基于案例推理的突发环境事件应急决策模型*

马文笑，王德鲁

(中国矿业大学 管理学院，江苏 徐州 221116)

0　引言

改革开放以来，中国经济的发展取得了举世瞩目的成就。然而，高耗能、低附加值的粗放型发展模式使得环境污染和生态恶化的情况日益严重，各类突发环境事件频繁发生。例如：2005年松花江重大水污染事件、2010年大连新港原油泄漏事件、2011年渤海蓬莱油田溢油事故等。这些事件极大威胁人员生命与健康，带来巨大经济损失，严重破坏生态环境，极大地阻挠了我国生态文明建设。随着突发环境事件复杂性的提高，决策者很可能面临超越决策者经验的情景，但应急决策又依赖于实际事故应急及应急演练时的救灾经验。而随着应急决策难度的增加，决策失误所带来的后果也愈加严重，因此如何提高应急决策的质量和效率是当前突发环境事件应急决策研究的重点问题。突发环境事件具有随机性、破坏性、复杂性、聚变性、扩散性等特点[1]，因此很难对事件进行科学预测并预先进行针对性的应急准备。因此，“预测—应对”模式已很难满足当前的突发事件应急要求，而“情景—应对”已是目前相关应急管理工作的主要模式。由于案例推理能够通过对先验经验的梳理归纳总结，为决策者提供可供参考的知识储备，近年来得到大量关注和广泛应用。

1982年，Schank[2]首次提出案例推理，其思想是根据源案例与目标案例之间的映射关系，选择出与目标案例相似的案例，将匹配出的案例的解决方案进行合理重用，生成新问题的解决方法，进行决策支持；文献[3]提出，案例推理过程主要包括：案例检索、案例重用、案例修正、案例保存4个部分。在目前的案例推理研究领域中，研究重点在于案例表示与案例检索匹配。案例表示是案例推理的首要工作，案例存储结构的好坏直接影响推理工作的质量与速度。目前，用于案例表示的方法主要有框架[4]、语义网络[5]、XML[6]等，近年来，本体建模的知识表示方法也日益受到关注。本体具有概念化、形式化、明确和共享的特点[7]，有利于表现事件发展过程，实现知识共享，加强各部门之间的信息交流[8]。案例推理的关键在于匹配出合适的案例，为新问题提出可供参考的应急处置方案，所以高效率的案例检索方法可为决策者在短时间内提供决策依据，提高应急效率。

事件由情景组成，情景是决策的基础与依据。突发环境事件具有一个动态的演化过程，决策者需要根据关键的情景进行决策，随着情景的转变，决策者也要对情景进行事态分析以进行动态应对决策，而不是根据最初的情景或其中的某一情景进行一次性的单一决策。以往案例推理的知识表示一般以案例结束后的状态通过平面属性将其静态存储，以整个事件作为检索的单位，因此通过案例推理得到的应急方案可用性不强，也不符合“情景—应对”的管理范式。鉴于此，本文以突发环境事件为对象，以案例推理为方法论，通过对案例的剖析，以情景作为案例推理的基本单元，表现事件动态演化过程，增强以往经验的可用性，丰富案例推理的理论知识，给出突发环境事件应急决策研究框架，并通过实例说明该方法的有效性，建立的基于情景构建突发环境事件案例推理方法，可以为相关应急部门的突发环境事件应急决策提供支持。

1　基于案例推理的突发环境事件应急决策模型

1.1　突发环境事件应急案例结构分析

设Z={Z1,Z2,Z3,…,Zn}表示历史案例集，其中Zi表示第i个历史案例，i∈n，设Z0表示目标案例。 根据Gilboa 和Schmeidler[9]提出的概念模型，将案例的共性知识描述为三元组，Z=(Q,R,E)，其中Z代表应急案例，Q代表问题描述，R代表应急方案描述，E代表应急方案总结描述。

1.2　应急情景本体模型

利用本体模型为突发事件建立知识共享模型，可有效解决同一领域内的信息孤岛问题，统一的信息存储方式有利于实现各类突发事件的不同情景和应急行动等信息的表达，从而根据具体的需求检索出最优的应急案例，使决策者在时间紧迫的条件下做出应急决策。根据Studer R等[10]提出的本体模型， ECOnto模型由一个五元组构成，分别是概念(Concept)/类(Classes)、关系(Relation)、函数(Function)、公理(Axiom)与实例(Instance)，可记为：

ECOnto:=〈ECO_Concepts，ECO_Relations，ECO_Function,ECO_Axioms，ECO_Instances〉

1.2.1类

类(ECO_Concepts)表示应急案例本体模型中概念的集合。根据突发环境事件应急案例结构分析，突发环境事件主要包含3个方面的描述，分别为灾害情景描述、应对行动描述、行动总结描述。应急案例概念的集合表示为：ECO_Concepts={c1，c2，c3…cn}，ci为应急案例相关概念。根据突发事件应急案例概念模型，对本体模型根类emergency[11]的子类进行改进，建立包含4个子类的“事件-情景-行动-总结”4层架构。

事件由一系列情景组成，是从时间和空间的角度描述“所见即所得”，通过情景之间的作用关系表示显示应急事件发展演化，由表现灾情主要特征的要素组成。本文借鉴“多维情景空间方法”(MDSS)[12]的思想，通过平面属性值与空间层次属性值，建立多层级情景结构表达，实现对事件的内部关系、演变特征的有效性表达。行动描述了根据当时的应急预案和具体情景采用的应急行动，即应急方案。总结包括2部分内容，一是对于具体的应急行动效果的客观评价；二是根据应急行动的客观评价对处置过程进行反思，由此总结出在不同的情景下采用何种应对方法。

情景[13]由多个要素组成，要素涉及多个对象，而对象是灾害及应急决策的承担者，对应真实场景中的本体，不同情景可以包含相同对象。要素是能够反映灾害特点的具有2个维度的最小不可拆分元，横轴代表要素取值，纵轴代表该要素在不同时间点对事件恶化的“贡献”程度。单一情景是空间体系中的独立点，而情景演化过程可表示一组轨迹点。本文给出要素的提取方法，为突发环境事件情景构建提供参考依据。

本文将能够反映灾情主要特征、影响灾情发展的信息定义为要素，环境、承灾体的情况、应急响应等都可能对当前的情景演化产生影响[14]。而情景要素由致灾因子、孕灾环境、承灾体以及应急活动4个部分组成，如图1所示。

图1　突发环境事件情景要素及其间关系Fig.1　The situational elements of environmental events and their relationships

图1中，致灾因子表示导致事件发生和推动事件发展因素的集合；承灾体表示事件的承灾对象的集合；孕灾环境表示影响事件发展的外部环境的集合；应急活动表示救灾人员对事件采取的一系列措施的集合，其中应急物资包括承灾体自备以及外调的应急物资，二者因对灾害情景的作用时间不同，故对情景的演化有不同的制约作用。承灾体在情景演化过程中可变为新的致灾因子，并影响外部环境对事件的反映，孕灾环境会影响应急活动的有效进行，而应急活动则会对致灾因子以及承灾体进行控制，制约灾情的发展。而对象作为情景与要素中间的一环，是要素提取的参考。由此可见，从以上4个部分进行要素的提取与整合，可系统全面对情景及情景演化进行刻画。

1.2.2关系

关系(ECO_Relations)是表示类与类之间的二元关系的集合，记为ECO_Relations={R(c1，c2)|c1，c2∈ECO_Concepts} ，在模型中，主要关系有属性、继承等关系。

1)属性关系：属性表示类的客观存在的组成特征，通过对类的不同属性进行赋值来表现实例的存在。

2) 继承关系：若A是B的子类，则概念A和B存在继承关系，记为A⊆B。如情景是事件的子类：Situation⊆Event。

1.2.3函数

函数(ECO_Function)表示本体模型中概念之间的无法用关系表达的特殊关系，表示n-1个元素能够唯一确定第n个元素。例如，可以根据突发事件的地理位置、自然环境、事故原因等因素确定突发事件的类型，记为：

ECO_Functions={F:(c1,c2,…,ci,…,cn-1)→|ci∈ECO_Concepts}

1.2.4公理

公理(ECO_Axioms)表示永真的声明，公理集合可以定义为：ECO_Axioms={A}。

1.2.5实例

实例(ECO_Instances)表示应急案例概念和关系的实例化，记为：

ECO_Instances={Instances|C(Instances)，R(Instances)∈ECO_Concepts∪ECO_Relations}

2　应急案例检索

应急案例检索是指根据给定的目标案例的各项问题特征，检索系统能够依据已设定好的案例匹配算法，自动地从案例库中检索出与目标案例相似的案例，并且可根据用户的要求，将输出结果进行排序，匹配程度高的优先输出。本文中案例检索是以情景为单位进行的检索，情景要素组成中，应急活动中自身储备的应急物资作为检索范围之一，外调的应急物资不被纳入检索的范围。

2.1　相似度计算

2.1.1全局相似度

设F={F1,F2,F3,…,Fn} 表示历史案例集Z的构成情景，其中Fi表示第i个历史情景，i∈n；F*表示目标案例情景；设f={f1,f2,f3,…,fm}表示情景的构成要素集合，fj表示情景的第j个要素。利用最近邻法KNN进行对于目标情景F*与历史情景Fi之间相似度SIM(F*,Fi)的计算，即通过目标情景F*与历史情景Fi间的各问题特征相似度SIMj(F*,Fi)加权实现，计算式可表示为：

(1)

式中：SIMj(F*,Fi)表示目标情景与历史情景第j个要素之间的相似度，wj表示第j个要素的权重,η表示目标情景与历史情景之间结构相似度。SIM(F*,Fi)越接近1，表明目标情景F*所涉及的当前突发事件应急问题与历史情景Fi所涉及的历史突发事件应急问题的相似程度越高。

2.1.2局部相似度

利用逆指数函数[15]构造相似度算法计算各种情景要素之间的局部相似度。根据上文对要素的研究，要素的数据类型有数值型、模糊语义型、符号型。令fij表示第i个历史情节Fi的第j个要素，f0j表示目标情景F*的第j个要素。

1)精确数值型数据

(2)

2)模糊语义型数据

(3)

3)符号型

(4)

图3　油罐爆炸情景表示Fig.3　Oil tank explosion scenario indication

2.2　结构相似度计量

突发事件情景复杂，很多数据短时间内无法获得，而在有限的时间内检索出合适的案例是应急决策的关键。因此，为了解决数据不完整、数据类型多样等问题，利用结构相似度对匹配算法进行修正。情景x和情景y的结构相似度计算步骤如下：

1) 计算事件情景x，y的所有非空属性构成的集合，记为S，T。

2)计算S和T的交集和并集，分别为I=S∩T，U=S∪T。

3)计算交集I和U所有要素的权重之和为w1，w2。

3　应急方案生成

通过案例情景的匹配算法，可得出与目标情景最为相似的情景，该情景通过本体模型以“事件-情景-行动-总结”4层架构的方式进行存储，因此决策者可从相应的系统中获取为应对该情景所采用的应急行动的详细信息，并且能够根据对该情景事后应急活动总结，对该情景中的应急活动进行适用性有效性评估，深刻吸取事故教训、借鉴事故应急救援的有效救援经验，快速生成适用于目标情景的应急方案，该过程如图2所示。

图2　基于情景匹配算法的突发事件应急方案生成方法Fig.2　Method for generating emergency alternatives based on scenario matching algorithm

4　模型应用

以大连石油国际储运有限公司“7.16”输油管道爆炸火灾事故中的1个情景为例，通过实例说明所提方法的可行性与有效性。2010年7月16日,大连新港事故现场输油管线、泵房、明沟暗渠、污油池等处连续发生爆炸，原油从破裂管道、阀组处带压喷涌燃烧，巨大火柱照耀如同白昼，地面原油流淌火顺坡向四面八方急剧扩散，中联油库区及毗邻的南海原油罐区等6大储罐区受到大火的严重威胁。现场采用车载水炮和移动水炮对原油罐进行冷却，并采取筑堤围堰、泡沫覆盖、沙土掩埋等措施堵截消灭地上的流淌火和罐区阀组及地下沟渠内的火势。该情景的表达结构如图3所示。

为了保证案例的时效性，本文选取2010—2014年国内发生的6个相关的汽油类爆炸事故，即“6.2”大连石化油罐爆炸事故F1、中石油大连石化公司“8.29”储罐火灾事故F2、“6.29”广州油罐车爆炸事件F3、兰州石化公司“1.7”事故F4、“11.22”中石化东黄输油管道泄漏爆炸特别重大事故F5和日照市山东石大科技石化有限公司 “7.16”较大着火爆炸事故F6，相关情景作为历史情景，以大连中石油国际储运有限公司“7.16”输油管道爆炸火灾事故的情景作为目标情景F*，以f1～f8作为情景索引要素。根据各事故的调查报告，现有对灾害各个情景的表达主要通过文字描述进行刻画，尚未有精确客观数据对情景的要素计量，因此本文通过对f1～f8要素状态的打分赋值进行量化，赋值标准为{无(0)，小(1)，中(2)，大(3)}。根据各事件的调查报告，通过打分赋值描述各事件的爆炸情景，如表1所示。

表1　目标案例情景与源案例情景的要素值

根据式(2)、(3)和(4)，求出各要素之间的局部相似度，结果如表2所示。

表2　目标案例情景与源案例情景的要素值相似度SIMj(F*,Fi)的计算结果

利用层次分析法设计各要素权重。专家根据要素对灾情演化的影响程度，给各个要素定义重要等级，共分为5个等级，其中f1等级为3，f2等级为1，f3等级为3，f4等级为4，f5等级为4，f6等级为5，f7等级为2，f8为1。根据权重确定原则，得出各要素的权重，继而求出情景之间的结构相似度，最后根据式(1)，得出目标情景与源案例情景之间的全局相似度：SIM(F*,F1)=0.579，SIM(F*,F2)=0.598，SIM(F*,F3)=0.57，SIM(F*,F4)=0.521，SIM(F*,F5)=0.766，SIM(F*,F6)=0.37。因此可知，在给定的6个相似事件的情景中，情景F5与目标情景F*最为相似， 因此大连“7.16”事件爆炸情景可根据“11.22”中石化东黄输油管道泄漏爆炸事故中油罐爆炸情景形成该阶段的应急工作方案，并结合当前情景本身特征和源案例情景处置不当的教训，对新形成的应急方案进行调整与修改。

5　结论

1)提出突发环境事件应急决策研究框架，并在此基础上构建基于案例推理的应急决策模型。结合突发环境事件的特点，对案例推理方法进行优化，提高决策质量与效率。

2)将本体模型与案例推理技术相结合，有效解决了突发环境事件应急过程中信息隔绝问题，增强了以往经验的可用性。以情景为研究对象，深入剖析情景多维构成、要素获取维度，以此表现情景的动态演化路径，并根据情景的要素构成优化情景匹配算法，提高检索效率及匹配精度，丰富案例推理的理论知识。

3)通过1个具体事故案例的模型应用说明，本文提出的模型可有效建立实例与本体模型之间的关系，实现了情景的多维表达，并能够高效检索出最优情景以实现决策支持。

[1]袁莉, 杨巧云. 重特大灾害应急决策的快速响应情报体系协同联动机制研究[J]. 四川大学学报(哲学社会科学版), 2014(3):116-124.

YUAN Li, YANG Qiaoyun .A study on collaboration and linkage mechanism for quick response intelligence system in major disasters emergency decision[J]. Journal of Sichuan University(Philosophy and Social Science Edition), 2014 (3):116-124.

[2]Schank R C. Dynamic Memory: A Theory of Reminding and Learning in Computers and People[C]// Cambridge University Press, 1982.

[3]宋占兵, 朱天玲, 王如君,等. 基于案例推理的油罐区重大事故应急资源配置技术[J]. 中国安全生产科学技术, 2014,10(12):75-79.

SONG Zhanbing, ZHU Tianling, WANG Rujun, et al. Oil storage tank area major accident emergency resources allocation technique based on case-based reasoning[J]. Journal of Safety Science and Technology, 2014,10(12):75-79.

[4]廖振良, 刘宴辉, 徐祖信. 基于案例推理的突发性环境污染事件应急预案系统[J]. 环境污染与防治, 2009, 31(1):86-89.

LIAO Zhenliang, LIU Yanhui, XU Zuxin. Emergency contingency planning system for sudden environmental pollution incident based on case-based reasoning[J]. Environmental Pollution and Control, 2009,31(1): 86-89

[5]Camporeale C, Nicola A D, Villani M L. Semantics-based services for a low carbon society: an application onemissions trading system data and scenarios management[J]. Environmental Modelling & Software, 2015, 64(2):124-142.

[6]曹茂俊, 尚福华, 滕雪萍. 基于描述逻辑的可扩展的案例表示及检索研究[J]. 科学技术与工程, 2010, 10(11):2777-2780.

CAO Maojun, SHANG Fuhua, TENG Xueping.The research of scalable case representation and retrieval based on description logic[J]. Science and Technology and Engineering, 2010 ,10(11): 2777-2780.

[7]王能干, 王坚, 凌卫青. 基于本体的突发事件应急服务模型研究[J]. 计算机与现代化, 2014(1):192-195.

WANG Nenggan, WANG Jian, LING Weiqing. Research on emergency service model based on ontology[J]. Computer and Modernization, 2014 (1): 192-195.

[8]张莹, 黄丁发, 陈维锋,等. 地震应急预案数字化关键技术研究[J]. 中国安全生产科学技术, 2014,10(5):95-102.

ZHANG Ying, HUANG Dingfa, CHEN Weifeng, et al. The key technology of earthquake emergency plan digitization research[J]. Journal of Safety Science and Technology,2014 ,10(5): 95-102.

[9]Gilboa I, Schmeidler D. Case-Based Decision Theory[J]. Quarterly Journal of Economics, 1995, 110(3):605-639.

[10]Studer R, Benjamins V R, Fensel D. Knowledge engineering: principles and methods[J]. Data & Knowledge Engineering, 1998, 25(1-2):161-197.

[11]蔡玫, 曹杰, 于小兵. 基于应急实例本体模型的应急案例推理方法[J]. 情报杂志, 2016, 35(6):183-188.

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

[12]Liu Y, Feng Y, Zhang H, et al. Study on multi-dimensional scenario-space method for case-based reasoning[C]// The, International Conference on Cybernetics and Information Technologies, Systems and Applications, Orlando, Fl, Usa. 2013:9-12.

[13]钱静, 刘奕, 刘呈,等. 案例分析的多维情景空间方法及其在情景推演中的应用[J]. 系统工程理论与实践, 2015, 35(10):2588-2595.

QIAN Jing, LIU Yi, LIU Cheng, et al. Study on case analysis and deduction based on multi dimensional situation space method[J]. systems engineering theory and practice, 2015, 35 (10):2588-2595.

[14]盛勇,孙庆云,王永明. 突发事件情景演化及关键要素提取方法[J]. 中国安全生产科学技术,2015,11(1):17-21.

SHENG Yong, SUN Qingyun, WANG Yongming.Emergency scenario evolution and extraction method of key elements[J]. Journal of Safety Science and Technology, 2015,11(1):17-21.

[15]于峰, 李向阳, 刘昭阁. 城市灾害情景下应急案例本体建模与重用[J]. 管理评论, 2016, 28(8):25-36.

YU Feng,LI Xiangyang, LIU Zhaoge.Ontology modeling and reuse of emergency case in urban disaster scenario[J]. management review,2016,28(8):25-36.