李星宇 劉志勤 王慶鳳 孟思齊

0 引言

我國災(zāi)害種類多、分布地域廣、發(fā)生頻率高，容易造成嚴重的經(jīng)濟損失和人員傷亡。近年來，自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生等突發(fā)事件頻發(fā)態(tài)勢加劇，如2015年天津?；繁ā?020年新冠肺炎疫情、2021年青海瑪多7.4級地震等，對各級政府、企事業(yè)單位應(yīng)急處置能力提出了嚴峻考驗。

2009年，國務(wù)院應(yīng)急管理辦公室印發(fā)《突發(fā)事件應(yīng)急演練指南》[1]，指出“應(yīng)急演練的目的是檢驗預(yù)案、完善準備、鍛煉隊伍、磨合機制、科普宣教”。鑒于應(yīng)急演練的重要性和必要性，桌面演練得到了越來越多的運用與重視，作為桌面演練的計算機支持部分——應(yīng)急桌面演練系統(tǒng)，應(yīng)用范圍也越發(fā)廣泛。例如，在政務(wù)方面，國家級和省級政府應(yīng)急管理培訓(xùn)基地已普遍開展靜態(tài)桌面演練等培訓(xùn)[2]；在民航方面，朱新平[3]等根據(jù)機場應(yīng)急設(shè)計了基于虛擬現(xiàn)實的機場消防救援虛擬演練平臺；在鐵路方面，陳志洲[4]等將車輛、工務(wù)、電務(wù)等納入仿真培訓(xùn)實作流程中，設(shè)計了高速鐵路應(yīng)急聯(lián)合演練仿真培訓(xùn)系統(tǒng)；在地震方面，侯躍偉[5]等結(jié)合現(xiàn)代都市和地震特點，設(shè)計了城市地震應(yīng)急綜合演練系統(tǒng)。

桌面演練的特點是“紙上談兵”，通過演練系統(tǒng)“沙盤”，考查應(yīng)急指揮人員面對突發(fā)事件時的決策處置能力。演練過程中，參演人員提出措施與標準措施之間的相似度越高，代表職能職責(zé)掌握情況越好，應(yīng)急處置能力越強。目前，應(yīng)急桌面演練系統(tǒng)已經(jīng)有很多設(shè)計方案，但充分使用自然語言處理工具，驗證參演人員決策的正確性及效率結(jié)果的系統(tǒng)較少，難以實現(xiàn)簡單、科學(xué)的態(tài)勢推演[6]。基于此，本文提出一種基于自然語言處理的應(yīng)急桌面演練系統(tǒng)設(shè)計，在有向無環(huán)圖演練方案基礎(chǔ)上，采取“情景-問題-回答”模式，以關(guān)鍵詞、關(guān)鍵句匹配為重點，使用Jaccard系數(shù)、Doc2Vec深度學(xué)習(xí)模型等方法，計算參演人員提出措施和標準措施的文本相似度，為過程評估和分支推理提供依據(jù)，著力提高演練真實性和人員參與度。

1 應(yīng)急桌面演練系統(tǒng)整體設(shè)計

系統(tǒng)整體設(shè)計方案如圖1所示，主要包括信息處理模塊、方案設(shè)計模塊、管理調(diào)度模塊、演練評估模塊4個部分。

圖1 應(yīng)急桌面演練系統(tǒng)整體設(shè)計方案

其中，信息處理模塊負責(zé)存儲突發(fā)事件信息，并對事件信息進行結(jié)構(gòu)化處理、關(guān)聯(lián)性分析等操作；方案設(shè)計模塊負責(zé)根據(jù)演練需求和應(yīng)急預(yù)案，設(shè)計包含演練主題、人員分工、演練流程等內(nèi)容的應(yīng)急桌面演練方案；管理調(diào)度模塊負責(zé)與參演人員開展信息交互，并結(jié)合參演人員評估情況，對事件走向和演練進程進行管理和調(diào)度；演練評估模塊負責(zé)對參演人員的表現(xiàn)情況進行評估，得到參演人員提出措施和標準措施的相似度。

2.1 突發(fā)事件信息組成

突發(fā)事件具備兩個基礎(chǔ)屬性，分別為事情發(fā)生情況和事件處理情況。其中，事件發(fā)生情況是指突發(fā)事件從發(fā)生到結(jié)束這一過程衍變情況，包括事件類型（地震、火災(zāi)、暴雨等）、發(fā)生條件（汛期、停電、地殼運動等）、次生災(zāi)害（暴雨引發(fā)滑坡、停電引發(fā)火災(zāi)等）等信息；事件處理情況是指相關(guān)部門對事件采取的應(yīng)急措施及對應(yīng)結(jié)果，包括涉及部門（公安、交通、消防等）、處理措施（針對疫情關(guān)閉娛樂場所、針對停電開展設(shè)備搶修等）、處理結(jié)果（花費時間、人力成本等）等信息。

2.2 事件流程剖析

依據(jù)現(xiàn)有案例，對突發(fā)事件衍變流程進行梳理，是一項重要基礎(chǔ)工作，能為突發(fā)事件關(guān)聯(lián)分析和桌面演練方案設(shè)計提供參考和依據(jù)。應(yīng)急處置相關(guān)部門通常會對突發(fā)事件處置情況進行歸納總結(jié)并形成應(yīng)急處理報告，例如揚州市環(huán)境監(jiān)察支隊《揚州潤揚長江大橋北引橋交通事故丁酮泄漏事故處置終報》[7]，包含發(fā)生時間（2018年3月19日）、地點（揚州潤揚長江大橋北引橋）、發(fā)生事件（水質(zhì)污染）、參與部門（公安、消防、環(huán)保及地方政府）、處置措施（筑壩攔截污染）等信息。又如，國務(wù)院災(zāi)害調(diào)查組2022年1月對外發(fā)布的《河南鄭州“7·20”特大暴雨災(zāi)害調(diào)查報告》，包含災(zāi)害情況及主要特點、災(zāi)害應(yīng)對處置、主要教訓(xùn)、改進措施建議等。

但是，由于各地、各部門單位的應(yīng)急處置報告，在內(nèi)容上、形式上、結(jié)構(gòu)上復(fù)雜多樣，缺乏統(tǒng)一標準，對事件關(guān)聯(lián)性分析和風(fēng)險熵分析造成較大的困難。為此，本文采取構(gòu)建事件鏈、完善節(jié)點信息的方式，實現(xiàn)對事件信息的結(jié)構(gòu)化處理。

2.2.1 構(gòu)建事件鏈

一個突發(fā)事件，可將整體流程視為“1+N+1”的事件鏈。其中，開頭節(jié)點“1”代表源頭事件，即導(dǎo)致整個事件的起始事件，通常能反映整個事件主題；“N”代表事件鏈中1個或多個的過程事件；最后節(jié)點“1”代表結(jié)束事件，即整個突發(fā)事件應(yīng)急處置完畢。

事件鏈中每個突發(fā)事件視作一個節(jié)點，事件節(jié)點之間、事件節(jié)點和處置措施之間相互連接，形成一個有向流程圖。如圖2所示，一個簡化后的模擬事件鏈——D市春運期間火車站暴恐分子傷人事件鏈，起始節(jié)點為“出現(xiàn)暴恐分子”，過程節(jié)點為“群眾恐慌”、“人員受傷”，結(jié)束節(jié)點為“歹徒被制服”。

圖2 D市春運期間火車站暴恐分子傷人事件鏈

2.2.2 完善節(jié)點信息

為滿足事件鏈設(shè)計需求，使用Python語言分別設(shè)計突發(fā)事件類（Incident）及處置措施類（Treatment）。其中，突發(fā)事件類（Incident）包含事件名稱、狀態(tài)標志、事件種類等基礎(chǔ)屬性，并設(shè)置2個指針，分別指向前置條件事件、后置次生事件，即指向當前事件在整個流程中，發(fā)生所需的前置必要條件，以及后續(xù)引發(fā)的二次災(zāi)害事件；處置措施類（Treatment）代表事件處理情況，指針incident_current指向當前處理的突發(fā)事件，并包含采取措施、措施結(jié)果、部門單位等基礎(chǔ)信息。

（1）Class Incident: //突發(fā)事件類

self.incident_name; //事件名稱，例如“2021年青海瑪多7.4級地震”。

self.incident_flag; //狀態(tài)標志，包含起始start、過程process、結(jié)束end 3種狀態(tài)。

self.incident_type; //事件種類，包含地震、暴風(fēng)、強降雨等種類。

self.incident_info=[ ]; //災(zāi)情描述，包含發(fā)生時間、發(fā)生地點等基本屬性。

self.node_list=[front_node,next_node];//節(jié)點指針，分別指向前置條件事件、后置次生事件。

（2）Class Treatment: //處置措施類

self.incident_current; //當前處理的突發(fā)事件，例如當前措施針對“?；髽I(yè)毒氣泄露”。

self.measures[ ]; //采取措施集合，例如“人員轉(zhuǎn)移、物資輸送、交通管制”等。

self.measures_result[ ]; //處置結(jié)果集合，即每項措施對應(yīng)的好或壞結(jié)果。

self.related_department[ ]; //涉及部門單位。

2.3 事件關(guān)聯(lián)分析

通過構(gòu)建事件鏈、完善節(jié)點信息等操作，得到處置案例中的事件鏈，就可以根據(jù)事件鏈組成情況、節(jié)點信息等，從事故類型、引發(fā)原因、工作舉措等方面進行分析，如圖3所示，得到某類事件的推測鏈。

圖3 根據(jù)案例事件鏈構(gòu)建某類事件的推測鏈

事件推測鏈為應(yīng)急演練方案設(shè)計提供了良好支撐：一是建立各類突發(fā)事件的相互關(guān)聯(lián)，得出研究事件演化規(guī)律。如地震后易發(fā)生余震、滑坡、電力通訊中斷等后續(xù)事件，城市地區(qū)易發(fā)生交通事故、市政施工事故、居民社區(qū)火災(zāi)等事件；二是便于預(yù)測事件的后續(xù)事件種類和風(fēng)險熵。通過研究同一源頭事件、不同處理措施導(dǎo)致的不同事件鏈，以及同一事件、不同處理措施導(dǎo)致的不同處理結(jié)果和二次事件，分析某項應(yīng)急措施的重要性，預(yù)測某一事件的后續(xù)事件種類及風(fēng)險熵。例如A地區(qū)遇到300ml暴雨時存在90%可能性發(fā)生山體滑坡事件，但提前做好泄洪準備后風(fēng)險降低至30%。

3 方案設(shè)計模塊

3.1 明確演練主題

制定桌面演練方案，首先要明確演練主題，即演練是針對地震、海嘯，還是火災(zāi)等主題。確定演練主題后再進一步完善發(fā)生時間、發(fā)生地點、災(zāi)害級別等細節(jié)內(nèi)容。例如，相同的發(fā)生場景——森林，夏季易發(fā)生洪澇災(zāi)害，秋季易出現(xiàn)森林火災(zāi)；相似的事件——生活必需品市場穩(wěn)定突發(fā)事件，地震、泥石流等局部性地質(zhì)類災(zāi)害，要重點做好方便食品、瓶裝飲用水、防寒衣被等市場供應(yīng)，群體性疾病、動物疫情等易擴散公共衛(wèi)生事件，要重點做好衛(wèi)生清潔用品、防護用品等市場供應(yīng)。

3.2 明確人員分工

確定演練主題后，需結(jié)合應(yīng)急演練預(yù)案，確定參演部門、部門分組、職責(zé)分工等。以《D市應(yīng)對大面積停電事件應(yīng)急演練方案》為例，參與部門包含發(fā)改委、經(jīng)信局、公安局等15個部門單位；分組包括電力恢復(fù)組、社會穩(wěn)定組、綜合保障組等5個小組。

同時，由于參與部門的職責(zé)有所不同，設(shè)計人員分工時需要結(jié)合應(yīng)急預(yù)案、部門職責(zé)等，制定某類突發(fā)事件的標準措施。例如，水庫出現(xiàn)險情時，水庫管理單位應(yīng)“立即在第一時間通知下游影響范圍內(nèi)的單位和群眾，并迅速處置險情，同時向上級主管部門和同級防汛抗旱指揮部報告出險部位、險情種類、搶護方案、處置情況等，以便有關(guān)部門進一步采取相應(yīng)措施”。

3.3 設(shè)計事件流程

受地理環(huán)境、時間節(jié)點、災(zāi)害強度等因素影響，同一種類的突發(fā)事件，以不同方式進行應(yīng)急處置，后續(xù)事件流程和災(zāi)害情況將有所不同。例如，上述的水庫出現(xiàn)險情事件，若輿論引導(dǎo)不及時，容易造成哄搶防汛物資行為；若群眾轉(zhuǎn)移不及時，容易出現(xiàn)人員失蹤、傷亡，乃至后續(xù)防疫等事件。

為模擬更加真實的場景，在結(jié)合事件推測鏈基礎(chǔ)上，采取有向無環(huán)圖方式構(gòu)建演練方案，圖中部分關(guān)鍵節(jié)點有多個后續(xù)節(jié)點，演練進行到該節(jié)點時，可通過評估參演人員表現(xiàn)情況，決定后續(xù)事件走向，從而實現(xiàn)分支推理。如圖4汛期強降雨演練事件流程所示，汛期暴雨作為起點事件，演練流程允許多條路線、多個結(jié)束狀態(tài)。

圖4 汛期強降雨演練事件流程

4 管理調(diào)度模塊

管理調(diào)度模塊負責(zé)與參演人員開展信息交互，并結(jié)合參演人員表現(xiàn)情況，對事件走向和演練進程進行管理和調(diào)度。桌面演練中，采取“情景問答”模式，通過音頻、圖像、文字、投影等多種方式，向參演人員傳達當前模擬突發(fā)事件的各項信息，參演人員需結(jié)合職能職責(zé)，針對情景下的突發(fā)事件，及時提出應(yīng)急處理舉措。系統(tǒng)根據(jù)評估結(jié)果以及演練方案，生成當前節(jié)點事件下一步可能發(fā)生的事件種類、事件發(fā)生熵及事件相關(guān)信息。后臺管理人員再結(jié)合系統(tǒng)推演情況，調(diào)度事件流程并推送參演人員?！把菥殹u估→推送→再演練”過程將一直循環(huán)，直至演練結(jié)束。

5 演練評估模塊

5.1 文本相似度

文本相似度計算一直是自然語言處理（NLP）領(lǐng)域的熱點，在文本分類、搜索引擎、推薦系統(tǒng)、論文鑒定、機器翻譯、自動應(yīng)答、命名實體識別、拼寫糾錯等領(lǐng)域有著廣泛應(yīng)用。

目前，關(guān)于文本相似度計算方法主要有4類，分別是基于字符串、統(tǒng)計、知識庫和深度學(xué)習(xí)[8]。

基于字符串，是直接對文本A和文本B進行比對，包括編輯距離LD、最長公共子序列LCS、N-Gram模型和Jaccard系數(shù)等。以Jaccard系數(shù)為例，計算文本A、B相交部分在A、B相并部分中的占比，得到文本A、B的Jaccard系數(shù)。

基于統(tǒng)計，是將文本轉(zhuǎn)換成為空間向量, 通過計算向量間距離，得到文本間的相似度。包括向量空間模型VSM、主題模型Topic Model等。以TF-IDF算法（常用于百度、google等搜索引擎進行網(wǎng)頁檢索）為例，通過大量文本統(tǒng)計，為每個詞匯賦予一定權(quán)重（權(quán)重為詞頻TF和逆文本頻率IDF的乘積），作為相似度評估依據(jù)。

基于知識庫，是運用語義結(jié)構(gòu)和知識庫，對文本之間的概念信息和層次關(guān)系進行相似度計算。例如，通過構(gòu)建語義框架，將文本分解為主語、謂語、賓語等，再按詞性將詞語分為時間、地點、人物、動作等，對比各個位置得到相似度。

基于深度學(xué)習(xí)，是使用深度學(xué)習(xí)模型，通過無監(jiān)督學(xué)習(xí)或監(jiān)督學(xué)習(xí)，將文本輸入模型后得到向量A與B，計算向量A與向量B相似度，得到語義文本相似度。常用的深度學(xué)習(xí)模型有Word2Vec、FastText、GPT、BERT 等。

5.2 演練評估分析

參演人員提出措施RM（Reply_Measures）和標準措施SM（Standard_Measures）的文本相似度，能夠充分反映職能職責(zé)掌握情況和突發(fā)事件應(yīng)急處置能力。由于RM多表現(xiàn)為中小型文本，且在語言表述上方式多樣，統(tǒng)計方法和知識庫方法難以適用。為滿足演練需求，采用“關(guān)鍵字+關(guān)鍵句”的匹配方式和“字符匹配+深度學(xué)習(xí)模型”的計算方法，以滿足以下幾點要求：降低語序、歧義、錯別字、近義詞等因素對相似度判定造成的影響；SM中的關(guān)鍵部分（關(guān)鍵舉措），能在RM中找到并高亮，便于直觀反映參演人員處置要點；相似度評估具有可重復(fù)性，演練結(jié)果可用于后續(xù)其他演練。

5.3 文本相似度計算

5.3.1 文本預(yù)處理

評估相似度前，對RM進行文本預(yù)處理，包括：剔除無用詞，將RM中“了、啊、哈”等不具備實際意義的詞匯剔除；更正錯別詞，將文本中常見的錯誤詞語進行檢測和自動更正，例如“沙袋等防汛屋子”→“沙袋等防汛物資” ；替換近義詞，將文本中非標準詞語替換為標準說法，例如“疫苗打針”→“疫苗接種”；文本切句，以“！。；;”等符號作為切割標志，將RM切割為句子集合RM_SL(Sentence_List) ；文本分詞，使用jieba工具，將RM切割為詞語集合RM_WL(Word_list)。

5.3.2 關(guān)鍵詞匹配

關(guān)鍵詞是指處理措施、參與部門等方面，能精準反映應(yīng)急措施正確做法的核心詞匯。例如，疫情防控事件中的“人員隔離”、“疫苗接種”，抗震救災(zāi)中的“應(yīng)急救援物資”、“受傷人員轉(zhuǎn)移”等。

設(shè)計突發(fā)事件時，每個事件節(jié)點的標準措施均對應(yīng)一個關(guān)鍵詞集合CWL（Core_Word_List）。關(guān)鍵詞集合CWL由m項詞語組成，演練過程中CWL中的關(guān)鍵詞在RM_WL中出現(xiàn)n項，n項占m項的比例視為關(guān)鍵詞評估得分——Sim_Word。

為精準檢索關(guān)鍵詞出現(xiàn)情況，采取滑窗匹配的方式。如圖5所示，將關(guān)鍵詞集合CWL中的關(guān)鍵詞，按照1個詞語組成的關(guān)鍵詞（如“健康通”、“值班”）和多個詞語組成的關(guān)鍵詞（如“統(tǒng)計群眾災(zāi)情”、“加強天氣預(yù)報監(jiān)測”），在RM_WL中進行逐項匹配。每出現(xiàn)一項，則標記詞語位置并高亮，若首次出現(xiàn)則計數(shù)器n加一。此項過程一直循環(huán)，直至滑窗掃描結(jié)束，最終得到出現(xiàn)在RM中的關(guān)鍵詞集合CWL_Exist和沒有出現(xiàn)的關(guān)鍵詞集合CWL_NotExist，便于過程評估和后續(xù)查漏補缺。

圖5 關(guān)鍵詞滑窗匹配

5.3.3 關(guān)鍵句匹配

關(guān)鍵句是設(shè)計事件處置措施時，根據(jù)角色職能職責(zé)、事件模擬場景等設(shè)計的標準措施，例如，“增派警力對重點區(qū)域加強治安巡邏防控，安排交警對停電路口進行人工疏導(dǎo)，確保交通秩序正常”。

關(guān)鍵句集合CSL(Core_Sentence_List)和提出措施集合RM_SL，可視為A個和B個句子組成的集合，每個句子表達不同的處置舉措。若關(guān)鍵句集合CSL中的句Ai和RM_SL中的句子Bi相似度較高，則認為Ai和Bi互為相似句。如圖6所示，A1和B1互為相似句，相似度為85%，A2與B3、B4互為相似句，相似度分別為92%、65%。

圖6 關(guān)鍵句逐項匹配

關(guān)鍵句Ai在RM_SL中可能沒有相似句Bi，也可能存在1個或多個相似句。匹配過程中，將Ai的每個相似句標記并高亮，相似度最高的為句Bi，其與Ai的相似度Sim(Ai,Bi)將參與關(guān)鍵句匹配計算。通過累計求和，并除以CSL集合中關(guān)鍵句的個數(shù)A，得到關(guān)鍵句評估得分——Sim_CS。

為提高識別精準度，直觀反映文字上的相似部分和語義上的相似部分，關(guān)鍵句匹配采取Jaccard系數(shù)和Doc2vec模型雙結(jié)合的方式，用于計算相似度Sim(Ai,Bi)。其中，Jaccard系數(shù)一般是計算句Ai和Bi交集占并集的比重，本文考慮到文字表述等因素影響，將Jaccard系數(shù)改為計算Ai和Bi交集占Ai的比重。計算方法如下：

Doc2Vec模型是Mikolov和Le[9]對Word2Vec改進后得到的深度學(xué)習(xí)模型，具有較好的特征提取和語義識別性能，常用于機器翻譯、文本相似度等領(lǐng)域。本文采用gensim庫構(gòu)建Doc2Vec模型， 將Ai和Bi向量化，得到向量相似度Dov2Vec（Ai,Bi）。

根據(jù) Jaccard（Ai,Bi）和 Dov2Vec（Ai,Bi）計算結(jié)果，按照“兩項求和取最高”原則，確定關(guān)鍵句集合CSL在提出措施集合RM_SL中對應(yīng)的相似句。

5.3.4 綜合評估

通過對關(guān)鍵詞和關(guān)鍵句的評估，得到關(guān)鍵詞評估得分Sim_Word和關(guān)鍵句評估得分Sim_CS?？紤]到每個節(jié)點事件關(guān)鍵句、關(guān)鍵詞存在一定差別（如不同事件中關(guān)鍵句和關(guān)鍵詞個數(shù)的差別），在確保最終評估得分位于0-100%區(qū)間前提下，可對關(guān)鍵句和關(guān)鍵詞評估占比的權(quán)重進行動態(tài)調(diào)整，并按照加權(quán)求和得到綜合評估分數(shù)Sim_Node。根據(jù)評估結(jié)果（Sim_Node），系統(tǒng)可開展態(tài)勢推演，后臺人員也可根據(jù)評估結(jié)果、推演情況，以及關(guān)鍵字、關(guān)鍵句高亮情況，調(diào)度演練過程、演后歸納總結(jié)等。

6 系統(tǒng)實現(xiàn)情況

為驗證系統(tǒng)設(shè)計可行性，本文以《大面積停電事件應(yīng)急預(yù)案》為基礎(chǔ)，以大面積停電事件作為主題開展實驗，使用Unity3D引擎設(shè)計應(yīng)急桌面演練系統(tǒng)。共設(shè)計公共交通堵塞、化工企業(yè)毒氣泄露、部分地區(qū)通訊中斷等20余項事件，居民小區(qū)火災(zāi)、暴雨災(zāi)害事件場景如圖7所示。

圖7 居民小區(qū)火災(zāi)、暴雨天氣事件場景示意

文本相似度評估樣例如表1所示，在處理城市交通信號停電事件時，參演人員提出了以下4點工作舉措：市運管處及時通知客運班線，避開擁堵路段；安排交警到被堵地點維護交通秩序，引導(dǎo)車輛通行；加強交通運行監(jiān)測，及時發(fā)布路網(wǎng)運行信息；組織力量及時清理路障。整體看，該舉措在交通疏導(dǎo)方面回答較好，但遺漏了電力搶修、信號恢復(fù)方面內(nèi)容，故評估得分相對較低，后續(xù)事件流程也將衍變?yōu)榻煌ㄐ盘栭L期失效引發(fā)的“城市交通事故”和“火車站旅客滯留事件”。

表1 城市交通信號停電事件評估情況

7 結(jié)語

與傳統(tǒng)的應(yīng)急桌面演練系統(tǒng)相比，加入自然語言處理技術(shù)后的系統(tǒng)在演練流程和評估模式上取得較大改善。一方面，參演人員過程表現(xiàn)情況得到實時體現(xiàn)，演練表現(xiàn)情況的好壞將影響流程進度，更加貼近真實應(yīng)急響應(yīng)的過程；另一方面，以往對參演人員評估主要是專家組、評估組的人工評估，存在較強的主觀性，采取“關(guān)鍵詞+關(guān)鍵句”匹配方式，能夠更加客觀地找到不足之處，便于查缺補漏。

但相應(yīng)的，系統(tǒng)在具體實現(xiàn)上增加了工作量。例如，設(shè)計事件流程時，需充分考慮各項措施的重要性和各項突發(fā)事件的關(guān)聯(lián)性，確保多流程路線、多結(jié)束狀態(tài)的演練方案合理可行，這就需要大量的實際案例和豐富的工作經(jīng)驗。同時，在演練報告自動生成、演練方案拖拽式生成、演練方案統(tǒng)一設(shè)計平臺和共享平臺等方面，應(yīng)急桌面演練系統(tǒng)還有許多待挖掘的空間。