面向大型活動的交通應(yīng)急預(yù)案快速生成與動態(tài)優(yōu)化方法*

沈 凌 陸 建 王成晨

（東南大學(xué)交通學(xué)院 南京210096）

0 引 言

2022年北京冬季奧運(yùn)會、2022年杭州亞運(yùn)會、2023年男足亞洲杯等眾多國際性賽事計劃在我國的相繼確定，體現(xiàn)了大型活動的正向效益及國家對大型活動舉辦的重視程度和積極態(tài)度。大型活動的舉行會導(dǎo)致在舉辦場地及其周邊區(qū)域，較短時間集中大量人群和車輛。加之各種不確定因素的存在，突發(fā)事件時有發(fā)生。大型活動突發(fā)事件與一般突發(fā)事件的應(yīng)急需求不同，它對安全性和時效性的要求更高，且應(yīng)急響應(yīng)的對象分層分級。所以，當(dāng)大型活動發(fā)生突發(fā)事件時，必須在短時間內(nèi)生成有針對性的交通應(yīng)急預(yù)案，以保證突發(fā)事件發(fā)生后，交通應(yīng)急救援工作能夠快速維持交通正常運(yùn)行，保障活動參與人群的安全性并且確保大型活動按計劃進(jìn)行。

國外對應(yīng)急預(yù)案的研究多注重于數(shù)字化應(yīng)用，Ren等[1]提出交通應(yīng)急管理系統(tǒng)是1個有機(jī)整體，通過大數(shù)據(jù)支持系統(tǒng)，從專業(yè)技術(shù)、管理技術(shù)、行為規(guī)范等對城市突發(fā)事件政府應(yīng)急管理系統(tǒng)進(jìn)行建設(shè)。具體應(yīng)用方面，Amailef等[2]提出應(yīng)急響應(yīng)的系統(tǒng)框架，通過移動智能技術(shù)，能夠快速傳播信息，以此提高應(yīng)急救援能力；Cristina等[3]使用實(shí)際案例研究，對組織框架進(jìn)行建模，并分析其通信和命令鏈網(wǎng)絡(luò)結(jié)構(gòu)。我國對突發(fā)事件應(yīng)急預(yù)案研究工作一般分為4個重點(diǎn)，分別是應(yīng)急預(yù)案體系研究[4-5]、應(yīng)急預(yù)案編制研究[6-7]，應(yīng)急預(yù)案評估研究[8]和應(yīng)急預(yù)案管理研究[9-10]。

面向大型活動的預(yù)案生成，顧加額[11]根據(jù)危機(jī)管理的概念和原則，編寫了預(yù)案編制時的步驟和策略。Zagidullin等[12]則對大型活動預(yù)案中的道路網(wǎng)效率和特性進(jìn)行了定義?？紤]到應(yīng)急預(yù)案具有社會科學(xué)屬性，眾多學(xué)者利用認(rèn)知科學(xué)領(lǐng)域的成果對預(yù)案生成做出了深入研究。Omidvari等[13]基于火災(zāi)歷史數(shù)據(jù)庫以層次分析法量化風(fēng)險制定避險預(yù)案。Yan等[14]提出1種基于案例的模式分類推理方法，即以學(xué)習(xí)偽度量（learning pseudo metrics，LPM）代替，以測量目標(biāo)案例與每個源之間的接近度；趙勇[15]提出將案例式推理（Case-based Reasoning，CBR）和基于規(guī)則的推理（Rule-based Reasoning，RBR）結(jié)合，對公路應(yīng)急指揮預(yù)案生成技術(shù)進(jìn)行研究；黃敏敏[16]對突發(fā)事件特征進(jìn)行分析，對特征屬性進(jìn)行分類，并基于置信混合相似度匹配算法分別實(shí)現(xiàn)不同類型特征屬性的相似度計算方法；在此基礎(chǔ)上，Chuang[17]提出將粗糙集理論與CBR結(jié)合，解決使用CBR處理太多屬性時，準(zhǔn)確性和有效性降低問題。

基于上述研究可以發(fā)現(xiàn)，面向大型活動的突發(fā)事件應(yīng)急響應(yīng)研究多集中在體系、編制、管理方面?；谡J(rèn)知科學(xué)領(lǐng)域的預(yù)案生成研究較為深入，然而大型活動突發(fā)事件由于其特殊性，對于應(yīng)急預(yù)案的要求區(qū)別于其他應(yīng)急預(yù)案，尤其在出行優(yōu)先級方面和突發(fā)事件屬性缺失情況下，需根據(jù)大型活動突發(fā)事件的應(yīng)急需求，考慮多維度、多方面的交通應(yīng)急救援措施。因此本文就構(gòu)架大型活動交通應(yīng)急預(yù)案，建立推理知識庫和規(guī)則庫，對適用于大型活動交通應(yīng)急預(yù)案快速生成與動態(tài)優(yōu)化的系統(tǒng)展開研究。

1 應(yīng)急預(yù)案動態(tài)匹配和快速優(yōu)化

1.1 突發(fā)事件的特征屬性

在大型活動突發(fā)事件交通應(yīng)急預(yù)案的進(jìn)行構(gòu)建之前，需要對突發(fā)事件特征屬性進(jìn)行提取。針對大型活動特殊性，將出行優(yōu)先級、突發(fā)事件人員重要性等因素納入考慮范圍。相關(guān)突發(fā)事件特征屬性的具體定義見表1。

表1 突發(fā)事件特殊屬性定義Tab.1 Definition of characteristic attributes of emergencies

其中，T1/T2/T3/IF/IPSF為大型活動出行服務(wù)級別，以大型體育活動為例，將活動中需要提供交通服務(wù)的人群劃分為6類（除普通觀眾以外）具體含義見表2。

表2 服務(wù)級別定義Tab.2 Definition of service levels

1.2 基于案例推理和樸素貝葉斯分類快速的預(yù)案生成

認(rèn)知科學(xué)中案例推理被廣泛用于預(yù)案生成。CBR基于歷史案例，通過重用或修改以前解決相似問題的方案來實(shí)現(xiàn)動態(tài)知識庫和增量學(xué)習(xí)的目的。CBR來源自人類的認(rèn)知心理，其定性分析部分往往難以界定。樸素貝葉斯則是有成熟應(yīng)用的數(shù)理統(tǒng)計方法，并具有良好的魯棒性?；诖耍脴闼刎惾~斯的先驗概率和后驗概率結(jié)合，避免了CBR中的先驗概率的主觀偏見?；诎咐评砗蜆闼刎惾~斯分類快速生成的初始交通應(yīng)急預(yù)案生成流程見圖1。

圖1 交通應(yīng)急預(yù)案生成流程圖Fig.1 Flow of generating traffic emergency plans

其中依據(jù)貝葉斯分類算法所得后驗概率得到的最佳匹配預(yù)案的方法為：假設(shè)大型活動突發(fā)事件為X，能夠采集到的部分屬性為X={x1，x2，…，x n}，屬性值為{a1，a2，…，a n}，則匹配分為以下2個步驟。

1）確定突發(fā)事件X所屬的類型。首先根據(jù)突發(fā)事件類型，將案例劃分為{C1，C2，…，Cn}幾個類型，其中每個類型又包括若干個典型案例，如Ci={ci1，ci2，…，cim}(m＞0)，則根據(jù)突發(fā)事件類型屬性確定突發(fā)事件所屬類別為Ci。

2）計算后驗概率。根據(jù)樸素貝葉的假設(shè)條件，特征屬性之間是相互獨(dú)立的，即各條件屬性之間不存在依賴關(guān)系，則計算每一個經(jīng)典案例的條件概率。

式中：m為類型Ci下經(jīng)典案例的個數(shù)；nij為案例庫中典型案例cij作為最佳匹配案例的次數(shù)；N為案例庫中案例的總數(shù)，則有

式中：x z為突發(fā)事件X的特征屬性；A z為Ci的特征屬性；nij(x z)為當(dāng)cij為最佳匹配案例時，A z與x z值相等的樣本量。則求取條件概率最大的典型案例的計算見式（6）。

1.3 基于規(guī)則推理的決策優(yōu)化

需要注意的是交巡警部門應(yīng)急資源配置規(guī)則推理由現(xiàn)場處置措施和重要參與人員影響數(shù)N、重要人員傷亡數(shù)M共同決定，示例見表3。

表3 交巡警部門應(yīng)急資源配置規(guī)則參數(shù)Tab.3 Parameters of emergency resource-allocation rules for traffic-police departments

進(jìn)行預(yù)案的動態(tài)優(yōu)化需依靠交通應(yīng)急預(yù)案庫知識庫的詞條檢索。針對大型活動的交通運(yùn)行特點(diǎn)，構(gòu)建交通應(yīng)急知識庫。具體包含響應(yīng)機(jī)構(gòu)知識庫，救援配置知識庫，應(yīng)急組織措施知識庫，應(yīng)急處置知識庫。其中，以編號XYJG表示相應(yīng)機(jī)構(gòu)知識庫，并以1～10的序號表示應(yīng)急指揮中心、交巡警部門、交通路政、衛(wèi)生部門、消防部門、環(huán)保部門、軍隊武警、廣電部門等不同相關(guān)部門的參與方案；以編號YJZY表示救援配置知識庫，并以1～14序號表示不同情況下對交巡警部門出動巡查人員、事故調(diào)查人員、現(xiàn)場警戒與疏導(dǎo)人員、警車、示警樁的需求數(shù)量；以編號ZZCS表示應(yīng)急組織措施知識庫，并以1～6分別表示借道通行、專用道路通行、交通誘導(dǎo)、雙向關(guān)閉、單向關(guān)閉、帶道通行等組織措施；以編號HFCS表示交通恢復(fù)措施知識庫，并以1～4表示嚴(yán)重程度，其中僅第1類需要應(yīng)急指揮中心直接指揮，其余3類均在交巡警部門指揮下完成交通恢復(fù)；以編號CZCS表示應(yīng)急處置知識庫，并以1～40表示相應(yīng)的具體應(yīng)急處置情況，其中應(yīng)急指揮中心負(fù)責(zé)調(diào)度管理和事件信息上報，交巡警部門負(fù)責(zé)不同級別人物轉(zhuǎn)移和人車疏導(dǎo)，交通路政負(fù)責(zé)路面維護(hù)，衛(wèi)生部門負(fù)責(zé)傷員救治，消防部門負(fù)責(zé)受困人員解救及相關(guān)災(zāi)害營救，軍隊武警負(fù)責(zé)安全維護(hù)。進(jìn)行預(yù)案的動態(tài)優(yōu)化需要依靠交通應(yīng)急預(yù)案庫規(guī)則庫的詞條檢索，針對大型活動的交通運(yùn)行特點(diǎn)，構(gòu)建交通應(yīng)急規(guī)則庫。具體包含大型活動突發(fā)事件部門聯(lián)動和現(xiàn)場處置的推理規(guī)則，交巡警部門應(yīng)急資源配置規(guī)則推理，非交巡警部門應(yīng)急資源配置規(guī)則推理，應(yīng)急組織和交通恢復(fù)規(guī)則推理。其中大型活動突發(fā)事件部門聯(lián)動和現(xiàn)場處置的推理規(guī)則的前置條件有“事件類型”“交通影響時間”“事發(fā)地點(diǎn)”“事發(fā)地點(diǎn)道路類型”“火災(zāi)情況”“爆炸情況”“翻車情況”“恐怖襲擊”“路產(chǎn)損失”“T1/T2/T3時間緊急度”“運(yùn)動員及隨行官員時間緊急度”“IF/IPSF時間緊急度”“借道可行度”“專用車道可行度”“公交可行度”“軌道可行度”“T1/T2/T3人員傷亡”“運(yùn)動員及隨行官員人員傷亡”“IF/IPSF人員傷亡”“非重要人員傷亡”“T1/T2/T3車輛損壞”“運(yùn)動員及隨行官員車輛損壞”“IF/IPSF車輛損壞”“非重要人員車輛損壞”。并根據(jù)其前置條件在應(yīng)急處理知識庫CZCS中選取相應(yīng)措施?；趹?yīng)急處理知識庫CZCS的反饋，給予交巡警部門應(yīng)急資源配置規(guī)則推理、非交巡警部門應(yīng)急資源配置、應(yīng)急組織和交通恢復(fù)相應(yīng)的推理規(guī)則。

知識庫和規(guī)則庫的存在目的為將突發(fā)事件的信息結(jié)構(gòu)化，并根據(jù)產(chǎn)生式規(guī)則的一般形式。達(dá)到這一目的，需將屬性與對策進(jìn)行關(guān)聯(lián)，從而實(shí)現(xiàn)交通應(yīng)急預(yù)案優(yōu)化。統(tǒng)籌知識庫和規(guī)則庫設(shè)計的預(yù)案優(yōu)化流程具體見圖2。

圖2 應(yīng)急預(yù)案優(yōu)化流程Fig.2 Optimization process of emergency plans

1.4 基于模糊層法的預(yù)案評價體系

首先采用專家調(diào)查法，通過調(diào)查統(tǒng)計對單因素u i(i=1，2，…，n)做單因素評判，由此得到單因素ui對模糊評價子集v i(i=1，2，3，4，5)的隸屬度為rij，進(jìn)而可以得到單因素ui的評判集為：r i={ri1，ri2，ri3，ri4，ri5}。

模糊關(guān)系通過確定評價對象中指標(biāo)集和評語集的映射關(guān)系。將指標(biāo)權(quán)重w與模糊矩陣R合成，得到預(yù)案模糊綜合評價指標(biāo)B，即

式中:rij代表評價對象第i個評價指標(biāo)ui在評價等級集合第j個等級v j上的對應(yīng)情況，通常對其進(jìn)行歸一化處理以滿足∑rij=1，此時模糊矩陣R無量綱。

根據(jù)模糊綜合評價指標(biāo)B和模糊評價等級集合，可以得到預(yù)案綜合評價值，即

根據(jù)專家意見，將預(yù)案應(yīng)急能力分為4個級別，劃分標(biāo)準(zhǔn)見表4。

表4 預(yù)案應(yīng)急能力評價劃分標(biāo)準(zhǔn)Tab.4 Evaluation criteria of emergency-response apability

其中，應(yīng)急能力水平和突發(fā)事件嚴(yán)重程度指標(biāo)權(quán)重w，所得方式為：邀請20位交通領(lǐng)域和應(yīng)急領(lǐng)域?qū)＜覍﹄A段預(yù)案應(yīng)急能力指標(biāo)的重要性進(jìn)行判斷，對回收的表格進(jìn)行整理，各指標(biāo)相對重要性取20位專家的評分平均值，并建立各指標(biāo)的判斷矩陣。具體結(jié)果見表5。

表5 預(yù)案應(yīng)急能力指標(biāo)及權(quán)重Tab.5 Capability indices and weights of emergencies

其中，各項二級指標(biāo)均通過判斷矩W2陣的一致性檢驗，即各評價指標(biāo)的權(quán)重指標(biāo)具有合理性。

2 案例實(shí)踐

研究基于2022冬奧會交通組織保障規(guī)劃，故選取2022冬奧會舉行期間作為案例背景，假設(shè)北京冬奧會某比賽日上午，前往奧運(yùn)會場館的參賽路徑上發(fā)生1起交通事故，據(jù)現(xiàn)場搜集到的該突發(fā)事件X的不完備屬性[18-19]見表6。

表6 突發(fā)事件的不完備屬性Tab.6 Incomplete attributes of emergencies

從交通事故類型交通應(yīng)急預(yù)案集合當(dāng)中選擇具有典型特征的3個事件，見表7。

表7 典型案例特征Tab.7 Characteristics of typical cases

依據(jù)式（3）計算每個交通事故典型案例的先驗概率，即預(yù)案庫中與該案例相似的案例總數(shù)/交通應(yīng)急預(yù)案庫中預(yù)案的總數(shù)，p(C11)，p(C12)和p(C13)的先驗概率分別為0.355，0.214和0.132。

依據(jù)式（1）計算條件概率，即與最佳案例相似的歷史案例中屬性值與突發(fā)事件X屬性值相同的預(yù)案總數(shù)/交通應(yīng)急預(yù)案庫中與最佳案例匹配的預(yù)案總數(shù)，以典型案例C11為例，計算在典型案例C11條件下，突發(fā)事件X各屬性值的條件概率，見表8。

表8 突發(fā)事件屬性值的條件概率Tab.8 Conditional probability of attribute values of emergencies

依據(jù)式（4）～（5），得到：p(X/C11)為3.0×10-4，p(X/C11)p(C11)為1.05×10-4，同理可得典型案例C12和C13的后驗概率分別為0.88×10-4和0.96×10-4。

因為典型案例C11的后驗概率最大，所以與突發(fā)事件X最匹配的案例是典型案例C11，即以典型案例C11作為突發(fā)事件X的初始交通應(yīng)急預(yù)案。將典型案例C11作為突發(fā)事件X的初始交通應(yīng)急預(yù)案并進(jìn)行實(shí)施。當(dāng)初始預(yù)案實(shí)施一段時間后，突發(fā)事件屬性進(jìn)行更新，得到新的屬性值，見表9。

表9 更新后的突發(fā)事件屬性Tab.9 Attribute values of updated emergencies

2.1 部門聯(lián)動和現(xiàn)場處置

根據(jù)對部門聯(lián)動和現(xiàn)場處置規(guī)則，進(jìn)行規(guī)則推理。

IF“事件類型。交通事故”and“交通影響時間：1”and“事發(fā)地點(diǎn)：參賽路徑”and“事發(fā)地點(diǎn)道路類型：城市主干道”and“火災(zāi)情況：無”and“爆炸情況：無”and“翻車情況：無”and“恐怖襲擊：無”and“路產(chǎn)損失：有”and“T1/T2/T3時間緊急度：1”and“運(yùn)動員及隨行官員時間緊急度：3”and“IF/IPSF時間緊急度：0”and“借道可行度：0”and“專用車道可行度：0”and“公交可行度：0”and“軌道可行度：1”and“T1/T2/T3人員傷亡：0”and“運(yùn)動員及隨行官員傷亡：0”and“IF/IPSF人員傷亡：0”and“T1/T2/T3車輛損壞：0”and“運(yùn)動員及隨行官員車輛損壞：0”and“IF/IPSF車輛損壞：0”and“非重要人員傷亡：2”and“非活動車輛損壞：4”THEN“部門聯(lián)動：XYJG7；YJZY1?！盿nd“現(xiàn)場處置：CZCS1；CZCS3；CZCS11；CZCS14；CZCS32；CZCS34；CZCS37”。

2.2 交巡警部門應(yīng)急資源配置

根據(jù)交巡警部門應(yīng)急資源配置當(dāng)現(xiàn)場措施為CZCS14，且影響運(yùn)動員及隨行官員為140人。IF“現(xiàn)場處置措施：CZCS14”and“運(yùn)動員及隨行官員影響人數(shù)為140”THEN“交通部門調(diào)動5輛公交車運(yùn)送運(yùn)動員及隨行官員”。

2.3 非交巡警部門應(yīng)急資源配置

根據(jù)非巡警部門應(yīng)急資源配置的規(guī)則設(shè)置，當(dāng)受傷人數(shù)為2，損壞車輛數(shù)為4時，根據(jù)以下規(guī)則進(jìn)行推理：IF“現(xiàn)場處置措施：CZCS37”and“人員傷亡：2”and“受困人數(shù)：0”and“損壞車輛數(shù)：4”THEN“衛(wèi)生部門出動10人、2輛救護(hù)車進(jìn)行傷員救治。路政部門出動4輛清障車起吊與牽引車輛”。

2.4 交通組織和交通恢復(fù)

根據(jù)對交通組織和交通恢復(fù)措施的規(guī)則設(shè)置，交通影響時間為1.63 h，事件影響長度為1.2 km時，根據(jù)以下規(guī)則進(jìn)行推理：IF“借道可行度：0”and“事故影響長度：中”and“交通影響時間：3”THEN“交通組織：ZZCS3?！盿nd“交通恢復(fù)：HFCS1；HFCS2”。

根據(jù)規(guī)則推理對初始大型活動交通應(yīng)急預(yù)案進(jìn)行優(yōu)化，得到優(yōu)化后的預(yù)案見表10。

表10 優(yōu)化后的交通應(yīng)急預(yù)案Tab.10 Optimized traffic-emergency plans

由表10可以得出，優(yōu)化后的大型活動交通應(yīng)急預(yù)案，緊密結(jié)合當(dāng)前階段突發(fā)事件X的特征屬性，更加具體化且具有針對性，提高預(yù)案的救援效率。

突發(fā)事件X的初始交通應(yīng)急預(yù)案實(shí)施一段時間后，突發(fā)事件屬性更新，為判斷現(xiàn)階段初始交通應(yīng)急預(yù)案應(yīng)急能力是否與更新后的突發(fā)事件嚴(yán)重程度相匹配，需要分別對交通應(yīng)急預(yù)案應(yīng)急能力和突發(fā)事件嚴(yán)重度進(jìn)行評價。

依據(jù)應(yīng)急能力劃分標(biāo)準(zhǔn)，將評價等級劃分為4個等級，即v=[90 70 50 30]=[很高，較高，一般，較低]，然后請專家組對現(xiàn)階段交通應(yīng)急預(yù)案的單個應(yīng)急能力進(jìn)行評價，確定其與評價對象集的隸屬度，并建立相應(yīng)的單因素模糊評價關(guān)系矩陣R1～R4。

根據(jù)式（8）可知

二級指標(biāo)層應(yīng)急預(yù)案評判集為

從而可知對一級指標(biāo)層應(yīng)急預(yù)案評判集為

所以，交通應(yīng)急預(yù)案應(yīng)急能力評價為

根據(jù)表4可知，這一階段的交通應(yīng)急預(yù)案應(yīng)急能力為較高。對應(yīng)應(yīng)急能力劃分標(biāo)準(zhǔn)，因此依據(jù)專家組對現(xiàn)階段的突發(fā)事件的單個嚴(yán)重程度進(jìn)行評價，確定其與評價對象集的隸屬度，建立相應(yīng)的單因素模糊評價關(guān)系矩陣，并分別計算一級、二級指標(biāo)層嚴(yán)重度評判集，最終得到突發(fā)事件嚴(yán)重度為54.3。由此可見，這一階段已實(shí)施的預(yù)案應(yīng)急能力為較好。

場景試驗面向2022北京冬奧會突發(fā)事件X，根據(jù)其表6的不完備屬性和要求作出響應(yīng)。通過其對案例庫中典型案例的回溯，基于CBR和樸素貝葉斯完成了預(yù)案快速生成。關(guān)聯(lián)知識庫和規(guī)則庫，運(yùn)用正向推理完成了方案優(yōu)化，迅速得到了成熟的交通預(yù)案（見表10）。為對結(jié)果進(jìn)行評價，依據(jù)專家組對現(xiàn)階段的突發(fā)事件的單個嚴(yán)重程度的評價，建立的單因素模糊評價關(guān)系矩陣，最終本次試驗的預(yù)案表現(xiàn)較好。進(jìn)而可以驗證，本次面向大型活動的交通應(yīng)急預(yù)案快速生成與動態(tài)優(yōu)化方法具有針對性和可靠性，可以保證預(yù)案的救援效果和效率。

3 結(jié)束語

通過分析大型活動應(yīng)急交通的特征，得到其與常規(guī)交通的區(qū)別，以及常規(guī)應(yīng)急預(yù)案在此背景下的局限性。根據(jù)預(yù)案可操作性不高、部門協(xié)調(diào)性差、大型活動應(yīng)急措施針對性不強(qiáng)等問題，提出了大型活動突發(fā)事件交通應(yīng)急預(yù)案快速生成與動態(tài)優(yōu)化方法

根據(jù)CBR的循環(huán)過程，提出初始預(yù)案快速生成的工作流程。考慮到大型活動突發(fā)事件的應(yīng)急需求，擴(kuò)展和細(xì)化大型活動突發(fā)事件特征屬性。針對初始階段突發(fā)事件屬性缺失問題，將樸素貝葉斯分類應(yīng)用于案例檢索環(huán)節(jié)，并針對不同的突發(fā)事件類型，提出不同的特征屬性索引，提高檢索效率。針對突發(fā)事件動態(tài)變化，不同階段應(yīng)急預(yù)案與突發(fā)事件應(yīng)急需求不匹配的問題，提出通過規(guī)則推理來實(shí)現(xiàn)預(yù)案的動態(tài)優(yōu)化。首先根據(jù)規(guī)則推理的工作機(jī)制和預(yù)案主體，建立部門聯(lián)動、應(yīng)急處置、應(yīng)急組織和交通恢復(fù)知識庫，重點(diǎn)考慮不同出行級別人員的應(yīng)急措施；其次根據(jù)突發(fā)事件特征信息和預(yù)案主體結(jié)構(gòu)建立對應(yīng)的優(yōu)化規(guī)則。 針對預(yù)案優(yōu)化的開啟條件問題，提出基于模糊層次分析法對預(yù)案應(yīng)急能力和突發(fā)事件嚴(yán)重度進(jìn)行評價。

大型活動突發(fā)事件交通應(yīng)急預(yù)案快速生成與優(yōu)化研究涉及的領(lǐng)域眾多，且大型活動突發(fā)事件比較復(fù)雜，本文的研究仍有許多方面存在不足還待完善：在基于規(guī)則推理的交通應(yīng)急預(yù)案優(yōu)化研究中，對于規(guī)則庫和知識庫的構(gòu)建還有待完善，且缺少對規(guī)則的處理，可能造成規(guī)則庫存在無效規(guī)則或重復(fù)規(guī)則的情況，影響優(yōu)化效率。后續(xù)可以研究知識庫和規(guī)則庫的維護(hù)機(jī)制，提高規(guī)則推理的效率。本文采用模糊綜合模型對預(yù)案交通應(yīng)急能力和事件嚴(yán)重度進(jìn)行評價，該方法一定程度上也借助于專家的經(jīng)驗，依賴于主觀判斷，且僅選擇具有一定代表性的指標(biāo)。隨著研究工作的進(jìn)一步深入，可以建立更加完善的指標(biāo)體系，并改進(jìn)模糊層次分析法減少專家的主觀性。