公安智能应急预案系统的设计与实现

2019-10-23张华年卜凡亮

中国人民公安大学学报（自然科学版） 2019年3期

张华年，卜凡亮

(中国人民公安大学信息技术与网络安全学院，北京 100038)

0 引言

公共突发事件的频发不仅严重威胁人民群众的生命财产安全，而且影响社会的秩序和稳定，这就考验着各级公安机关的应急处置能力。同时公共突发事件具有不可预见性、强时效性、高危害性等性质，因此在突发事件发生后公安机关能快速制定一套行之有效的应急预案显得至关重要。然而通过对各级公安机关的调研，发现我国目前公安应急预案管理仍存在着一系列问题：首先，案例形式单一且编纂过程中缺乏系统理论支撑。其次，没有形成数字化预案。纸质预案管理困难，导致在突发事件发生后不能及时投入使用。最后，缺乏案例库的建设。在突发事件处置完成后，缺乏对突发事件及处置过程的记录，因而难以对处置过程进行评价，更不可能为以后的应急预案制定提供借鉴。综上，现行的公安应急预案已经不能满足公安机关应急处突的需要。

目前，国内外在构建应急预案系统领域已经涌现了一系列研究成果：Huang W D等人以森林火灾应急响应系统为原型，实现了数字应急预案的自动生成，有效提高了应急预案的生成和知识共享能力的适应性[1]。Ravi K.Sharma等人通过印度石油有限公司斋浦尔存储终端事故案例研究，提出了更加强调自动网络系统需求、结构和发展的电子事件指挥系统，进一步加强了应急响应中的协调和沟通[2]。张双狮等人将案例推理应用于智能决策支持系统，设计基于.net平台的Web服务系统用于群体性事件的应急预案生成[3]。刘君等人设计实现了公路突发事件应急预案自动生成系统，进一步提高了公路交通安全服务的智能管理和辅助决策水平[4]。杨梦等人将文本分析、数学模型、规则推理等技术应用于为煤矿防灾减灾提供智能应急预案，设计了一套煤矿智能应急预案智能生成系统[5]。应急预案系统的研究成果已应用于各个领域，但公安领域的应急预案系统研究目前还比较薄弱。

本文从公安机关应急处突的实际工作需求出发，开发了公安智能应急预案系统，实现了公安应急预案的数字化管理、案例库分层可视化和预案智能生成，提高了公安机关处置突发事件的能力和效率。

1 系统需求分析与总体设计

1.1 需求分析

公安机关应急处置的关键是接警后能够第一时间智能生成应急预案，同时要能够对案例库中的案例进行管理，对案例库进行合理的分层组织，基于公安应急处置的保密性要求，用户的管理也必不可少。因此，构建公安应急预案智能生成应具有案例模块、案例库模块、预案模块、用户模块4个功能模块，以保证系统有效运行。

1.2 系统总体设计

根据公安机关应急处置的需求，公安智能应急预案系统包含4个功能模块，如图1所示。其中案例模块能够对案例进行查询、录入、修订、删除等操作，以保证数据库中的案例能够及时更新；案例库模块可以查询案例及预案的修改记录，并且可以对案例库的分层可视化结果进行查看；预案模块可以实现预案的查询、录入、修订、删除等操作，并实现系统核心功能预案智能生成；用户模块主要包括用户登录、用户注册、用户删除、注册审核等功能。

图1 系统功能结构图

1.3 系统逻辑架构

根据系统的功能和实际应用需要，公安智能应急预案系统基于PyQt5框架，从上至下将系统分为数据层、业务层、用户层。数据层主要负责数据的存储和交互，包括案例库、预案库、用户库、记录库、规则库等。业务层是系统的人机交互界面，也是系统的核心，包括案例模块、案例库模块、预案模块、用户模块4个主要模块。用户层是平台的使用者，分为普通用户和管理员用户。各层之间既相互独立又互相联系，形成反馈机制。保障系统的使用和管理维护、系统逻辑架构如图2所示。

图2 系统逻辑架构图

2 系统关键技术及功能实现

2.1 案例推理技术

案例推理(case-based reasoning)技术是一种用于学习和解决问题的智能技术，它可以根据存储在案例库中的历史案例解决现在的问题，还能不断学习新的知识和经验，使其可以用于解决以后的问题[6]。这些案例被编制成相关的特征属性，以及随之采取的解决方案。CBR技术是一种基于类比的推理，我们可以将其表示为4个RE的循环过程：检索(retrieval)、重用(reuse)、修正(revise)、保存(retain)[7]。CBR技术的核心就是案例的相似度检索，其案例检索计算如公式(1)所示：

sim(X,Y)=1-dis(X,Y)

(1)

sim(X,Y)表示案例X和案例Y的相似度，dis(X,Y)代表案例X和案例Y的距离。

(2)

xi和yi分别代表案例X和案例Y第i个属性值，wi代表第i个属性的权重值。

在本系统中案例推理技术的流程如图3所示。首先建立初始案例库，将历史案例存储于初始案例库中，并通过案例库组织技术，将初始案例库分成若干个子数据库。当新案例输入系统中后，从相应的子案例库中检索新案例的相似案例，并对相似案例解决方案进行重用，在按照设定规则对解决方案进行调整后输出解决方案，并将新案例和其解决方案存入数据库。

图3 CBR流程图

2.2 分层自组织映射

分层自组织映射算法(GHSOM)采用灵活的分层构架，同时它的多层结构中每一层都包含许多独立的SOM，其中的层数、映射地图及神经元都是通过训练确定的[7]。它可以为用户提供案例的聚类和案例之间的层次关系[8]。一个标准的GHSOM算法构建流程如下。

步骤1：参数初始化。如初始地图大小，学习速率，邻域范围，生长停止标准，分层停止标准，标签阈值和标签数量。

步骤2：设置虚拟层0，其中只包含一个节点(单元)。其权重被指定为输入数据的平均值。通过测量输入数据和权重之间的欧几里德距离来获得平均量化误差(mpe0)。

步骤3：在标准SOM训练过程的基础上确定layer1的地图大小。如图4所示，主层1由3×2节点组成，并为输入数据提供粗略的组织

步骤4：水平增长地图。通过计算当前层中所有节点的mqe，评估映射质量并识别错误单元。然后，在错误单元和最不相似的邻居之间按行或列插入新单元，并将它们的权重区域指定为其邻居的平均值。最后，计算当前映射的MQE，其等于所有节点的平均mqe。地图增长继续，直到MQE达到前一层中相应节点的mqeu的某个分数τ1：

MQEm<τ1mqeu

(3)

步骤5：展开层次结构。层次结构生长直到当前层中的所有mqei达到层0的mqe0的给定分数τ2。

mqei<τ2mqe0

(4)

步骤6：通过重复步骤4和5的过程来设置更多层。向下层是上层中已映射到的相应节点的子集。然后，底层中的映射提供更详细的数据组织。

一旦引入了GHSOM，CBR系统的案例库被分成几子案例库。通过改变τ1和τ2的值，可以控制每个子案例库的大小。当输入新案例时，它首先由案例特征向量表示。然后将它与过去的案例放在一起进行聚类。最后，通过GHSOM引导到相应的子集，其中新案例与历史案例一起映射，并且通过使用相似性度量的案例检索可以获得最相似的问题。

图4 GHSOM结构图

2.3 系统功能实现

运行系统,首先进入登录界面，如图5所示，输入用户名、密码方可登录，点击左上角菜单栏，可以连接到注册界面、修改密码界面以及退出。

图5 登录界面

用户登录后进入公安智能应急预案的主界面，可以通过窗口上方的tabwidget标签进行案例管理、预案管理、案例库组织、案例推理4个主要功能界面的切换。如图6所示在案例管理界面用户可以进行添加案例、修正案例、删除案例的操作，并且可以通过各种条件对案例进行检索。如果登录用户是管理员用户，还可以进行用户管理操作。

图6 系统主界面

预案管理界面可以对案例库中案例对应的预案进行浏览和查询，并可以进行添加预案、修正预案、删除预案的操作。

案例库组织界面。在案例库组织界面，用户可以查看案例库的分层组织的可视化视图。另外，若登录用户为管理员用户，可以查询案例库及预案库的修改记录。

案例推理界面。在案例推理界面，用户将时间、地点、案件类型、伤亡人数、嫌疑人人数、案件等级等案件信息输入系统，并可以对各特征对应的权重进行调整，如图7所示。点击案例推理按钮，系统会将案例库中与当前案例最相似的3条案例及其预案呈现给用户，如图8所示。用户可以对相似案例的预案进行调整并输出，并将当前案例和预案保存进案例库和预案库，为以后的案例推理提供经验。