一种数字化应急预案管理方法及系统

技术领域

本发明涉及应急预案技术领域，具体涉及一种数字化应急预案管理方法及系统。

背景技术

城市化的高速发展，使得人口和经济迅速向城市集中，由于城市是地区的政治、经济、文化和科技中心，具有人口集中、产业集中、财富集中、建筑物与构筑物集中和各种灾害集中的特点，一旦发生事故灾害，将造成巨大的经济损失和人员伤亡。在这种情况下，突发公共安全事件对人民群众的生命安全和社会经济的威胁就表现的日益突出。事故灾害发生时，如果能根据事故灾害的大小和发展态势条件，及时调出对应的应急预案并响应程序规定，可大大减少事故灾害带来的损失。

然而现有技术中由于对应急预案不能有效优化、更新，使得应急预案管理效果差。

发明内容

本申请实施例提供了一种数字化应急预案管理方法及系统，用于针对解决现有技术中对于应急预案不能有效优化、更新，使得应急预案管理效果差的技术问题。

鉴于上述问题，本申请实施例提供了一种数字化应急预案管理方法及系统。

第一方面，本申请实施例提供了一种数字化应急预案管理方法，所述方法包括：通过大数据进行监控场景信息采集，构建训练场景集合，其中，所述训练场景集合具有粒度聚类标识；设定安全事件类型信息，通过所述安全事件类型信息分别对所述训练场景集合进行场景映射，获得映射结果；构建附加特征集合，将所述映射结果和所述附加特征集合作为匹配特征，进行预案匹配；获得预案匹配结果，通过所述预案匹配结果执行对应场景下的预案仿真；输出预案仿真结果，并生成预案补偿数据；通过所述预案补偿数据对所述预案匹配结果进行修正，并将修正预案与对应映射结果和附加特征进行关联存储。

第二方面，本申请实施例提供了一种数字化应急预案管理系统，所述系统包括：训练场景集合构建模块，所述训练场景集合构建模块用于通过大数据进行监控场景信息采集，构建训练场景集合，其中，所述训练场景集合具有粒度聚类标识；场景映射模块，所述场景映射模块用于设定安全事件类型信息，通过所述安全事件类型信息分别对所述训练场景集合进行场景映射，获得映射结果；预案匹配模块，所述预案匹配模块用于构建附加特征集合，将所述映射结果和所述附加特征集合作为匹配特征，进行预案匹配；预案仿真模块，所述预案仿真模块用于获得预案匹配结果，通过所述预案匹配结果执行对应场景下的预案仿真；预案补偿数据生成模块，所述预案补偿数据生成模块用于输出预案仿真结果，并生成预案补偿数据；预案匹配结果修正模块，所述预案匹配结果修正模块用于通过所述预案补偿数据对所述预案匹配结果进行修正，并将修正预案与对应映射结果和附加特征进行关联存储。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种数字化应急预案管理方法，涉及应急预案技术领域，进行监控场景信息采集，构建训练场景集合，设定安全事件类型信息，分别对训练场景集合进行场景映射，获得映射结果，构建附加特征集合，将映射结果和附加特征集合作为匹配特征，进行预案匹配，执行对应场景下的预案仿真，输出预案仿真结果，并生成预案补偿数据，对预案匹配结果进行修正，并将修正预案与对应映射结果和附加特征进行关联存储。解决了现有技术中对于应急预案不能有效优化、更新，使得应急预案管理效果差的技术问题，实现了对历史突发事件中事件场景和事件类型的精准掌控，并根据历史事件对预案进行仿真、修正，达到提升应急预案管理效果的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种数字化应急预案管理方法流程示意图；

图2为本申请实施例提供了一种数字化应急预案管理方法中构建训练场景集合流程示意图；

图3为本申请实施例提供了一种数字化应急预案管理方法中进行应急预案匹配流程示意图；

图4为本申请实施例提供了一种数字化应急预案管理系统结构示意图。

附图标记说明：训练场景集合构建模块10，场景映射模块20，预案匹配模块30，预案仿真模块40，预案补偿数据生成模块50，预案匹配结果修正模块60。

具体实施方式

本申请实施例通过提供一种数字化应急预案管理方法，用于针对解决现有技术中对于应急预案不能有效优化、更新，使得应急预案管理效果差的技术问题。

实施例一

如图1所示，本申请实施例提供了一种数字化应急预案管理方法，所述方法包括：

步骤S100：通过大数据进行监控场景信息采集，构建训练场景集合，其中，所述训练场景集合具有粒度聚类标识；

具体而言，本申请实施例提供的一种数字化应急预案管理方法应用于数字化应急预案管理系统。应急预案指面对突发事件如自然灾害、重特大事故、环境公害及人为破坏的应急管理、指挥、救援计划等，一般建立在综合防灾规划上。

传统的监控系统包括前端摄像机、传输线缆、视频监控平台，利用视频监控技术探测、监视设防区域、实时显示和记录现场图像、检索和显示历史图像。通过大数据连接视频监控平台，获取产生突发事件地区的监控场景信息，如自然灾害中的洪涝产生的场景、泥石流灾害产生的场景，重特大事故中的急性工业中毒事故产生的场景等。对预案数据库的需求信息进行需求解析，获取数据库中数据的细化和综合程度，细化程度越高，粒度越小，细化程度越低，粒度越大，以此生成粒度约束数据，通过粒度约束数据进行监控场景信息的聚类约束，构建训练场景集合，并将粒度约束数据作为所述粒度聚类标识。

步骤S200：设定安全事件类型信息，通过所述安全事件类型信息分别对所述训练场景集合进行场景映射，获得映射结果；

具体而言，安全事件是指由自然灾害、人为原因等情况对社会造成负面影响的事件，安全事件类型简单可分为自然灾害、事故灾难、公共卫生事件、社会安全事件四类，细化后自然灾害包括水旱灾害、气象灾害、地震灾害、地质灾害等，事故灾害包括交通运输事故、公共设施和设备事故、生产安全事故等，公共卫生事件包括食品安全和职业危害等，社会安全事件包括恐怖袭击、经济安全事件等，将细化后的安全事件作为安全事件类型信息。由于一个场景可能产生多种安全事件类型，针对训练场景集合中的任一训练场景，构建训练场景与多个安全事件类型的映射关系，根据安全事件类型信息对训练场景集合中的训练场景进行安全事件模拟，示例性地，基于训练场景集合，通过数字孪生技术利用场景仿真工具进行仿真建模，充分利用物理模型、传感器、监控场景信息等，在虚拟空间完成映射，从而对安全事件在训练场景中发生的全部过程进行模拟和仿真，获得映射结果。

步骤S300：构建附加特征集合，将所述映射结果和所述附加特征集合作为匹配特征，进行预案匹配；

具体而言，紧急事件发生过程中常常伴随着多种灾害，如许多自然灾害，特别是等级高、强度大的自然灾害发生以后，常常诱发出一连串的其他灾害接连发生，这种现象叫灾害链，灾害的过程往往是很复杂的，有时候一种灾害可由几种灾因引起，或者一种灾因会同时引起好几种不同的灾害。再比如火灾时容器破裂后器内易燃易爆介质泄漏到器外与空气混合后，如遇明火会再次引起的爆炸，二次爆炸产生的瞬时高温和强烈冲击波，会对人体引起烧伤和严重伤害或死亡，并造成设备、房屋的严重破坏。将引起二次灾害甚至多次灾害的情况作为附加灾害，对附加灾害进行特征提取构建附加特征集合，在映射结果中加入附加特征集合，共同作为匹配特征，示例性地，一生产车间发生火灾，并且车间内存在装有易燃易爆介质的压力容器，如压缩天然气、液化石油气等，在进行预案匹配时，要同时以生产车间、火灾和装有易燃易爆介质的压力容器为匹配特征，匹配到的预案不仅要灭火，还要对压力容器进行处理，以防止超压超装后破制而起二次爆炸。

步骤S400：获得预案匹配结果，通过所述预案匹配结果执行对应场景下的预案仿真；

具体而言，预案匹配结果包括针对安全事件触发场景下匹配到需要调度的应急组织管理指挥系统、应急工程救援保障体系、相互支持系统、保障供应体系、应急队伍等。通过计算机在仿真模型中进行对应场景的模拟，并在模拟场景中添加预案匹配结果，通过预案仿真，观察模型中各变量变化的全过程，利用模型复现实际场景预案匹配结果对安全事件场景产生的本质影响。

步骤S500：输出预案仿真结果，并生成预案补偿数据；

具体而言，预案仿真结果为仿真模型中预案对安全事件场景的影响情况，为了达到更好的应急效果，降低事故造成的人身、财产与环境损失、控制事故的发展，根据预案仿真结果对预案中的多个环节进行预案补偿，虽然在匹配预案的情况下可以保证安全事件的处理，但是由于安全事件场景为一个复杂的环境，未知数太多，为了防止突发事件造成的人身、财产与环境损失，需要对各个环节可能产生的危险因素进行考量，在预案行动失败时，进行行动补偿措施，如对于人力资源不足则增加人员调度，物力资源不足则增加救援物资，以及细化行动步骤、优化行动设备等，保障事故的完全解决，将对于预案仿真结果进行的调整、补充作为预案补偿数据。

步骤S600：通过所述预案补偿数据对所述预案匹配结果进行修正，并将修正预案与对应映射结果和附加特征进行关联存储。

具体而言，将预案补偿数据作为预案匹配结果中各环节的备选方案，对预案匹配结果进行修正，使得应急预案更加完善、可靠。将修正后的应急预案与安全事件触发场景，以及附加特征，作为关联信息，以安全事件-附加特征-修预案之间的联系组成一个数据组织进行存储。由于预案数据库中包含大量的应急预案以及对应的多个安全事件触发场景，进行关联储存就可以达到快速匹配事件类型以及事故场景，进而提升紧急预案的匹配速度。

进一步而言，如图2所示，本申请步骤S100还包括：

步骤S110：获得预案数据库的需求信息；

步骤S120：对所述需求信息进行需求解析，生成粒度约束数据；

步骤S130：通过所述粒度约束数据进行监控场景信息采集结果的聚类约束，基于聚类结果构建训练场景集合，并将所述粒度约束数据作为所述粒度聚类标识。

具体而言，预案数据库为针对各类可能发生的事故和所有危险源制定专项应急预案和现场处置方案，并明确事前、事发、事中、事后的各个过程中相关部门和有关人员的职责。数据库的设计目标是能够完整地反映监控场景信息及信息之间的联系，并方便地执行各种数据检索和处理操作，对预案数据库进行数据处理需求分析，从对数据组织和存储的角度，辨识应急预案所对应的各类数据项和数据结构，明确对各数据项所需进行的数据访问操作，组成数据字典，以此生成粒度约束数据。

粒度代表着数据分析的范围和细致程度，如对于监控场景信息，可以简单的分为自然灾害、重特大事故、环境公害及人为破坏四类，也可以增加细化程度，对每一项再进行细分，获得十多类场景。由于建立预案数据库是为了查出特定场景对应的灾害和灾害应对方法，所以设置粒度小、分析程度细致的分类方式对监控场景信息采集结果进行约束。以粒度约束数据为标准，将监控场景信息采集结果分割成不同的簇，使同一个簇内的监控场景的相似性尽可能大，同时不在同一个簇内的监控场景的差异性也尽可能大，也就是说，使聚类后的同一类监控场景尽可能聚集到一起，不同类监控场景尽量分离，基于聚类结果构建训练场景集合。

进一步而言，如图3所示，本申请步骤S300还包括：

步骤S310：采集获得事故地信息，并基于所述事故地信息进行信息质量评价，获得质量标识；

步骤S320：对所述事故地信息进行事故解析，获得事故类型信息，通过所述事故类型信息和所述事故地信息进行特征提取，获得初始特征提取结果，其中，所述初始特征提取结果带有特征值标识；

步骤S330：通过所述质量标识对所述特征值标识进行修正，根据修正特征值标识进行所述初始特征提取结果的特征排序，获得特征排序结果；

步骤S340：根据所述特征排序结果、所述事故类型信息和关联存储数据进行应急预案匹配。

具体而言，事故地信息为灾害事故发生位置的信息，包括地理位置、与事故相关的地理信息等，如对于地震则获取地质信息，对于工厂爆炸则获取气温、气候信息等，根据事故地信息与事故的关联度进行信息质量评价，关联度越高则信息质量评价越高。基于事故地信息的基本原因、发生经过、暴露问题、产生的危害进行事故解析，示例性地，根据事故原因初步判断是自然灾害还是人为事故，根据产生的危害对事故的等级进行评估，获取事故类型信息。

对事故类型信息和事故地信息中的文档总数N进行统计，统计每个词的正文档出现频率、负文档出现频率、正文档不出现频率、负文档不出现频率，计算每个词的卡方值，将每个词按卡方值从大到小排序，选取前k个词作为初始特征提取结果，k即特征维数。其中，卡方值是非参数检验中的一个统计量，主要用于非参数统计分析中，它是卡方检验中的一个主要测试指标，卡方检验是一种用途很广的计数资料的假设检验方法，它属于非参数检验的范畴，主要是比较两个及两个以上样本率以及两个分类变量的关联性分析，简单来说，就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。根据质量标识获取信息质量的百分比，以此作为排序系数，获取排序系数与卡方值的乘积，根据乘积结果进行重新排序，获取特征排序结果。

进一步而言，本申请步骤S320还包括：

步骤S321：通过所述事故类型信息获得初始特征关联值映射集合；

步骤S322：对所述事故地信息进行事故关联特征提取，并生成事故特征基础值；

步骤S323：根据事故关联特征提取结果和所述初始特征关联值映射集合进行关联值映射匹配，基于关联值映射匹配结果和所述事故特征基础值生成所述特征值标识。

具体而言，根据事故类型信息获取事故地与对应的一个或多个事故类型的映射关系，以此获取初始特征关联值映射集合，对事故地信息中与事故关联的词进行提取，计算每个词出现的频率，并对频率进行由高到低排序，将排名靠前的j个词作为事故关联特征进行提取，将j个词对应的事故地信息作为事故特征基础值。将提取到的j个高频词作为事故关联特征与初始特征关联值映射集合中的数据进行关联值映射匹配，获得关联值映射匹配结果，以此获得特征值标识。

进一步而言，本申请步骤S600还包括：

步骤S610：根据所述事故地信息和仓库位置信息获得路段距离信息；

步骤S620：读取实时通行数据，基于所述实时通行数据和所述路段距离信息进行时间拟合，获得时间拟合结果；

步骤S630：根据所述时间拟合结果进行应急预案匹配修正。

具体而言，根据事故地信息获取事故发生地的地理位置，仓库为进行物资补给的仓库，根据仓库位置信息获取仓库的地理位置，根据导航获取仓库到事故发生地的路程、距离、路况等，作为路段距离信息，并根据路段距离信息计算正常行驶所需时间，获取实时通行数据，如实时道路交通拥堵信息、路段维修信息等，计算通车时间或者绕路时间，将正常行驶所需时间与通车时间或者绕路时间叠加，获取仓库到事故发生地的时间拟合结果。进行应急预案匹配修正，示例性地，如果路程近、通行时间短，则表示可以随时进行物资补给，可优先携带轻便装备提升救援速度；如果路程远、通行时间长，则表示物资补给困难，需要带足物资，并且保证后续救援物资持续供给，达到最佳救援效果。

进一步而言，本申请步骤S630包括：

步骤S631：获得通行路线信息，基于所述通行路线的历史通行数据进行通行稳定性评价，获得通行稳定性评价结果；

步骤S632：基于所述通行稳定性评价结果和所述路段距离信息构建偏离时间窗口；

步骤S633：通过所述偏离时间窗口对所述时间拟合结果进行时间调整，通过时间调整结果进行应急预案匹配修正。

具体而言，通行路线信息主要表现为仓库到事故发生地之间的道路通行能力，指在正常的道路、交通、管制以及运行质量要求下，单位时间内道路设施在某点或某断面处通过的最大车辆数，道路通行能力是道路的一种性能，是度量道路疏导车辆能力的指标，既反映了道路疏通交通的最大能力，也反映了在规定特性前提下，道路所能承担车辆运行的极限值。如道路通行能力强，这段路上基本不堵车，通行顺畅，则稳定性强，如道路通行能力若，经常堵车、修路，通行时间不稳定，则稳定性差，以此获得通行稳定性评价结果。

根据通行稳定性评价结果计算堵车、修路所需的时间，以此作为偏离时间窗口，将正常行驶所需时间、通车时间或者绕路时间、堵车或者修路所需的时间叠加，获取时间调整结果，根据时间调整结果再次对应急预案进行修正，使得应急预案的时间分配更加精确。

进一步而言，本申请步骤S330包括：

步骤S331：设定特征值筛选阈值；

步骤S332：通过所述特征值筛选阈值对所述修正特征值标识执行特征筛选，提取获得应用初始特征提取结果；

步骤S333：对所述应用初始特征提取结果进行修正特征值标识的顺序排序，获得所述特征排序结果。

具体而言，随着特征数量的增加，很多数据挖掘算法需要更多的时间和资源，因此设置特征值筛选阈值减少特征数量，以提高算法运行速度，减少资源使用，通过特征值筛选阈值选择合适的阈值，将大于阈值的特征留下，小于阈值的特征删除，以此除去最可能独立于标签，与分类目的无关的特征，将特征筛选后的特征作为应用初始特征提取结果。根据修正特征值标识的顺序对应用初始特征提取结果进行重新排序，获得特征排序结果。

实施例二

基于与前述实施例中一种数字化应急预案管理方法相同的发明构思，如图4所示，本申请提供了一种数字化应急预案管理系统，所述系统包括：

训练场景集合构建模块10，所述训练场景集合构建模块10用于通过大数据进行监控场景信息采集，构建训练场景集合，其中，所述训练场景集合具有粒度聚类标识；

场景映射模块20，所述场景映射模块20用于设定安全事件类型信息，通过所述安全事件类型信息分别对所述训练场景集合进行场景映射，获得映射结果；

预案匹配模块30，所述预案匹配模块30用于构建附加特征集合，将所述映射结果和所述附加特征集合作为匹配特征，进行预案匹配；

预案仿真模块40，所述预案仿真模块40用于获得预案匹配结果，通过所述预案匹配结果执行对应场景下的预案仿真；

预案补偿数据生成模块50，所述预案补偿数据生成模块50用于输出预案仿真结果，并生成预案补偿数据；

预案匹配结果修正模块60，所述预案匹配结果修正模块60用于通过所述预案补偿数据对所述预案匹配结果进行修正，并将修正预案与对应映射结果和附加特征进行关联存储。

进一步而言，系统还包括：

需求信息获取模块，用于获得预案数据库的需求信息；

需求解析模块，用于对所述需求信息进行需求解析，生成粒度约束数据；

聚类约束模块，用于通过所述粒度约束数据进行监控场景信息采集结果的聚类约束，基于聚类结果构建训练场景集合，并将所述粒度约束数据作为所述粒度聚类标识。

进一步而言，系统还包括：

信息质量评价模块，用于采集获得事故地信息，并基于所述事故地信息进行信息质量评价，获得质量标识；

事故解析模块，用于对所述事故地信息进行事故解析，获得事故类型信息，通过所述事故类型信息和所述事故地信息进行特征提取，获得初始特征提取结果，其中，所述初始特征提取结果带有特征值标识；

特征排序模块，用于通过所述质量标识对所述特征值标识进行修正，根据修正特征值标识进行所述初始特征提取结果的特征排序，获得特征排序结果；

应急预案匹配模块，用于根据所述特征排序结果、所述事故类型信息和关联存储数据进行应急预案匹配。

进一步而言，系统还包括：

映射集合获取模块，用于通过所述事故类型信息获得初始特征关联值映射集合；

事故关联特征提取模块，用于对所述事故地信息进行事故关联特征提取，并生成事故特征基础值；

关联值映射匹配模块，用于根据事故关联特征提取结果和所述初始特征关联值映射集合进行关联值映射匹配，基于关联值映射匹配结果和所述事故特征基础值生成所述特征值标识。

进一步而言，系统还包括：

路段距离信息获取模块，用于根据所述事故地信息和仓库位置信息获得路段距离信息；

时间拟合模块，用于读取实时通行数据，基于所述实时通行数据和所述路段距离信息进行时间拟合，获得时间拟合结果；

应急预案匹配修正模块，用于根据所述时间拟合结果进行应急预案匹配修正。

进一步而言，系统还包括：

通行稳定性评价模块，用于获得通行路线信息，基于所述通行路线的历史通行数据进行通行稳定性评价，获得通行稳定性评价结果；

偏离时间窗口构建模块，用于基于所述通行稳定性评价结果和所述路段距离信息构建偏离时间窗口；

时间调整模块，用于通过所述偏离时间窗口对所述时间拟合结果进行时间调整，通过时间调整结果进行应急预案匹配修正。

进一步而言，系统还包括：

筛选阈值设定模块，用于设定特征值筛选阈值；

特征筛选模块，用于通过所述特征值筛选阈值对所述修正特征值标识执行特征筛选，提取获得应用初始特征提取结果；

排序模块，用于对所述应用初始特征提取结果进行修正特征值标识的顺序排序，获得所述特征排序结果。

本说明书通过前述对一种数字化应急预案管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种数字化应急预案管理方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。