协同视角下的跨域突发事件应急情报组织模式

郭 骅，蒋 勋，许 瑞，侯柏屹，张健东

（1.河海大学商学院，南京 211100；2.河海大学世界水谷研究院，南京 211100；3.江苏省数据工程与知识服务重点实验室，南京 210023）

1 引 言

2018年，第十三届全国人民代表大会第一次会议批准成立中华人民共和国应急管理部。应急管理部将国家安全生产监督管理总局的职责，国务院办公厅、公安部、民政部、国土资源部、水利部、农业部、国家林业局、中国地震局的应急管理、救灾、灾害防治、应急救援的职责，以及国家防汛抗旱总指挥部、国家减灾委员会、国务院抗震救灾指挥部、国家森林防火指挥部的职责进行整合，自中央到地方形成新的应急管理体制，以应对愈加复杂的突发事件。新的应急管理体制明确了各级、各地、各专项应急管理机构的法律地位、权力分配关系以及其组织形式，应急管理体系的静态结构和潜在功能进一步向综合协调型发展。

在整个应急管理体系中，应急情报网络作为应急决策的支撑系统，处于一个非常重要的位置。应急情报网络的建设和运行，需要充分利用异质网络环境下的多源异构大数据资源，提升情报机构的协同作战能力，以适应协同、开放和动态的应急组织结构。以“新型冠状病毒肺炎”突发事件为例，公共卫生突发事件在短期内迅速演化为跨域突发事件，延伸至公共交通、供应链管理、群体性聚集、司法事务等相关领域，弥散至全球多个国家和地区，跨越原有的领域和地域，连锁效应和溢出效应突出。应急情报网络须在多个情报机构之间组织协同服务，实现跨领域情报集成，并紧跟突发事件的发展态势和应急组织结构调整，为应急管理部门提供定制化、动态化的情报服务。

当前，多数地方政府的应急信息系统和专业情报机构之间缺乏互联互通，应急情报资源、应急情报服务和情报服务主体之间存在专业、地域和条块分割的壁垒[1]，缺少协同组织办大事的能力，应急情报协同服务从理论方法到技术实现，还需要跨越基础技术和其应用的鸿沟。重要的问题是如何通过应急情报以及与之相关的信息过程支持跨组织协同的应急管理。现有研究证明了依靠单一组织和单一领域的情报系统在极端性灾难的动态情境中容易导致应急失败，例如，欧洲近年来发生的难民潮和恐怖袭击事件[2]、1999年土耳其马尔马拉地震的应急救援[3]、2005年卡特里娜飓风的应急响应[4]，2020年发生的COVID-19公共卫生突发事件[5]。Kim等[6]指出，应急管理涉及多个跨组织的响应者，其需要共享关键任务信息的数字跟踪，然而，由于缺乏结构化的信息共享机制，导致各组织之间的合作很难开展。Dorasamy等[7]认为，应急情报网络应使无边界信息流和异构性IT系统能够协同运行。如何将处于不同领域、分散异构的情报资源和情报服务整合起来，并使不同的情报服务主体共同工作，值得研究者做进一步的探索。本文旨在探讨使跨域应急情报链纵向贯通的工作机理和实现路径，提出应急情报网络构成的总体解决方案，支持跨组织协同的应急管理和决策。

2 文献综述

传统的情报组织模式，按照自上而下的垂直分工，各类情报服务主体的开放性服务、协同化服务能力明显不够[8]。常见的情况是应急情报系统或专业情报机构为处理单一类型的突发事件而设置的。现有文献报告了预防和扑灭森林火灾的决策支持系统[9]、实时滑坡预警系统[10]、地震灾害预报系统[11]、跨平台洪水影响评估工具[12]、突发污染事故的应急监测和处置决策支持系统[13]。由欧盟和前苏联大学以及研究机构共同开发的RODOS核事故实时在线决策支持系统为欧洲范围的数据交换奠定基础，集中了所有欧洲潜在核电站危机可能需要的信息，包括监测、分析、对策和评估[14]，为地方、区域和国家各级的场外应急管理提供一致而全面的支持，并且能够在各个领域中得到广泛应用。这些系统为确定的单一组织提供情报服务，或服务于特定类型的突发事件。但是，当人们面对跨域突发事件或高度不确定的情况时，由于信息和分析可能变得过时，以及没有考虑危害之间的相互作用而失去效力[15]，无法灵活地同时应对多个管理主体或复合型突发事件的需要。

试图通过一个系统解决多种类型突发事件的情报整合问题是一种新的尝试，在这种情况下，由一个情报服务主体为所有涉及的区域、问题和管理主体提供情报服务。马来西亚国家安全委员会组织开发的社区应急管理和感知原型系统（integrated Community Emer‐gency Management and Awareness Systems,iCEMAS）集成了关键数据、信息和知识，为其分支机构和支持机构之间提供信息共享和传播的工具，但这项研究不包括空间数据，并且被证明缺乏在不同利益相关者之间获取信息和知识的能力[7]。西班牙的SIGAME系统为19个自治机构提供应急管理帮助，这一系统只包含突发事件状况和协调决策等较少的公共数据库和通信功能，尚不能对应急处置所需的知识和更广泛的数据进行管理和分发[16]。截至目前，将数字孪生城市应用于应急管理[17]是最为宏大的计划，这一系统从传感器网络获取灾难信息和建成物模型，实时地感知城市危机，并予以预警和处置。数字孪生城市的计划并没有考虑已有的利益相关者和已建成的信息系统的投资保护，至少在短期内缺乏现实的基础。

德国科学家赫尔曼·哈肯在20世纪70年代创立了协同理论[18]，提出系统要素之间通过有意识的行为进行集成后，协同运作产生的整体效用大于各部分总和的效用。因此，协调网络组织间的情报活动比将不同情报组织维持在一个集中指挥框架下更为有效[19]。苏新宁等[20]认为，多组织协同联动的应急情报对于应急管理具有重要的战略意义。应急情报网络促进情报采集者、分析者和决策者协同工作，推动应急情报资源的协同与聚合，实现以任务驱动的“平战结合、动态响应”[21]。情报技术逐渐从封闭的框架和软件生态向开放合作的形态发展[22]，未来跨领域、跨系统的情报协同将得到普及和强化，个性化、细粒度的情报协同服务模式将成为研究的焦点。蒋勋等[23]提出了适应情景演化的多知识库协同架构的解决方案。郭骅等[24]研究了面向整合管理的情报体系分析框架，报告了城市级情报综合服务平台的构建方法。肖花[25]论证并构建了包含协同标准化平台、协同传播模式和协同管理模式的应急情报资源共享框架，以实现应急情报网络化和集成化。中国科学院文献情报中心刘细文等[26]提出了分布式情报服务的资源共享机制、人员协作机制和服务定制机制。北京市科学技术情报研究所的研究人员[27]提出面向战略情报研究的协同情报服务体系，涵盖工作层面协同、知识层面协同、情报能力协同和外部资源协同。现有研究指出，严格有序的情报服务分工界限逐渐消亡，应急情报服务的业务流程和技术方式正在发生根本变化，情报服务需要具有弹性协同和自适应能力。这无疑为协同服务指明了方向，但仍然多集中于单一层面的情报协同，例如，基于地理信息的综合集成[28]和基于事件情境的数据融合[29]主要在情报资源层面实现；对洪水灾害的早期预测[30]、绘制脆弱区域地图[31]、应急疏散计划[32]和紧急救援方案[33]的情报协同，则可能在情报服务层面实现。多主体的仿真平台被用于暴风雪灾害的危机决策[34]、飓风威胁的概念建模[35]、应急避难场所的优化布局[36]，以及对重大事件的战术和操作响应的模拟[37]，这信息可帮助决策者评估、测试和优化响应策略，已有研究的重点在于模拟场景和提供仿真环境。目前，研究者对于跨主体的情报协同尚缺乏深入的研究，Ramaswami等[38]指出，智能城市的优先事项是解决跨界和多部门的问题。由于受到目标冲突和程序约束的影响，应急情报协同还面临情报模块化效率低、跨组织复用成本高等突出问题[39]。传统上，情报资源、情报服务和服务主体密不可分：情报服务和情报资源之间存在紧耦合的调用关系，服务主体和情报资源、情报服务之间又存在权属关系。多主体、网络化的应急情报协同可以帮助打破这些固有的关系，从而使三者之间建立新的联系。

3 应急情报的协同模式

自然灾害、事故灾害、公共卫生事件和社会安全事件既具有个性特征，也具有强烈的领域相关性，越来越多的证据表明，突发事件不再是单一领域的问题。突发事件通过领域间相互关联的介质（信息、技术、资源等）从原发领域向相关领域扩展[40]，原生型突发事件引发次生型突发事件，呈现出高度的复杂性和鲜明的跨界性，跨域性甚至是多种跨域性的交织复合[41]成为现代风险社会突发事件的显著特征。面对跨域突发事件的复杂局面，传统上单一灾种的应急处置模式存在较大局限。整合性、动态化和网络化的跨域突发事件应急管理对情报服务提出了跨组织调度、跨领域协同的集成要求。各情报机构在专业领域、资源能力、技术工具、工作流程上存在显著差异，情报网络的建立有利于克服碎片化形态，实现多个层面的应急情报协同服务。

一方面，提升跨域突发事件应急管理水平的关键在于突破既有的领域经验、数据壁垒和知识模型，增强处理新型危机的能力，从根本上解决部门协调动力不足，补位协同机制虚设的问题；另一方面，情报服务的各类主体，尤其是专业情报机构需要借助新的理论、方法和技术，在跨域突发事件的不同演化阶段动态融入应急决策业务流程，充分发挥情报功能，避免情报资源和服务能力的浪费。单一领域的情报和孤立的情报机构不足以支撑跨域突发事件的应急管理，情报网络的构建和运行需要重点解决三个方面的问题：①多领域应急情报的资源合成问题。相关的数据和知识应通过事件情境和时空约束等多维度特征关联具备针对性、复用性、融合性和可扩展性，构建跨域情报协同服务的资源基础。②多情报机构的服务协作问题。情报网络中各节点所提供的服务应具有灵活自治的组织规则，支持不同粒度的情报服务自由组合。③个性化用户需求和动态化逻辑流程的服务响应问题。跨域突发事件的演化特征和应急管理主体的多元特征均对情报服务提出了动态调整的响应需求，业务逻辑需要准确映射至情报服务和情报资源。

情报协同存在多个二维运行模式的组合演化[42]，从情报资源、情报服务和主体关系三个层面观察跨域应急情报链的构成，可见情报网络的“资源-服务-主体”三重协同模式有助于实现跨领域知识交融、细粒度服务合成和多主体协同作战，将其转化为三维视图，如图1所示。

图1 应急情报协同服务自组织运行分析

（1）情报资源维度。该维度由涉及突发事件的多领域应急数据、信息和知识构成，这些情报资源在语义层面存在相关关系、等同关系和等级关系，其所有权分属于不同的应急管理信息系统和不同的专业情报机构，跨域突发事件应急情报服务需要从异构的专业领域数据库、信息库、知识库中依据一定的方法和原则抽取，并组合应急情报。

（2）情报服务维度。该维度由颗粒化的应急情报服务构成，细粒度的情报服务不仅包括检索类型的服务，如跨域知识融合产生的新的知识；也包括其他类型的服务，如计算二维地图闭合曲线中的受影响人口规模或应急交通限行区的通行指标。在非功能层面，情报服务还可提供QoS（Quality of Ser‐vice）、组合习惯等属性偏好。

（3）服务主体维度。该维度由伴随跨域突发事件演化而改变的情报服务主体之间的关系构成。在不同的业务阶段，情报网络为支持应急决策投入的情报服务主体及其相互之间的关系处于动态变化之中，每一次主体构成及其关系的改变，都意味着新的应急情报服务集成者主导粒化服务产生新的业务流程组合。在不同的突发事件中，情报服务主体之间的协同关系可能发生改变；在同一突发事件的不同阶段，也可能出现服务主体之间的关系变动。

4 应急情报资源的组织

4.1 跨域应急情报资源集成

肖希明等[43]指出，数字资源集成的方式主要包括基于数据的资源集成、基于信息的资源集成和基于知识的资源集成。从知识层面对跨域应急情报资源进行集成，将知识组合应用于决策问题求解[44]是提升跨域突发事件应急决策支持力的有效途径[45]。由于认知和功能方面的差异，跨域应急知识中的多元表示现象普遍存在，这成为情报协同服务的资源瓶颈。知识融合是知识的高质量集成，需要对信息实体内部概念和语义进行揭示，因此，与应用领域、情境感知密切相关[46]。相较于以问题为导向的知识融合，事件驱动型融合更适合于决策支持类的应用场景[47]，其核心是通过多维度的信息抽取与甄别，获得相关实体、事件过程或知识单元之间的多元关系表征[48]，搭建跨域应急知识的映射关联体系[49]。语义关联具有多种模式，较为典型的有以顶层本体为主导的模式、基于桥本体的模式、基于知识地图的模式和基于关联数据的模式[50-51]。无论采取何种语义关联模式，都需要考虑情报服务对已有的应急知识的灵活调用，自上向下式的语义关联方法在建立全局本体上，面临跨域突发事件的高度不确定性的挑战。

跨域突发事件具有强烈的领域扩展性和空间溢出性，情报资源集成需要从多个维度进行关联规则的构建。首先，以突发事件情境演化为出发点，在语义层面融合跨域异构应急知识库，对各专业领域应急知识进行关系解耦，对多领域应急知识进行关系耦合；其次，构建面向情境感知的应急知识语义关联规则，实现跨域突发事件溢出状态下的混合知识表示；最后，构建成一组松耦合的情报合成资源集，使之成为跨域突发事件应急管理中情报服务得以协同、组合的知识基础（图2）。将多个专业领域中的应急知识，如案例、预案、模型、算法、用例转化为基于领域问题（如救援计划、疏散计划、损失评估、风险评估、路径规划等）、事件类型（如地震、火灾、洪水、滑坡、核泄漏、海啸、传染病暴发、危化品事故等）①突发事件分类亦可参照《中华人民共和国突发事件应对法》规定的4大类13小类的概念性分类。、参与实体（包括政府机构、市场组织、非政府组织和社会公众）[52]、时空约束（如事件位置、事件时间等）[53]等突发事件情境特征属性为索引的多层次细粒度知识刻画，形成具有复用性的领域知识特征向量集，根据相关性原理分析多领域情报资源的语义相关性，消解不同领域之间发生的语义冲突，判定多领域应急知识之间的相关关系和关联程度，实现跨领域的知识融合。

图2 应急情报资源集成组织方案

4.2 情报资源融合的架构

应急情报资源存在多样性和层次性，系统需要进行分层转换以处理这些情报资源，这一过程需要统一表示系统各部分功能和特性的术语，即情报资源融合架构。祝振媛等[54]指出，知识融合的研究经历了“数据融合→信息融合→知识融合”的发展过程，信息融合是数据融合发展到一定阶段的扩展，知识融合是对数据融合与信息融合的提炼与升华。知识是有序化组织的数据[55]，对知识的分析和关联仍然要在数据层面进行操作[56]。1986年，美国国防部于提出了实验室联合主任（Joint Directors of Lab‐oratories，JDL）架构[57]，建立了一个数据融合的功能模型，将数据处理分为五个级别，分别是源预处理、对象提炼、情况评估、威胁评估和流程优化。Luo等[58]针对传感器网络的普遍运用，提出了多传感器集成与融合的通用体系架构，该架构将传感器网络节点数据的融合划分为四个级别：信号级（signal level）、像素级（pixel level）、特征级（fea‐ture level）和决策级（decision level）。Dasarathy[59]从系统输入-输出的角度修改了Luo和Kay的架构，将传感器数据融合模型分为五类：数据输入-数据输出（data in-data out，DAI-DAO）、数据输入-特征输出（data in-feature out，DAI-FEO）、特征输入-特征输出（feature in-feature out，FEI-FEO），特征输入-决策输出（feature in-decision out，FEI-DEO）、决策输入-决策输出（decision in-decision out，DEIDEO）。数据融合架构旨在解决将传感器数据从原始状态转化为高质量形式的分层方案问题，将这一架构模型转移扩展至跨域应急情报资源融合中，其中三类融合模式（DAI-FEO、FEI-FEO和DEI-DEO）均可能出现，因此，形成一个混合的情报资源融合模式，具体如表1所示。

表1 融合模式的比较分析

跨域应急情报资源融合关注的重点与传感器网络节点的数据融合仍然存在较大的差异。一方面，DAI-DAO融合可以设定为应急情报资源产生之前的一个阶段，原始数据融合后的输出结果方能够成为专业领域应急情报资源的一个部分。应急情报资源的数据融合的信息过程主要体现在来源于不同数据库的数据集成，并对实体特征或现象进行新的表述，与之对应的是DAI-FEO模式。另一方面，由于应急管理的复杂性，应急决策的融合与应急管理的体制机制，以及决策方法和决策程序紧密相联。在应急情报资源融合的阶段并不包含DEI-DEO融合。传感器网络节点的数据融合常常面临数据稀疏、数据质量、数据冲突、数据对齐、数据配准、数据关联、数据异质性、动态融合等挑战[60-61]，而跨域应急情报资源融合的最大问题则是数据与知识的关联规则的建构。

4.3 情报资源的关联方案

基于突发事件情境的不同维度的特征，采用Kmeans算法对已有的应急情报资源分别进行聚类。以领域问题类型为例，首先，随机选取k个聚类中心点C1,…,Ck，对特征矩阵P中的特征向量进行聚类，计算每个领域问题与k个随机中心点的距离，选取距离最近的问题类别作为该领域问题的所属类别。其次，通过对该分组中所有的领域问题坐标求平均重新计算中心点，重复迭代直至k个类的中心点不变或者趋近于零，则认为算法收敛。现有文献对领域问题[62]、突发事件类型[63]和时空关联信息[64]的特征属性描述方法已经做了较为充分的说明。参与实体的特征描述可以由其组织结构特征决定，即通过社会网络分析获取参与跨域突发事件协同管理的实体网络的规模、构成和中心性等属性，将相关数据和指标作为特征矩阵的成分进行考察。以江苏省十三个设区市在COVID-19公共卫生突发事件中的跨部门协同关系为例，根据政府公开文件对该事件应急管理中的合作事项的描述（2020年1月26日—2020年9月21日，267份政府文件）发现跨部门协同关系，其中，协同关系最强的凝聚子群如图3所示。该凝聚子群的网络属性基本反映了COVID-19突发事件在江苏省的应急管理参与实体的组织结构特征。

图3 江苏省设区市政府部门在COVID-19突发事件中的应急管理协同7k核分析图

由此获得应急情报资源在已知突发事件情境的各个维度的聚类结果，一些情报资源在不同维度中存在重叠的现象，即在不同维度上共享这些情报资源。为了方便情报服务对情报资源的准确调用，应根据不同情况采取不同对策对目标突发事件情景进行分类。对于常规突发事件，分别在单一维度或不同维度上遍历属性特征，以检索相关情报资源，并获得其交集；对于非常规突发事件，由于存在冷启动的问题，需要同时命中多个维度中的特征相关性，以最大限度逼近潜在的应急情报资源，具体如图4所示。

图4 非常规突发事件情境分类方法示意

通过最近邻分类法对新出现的非常规突发事件情境进行分类，计算其与所有已知样例之间的相似度，或者为减小开销计算其与已确定的中心点之间的相似度，采用多数表决的方法分别获取在各个维度上的分类结果所对应的应急情报资源，如图4中Ia（领域问题维度）、Ib（事件类型维度）和Ic（参与实体维度）。将这些情报资源按分类结果相似度的百分比进行排序，选取在三个维度上均可接受的相似度的命中区域I。

5 应急情报服务的组织

5.1 应急情报服务的粒度刻画

粒计算是对人类认知和实践过程中逐层次、多粒度分解问题、求索答案的思维模拟，支持协调局部与整体关系的多粒度问题的解决方案[65]。2014年，Lewis等[66]提出基于去中心化思想的微服务架构，根据业务能力构建服务单元，以粒服务的单位拆分重用，具有较强的扩展性、容错性、可伸缩性和异构适应性[67]，可用于实现多系统、多平台资源的揭示和发现[68]。在跨域应急情报协同服务中，微服务理论提供了一种整体服务与单个服务的生命周期脱钩的方法，为不同的应急管理主体和不同应急阶段产生的异质性情报需求提供支撑。细粒度、面向情境的服务聚合控制可以跨越载体单元、深入内容本身[69]。正确分析系统语义、准确定义服务边界是提高服务内聚性和降低耦合性的前提[70]。由于松耦合性和高内聚性强烈地依赖于业务领域，微服务粒度的界定至今仍缺乏普适、有效的技术方法和评估标准[71]。为确保应急情报微服务集中于单一确定的功能，设计采用语义耦合的策略划分微服务边界，实现服务间的松耦合：确定和描述应急情报服务相关各类业务事件的内容、边界及其生命周期，分析业务事件之间的关联性，以语义耦合程度为标准，将一组强关联的业务事件封装进同一个聚合中。采用语义耦合的服务划分策略，可以屏蔽文件源代码，直接分析服务和实例的自然语言语义相关性，计算得到系统文件的耦合度。

假定每个微服务对应问题域中的唯一限界上下文[72]，限界上下文由系统、应用程序、业务服务以及一组实现业务的复杂组件组成。由于情报服务在业务逻辑上是由自然语言描述，因此，可根据跨域突发事件情境和提供情报服务的实体环境建立目标语境，提取处理对象的特征，划分限界上下文。不同的上下文使用差异化模型，显式定义上下文边界和上下文本身的映射关系[73]，实现功能和服务的映射，确定应急情报微服务的领域范畴和业务边界，如图5所示。

图5 基于语义耦合的应急情报微服务划分方案

（1）粒度服务定义。规划需要加入情报网络协同服务的潜在代码文件Si，定义其调用的变量、实现的业务功能和非业务功能，以这些特征标识组成文件的特征集Wi={w1,w2,…,wn}，进而建立潜在代码文件集S中的特征集并集Wall。

（2）构建耦合关系。计算代码文件Si的特征向量，分析得出Si的各项特征值在并集列表Wall中出现的频次，通过计算逆向文件频率idf(Wall)衡量相邻情报服务节点之间的语义耦合度Cij，以邻接矩阵或无项加权图表示。

（3）聚合情报服务。采用一种聚类算法或结合多种聚类算法对处理对象的关系进行量化，在语义耦合的基础上对细粒度情报服务进行聚合。

5.2 应急情报服务的组织规则

突发事件的跨域性使得应急管理需要在不同阶段导入新的专业领域或者领域混合式的情报服务组合。采用领域驱动设计[74-75]的思想，将情报服务的业务概念和代码文件进行逻辑对应，将业务概念和业务规则转换为软件系统中的类型以及类型的属性和行为，制定具备自治性和异构性特征的应急情报微服务组织规则，支持实现服务自由组合、数据共享交互，以及动态预处理的非业务功能。为确保应急情报服务具有跨域的高内聚性和低耦合度，需要结合第4.1节中基于域问题的解耦合方案分层构建服务域和服务子域模型。除直接提供情报服务的子域业务，还需要考虑支撑任务流程编排、业务质量控制的支撑性子域业务。通过设计任务流程编排方式，构建面向跨域突发事件应急决策问题等的特征向量模型，根据特征向量匹配实现动态发现、聚合微服务提供的服务流程模式，支持任务流程的动态更新和流程复用。

通过抽取并模型化服务域和服务子域的各种细粒度服务，构建分层自治的应急情报微服务集，构造统一的应急情报微服务目录，对不同类型的用户设定不同的访问权限，如图6所示。构造虚拟化的数据统一视图，通过统一视图的服务接口实现对服务提供者的数据库查询和调用功能，规避一般微服务中数据库相对独立的运行模式，使逻辑数据而非数据实体得以共享，应急情报服务得以横跨多个微服务，适应异构环境下的分布式数据存储。数据统一视图不实际存储数据，当服务对多源数据进行调用时，统一视图提供异构数据库的语言转化功能。

图6 跨域突发事件应急情报服务组织结构

本文将细粒度服务进一步划分为检索型服务、计算型服务和支撑型服务。其中，检索型服务为上层应用提供数据、信息和知识的抽取功能；计算型服务从已有的数据、模型中，通过工具计算获得新的知识描述；支撑型服务为系统中的其他服务提供共性化的支撑工具。以危险化学品泄漏导致的突发事件为例，应急疏散方案的制订是重要的待决策问题之一，涉及事故定量描述、潜在风险评估、避难场所分配和救灾物资调度等方面的具体问题，通过多种细粒度服务的组合共同为应急疏散方案提供解决方案。在其服务子域的构成中，空气污染监测为上层服务提供检索型服务，风险地图绘制为上层服务提供支撑型服务，其余子服务均为计算型服务，如图7所示。

图7 支持危化品泄漏事故的应急疏散方案的情报服务组织方案

5.3 基于服务的协同网络形成

以“新型冠状病毒肺炎疫情”跨域突发事件应急管理为例，疫情防控中存在“复工复产”“恢复商业秩序”“开学复课”三个热点决策主题。这三个决策主题在国务院联防联控机制发布会中得到持续关注，并存在以下紧密互动的特征：①各决策主题前后发展密切关联，相互作用；②同一决策主题随着时间演化需要解决的实际问题错综复杂；③不同决策主题需要一些相同的情报服务支撑。情报网络需要将细粒度的情报服务根据时间序列、主题序列、逻辑序列组织起来，从全局视角为疫情防控提供决策支撑。

在联防联控机制下，多部委、各司局共同制定决策的过程中，不同的决策主题需要不同形式和内容的情报服务组合，情报网络为细粒度情报服务提供动态组织能力。从情报服务的功能性出发，基于细粒度刻画的描述，构建出一种基于突发事件疫情演化发展的应急情报协同网络划分的抽象图模型，见图5。应急情报协同子网络N1:(S1,S2,S3,S4)、N2:(S4,S5,S6,S7,S8)、N3:(S8,S9,S10,S11)分别对应支持“复工复产”“恢复商业秩序”“开学复课”三个决策主题。其中，情报服务S4被子网络N1和N2重用，情报服务S8被子网络N2和N3重用。在突发事件演化过程中，伴随决策目标和外部环境的改变，通过增加网络节点和新的连接边，甚至调整有向边的方向，改变原有基于多维刻画的情报网络图结构，使情报服务的组织成为一个动态过程。在图8中，情报服务SRisk负责风险级别判定。随着疫情逐步得到控制，我国政府开始对不同风险级别地区采取分类处置的方式，因此，SRisk加入子网络N1、N2、N3的协作中。情报网络的整合性和动态性、情报服务的前瞻性和预见性共同为应对疫情演化提供了快速响应的支撑，专业情报机构通过协调协作发出更具专业性与权威性的声音。

图8 跨域应急情报网络协同服务示意

6 情报服务主体的组织

6.1 应急情报服务的智能代理

代理是自治的计算实体，多代理是自治代理的集合[76-77]。多代理的开放性和智能性使其特别适用于涉及多个情报服务主体的互动行为研究，将多元异构的情报服务主体视为智能代理有助于解决弱先验信息获得条件下[78]的情报网络自治问题。例如，姚乐野等[79]构建了基于多代理的应急管理多元主体信息互动的组织体系和基本机制。冯治东等[80]和周敏等[81]将多代理技术运用于应急情报工程平行化领域，构建矿井突水和应急疏散平行仿真系统。张鼎华等[82]研究了采用系统动力学和多代理技术的混合仿真技术，从不同层次探究群体性事件的动态演化过程。Yu等[83]、Li等[84]和Shaikh等[85]将多代理技术运用于突发事件应急疏散的不同场景中，如应急避难所的空间分配、洪水灾害中的应急疏散、有毒物质的环境泄漏，模拟人与环境的关系，建立多影响因素耦合下的疏散模型。

跨域突发事件应急情报服务具有多阶段演化和多主体参与的特征。由自治实体组成的情报网络处于自然分布的状态，情报网络需要根据一定的策略自主和动态地改变行为和关系，这受到突发事件情境的制约，也需要克服网络规模、集成度和灵活性方面的限制。虽然应急信息系统和专业情报机构之间往往存在平等的关系，难以采取主从控制的代理结构，但仍然需要服务中介维持任务合约的建立、取消以及服务质量管控等机制。应急情报服务的集成者和提供者需要具备身份注册、能力发布等基本功能，自动推进情报网络中临时性的虚拟组织的协作关系建立。对最终用户（即应急决策者）而言，只需提交情报需求、质量要求和需求偏好，即可获得相应的情报服务组合，而不需要考虑业务逻辑的实施细节，如图9所示。

图9 跨域突发事件应急情报服务代理协调模型

6.2 应急情报服务的自组织

自组织描述了在自治元素构成的系统中形成结构的自适应过程[86]，自组织多代理方法着眼于系统的自我组织，具有设计完全自我构建的人工智能的长期目标[87]。BDI（Beliefs-Desires-Intentions）代理架构[88-89]纳入了信念、目标、愿望、意图、行动和计划等概念，恰当地模拟了应急情报服务主体的行为和属性，有助于情报服务自组织的实现。传统的BDI代理架构通过结果的输出影响环境的输入，进而更新信念集。在应急情报服务中，如果采用经典BDI模型，那么环境就被局限于情报服务所处的信息环境中，系统内的交互效率难以适应跨域突发事件的演化进程。需要注意的是，在突发事件应急管理中存在“情报服务→管理决策→事件处置→情境演化→情报服务”的业务循环过程，跨域突发事件情报服务的自组织只有从建构主义的思想出发，通过情报服务和管理活动两个维度的分析[90]将情境协调[91]和全局策略纳入传统的BDI体系结构，才能增强系统和环境之间的交互性，从而实现以事件驱动的应急情报服务自组织。对BDI体系进行修正和扩展，采取引入全局代理的方式实现中介服务，为情报网络提供突发事件情境演化的态势感知，以及基于整合治理视角的社会约束条件，如图10所示。

图10 扩展BDI模型的情报服务代理自组织机制

信念是代理提出的关于自己和周围环境的信息说明[92]。在情报服务的自组织网络中，信念包含代理已知的待求解问题的构成知识，以及达成情报服务的业务流程组合的可能方案。愿望是代理期望达到的计划、目标和状态，包括代理在情报网络中的角色选择（作为情报服务提供者或集成者），以及代理所提供的服务与其他服务之间的位置和关系。意图是更大的、有偏向性的计划的构成要素[93]，是有承诺的选择[94]。全局代理的引入对传统BDI模型的优化主要体现在三个方面。

（1）事件情境映射客观世界中突发事件的演化进程，以及管理活动对外部环境造成的改变，更新了信念集，并可能触发代理对计划的采用和对意图的实现。一般情况下，事件情境输入可作为知识的一部分纳入信念集的修正过程，进而影响愿望和意图。在突发事件应急管理中，较大一部分情报服务需要满足快速响应的需要。根据事件情境匹配隐式目标直接生成新的计划，能够显著地提高响应速度和服务效率。

（2）全局策略约束情报服务主体的行为，限制部分自治性，避免推理过程仅受包含技术因素和商业因素的愿望集的影响。例如，在COVID-19突发事件初期，美国疾控中心网站原本承担汇聚和发布全美疫情信息的任务，却由于总统的决定将这一节点改至卫生与公众服务部。又如，中国政府新成立的应急管理部整合原属其他部门的应急职能，相应的情报系统之间的协作关系重新组合。这样的社会约束改变了原有情报网络的结构和情报服务主体的关系。

（3）情报协同服务的输出结果对应急决策产生支撑作用，通过管理活动影响突发事件演化，并对社会系统造成影响，这些影响通过全局代理约束了情报服务的参与者和参与方式。通过对跨域突发事件情境演化和应急情报服务协作策略等因素的导入，形成情报网络内部和社会系统之间的复合事件[95]，复合事件之间的关联、匹配和相互约束共同触发情报服务的计划和行动，促使各情报服务主体自主推进协作关系的建立和情报服务的合成。

6.3 智能代理组织过程

基于多代理的应急情报服务将按照自动协商的工作机制运行，其运行过程可以分为七个步骤：服务注册和广播；情报服务需求定义；情报服务搜索和发现；全局策略和事件情境下发；明确服务质量和响应要素；服务集成方评估和选择；代理协商和确定组织方案。多代理系统具体的自动协商程序如下。

（1）潜在的情报服务提供者和情报服务集成者在全局代理中进行身份注册和服务注册，全局代理对注册结果广播。

（2）全局代理将应急决策问题的语义逻辑转化为代理系统层面的业务逻辑，定义并下发情报服务需求。

（3）潜在的情报服务提供者和情报服务集成者根据应急情报服务需求，对照情报服务目录搜索服务，生成初始计划表。

（4）根据应急管理主体的需求偏好和政策要求更新全局策略，修正代理愿望，确定应急情报服务集成者，更新代理计划。

（5）根据系统对突发事件演化的情境感知，修正代理计划。

（6）情报服务集成者细化服务质量和响应要素要求，供潜在的情报服务提供者更新目标。

（7）情报服务集成者评估和选择情报服务提供者。

（8）系统综合协调处理多个子代理的协商，反馈结果，确定组织方案，并形成交易。

应急情报网络的自组织过程是由合作原则驱动的，因此，每个代理的本地决策均可能导致系统的全局功能发生改变[87]。系统需要确保在突发事件情境和全局策略（尤其在应急管理主体发生转移的情况下，容易产生不同的政策偏好）发生改变时，所有代理均能够保持正确的协作关系。当代理已经处于合作状态时，系统依照事先约定的规则和计划完成全局功能；当由于某种原因而无法实现本地功能时，代理进入非合作状态，系统需要再次启用协商机制，以产生新的规则和计划，从而适应新的组织变化。根据扩展BDI模型的情报服务代理自组织机制，不理解、无能、冲突或并发、无用和无效是五种较为特殊的非合作状态类型，引发这些非合作状态的原因和可能产生的合作规则调整如表2所示。

表2 非合作状态下的应急情报服务自组织规则转化

7 结 论

跨域突发事件应急情报组织模式的研究，是在突发事件的跨域性和情报网络的异构性背景下产生的。当前应急情报服务的内容、工具和流程呈现多元化的现象，亟须构建面向复杂环境和不确定性问题的应急情报网络。应急情报资源、应急情报服务和情报服务主体共同构成的三重协同纵向支撑跨域应急情报的生产、组合、发布和利用，通过逻辑流程和服务资源的双向映射，有效地克服了应急情报网络中物理设备、逻辑结构和情报资源分布上的分散性，使之成为一个动态聚合的有机整体，共同实现全局功能，如图11所示。

图11 协同视角下的跨域突发事件应急情报组织模式

跨域应急情报的协同服务不是单一层面的理论、方法、技术可以解决的问题，而是需要将跨域知识、多粒度服务和智能主体结合贯通，为应急情报网络构建开放式的技术框架和系统生态。在未来的研究中，以时空大数据为关联基础的多维度应急知识融合、跨域应急情报微服务的粒化结构方案，以及智能多代理情报系统的工程化路径和平行化仿真都值得进一步探索。