盧立紅，康青春，高　見

(武警學(xué)院 a.滅火救援技術(shù)公安部重點實驗室； b.政治工作系，河北 廊坊　065000)

?

滅火救援戰(zhàn)例數(shù)字化情景矩陣推理相似度的計算方法

盧立紅a，康青春a，高見b

(武警學(xué)院 a.滅火救援技術(shù)公安部重點實驗室； b.政治工作系，河北 廊坊065000)

滅火救援戰(zhàn)例的情景化及數(shù)字化，是滅火救援專家系統(tǒng)提高戰(zhàn)例匹配利用率的基礎(chǔ)，推理相似度算法是提升戰(zhàn)例匹配效率的關(guān)鍵。在介紹滅火救援戰(zhàn)例數(shù)字化情景矩陣構(gòu)建方法的基礎(chǔ)上，研究了基于數(shù)字化特征元素、特征向量和情景矩陣的推理相似度計算方法。旨在為滅火救援專家系統(tǒng)的設(shè)計和構(gòu)建提供參考，進(jìn)而提升滅火救援戰(zhàn)例的匹配效率和利用率。

滅火救援；數(shù)字化戰(zhàn)例；情景矩陣；相似度

0　引言

在滅火救援專家系統(tǒng)中，“推理”是實現(xiàn)問題求解的過程，是整個系統(tǒng)的核心之一，相似度的計算是推理過程的關(guān)鍵。相似度計算的準(zhǔn)確與否，取決于兩個至關(guān)重要的因素：一是滅火救援戰(zhàn)例的表達(dá)方法；二是相似度的計算方法。傳統(tǒng)的滅火救援戰(zhàn)例是以整個案例的形式，用文字描述的方法進(jìn)行表達(dá)。這種表達(dá)方法使得匹配計算過程較為復(fù)雜，工作量較大，很難從若干案例所包含的海量數(shù)據(jù)信息中，快速提取出能夠與現(xiàn)場案例相匹配的關(guān)鍵要素[1]，相似案例的完全匹配閾值較低，往往造成案例資源的極大浪費[2-5]。為此，課題組利用目前學(xué)術(shù)界研究較為熱點的“情景-應(yīng)對”的推理方法，提出了滅火救援戰(zhàn)例數(shù)字化情景的表達(dá)方法，一方面，將戰(zhàn)例劃分為若干情景進(jìn)行表達(dá)，縮小了求解單元，提高了案例的匹配度；另一方面，用數(shù)字化矩陣對情景進(jìn)行表達(dá)，相比文字描述，大大提高了相似度的計算效率。

根據(jù)模糊數(shù)學(xué)的定義，相似度計算方法可分為相似系數(shù)法、距離法和主觀評分法[6]。根據(jù)研究分析發(fā)現(xiàn)，相似系數(shù)法計算公式較為復(fù)雜，計算量較大，而主觀評分法又存在較大的主觀性，相比之下，采用距離法計算相似度較為便捷，而且距離法是最鄰近算法的關(guān)鍵技術(shù)。滅火救援戰(zhàn)例數(shù)字化情景矩陣的最大特點是，矩陣向量中的每一個元素值均為確定的數(shù)，不存在區(qū)間數(shù)(需用模糊屬性計算方法)和字符屬性描述，所以，直接可用確定數(shù)相似度的算法來對其進(jìn)行相似度計算。因此，本文在構(gòu)建滅火救援戰(zhàn)例數(shù)字化情景矩陣的基礎(chǔ)上，著重應(yīng)用直接距離法的海明距離法公式，來計算數(shù)字化情景矩陣的相似度。

1　滅火救援戰(zhàn)例的數(shù)字化情景矩陣

一個滅火救援戰(zhàn)例可以分解成若干個情景，每個情景又可以抽取出若干特征向量，這些特征向量即可構(gòu)成一個情景矩陣[7]。以油罐火災(zāi)為例，其某個情景矩陣可表達(dá)如下：

(1)

式中，TD為對象類特征向量；TZ為災(zāi)情類特征向量；TH為環(huán)境類特征向量；TQ為氣象類特征向量；TS為水源類特征向量；TX為消防設(shè)施類特征向量；TM為滅火救援力量類特征向量；TC為技術(shù)措施類特征向量；TL為處置策略類特征向量；TJ為經(jīng)驗教訓(xùn)類特征向量。

式(1)中的每類特征向量可由10個特征元素進(jìn)行具體描述。以油罐火災(zāi)為例，其對象類特征向量的每個元素可具體描述為：D1為對象類型；D2為油品類型；D3為油庫容量；D4為著火罐數(shù)量；D5為鄰近罐數(shù)量；D6為著火罐單罐最大容積；D7為結(jié)構(gòu)形式；D8為最大著火罐儲油量；D9為建造材料；D10為罐體埋設(shè)深度。則對象類特征向量(TD)即可用下式進(jìn)行表示：

(2)

對式(2)中的每個特征元素進(jìn)行數(shù)字化重構(gòu)，賦值方法如表1所示。

表1　對象類特征向量元素數(shù)字化重構(gòu)一覽表

通過數(shù)字化重構(gòu)，式(2)即可表達(dá)為一個數(shù)字化的特征向量。例如：2個地上式金屬外浮頂原油儲罐發(fā)生火災(zāi)，容積50 000 m3，滿罐，鄰近罐數(shù)量為6個，其他情況未知，可以將其賦值為0。根據(jù)表1，式(2)的數(shù)字表達(dá)形式為：

依照上述對象類特征向量的數(shù)字化重構(gòu)過程，可將式(1)中其他9類特征向量分別進(jìn)行數(shù)字化重構(gòu)，即可實現(xiàn)該情景矩陣的數(shù)字化表達(dá)。

2　數(shù)字化特征向量相似度計算方法

2.1特征向量中單個元素相似度的計算

特征向量中的某個元素，在它的特征空間里就是一個點，同一類特征的元素會密集分布在一個區(qū)域，不同類特征的元素會遠(yuǎn)離，點與點之間的距離就反映了相應(yīng)特征向量元素值之間的差異，因此，可以用距離法中的海明距離計算來自兩個特征向量相同位置元素之間的相似度。

(3)

式中，Zi為第i個元素的取值范圍。

以油罐火災(zāi)的對象類特征要素為例，在當(dāng)前情景與歷史情景(被檢索情景)中，特征向量元素“結(jié)構(gòu)形式”的取值情況分別為2和3，而“結(jié)構(gòu)形式”的取值范圍為“1～4”(見表1)，則根據(jù)式(3)，當(dāng)前情景與歷史情景中該元素的相似度rjg計算結(jié)果為：

對于布爾型數(shù)據(jù)，如表1中特征向量元素“建造材料”的取值，金屬為1，非金屬為0，其取值范圍為“1-0=1”，則根據(jù)式(3)，其相似度rjc計算結(jié)果為：

該計算結(jié)果與通用布爾型數(shù)據(jù)相似度的計算結(jié)果一致。

2.2特征向量相似度的計算

在單個元素相似度計算的基礎(chǔ)上，即可實現(xiàn)整個特征向量相似度的計算。但由于當(dāng)前情景中特征向量元素的非空屬性(即賦值不為0)集合Q與歷史情景的非空屬性集合C包含的元素個數(shù)可能不盡相同，只有根據(jù)Q與C中共有(交集)的特征元素個數(shù)來計算相似度，才能夠?qū)崿F(xiàn)較為精確的匹配。例如：某特征向量X=(4,5,3,80,6,9,0)，X′=(5,5,4,79,0,0,0)，其共有非空屬性特征元素的個數(shù)為4個，因此計算這兩個特征向量相似度的時候，應(yīng)僅考慮該4個元素的相似度情況。此外，特征向量相似度的計算并不是每個元素相似度的簡單相加，還應(yīng)結(jié)合實際情況，采取適當(dāng)?shù)臋?quán)重分析法，對每個元素的權(quán)重進(jìn)行分配，根據(jù)分配的權(quán)重及各元素相似度，計算所有元素的加權(quán)相似度，即獲得特征向量的相似度。計算方法如下：

(4)

式中，rQ,C為Q與C的屬性加權(quán)相似度，即特征向量X與X′的相似度；WQ∩C為Q與C交集的權(quán)重之和；Wi為Q與C交集中第i個元素的權(quán)重；m為Q與C交集中元素的個數(shù)；ri為當(dāng)前情景數(shù)字化特征向量中某元素與歷史情景數(shù)字化特征向量對應(yīng)元素的相似度。

以油罐火災(zāi)對象類特征要素為例，當(dāng)前情景中數(shù)字特征向量(TD0)與歷史情景中數(shù)字特征向量(TD1)元素的取值情況、元素的取值范圍(由表1可知)、元素的權(quán)重分配以及根據(jù)式(2)計算得到的元素相似度值如表2所示。

表2　　　　特征向量TD0和TD1的元素取值

由表2可知，兩個特征向量共有非空屬性特征元素的個數(shù)為8個，即計算這兩個特征向量相似度的時候，應(yīng)考慮該8個元素的相似度情況。根據(jù)表2和式(4)，計算特征向量TD0與TD1的相似度如下：

rTD0,TD1=(0.162×1+0.146×1+0.132×0.8

+0.103×0.875+0.095×0.8

+0.083×0.333+0.074×0.667

+0.031×1)÷(1-0.116-0.058)

=0.832 6

基于滅火救援戰(zhàn)例數(shù)字化情景矩陣推理的相似度計算，可在特征向量相似度計算的基礎(chǔ)上，再對每一類特征向量的權(quán)重進(jìn)行賦值，然后按照式(4)的方法計算矩陣的相似度。可以比較矩陣的前幾個行向量，也可以對整個矩陣的全局相似度進(jìn)行比較。

3　結(jié)論

通過對滅火救援戰(zhàn)例數(shù)字化情景矩陣的構(gòu)建及推理相似度計算方法研究，得出如下結(jié)論：(1)滅火救援戰(zhàn)例可以分解成若干個情景，每個情景都可以通過特征向量的提取和數(shù)字化重構(gòu)，用一個數(shù)字化情景矩陣進(jìn)行表達(dá)。(2)數(shù)字化情景矩陣相對于文字描述的情景片段或整個戰(zhàn)例相似度的求解計算，過程簡單，匹配效率高。

[1] KANG Qingchun, LU Lihong, PAN Libiao, et al. Research on Reasoning Model of Firefighting and Rescue Cases[J]. WAIM 2014, LNCS 8597,2014:56-64.

[2] 吳廣謀,趙偉川,江億平.城市重特大事故情景再現(xiàn)與態(tài)勢推演決策模型研究[J].東南大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2011,13(1):18-23.

[3] 房文娟,李紹穩(wěn),袁媛,等.基于案例推理技術(shù)的研究與應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2005(1):13-17.

[4] 劉鐵民.應(yīng)急預(yù)案重大突發(fā)事件情景構(gòu)建[J].中國安全生產(chǎn)科學(xué)技術(shù),2012,8(4):5-12.

[5] 張輝,劉奕.基于“情景-應(yīng)對”的國家應(yīng)急平臺體系基礎(chǔ)科學(xué)問題與集成平臺[J].系統(tǒng)工程理論與實踐,2012,32(5)：947-953.

[6] 李鴻吉.模糊數(shù)學(xué)基礎(chǔ)及使用算法[M].北京:科學(xué)出版社,2005.

[7] LU Lihong, KANG Qingchun, YANG Shaofang, et al. Structured and Quantitative Research on Scenario of Firefighting and Rescue Cases[J]. WAIM 2014, LNCS 8597,2014:98-105.

(責(zé)任編輯、校對陳華)

Calculation Method of Reasoning Similarity Based on the Digital Scenario Matrix of Firefighting Cases

LU Lihonga, KANG Qingchuna, GAO Jianb

(a.MinistryofPublicSecurityKeyLaboratryofFireFightingandRescuingTechnology;b.DepartmentofPoliticalWork,TheArmedPoliceAcademy,Langfang,HebeiProvince065000,China)

The construction of the digital scenario matrix is the foundation to improve the matching utilization rate in the firefighting rescue expert system. And the calculation method of reasoning similarity is the key to improve the matching efficiency of firefighting cases. The construcion method of digital scenario matrix was introduced in this paper firstly. And then, the calculation method based on the digital characteristic element, the eigenector and the scenario matrix of reasoning similarity was studied. It’s expected to give some advices to the design and the construction of firefighting rescue expert system and to futher enhance the matching efficiency and the utilization rate of the firefighting cases.

firefighting rescue; digital cases; scenario matrix; similarity

2016-01-22

國家自然科學(xué)基金重大研究計劃項目(91024030)

盧立紅(1974—)，女，吉林四平人，副教授； 康青春(1961—)，男，山東招遠(yuǎn)人，教授； 高見(1983—)，男，新疆烏魯木齊人。

●滅火救援技術(shù)

D631.6

A

1008-2077(2016)04-0027-04