鄭 濤， 夏東海， 徐 超

(武漢市消防支隊(duì)信息通信科， 湖北 武漢 430020)

近年來(lái)，消防部隊(duì)已經(jīng)建立起一套比較完備的業(yè)務(wù)信息系統(tǒng)．據(jù)不完全統(tǒng)計(jì)，武漢市消防支隊(duì)日均業(yè)務(wù)數(shù)據(jù)生成備份量達(dá)6 GB左右，而一年產(chǎn)生的各種防滅火業(yè)務(wù)數(shù)據(jù)量高達(dá)2 TB以上．如何利用這些數(shù)據(jù)找出城市火災(zāi)發(fā)生規(guī)律和趨勢(shì)等，加強(qiáng)對(duì)工作的預(yù)測(cè)和研判，有針對(duì)性地調(diào)整工作重點(diǎn)以更好應(yīng)對(duì)日趨復(fù)雜的火災(zāi)形勢(shì)，是目前消防信息化應(yīng)用所面臨的深層次課題．對(duì)119平臺(tái)的接處警數(shù)據(jù)的深度挖掘與利用尤為重要，因?yàn)榇祟悢?shù)據(jù)一般是由119系統(tǒng)平臺(tái)自動(dòng)生成的的大規(guī)模數(shù)據(jù)，具有較高的原始真實(shí)性，是一類十分難得的數(shù)據(jù)分析大樣本．本文面向大量的119系統(tǒng)接處警數(shù)據(jù)，使“死”的數(shù)據(jù)能夠自動(dòng)說(shuō)話，也就是構(gòu)建這樣一類數(shù)據(jù)推理模型，能夠自動(dòng)地通過(guò)數(shù)據(jù)表層挖掘出深層次的信息，從而形成基于接處警數(shù)據(jù)的一類經(jīng)驗(yàn)知識(shí)，能夠指導(dǎo)日常的消防工作，尤其是火災(zāi)防控工作．

1 基于決策樹(shù)的119平臺(tái)接處警數(shù)據(jù)自動(dòng)推理模型

目前，用于自動(dòng)數(shù)據(jù)挖掘及數(shù)據(jù)自動(dòng)推理模型的方法主要有：最大熵、支持向量機(jī)、隱馬爾可夫等模型[1]．其中，決策樹(shù)是最大熵方法中一類較成熟有效的方法，它利用信息增益尋找數(shù)據(jù)中最大信息熵的特性，并將其作為一個(gè)樹(shù)節(jié)點(diǎn)，再根據(jù)其建立分枝，并利用遞歸的方法反復(fù)這一過(guò)程，最終形成整個(gè)決策樹(shù)．在實(shí)現(xiàn)算法方面，當(dāng)前較有影響的決策樹(shù)算法是J.R.Quinlan的ID3算法以及據(jù)此發(fā)展起來(lái)的其他決策樹(shù)算法，比如C4.5，CART等[2,3]．本文運(yùn)用該方法來(lái)建立119平臺(tái)接處警數(shù)據(jù)自動(dòng)推理模型，并給出該模型的實(shí)現(xiàn)算法．

1.1 自動(dòng)推理模型

設(shè)S是一個(gè)包含s個(gè)119接處警數(shù)據(jù)實(shí)例的集合，類別屬性有m個(gè)不同的值對(duì)應(yīng)于m個(gè)不同的類別Ci，i∈{1，2，3，…，m}．設(shè)si為類別Ci實(shí)例個(gè)數(shù)，則對(duì)單個(gè)對(duì)象進(jìn)行分類的信息期望：

(1)

假設(shè)屬性A取v個(gè)不同的值{a1,a2,…,av}．將A作為根節(jié)點(diǎn)可將集合S劃分為V個(gè)子集{S1,S2,…,Sv}，其中Sj包含了S集合中A取aj的所有實(shí)例．那么如果用A進(jìn)行分類，設(shè)sij為子集Sj中屬于Ci類別的實(shí)例數(shù)，根據(jù)由A分類期望信息由下式給出：

I(s1j,s2j,…,smj).

(2)

其中，(s1j+s2j+…+smj)/s項(xiàng)為第j個(gè)子集的權(quán)．E(A)結(jié)果越小，表示其子集劃分的越“純”，而對(duì)一給定子集Sj，其信息為

(3)

這樣利用屬性A對(duì)當(dāng)前分支進(jìn)行樣本集合劃分所獲得的信息增益為

Gain(A) =I(s1,s2,…,sm)-E(A).

(4)

同理，反復(fù)上述過(guò)程便可建立從根到分支直至葉的決策樹(shù)，119平臺(tái)接處警數(shù)據(jù)被劃分為越來(lái)越“純”的不同屬性分類的信息，而這些深層次信息就“隱藏”在日積月累的大規(guī)模表層接處警數(shù)據(jù)中，將這些分析后所得的信息抽取出來(lái)即得到基于接處警數(shù)據(jù)的經(jīng)驗(yàn)知識(shí)．

1.2 實(shí)現(xiàn)算法

將1.1中的理論模型程序化，便得到119平臺(tái)接處警數(shù)據(jù)自動(dòng)推理模型的一般實(shí)現(xiàn)算法．

算法：(General_decision_tree)//根據(jù)給定數(shù)據(jù)集產(chǎn)生一個(gè)決策樹(shù)

輸入：接處警數(shù)據(jù)，各屬性均取離散數(shù)值，可供歸納的修行屬性集：attribute_list

輸出：決策樹(shù)

處理流程：

Function General_decision_tree(samples, attribute_list)

{

new(N):/*創(chuàng)建一個(gè)新的節(jié)點(diǎn) N*/

if samples in 同一類 C

then N=leaf( )并返回;/*標(biāo)為節(jié)點(diǎn)*/

if attribute_list=null

then N=leaf( )并返回;/*標(biāo)為普通類*/

選擇attribute_list中具有最高信息增益的屬性test_attribute;

標(biāo)記節(jié)點(diǎn)V為test_attribute;

for each test_attribute中的已知值為a;

從節(jié)點(diǎn)N長(zhǎng)出一個(gè)條件為test_attribute=a的分枝;

設(shè)Si是samples中test_attribute=a的樣本集合;

if Si=null

then 增加一個(gè)葉節(jié)點(diǎn)，標(biāo)記為leaf()

else 增加一個(gè)節(jié)點(diǎn)由General_descision_tree(Si，attribute_list-list_attribute)產(chǎn)生．

}

算法中samples為已知的接處警數(shù)據(jù)樣本，attribute_list為候選屬性集合，選擇信息增益最大的屬作為分類節(jié)點(diǎn)，該屬性使得結(jié)果劃分中的樣本分類所需的信息量最?。?/p>

2 模型實(shí)例分析

2.1 實(shí)例樣本數(shù)據(jù)來(lái)源及預(yù)處理

2.1.1樣本數(shù)據(jù)來(lái)源選取武漢市某消防支隊(duì)2007年至2012年間的119平臺(tái)接處警數(shù)據(jù)為數(shù)據(jù)源，除去其中非火災(zāi)的應(yīng)急救援?dāng)?shù)據(jù)，共選取26 125起有效火災(zāi)接處警數(shù)據(jù)作為樣本數(shù)據(jù)，均為Excel格式數(shù)據(jù)．

2.1.2數(shù)據(jù)預(yù)處理由于所面臨的接處警數(shù)據(jù)是大規(guī)模的、海量的，而且可能存在無(wú)用、缺失、冗余數(shù)據(jù)，所以，為了提高數(shù)據(jù)分析效率，有效減少技術(shù)工作量，需要對(duì)原始的接處警數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理．

1)數(shù)據(jù)抽取 在119平臺(tái)火災(zāi)接處警數(shù)據(jù)中含有諸多數(shù)據(jù)屬性，而特定分析要求需要的關(guān)鍵屬性均不同．例如，需要對(duì)重大亡人火災(zāi)進(jìn)行挖掘分析時(shí)，火災(zāi)序號(hào)、出動(dòng)消防隊(duì)名稱、著火單位、戶主名等屬性會(huì)增加計(jì)算的時(shí)間和工作量，但對(duì)分析結(jié)果影響較小.又如，消防監(jiān)督部門(mén)對(duì)社會(huì)單位實(shí)行分級(jí)管理，分級(jí)管理這個(gè)屬性對(duì)分析結(jié)果無(wú)明顯影響，因此在分析計(jì)算過(guò)程中可以將這些屬性值去除，直接從數(shù)據(jù)中抽取出與分析任務(wù)相關(guān)的數(shù)據(jù)屬性．

2)數(shù)據(jù)清洗 在119平臺(tái)火災(zāi)接處警數(shù)據(jù)中，一些關(guān)鍵的數(shù)據(jù)屬性可能存在數(shù)據(jù)缺失，對(duì)于這些空缺，可以通過(guò)數(shù)據(jù)清洗來(lái)處理和填補(bǔ)．在數(shù)據(jù)清洗時(shí)，如果數(shù)據(jù)量較小，可按照數(shù)據(jù)庫(kù)的中值分布來(lái)填補(bǔ)缺失值；如果數(shù)據(jù)量較大，就用常量來(lái)代替缺失值[4]．本文中所使用的數(shù)據(jù)來(lái)源于《全國(guó)火災(zāi)統(tǒng)計(jì)管理系統(tǒng)》，該系統(tǒng)由基層消防中隊(duì)填報(bào)，并經(jīng)大隊(duì)、支隊(duì)、總隊(duì)、公安部消防局層層檢查，數(shù)據(jù)缺失較少，可信度較高，一些數(shù)據(jù)缺失值可以采用常量來(lái)填補(bǔ)．

3)數(shù)據(jù)規(guī)范 為了方便分析，需要對(duì)數(shù)量型和描述型數(shù)據(jù)進(jìn)行統(tǒng)一規(guī)范，例如，將數(shù)量型數(shù)據(jù)按照一定規(guī)則離散化成若干個(gè)區(qū)間型數(shù)據(jù)[5]，如將起火時(shí)間劃分成兩類，白天和夜晚；到場(chǎng)出動(dòng)情況根據(jù)時(shí)間劃分成3種情況：10 min以上到場(chǎng)，5～10 min到場(chǎng)，5 min以內(nèi)到場(chǎng)；過(guò)火面積大小劃分成3種情況：大于1 000 m2，100～1 000 m2，100 m2以內(nèi)等．表1為經(jīng)過(guò)數(shù)據(jù)預(yù)處理后得到的16組實(shí)例數(shù)據(jù).

2.2 計(jì)算分析

按照2.1中的方法，自頂向下建立決策樹(shù)，首先對(duì)經(jīng)過(guò)數(shù)據(jù)預(yù)處理的火災(zāi)接處警情況信息集(表1)，以“一般火災(zāi)”和“較大火災(zāi)”的火災(zāi)事故等級(jí)屬性為基本屬性來(lái)構(gòu)造決策樹(shù)模型．具體步驟如下：

假設(shè)，樣本集合的屬性為“火災(zāi)事故等級(jí)”，有兩個(gè)取值“一般火災(zāi)”、“較大火災(zāi)”，M=2，設(shè)C1對(duì)應(yīng)“一般火災(zāi)”類別，C2對(duì)應(yīng)“較大火災(zāi)”類別．為計(jì)算每個(gè)屬性的信息增益，利用式(1)計(jì)算出期望信息．

1)對(duì)給定樣本分類所需的期望信息 由于初始時(shí)刻屬于C1：“一般火災(zāi)”類和C2：“較大火災(zāi)”類的實(shí)例個(gè)數(shù)分別為6個(gè)和10個(gè)，對(duì)6個(gè)C1類和10個(gè)C2類分別有：

I(s1,s2)=I(6,10)=

表1 火災(zāi)接處警情況信息集

2)各屬性熵的計(jì)算A1=“著火時(shí)間”，其取值為：v1=白天，v2=夜晚，在A1處取值“白天”的實(shí)例有7個(gè)，取值“夜晚”的例子9個(gè)，故

取值為“白天”的7個(gè)例子中有4個(gè)C1類(一般火災(zāi))，有3個(gè)C2類(較大火災(zāi))，故

所以“著火時(shí)間”這一屬性的熵為

以此類推可以計(jì)算其他屬性的熵．

3)計(jì)算信息增益A1=“著火時(shí)間”上分枝的信息增益為：Gain(A1)=I(6,10) -E(A1)=0.954-0.861=0.093.

同理，可得出表中其他各屬性的期望信息和信息增益值，如表2所示.根據(jù)算法，可以看出，屬性“起火場(chǎng)所”的信息增益最大，即“起火場(chǎng)所”最“純”，所以選擇“起火場(chǎng)所”作為分類節(jié)點(diǎn)，即先按“起火場(chǎng)所”進(jìn)行劃分，再遞歸調(diào)用前述過(guò)程．

表2 根節(jié)點(diǎn)期望信息和信息增益表

4)建立樹(shù)根和分枝 選擇“起火場(chǎng)所”作為分類節(jié)點(diǎn)，有5個(gè)分枝，生成決策樹(shù)(圖1)．下面對(duì)圖1中的葉結(jié)點(diǎn)1進(jìn)行分類．

圖 1 根節(jié)點(diǎn)分類決策樹(shù)

由表3可知，屬于C1：“一般火災(zāi)”類和C2：“較大火災(zāi)”類的實(shí)例個(gè)數(shù)分別為1和7，所以開(kāi)始時(shí)的期望信息為：

表3 葉結(jié)點(diǎn)1所包含的數(shù)據(jù)集

I(s1,s2)=I(1,7)=

所以如果選取“著火時(shí)間”作為分類屬性，可以看到其取值全部為“夜晚”表示這一支比較純，沒(méi)有分下去的必要，其信息增益Gain (著火時(shí)間)為0．

選取“到場(chǎng)出動(dòng)情況”作為測(cè)試屬性，則熵為：

Gain(到場(chǎng)出動(dòng)情況)=I(1,7) -

E(到場(chǎng)出動(dòng)情況)= 0.542-0.248=0.293,

以此類推可以計(jì)算其他屬性期望信息和信息增益值，如表4所示.

表4 葉節(jié)點(diǎn)1期望信息和信息增益表

可以看出，屬性“到場(chǎng)出動(dòng)情況”的信息增益最大，所以應(yīng)該選擇“到場(chǎng)出動(dòng)情況”作為分枝屬性，將結(jié)點(diǎn)1分為兩個(gè)子集，擴(kuò)展后的決策樹(shù)見(jiàn)圖2．

圖 2 結(jié)點(diǎn)1擴(kuò)展后的決策樹(shù)

按照上述思路向下遞歸延伸，即對(duì)節(jié)點(diǎn)2分類，得到最終的決策樹(shù)．如圖3所示．

圖 3 ID3算法生成的最終決策樹(shù)

2.3 經(jīng)驗(yàn)知識(shí)形成

根據(jù)最終決策樹(shù)從根結(jié)點(diǎn)到葉結(jié)點(diǎn)的路徑及數(shù)據(jù)集所包含記錄信息，可以得出以下經(jīng)驗(yàn)知識(shí)：當(dāng)起火場(chǎng)所為商圈娛樂(lè)性場(chǎng)所或多合一場(chǎng)所，火災(zāi)事故等級(jí)為較大火災(zāi)，而起火場(chǎng)所為住宅居民樓則火災(zāi)事故等級(jí)為一般火災(zāi)；當(dāng)起火場(chǎng)所為廠礦企事業(yè)單位，著火季節(jié)為秋冬季時(shí)為較大火災(zāi)，而著火季節(jié)為春夏季時(shí)則一般火災(zāi)；當(dāng)起火場(chǎng)所為生產(chǎn)經(jīng)營(yíng)場(chǎng)所，10 min以上消防隊(duì)才到場(chǎng)的火災(zāi)事故等級(jí)為較大火災(zāi)，5～10 min到場(chǎng)的防火設(shè)備狀況不明的火災(zāi)事故等級(jí)為較大火災(zāi)，防火設(shè)備狀況良好的火災(zāi)事故等級(jí)為一般火災(zāi)．知識(shí)化表示如下：

1)IF(起火場(chǎng)所=住宅居民樓) THEN(火災(zāi)事故等級(jí)=一般火災(zāi))；

2)IF(起火場(chǎng)所=商圈娛樂(lè)性場(chǎng)所 OR 多合一場(chǎng)所) THEN(火災(zāi)事故等級(jí)=較大火災(zāi))；

3)IF(起火場(chǎng)所=廠礦企事業(yè)單位 AND 防火設(shè)備狀況=未通過(guò)消防檢測(cè)) THEN(火災(zāi)事故等級(jí)=較大火災(zāi))；

4)IF(起火場(chǎng)所=廠礦企事業(yè)單位 AND 防火設(shè)備狀況=狀況良好或不明) THEN(火災(zāi)事故等級(jí)=一般火災(zāi))；

5)IF(起火場(chǎng)所=生產(chǎn)經(jīng)營(yíng)場(chǎng)所 AND 到場(chǎng)出動(dòng)情況=10 min以上) THEN(火災(zāi)事故等級(jí)=較大火災(zāi))；

6)IF(起火場(chǎng)所=生產(chǎn)經(jīng)營(yíng)場(chǎng)所 AND 到場(chǎng)出動(dòng)情況=5至10 min AND 防火設(shè)備狀況=狀況不明) THEN(火災(zāi)事故等級(jí)=較大火災(zāi))；

7)IF(起火場(chǎng)所=生產(chǎn)經(jīng)營(yíng)場(chǎng)所 AND 到場(chǎng)出動(dòng)情況=5至10 min AND 防火設(shè)備狀況=狀況良好) THEN(火災(zāi)事故等級(jí)=一般火災(zāi))；

在本實(shí)例中，雖然樣本數(shù)量和屬性還不夠多，分析所得的知識(shí)還不夠詳細(xì)，但是可以從上述結(jié)論看出，對(duì)于客觀準(zhǔn)確地分析一個(gè)地區(qū)發(fā)生較大火災(zāi)事故發(fā)生的可能潛在因素，如人員密集場(chǎng)所、著火季節(jié)、消防人員到達(dá)火災(zāi)現(xiàn)場(chǎng)時(shí)間等，具有重要的借鑒意義．因此，該自動(dòng)推理模型能夠?qū)崿F(xiàn)對(duì)接處警數(shù)據(jù)的解析，并自動(dòng)從中得到所需的經(jīng)驗(yàn)知識(shí)．從理論上講，只要在實(shí)際應(yīng)用中接處警數(shù)據(jù)量夠大，記錄屬性夠豐富，那么，該基于決策樹(shù)的自動(dòng)推理模型的數(shù)據(jù)解析效果就十分明顯，所獲得的知識(shí)信息就越豐富，也就能夠有效的預(yù)判火災(zāi)形勢(shì)，科學(xué)指導(dǎo)消防工作，有力遏制較大火災(zāi)事故的發(fā)生．

3 結(jié)束語(yǔ)

本文探討了利用決策樹(shù)方法來(lái)建立一種數(shù)據(jù)自動(dòng)推理模型，針對(duì)每日產(chǎn)生的大規(guī)模119平臺(tái)接處警數(shù)據(jù)進(jìn)行自動(dòng)分析，使日積月累的“死”數(shù)據(jù)“活”起來(lái)，實(shí)現(xiàn)了大樣本數(shù)據(jù)的自動(dòng)解析和知識(shí)挖掘，通過(guò)對(duì)實(shí)例數(shù)據(jù)的分析可以看出，該模型及算法是可行的，能夠較好地解釋和發(fā)現(xiàn)重大亡人火災(zāi)的潛在規(guī)律．但由于實(shí)例分析中數(shù)據(jù)量較小、數(shù)據(jù)類型和結(jié)構(gòu)較單一，未能很好地反映出該推理模型的全部效果和可能存在的問(wèn)題，因此，下一步需要針對(duì)目前已開(kāi)發(fā)和投用的一體化消防業(yè)務(wù)信息系統(tǒng)特點(diǎn)，根據(jù)不同類型數(shù)據(jù)屬性，來(lái)進(jìn)一步改進(jìn)和優(yōu)化該數(shù)據(jù)自動(dòng)推理模型及算法，從而提高數(shù)據(jù)解析和知識(shí)發(fā)現(xiàn)的計(jì)算效率，立足119平臺(tái)接處警的原始真實(shí)數(shù)據(jù)，更好地服務(wù)于當(dāng)前消防工作的研判預(yù)測(cè)．

[參考文獻(xiàn)]

[1] 王 莉.ID3算法的研究與應(yīng)用[J].福建電腦,2010(1)：11-12.

[2] 黃愛(ài)輝,陳湘濤.決策樹(shù)ID3算法的改進(jìn)[J].計(jì)算機(jī)工程和科學(xué),2009,31(6):109-111.

[3] 林 震,王 威.基于決策樹(shù)的數(shù)據(jù)挖掘算法優(yōu)化研究[J].現(xiàn)代計(jì)算機(jī),2012(10):20-23.

[4] 陳輝林,夏道勛.基于CART決策樹(shù)數(shù)據(jù)挖掘算法的應(yīng)用研究[J].煤炭技術(shù),2011,30(10):164-166.

[5] 楊 靜,張楠男,李 健,等.決策樹(shù)算法的研究與應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2010,20(2):114-116.