面向多部门不确定性资源需求的应急任务规划模型

王 喆，涂圣友，徐一旻，唐 攀，李明磊

(1.武汉理工大学 中国应急管理研究中心，湖北 武汉 430070；2.武汉理工大学 安全科学与应急管理学院，湖北 武汉 430070；3.武汉理工大学 光纤传感技术国家工程实验室，湖北 武汉 430070；4.暨南大学 应急管理学院，广东 广州 5106324；5.湖北经济学院 信息管理与统计学院，湖北 武汉 430205)

随着自然的发展和社会经济活动的进行，我国突发事件的发生频率有所上升，这严重威胁着我国经济的稳步发展和人民生活的有序进行。大规模突发事件是指造成受灾面积大、受灾人口多、经济损失大、应急物资需求量大、应急需求点多、持续时间较长的公共突发事件[1]。面对大规模突发事件，单个部门难以做出有效的应急响应，需要各部门相互协调，完成针对突发事件的应急规划。而在应急响应初期，往往难以获取灾害的完全信息，各参与部门在协商互助的过程中也往往无法相互获知对方的资源信息等状况。因此如何在应急响应初期进行合理高效的应急任务规划是当前亟需解决的问题。

传统的应急任务规划通常是在应急预案、案例、专家经验等的指导下，结合相关行业的标准操作程序展开[2]。近年来，利用智能规划技术进行应急任务规划的方法被广泛研究[3]。MUOZ等[4]结合规划推理和案例推理算法，提出了一种结合HTN规划思想的SiN算法；王喆等[5-6]针对HTN规划无法有效处理应急任务规划中的复杂资源条件的问题，提出了一种资源增强型HTN规划方法。在当前多部门参与应急响应的背景下，集中式的规划方法不能满足分布式环境下的规划需求。周超等[7]提出了基于HTN的多部门分布式协作任务框架，通过在规划前设置优先级判断规则消解资源使用冲突；MENEGUZZI等[8]引入社会技术系统中的社会承诺概念，构建了GOCO规划表达承诺协议，通过描述多部门之间内在的相互作用，解决了为多个自治主体的规划协调活动的挑战。此外，在不确定规划的研究上，LIU等[9]为解决初始信息不完整，持续时间不确定且并发执行的应急任务规划问题，提出了CTPU-HTN规划范式。在资源不确定的研究上，BEAUDRY等[10]提出用连续随机变量来表示时间的不确定，用数值随机变量来模拟资源的信念状态，并采用正向链接搜索算法动态生成贝叶斯网络实现对时间和数字随机变量之间的相关性建模。然而，现有对多主体协商形式的研究均致力于在规划前对各主体进行协调，或在规划后对各主体的规划方案进行整合统一。同时，现有智能应急任务规划研究对资源不确定的探索还相对较少。故需进一步考虑规划过程中的协调情况，研究现实世界无法确定或预测的信息对应急任务规划的影响，使非确定性条件下的多部门协商应急任务规划更加符合实际应急响应场景。

综上所述，从资源不确定条件下多部门协商进行突发事件应急任务的角度出发，以多部门协同任务规划为重点研究对象，引入多主体协商和智能规划方法，研究考虑资源不确定的多部门协商应急任务规划方法，为制定科学合理的突发事件应急任务规划方案提供理论依据。

1 资源不确定的多部门协商模型

1.1 多部门协商模型

应急任务规划通常由多个部门共同参与，各参与部门有着各自的应急目标；同时各参与部门的规划动作通常涉及相同的应急资源，某些部门可能拥有较充足的某类资源，而某些部门的该类资源短缺，此时需要资源共享，以达到资源利用效率的最大化。这其中涉及到多部门协商的技术，有效的多部门协商模型能够提供高效的多部门协商通道，促进资源共享方案的生成。

GoCo规划表达承诺协议引入社会技术系统中的(社会)概念，将主体的内部状态(信念和目标)与社会状态(对其他主体的承诺)联系起来，全面描述多主体系统中各主体的决策过程。该方法区别于集中式规划，能够保留各主体的自主性，同时各主体可以创建对另一个主体的承诺来实现其目标，或者采用一个目标来实现其承诺。

在该协议中，目标和承诺是易于自动推理的声明性概念，操作具有层次性，因此易于与HTN规划相结合。基于此，使用GoCo规划表达承诺协议来对多部门参与的应急任务规划过程建模，使各部门不仅能在规划过程中完成协商的过程，还能生成多部门互助的应急任务规划方案。

根据文献[8]给出的承诺生命周期5个状态，提取出对应于承诺状态转换的6个操作符：！create()，！suspend()，！reactivate()，！expire()，！cancel()和！released()。同时，根据目标生命周期的5个状态，提取对应目标状态转换的7个操作符：！consider()，！activate()，！suspend()，！reconsider()，！reactivate()，！drop()和！abort()。同时，建立了2个方法：entice()和deliver()，将承诺和目标联系起来，使得主体之间能创建承诺并传递任务目标。

通过创建并激活承诺以及目标的传递来实现多部门之间的协商。基于GoCo建立多部门协商应急任务规划模型如图1所示。椭圆表示参与应急响应的部门，矩形表示承诺，带阴影的矩形表示目标。各部门指向的目标表示该目标在应急响应中所需实现的目标，承诺源于债务方部门，指向债权方部门。

图1 多部门协商应急任务规划模型

实际应急任务规划过程中，各应急响应部门通过激活各自的目标来完成自身的应急响应任务。当出现无法由自身独立实现的任务时，如支撑目标实现的资源不够，可以通过激活相关的承诺来请求其他部门的协作，此时，该部门无法实现的部门目标被传送给协作部门，协作部门根据自身能力规划出相应的方案，并返回结果(规划方案或表示无法实现的空文本)。

1.2 多主体HTN规划扩展

将分布式规划系统表示为多主体系统MAS=(I,D,A)，其中I为初始状态，D为领域知识，A为主体集合。

领域知识D=(M,O)由方法集M和操作符集O组成。操作符o∈O描述系统状态的转换，是一个三元组(name(o),pre(o),eff(o))，其中name(o)、pre(o)和eff(o)分别为操作符的名称、前提条件和效果。方法m∈M描述复合任务分解为原子任务的途径，是一个三元组(name(m),pre(m),tn(m))，其中name(m)、pre(m)和tn(m)分别为方法的名称、前提条件和使用该方法分解得到的子任务集合。

要实现各自的目标，各参与主体通过方法集M逐层递归分解复合任务，直到所有的任务都能被实例化的操作符(即动作)直接执行。HTN规划的解是一个动作序列π=(a1,a2,…，an)。

任务分解过程中，主体如果发现无法独立实现的任务，会通过创建承诺，以请求其他主体协作完成。每个主体a=(G,C,R)∈A包括各自的目标G、承诺C和当前的资源信息R。目标G和承诺C取决于各主体之间社会关系，非人为指定。资源使用资源时间轴技术表示成一个三元组R=(RID,T,Q)，其中RID为该领域中所有资源的编码集合；T为一组离散的时间变量集合；Q描述对应于T中的每个时间点ti的资源数量。

1.3 资源不确定的处理

在多部门协商进行应急任务规划的过程中，各规划主体对其他参与主体的信念存在偏差，这使得多部门协商进行资源共享的过程中需要解决资源不确定的问题。以下针对两类不确定性问题对多主体系统进行扩展：

(1)资源请求点(请求方)不确定资源供应点(应答方)会返回哪一种应急资源，即RID不确定。例如在防汛应急任务规划中，消防队对某地100名居民执行人员救援和转移任务时，需要为这些居民向商务委请求一天的食物，消防队认为商务委可能会返回500个面包，也可能返回400盒泡面。

在该情况下，可以将操作符的效果扩展为<(effect1,p1),(effect2,p2),…,(effectn,pn)>，其中pi为概率，表征请求方对应答方做出effecti这种资源应答的信念。

在应急任务规划过程中，规划器选取概率pi大的effecti作为该操作的效果，将其更新到当前状态中，并据此向资源供应点发送资源请求。

(2)资源请求点不确定资源供应点返回某种应急资源的数量，即Q不确定。例如在防汛应急任务规划中，消防队对某地100名居民执行人员救援和转移任务时，需要为这些居民向民政局请求帐篷，但是不确定民政局能够供应多少。

此时，可以通过HTN公理在方法中设置不同的条件分支来实现：在应急任务规划过程中，请求方通过公理对应答方返回的资源数量进行判断，如果足够，则结束资源请求过程；如果不够，则通过数值计算找出资源量缺口，同时继续调用该方法，向下一级资源供应点发送资源请求。

2 算法研究

2.1 基本框架

传统应急任务规划方法常采用集中式规划的方法来生成规划方案，统一指挥各应急部门开展应急响应工作。由此产生的规划方案在一定程度上能够完成应急响应任务，但应急指挥长官通常不如各部门了解自身能力，因此难以充分发挥各部门的救援能力。应采用分布式规划方法，建立多部门协商应急任务规划整体框架，由各部门自主规划本部门的应急任务，并在自身无法完成本地应急任务时通过与其他部门协商共同完成任务。

多部门协商应急任务规划基本框架如图2所示。框架按职能的差异为地理位置上分散的各应急部门输入各自的应急任务，各部门收到应急任务后对各自的目标以分层分解的方式进行规划。在规划的过程中，如果各部门识别出自身难以实现的目标，如资源不够或实现目标的代价过大，则通过激活承诺的方式与相关的部门进行协商，以请求该部门的协作；接收到协作请求的部门会按照承诺协议对请求做出应答并返回应答结果。最后，各部门的规划方案共同组成总体的规划方案。

图2 多部门协商应急任务规划基本框架

2.2 MA-OTD算法

使用HTN规划器SHOP2(simple hierarchical ordered planner 2)对规划问题进行求解，传统SHOP2规划器采用OTD(ordered task decomposition)算法求解，按照任务随后被执行的顺序生成规划方案。然而OTD算法只考虑单个主体参与规划的过程，是为单主体规划或集中式规划设计的算法，无法用于多主体规划。要适应多部门协商应急任务规划过程，需要对OTD算法进行改进。改进后的算法称为MA-OTD(multi-agent OTD)算法，规划算法如图3所示。

图3 MA-OTD 算法

规划人员在获取当前应急态势并确定应急任务后，输入由初始状态、初始任务网络和应急领域知识组成的规划问题MA-OTD(S0,TN0,D)，规划器生成规划解πi。与单主体HTN规划的OTD算法不同的是，多主体HTN规划的MA-OTD算法增加了与外部主体交互协商的过程，如图3第2行所示。在每次从当前任务网络中读取任务taski进行分解和匹配操作符前，会先检测是否收到外部主体发送的协作请求信息。如果收到协作请求信息，则将请求信息中的任务加入在当前任务网络TNi的开头，为该协作任务匹配合适的规划动作，该规划动作将反映到本地解计划中，同时该规划动作对本地状态信息的改变会更新到当前状态中。

2.3 资源不确定的多部门协商算法

由于HTN是一种基于状态的规划系统，以状态的形式来表示资源，即状态资源。对于本地资源量足够的应急任务，各主体通过本地规划完成资源的分配和资源状态的更新；对于本地资源量不够的应急任务，各本地主体通过向外部主体发送资源请求来满足资源。由于本地主体不确定外部主体会返回所需资源还是所需资源的可替代资源，也不确定所需资源量能够得到完全满足，因此需要考虑资源不确定问题。其算法如图4所示。

图4 考虑资源不确定的多部门协商算法

当分解当前任务出现本地资源量不够时，本地主体会调用根据对应答方返回所需资源还是所需资源的替代资源的信念扩展的带概率的操作符!request，然后从中选择返回概率大的资源，向该外部主体请求对应数量的资源(qi-Qi)的ri或3/2(qi-Qi)的替代资源r2，同时调用方法resourceRequire，该方法有两个子任务分支，会通过公理对外部主体返回的资源数量进行判断，如果外部主体返回的资源量满足所需的资源量，则更新资源信息，否则嵌套调用方法resourceRequire，并向下一个外部主体发送尚未满足的部分资源请求。

3 算例分析

湖北省某县(区)l1为中(低)风险区域，可凭健康码“绿码”，在各交通管控点扫码、查验、测温正常后通行。因此，该区域防疫指挥中心D1委派该县宣传部D2进行每日疫情信息发布；交警支队D3牵头对县内的40个交通管控点进行人员流通管控；公安分局D4对县内8个区域进行治安巡查与人员疏导，并协助维护交通管控点治安；卫生局D8为交通管控点配备医护人员协助查体温，为各区域提供医护人员和救护车，以应对突然发现疑似病例或急救等情况。l1县当日人员和物资情况如表1所示。

表1 l1县当日人员和物资情况

湖北省某县(区)l2为高风险区域，人员流通不仅需要健康码“绿码”，还要采取“点对点”的方式流动，对于居家人员，各社区(小区、村组)组织社区工作人员为居民提供生活物资采购、药品采购等服务。因此，该区域防疫指挥中心D1委派该县宣传部D2进行每日疫情信息发布；交警支队D3牵头对县内60个交通管控点进行人员流通管控，并对“点对点”人员流动通道进行管控；公安分局D4对县内10个区域进行治安巡查与人员疏导，并协助维护交通管控点治安；社区委员会D5每天为县内100个小区统计采买生活物资和药品；商务委D6和民政局D7对县内100个小区提供生活物资；卫生局D8为交通管控点配备医护人员协助查体温，为居民提供药品，为各区域提供医护人员和救护车以应对突然发现疑似病例或急救等情况。防疫指挥中心在全县范围招募了一批志愿者队伍以应对各项工作中人手不够的情况。l2县当日人员和物资情况分别如表2和表3所示。

表2 l2县当日人员情况/名

表3 l2县当日物资情况

3.1 案例1实验结果

采用考虑资源不确定多部门协商算法对问题进行求解，中、低风险区域实验结果如图5所示。

图5 中风险区域实验结果

由图5可知，中、低风险区域的人员管控问题应急任务规划结果由26个规划动作组成。动作1～12，防疫指挥部通过创建承诺给各部门分配任务目标，各部门考虑并激活自身的目标；动作13，宣传部进行信息发布；动作14～23，交警支队牵头为县内交通管控安排了80名交警为通行人员查验“绿码”和道路管控，并安排了20名机动人员(动作14～15)，通过创建承诺C9请求公安分局安排40名民警为交通管控点维护治安(动作16～19)，通过创建承诺C10请求卫生局安排40名医护为交通管控点同行人员查体温(动作20～23)；动作24，公安分局为该县8个区安排40人进行治安巡逻；动作25～26，卫生局安排8辆救护车和16名医护人员应对突然发现疑似病例或急救等情况。该实验结果能够有效完成该中、低风险区的人员管控工作，为防疫指挥部的防疫战术安排提供指导。

3.2 案例2实验结果

高风险区域实验结果如图6所示。

图6 高风险区域实验结果

由图6可知，高风险区域的人员管控问题应急任务规划结果由53个规划动作组成。动作1～21，防疫指挥部通过创建承诺给各部门分配任务目标，各部门考虑并激活自身的目标；动作22，宣传部进行信息发布；动作23～36，交警支队牵头为县内交通管控安排了20名机动人员，考虑到交警力量不足，交警支队通过创建承诺C8向防疫指挥部请求协助，防疫指挥部为交通管控安排了50名志愿者(动作24～27)，和交警支队指派的130名交警共同对60个交通管控点的通行人员查验“绿码”，同时管控“点对点”人员流动通道，交警支队通过创建承诺C9请求公安分局安排60名民警为交通管控点维护治安(动作29～32)，通过创建承诺C10请求卫生局安排60名医护人员为交通管控点同行人员查体温(动作33～ 36)；动作37，公安分局为该县10个区安排60人进行治安巡逻；动作38～46，社区委员会为小区居民采买生活物资，首先向商务委请求4 000人份的主食，商务委供应了3 000斤大米(动作38～41)，在还有供应缺口的情况下，社区委员会继续向民政局请求物资供应(动作42～45)，最后社区委员会将蔬菜和大米等生活物资分发给社区居民；动作47～51，社区委员会为小区居民采买药品，社区委员会向卫生局请求并分发药品；动作52～53，卫生局安排10辆救护车和20名医护人员以应对突然发现疑似病例或急救等情况。该实验结果能够有效完成该高风险区的人员管控工作，为防疫指挥部的防疫战术安排提供指导。

4 结论

(1)引入社会承诺的概念，表示各主体之间的相互关系，为各参与部门提供了沟通协商的通道，使各部门不仅能够通过自身完成应急任务目标，也能够通过激活承诺请求其他部门的协助，实现主体之间的资源共享。

(2)通过扩展方法和操作符的效果集的方法，解决了资源请求点因无法确定资源应答点做出何种类型的资源以及多少资源量的应答的情况下，无法生成可行的应急规划问题，同时保护了各参与部门的一些隐私信息。

(3)所提出的MA-OTD算法在处理来自外部的协作任务时，默认将该任务的优先级设置为当前任务网络中的最高级。尽管这一策略在对外部主体的请求信息做出应答的及时性上有较大的优势，但在一定程度上牺牲了最终解的性能。后续研究可以考虑在应急任务之间设置优先级，使得协作任务能按照任务的紧迫程度得到规划。同时在搜索过程中加入一些效用信息，如时间、成本等，以启发搜索过程达到加快搜索过程和寻找更优解的目的。