一时间自动生成应急预案，并实时接收现场反馈信息，进一步利用应急部门行动规则优化预案；同时，按照预案有效性和完整性指标，评估入库预案的使用效果，完成预案添加、删除和修订。因此，构建公路突发事件应急预案自动生成系统，需具有应急预案自动生成与优化、应急预案评估、应急预案库三大功能模块，以保证应急预案的有效性和可操作性。

1.2　实现原理

首先，建立应急预案库，将文本式的应急预案转化为电子信息，实现应急预案查阅、修订、添加和删除等管理目标[11]；然后，按照应急预案评估流程，对拟添加入库的应急预案进行有效性、整体性和使用效果评估，完成各类应急预案入库；最后，为实现应急预案启动智能化，突发事件信息确认后，自动生成应急处置方案，并根据现场反馈信息不断进行优化，解决应急行动程序与资源需求问题。

1.3　系统功能设计

依据公路突发事件应急救援需求，应急预案自动生成系统包含3个功能模块，如图1所示。其中，应急预案库模块能够进行预案添加、删除、修订等操作，保证应急预案体系可以进行优化操作；评估模块可以对预案有效性、预案体系的完整性和预案使用效果进行评估，保证应急预案体系良好衔接；预案自动生成与优化模块实现应急预案自动匹配检索，自动优化现场处置方案，应急预案经决策后启动[12]。

图1　公路突发事件应急预案自动生成系统功能设计Fig.1　Function design of automatic generation system of emergency plan for highway emergency

2　主要功能模块

2.1　应急预案库模块

2.1.1应急预案流程数字化

1)预案文本结构分解。将预案适用范围、响应分级、参与的相关部门、监测报警、资源配置、应急通讯方式等要素分解为单独模块，并赋予模块化属性。

2)分析应急预案的推进流程。明确每个关键节点的行动对策与职责分工，绘制详细的预案流程图，并以简化条文形式编制应急卡，建立突发事件发生信息、等级响应、参与应急部门、应急处置流程和应急资源需求的规则库[13]。

3)建立应急预案体系的空间结构和关系结构规则库。依据突发事件发生信息、等级响应和参与应急组织机构行动规则，保证突发事件信息确认后，可以同一时间启动各部门关联的专项预案、部门预案。

2.1.2应急预案空间数据库与关系数据库设计

2.1.2.1空间数据库设计

建立结构合理的空间数据模型[14]，高效存储应急预案文本、应急卡和流程图。空间数据库设计通过对应急预案体系中的功能结构进行理解与抽象，形成空间数据库系统，具体是对收集的应急预案进行分析、整理，确定突发事件类型、响应等级和组织机构之间的联系，形成反映预案联动体系的数据库。

2.1.2.2关系规则库设计

关系规则库借助于关系模型来处理数据库中应急预案之间的关联规则。按照突发事件等级、类型启动相应预案，预案启动后提供应急卡和流程图，本质上是将数据库的空间数据模型以逻辑规则进行描述关联。关系模型转换的主要过程为：确定各预案的主关键字；确定预案内部各属性之间的数据关系表达式，即某一属性决定关联预案是否同步启动；消除数据关系表达式中的冗余部分，将实体作为相应的主关键字；根据上述步骤形成新的数据关系；确定全部表达方式后，进行检查、评估和进一步优化。

2.2　应急预案的评估修订模块

2.2.1应急预案修订流程

应急预案库一旦建立，任何对预案的修订、添加和删除行为都应经过评估，预案通过有效性评估后方可进入预案体系完整性评估；根据评估结果要求，修订或新建关联预案，保证预案的良好衔接和整体性；预案使用效果评估不合格，即进入修订程序，如图2所示。

图2　公路突发事件应急预案修订流程Fig.2　Emergency plan revision process of highway emergency

2.2.2应急预案评估流程

应急预案进入评估程序后，利用专家评价法进行应急预案评估，选择具有应急工作经验的专家，向专家提供评估打分表，剔除无效评估结果后，将评估结果录入评估模块，计算综合评分，评分结果不合格需返回重新修订，重新进入预案修订流程，如图3所示[15-17]。

图3　公路突发事件应急预案评估流程Fig.3　Evaluation flow of emergency plan for highway emergency

2.3　应急预案自动生成与优化模块

2.3.1应急预案自动检索

应急指挥中心应急工作人员收到报警人关于突发事件的描述，按照特定规则输入事件发生信息，系统可从应急预案库体系中自动生成应急处置所需的应急预案。案例推理(CBR)可通过重用或修改以前解决相似问题的方案，提供解决当前问题的方法[18]。

2.3.2CBR实现原理

CBR寻获与当前突发事件具有相似特征的应急预案后，再根据当前实际情况和应急部门行动规则对解决方案进行修订。公路突发事件的类型并非总是单一的，CBR在应用过程中会不断记录超出当前预案库的突发事件类型，并给出相似解。公路突发事件应急救援结束后，应急管理机构可根据实践情况、专家经验对之进行修订完善后，纳入当前的应急预案库[19]。CBR工作原理可以归纳为4个基本步骤：案例检索、案例重用、案例修正和案例保存。

2.3.3案例检索算法

采用最近邻策略与归纳推理策略相结合的方法实现案例检索，对应算法为决策树法与K-NN法[20]。

1)决策树检索算法。建立一棵空的决策树，随后在决策树中加入新的分类节点。决策树分支的划分标准，一般采用信息熵增益法。分别计算各源案例测试属性信息熵增益，选择信息熵增益最大作为根节点，重新建立决策树，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检索算法。2个案例之间的相似度是由案例相关描述变量的权重和变量值之间的相似度确定的。案例描述变量分为枚举型、数值型和语义型[21]。

①枚举型变量。当案例中变量j为枚举型变量时，案例q和案例i之间变量j的相似度如式(3)所示。

(3)

②数值型变量。当案例中变量j的值域为区间[a,b]，则案例q和案例i之间变量j的相似度如式(4)所示。

(4)

③语义型变量。当案例中变量j为语义型变量，并且语义变量有一定的值，则案例q和案例i之间变量j的相似度如公式(5)所示。

(5)

2.3.4案例修正

案例修正模块是针对现场处置方案间的差异，应用修正策略对源案例进行优化，修正流程如图4所示。

图4　现场处置方案修正流程Fig.4　Site disposal plan revision flow chart

3　实例分析

2016年12月至2017年3月，安徽省路警联合指挥中心组织开展的重大恶劣天气和重大危化品车辆燃烧事件应急处置模拟演练中，该系统在及时掌握事件点位置、事件影响及周边应急处置资源分布情况基础上，自动生成应急处置方案，总体响应时间5～8 min，实现了对突发事件应急资源科学配置和高效处置，达到了公路突发事件应急救援的预期效果，系统功能得到进一步验证。下面以演练中预设的重大高速公路交通事故为例，阐述系统的运行过程。事件报警信息如表1所示。

表1　公路突发事件报警信息表

3.1　案例检索

依据公路突发事件基础信息，运行应急预案自动生成和优化系统，根据事件类型和等级检索应急预案，再以死亡人数(S1)、重伤人数(S2)、轻伤人数(S3)、受困人数(S4)、事件影响(持续时间)(S5)为检索变量，逐项计算相似案例与目标事件检索变量间的距离，按检索变量权重综合计算相似案例与目标事件之间的总相似度，并依据总相似度大小对相似案例进行排序，选择相似度最高的案例作为事件应急处置预案。目标事件和检索目标案例的事件类型、等级、时间、地点道路特征等为枚举型属性数据项(C)，事件q和案例i之间属性j的相似度Sj定义如式(6)：

(6)

案例属性检索变量为死亡人数、重伤人数、轻伤人数、受困人数，事件影响持续时间为数值型变量，当案例属性j的预案规则阈值范围区间为[n,m]，则目标事件q和案例i之间属性j的相似度Sj定义如式(7)：

(7)

当案例属性检索变量的权重分别为a,b,c,d,e，则总相似度S定义如式(8)：

S=aS1+bS2+cS3+dS4+eS5

(8)

依据突发事件等级划分结果，检索变量预案规则阈值范围分别为：[30，60]，[0，40]，[0，60]，[0，60]，[0，72]，预设检索变量的权重分别为：0.4，0.3，0.1，0.1，0.1。以现场处置方案案例库中任一案例为例，案例信息如表2所示。

表2　检索案例信息

应用检索算法计算案例的相似度，则各属性的相似度计算如下：

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

事故与案例之间的总相似度S计算如下：

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

综上，事故与案例之间的总相似度为0.77，如该案例的相似度最高，可作为应急处置参考预案，则高速公路突发事件应急处置预案检索结果，如表3所示。

表3　公路突发事件现场处置方案

3.2　案例修正

针对应急处置预案中应急资源数值，逐项与规则库中预案规则阈值范围进行对比，超出预案规则阈值范围的应急资源，利用应急预案规则库中对应的预案规则对该案例进行优化。以护士和医生人数为例，该事故应急预案护士和医生数量优化规则有：

护士数>「(重伤人员数+轻伤人员数)/4⎤=「(8+10)/4⎤=5人；

医生数=max(重伤人数，「护士数/2⎤，「轻伤人数/4⎤)=max(8，「5/2⎤，「10/4⎤)=8人；

以医生数为计算依据，依据优化规则：医生数:护士数=1∶2，则护士数为：8×2=16人。因此，医生数优化为8人，护士数优化为16人。

依据应急预案规则库中的优化规则，优化结果如表4所示。

表4　公路突发事件现场处置方案优化结果

注：*表示应急资源优化值

4　结论

1)着眼于公路突发事件应急管理决策服务需求，构建应急预案自动生成系统，实现应急预案的数字化管理及其评估修订，同时完成公路突发事件应急处置预案的自动生成与优化。

2)建立空间数据库用于高效存储应急预案文本、应急卡和流程图。

3)根据突发事件信息匹配出相应的应急处置预案(决策树算法、K-NN算法)，并根据适用条件进行优化，为快速、高效、科学决策提供技术支撑。

[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]陈文辉, 郑晟, 李武杰. 基于加速度的车祸报警系统的设计与实现[J]. 电子设计工程, 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]汤文宇, 李玲娟. CBR方法中的案例表示和案例库的构造[J]. 西安邮电大学学报, 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]赵婷. 突发事件应急预案智能管理与应用系统构建研究[D].南京：南京邮电大学, 2014.

[13]张超, 裴玉起, 邱华. 国内外数字化应急预案技术发展现状与趋势[J]. 中国安全生产科学技术, 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]鲁荣辉. 基于流程的应急预案有效性评估研究[D]. 大连：大连理工大学, 2013.

[15]付举磊. 基于GIS的城市消防辅助决策系统的设计与实现[D]. 长沙：国防科学技术大学, 2010.

[16]汤兆平, 刘欢, 孙剑萍. 基于改进FAHP法的铁路应急预案评价研究[J]. 重庆交通大学学报(自然科学版), 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，程晓卿，等．基于GAHP 的铁路大雪灾害风险模糊综合评估[J]．铁道标准设计，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]卜创利, 潘理虎, 植宇. 基于案例推理的煤矿应急预案管理系统设计[J]. 工矿自动化, 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. 基于案例推理的应急决策支持系统研究[J]. 管理科学, 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]袁晓芳. 基于情景分析与CBR的非常规突发事件应急决策关键技术研究[D]. 西安：西安科技大学, 2011.

[21]张飞. 危化物公路交通应急预案系统的关键技术研究[D]. 大连：大连海事大学, 2012.