考慮處置效果的苯系物泄露應(yīng)急方案生成方法

胡東濱，馮婧瑜，楊藝，易國棟

（1.中南大學商學院，湖南 長沙 410083；2.湖南工商大學大數(shù)據(jù)與互聯(lián)網(wǎng)創(chuàng)新研究院，湖南 長沙 410205）

突發(fā)事件的應(yīng)急管理一直是公共管理領(lǐng)域的重要研究方向之一。目前我國對于突發(fā)事件的管理已形成較為完備的預案體系，但對于特定的突發(fā)事件，主要依賴專家組現(xiàn)場形成應(yīng)急方案。由于突發(fā)事件的不確定性、演變情況的復雜性、專家自身經(jīng)驗和知識的局限性，在形成應(yīng)急方案時往往需要借鑒相似案例。如何根據(jù)現(xiàn)有突發(fā)事件的特征信息和歷史經(jīng)驗快速生成有效的應(yīng)急方案是值得關(guān)注和研究的問題。

案例推理方法，即借助相似歷史案例解決現(xiàn)有問題，符合人腦的思維方式，可實現(xiàn)知識挖掘與經(jīng)驗復用，是突發(fā)事件應(yīng)急管理過程中應(yīng)用的重要方法。其在應(yīng)急方案生成中的應(yīng)用主要有：構(gòu)建案例相似度匹配算法：集結(jié)結(jié)構(gòu)相似度、情景相似度[1]、情景鏈相似度、處置任務(wù)相似度[2]、語義相似度[3]，進而獲取相似度較高的應(yīng)對方案，譚睿璞等[4]針對案例中信息表述方式多樣的問題，提出了異質(zhì)信息下基于案例推理的應(yīng)急決策方法。突發(fā)事件的情景要素權(quán)重的確定是應(yīng)急方案生成過程中的重要一環(huán)，隨著機器學習方法的日益成熟，學者們相繼將隨機森林等算法應(yīng)用于突發(fā)事件應(yīng)急研究，如徐緒堪等[5]將隨機森林算法應(yīng)用于突發(fā)事件分級，進而實現(xiàn)突發(fā)事件的實時匹配；周德紅等[6]利用隨機森林算法得到指標權(quán)重，定量刻畫了情景要素與事故發(fā)生間的關(guān)系；封超等[7]為解決在相似度篩選時過分依賴決策者主觀意見的問題，引入了粒子群優(yōu)化算法，提高了權(quán)重算法的穩(wěn)定性，并獲得了較好的分類效果；ZHONG等[8]利用隨機森林抗過擬合的特性，將其應(yīng)用于兩層相似案例篩選模型，提高了案例推理方法的檢索精度和準確性。隨機森林等機器學習方法雖在求解情景要素權(quán)重方面具有一定優(yōu)勢，但由于其主要信息依據(jù)源自突發(fā)事件本身，對于歷史案例較少的情形，存在一定的局限。為此，本研究擬在隨機森林算法的基礎(chǔ)上，結(jié)合專家知識提出一種確定要素權(quán)重的方法。

近年來，研究者嘗試將方案實施效果融入應(yīng)急方案生成，形成了系列研究成果。李永海等[9]率先提出了考慮實施效果的突發(fā)事件應(yīng)急方案生成模型，對相似度大于閾值的案例，從實施效果和應(yīng)對成本2個維度構(gòu)建了效用函數(shù)，得到了應(yīng)急方案的排序；鄭晶等[10]在解決應(yīng)急方案生成和實施效果評估中，考慮了方案在整個應(yīng)急過程中的實施效果，采用距離熵方法集結(jié)了實施效果，進而綜合考慮相似度與實施效果，實現(xiàn)了應(yīng)急方案生成；此后，鄭晶等[11]在應(yīng)急方案生成過程中引入數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）方法進行相似度測量和實施效果評價，增強了決策過程的客觀性；鄭晶等[12]考慮決策過程中決策者的心理因素，構(gòu)建了考慮決策者后悔規(guī)避的應(yīng)急方案生成模型，通過度量感知效用生成了最優(yōu)方案。深入分析發(fā)現(xiàn)，上述研究主要通過多屬性決策評估方法開展方案實施效果評價，缺乏系統(tǒng)的評價指標體系。需要指出的是，由于突發(fā)事故方案的復雜性，實施效果評價屬于典型的群體決策問題。為此，本文擬在既有研究基礎(chǔ)上，針對苯系物泄露事件應(yīng)急處置效果評價問題，構(gòu)建方案實施效果評價指標體系，用群體共識方法提出評價體系。

綜上，對于生成突發(fā)事件應(yīng)急方案的問題，已有研究大多關(guān)注相似度匹配，對于篩選得到的案例的處置效果缺乏全面考慮。但案例相似度與處置效果不一定成正比，可能出現(xiàn)應(yīng)急方案與當前情景匹配度極高，但處置效果不佳的情況，并不能直接用于解決當前問題，或出現(xiàn)生成方案可迅速截斷污染源但并未考慮居民安置或環(huán)境污染問題，若處置不當，可能對周邊環(huán)境和居民造成較大傷害，因此決策模型需為決策者快速精準地篩選出適宜的應(yīng)急方案以輔助應(yīng)急救援。本文提出了一種考慮情景相似度與處置效果的兩階段應(yīng)急方案生成方法，首先，提取突發(fā)事件的情景要素，然后綜合考慮專家意見并從客觀案例庫中獲取要素權(quán)重，計算情景相似度，依照相似度完成案例初篩，接著，構(gòu)建評價指標體系并引入群共識算法評價應(yīng)急方案處置效果，最后，綜合相似度與處置效果，為決策者推薦當前突發(fā)事件的解決方案。

1 問題描述

表1 語義信息的直覺模糊轉(zhuǎn)化Table 1 Intuitionistic fuzzy conversion for linguistic information

本文要解決的問題是：針對當前突發(fā)事件的情景特征，依據(jù)歷史案例的情景描述、應(yīng)急方案、處置效果和要素權(quán)重及專家意見，如何運用可行的決策分析方法生成最優(yōu)的應(yīng)急方案。以往利用案例推理技術(shù)生成應(yīng)急方案的決策范式側(cè)重于案例情景的構(gòu)建與匹配，較少涉及與情景對應(yīng)的應(yīng)急方案處置效果。在處置效果評價方面，大多只關(guān)注預案質(zhì)量的評估，或僅從簡單維度給出評價信息。本文在案例推理與應(yīng)急管理評價的基礎(chǔ)上，綜合歷史案例全過程記錄數(shù)據(jù)，提出一種更具實踐意義的決策范式——案例推理框架下的兩階段應(yīng)急方案生成方法。

2 基于案例匹配與效果評價的兩階段應(yīng)急方案生成方法

第一階段為基于情景相似度的歷史案例篩選。首先提取能夠表征突發(fā)事件的情景要素，其次采用隨機森林結(jié)合專家知識的方法求得要素對突發(fā)事件的貢獻度，最后計算歷史案例與目標案例的綜合相似度，輸出相似度大于某閾值的案例，構(gòu)成相似案例集。

第二階段為相似案例集的應(yīng)急方案排序。首先構(gòu)建應(yīng)急處置效果評價指標體系，用于評價應(yīng)急方案的質(zhì)量，其次采用自適應(yīng)共識調(diào)整算法集結(jié)專家對應(yīng)急處置效果的評價意見，最后給出相似案例集對應(yīng)的應(yīng)急處置方案的評分。

基于上述兩階段結(jié)果，綜合情景相似度與應(yīng)急處置效果，給出突發(fā)環(huán)境事件的應(yīng)急方案。

2.1 應(yīng)急方案的案例匹配

為完成應(yīng)急方案生成方法的第一階段，構(gòu)建基于隨機森林與專家知識的情景要素權(quán)重，以此為基礎(chǔ)，構(gòu)建直覺模糊案例匹配方法。

2.1.1 基于隨機森林與專家知識的要素權(quán)重獲取

由于要素客觀權(quán)重的獲取基于對歷史案例庫的數(shù)據(jù)分析，而案例庫無法收錄所有相關(guān)案例或存在部分缺失值的案例，得到的要素權(quán)重并不能完全模擬人腦的思維方式，與基于知識經(jīng)驗的分析有一定差距，因此要素權(quán)重的最終確定還需專家的知識分析，從而實現(xiàn)要素權(quán)重分配的可靠性與實用性的協(xié)同。為此，研究一種基于隨機森林與專家知識的要素權(quán)重構(gòu)建方法。

2.1.2 基于直覺模糊集的案例相似度計算

2.1.3 相似案例的篩選

相似歷史案例的提取需考慮歷史突發(fā)事件與當前突發(fā)事件的應(yīng)急情景相似度，且提取相似度較高的歷史案例?？刹捎迷O(shè)置相似度閾值的方法，設(shè)ξ為歷史案例與目標案例間的相似度閾值，其計算式[9]為

其中，τ表示關(guān)于歷史案例與目標案例間的最大相似度的百分比，由決策者依據(jù)經(jīng)驗或歷史數(shù)據(jù)給定，τ∈(0，1]。τ越大，表明提取的歷史案例與目標案例的相似度越高。

獲取相似度大于閾值ξ的案例，生成相似案例集Z=(z1，z2，…，zm)（m為相似案例個數(shù)），匹配方案集X={xi|i=1，2，…，m}。

2.2 基于群體共識達成過程的方案實施效果評價

由第一階段篩選出的應(yīng)急方案是否可應(yīng)用于當前突發(fā)事件，需要對處置效果進行評價后依據(jù)綜合相似度做出評判。從應(yīng)急處置效果評價的角度出發(fā)，基于專家對歷史案例處置效果的評價及改進建議的文本型數(shù)據(jù)，從應(yīng)急過程效果、應(yīng)急處置效果和事后處置效果等方面構(gòu)建指標體系，用熵權(quán)法實現(xiàn)權(quán)重建模，并采用自適應(yīng)共識調(diào)整算法，得到案例的應(yīng)急處置效果排序。

2.2.1 應(yīng)急方案實施效果評價指標體系

為評價應(yīng)急方案的處置效果，需建立一個合理的指標體系，但目前尚未形成統(tǒng)一標準。在收集歷史案例庫中專家評價意見的基礎(chǔ)上，基于全過程管理理論和質(zhì)量管理中的人、機、物、法（4M1E）原則，提出應(yīng)急處置效果的層次評價指標體系。該體系由目標層、準則層和指標層構(gòu)成，主要通過歷史數(shù)據(jù)、文獻綜述和專家討論得到。

基于歷史案例庫中對應(yīng)急全過程的記錄，準則層包括應(yīng)急過程效果、應(yīng)急處置效果和事后處置效果。應(yīng)急過程效果是指突發(fā)事件發(fā)生全過程的綜合處置效果，衡量事件發(fā)生后的響應(yīng)速度和管理能力，包括應(yīng)急處置效率、部門間協(xié)調(diào)度、群眾穩(wěn)定度3個指標。應(yīng)急處置效果直接決定了突發(fā)事件災(zāi)害的影響范圍，不僅需要科學的手段，還需要充足的人力物力等基礎(chǔ)資源，包括應(yīng)急預案有效性、處置手段科學性、資源調(diào)度水平、應(yīng)急監(jiān)測水平4個指標。事后處置效果是解決災(zāi)害事件的最后保障，包括污染物處置水平和跟蹤監(jiān)測水平2個指標。此外，為方便專家對指標打分，總結(jié)了各指標的具體含義，見表2。

表2 應(yīng)急處置效果評價指標體系Table 2 Emergency dispose effect evaluation index system

2.2.2 基于群體共識的效果評價模型

2.3 基于案例匹配與效果評價的應(yīng)急方案生成方法

獲取相似案例集Z={zi|i=1，2，…，m}和匹配方案集X={xi|i=1，2，…，m}后，需綜合考慮情景相似度和方案處置效果，以生成能有效解決當前突發(fā)事件的應(yīng)急方案。情景相似度以Sim（F*，F(xiàn)i）表征，方案處置效果以每個方案的記分函數(shù)（βi）表征，應(yīng)急方案的最終得分為

其中，θ為衡量相似度與處置效果的重要度因子，θ∈[0，1]。當θ=0時，僅考慮方案處置效果；當θ=1時，僅考慮情景相似度；當θ∈(0，0.5)時，更注重方案處置效果；當θ=0.5時，情景相似度與方案處置效果同等重要；當θ∈(0.5，1)時，更注重情景相似度。

綜上所述，考慮處置效果的應(yīng)急方案生成方法流程如圖1所示，計算步驟如下：

圖1 方案生成流程Fig.1 The flow chart of alternative generation

步驟1執(zhí)行第一階段的相似案例集篩選方法，輸出相似案例集Z=（z1，z2，…，zm）的相似度Sim（F*，F(xiàn)i）。

步驟2執(zhí)行第二階段的效果評價模型，輸出方案效果評價值(βi)(i=1，2，…，m)。

步驟3確定參數(shù)值，計算最終得分，生成方案排序。

3 實例分析

3.1 案例描述

山東省泰安市發(fā)生了一起由交通事故導致的突發(fā)環(huán)境事件，需從案例庫生成應(yīng)急方案，從《突發(fā)環(huán)境典型案例選編》、各級政府生態(tài)廳官方網(wǎng)站、化學品事故信息網(wǎng)收集了2004—2019年的36起交通事故次生突發(fā)環(huán)境事件的現(xiàn)場報道、官方聲明、專家評議等數(shù)據(jù)，構(gòu)建了苯系物泄露的突發(fā)環(huán)境事件案例庫Z=(z1，z2，…，zm)。案例包括情景構(gòu)建、處置方案和處置效果評價，其中情景構(gòu)建包括天氣情況（f1）、發(fā)生時段（f2）、事故原因（f3）、罐體狀態(tài)（f4）、泄露物（f5）、泄漏量（f6）、現(xiàn)場?；锟偭浚╢7）、現(xiàn)場罐體殘余?；锟偭浚╢8）、居民點（f9）、河流（f10）、飲用水水源地（f11）、火情（f12）12個情景要素（表3）；處置方案為文本型記錄；處置效果評價包括應(yīng)急處置效率（c1）、部門間協(xié)調(diào)度（c2）、群眾穩(wěn)定度（c3）、應(yīng)急預案有效性（c4）、處置手段科學性（c5）、資源調(diào)度水平（c6）、應(yīng)急監(jiān)測水平（c7）、污染物處置水平（c8）、跟蹤監(jiān)測水平（c9）9個評價指標。由于本文方法不涉及方案，算例中省略方案信息?；谟涗浶畔咐械那榫耙刂岛吞幹眯Чu價值轉(zhuǎn)化為直覺模糊數(shù)。5位專家給出情景要素重要性的判斷，3位專家給出相似方案的處置效果評價。

表3 情景要素及其屬性Table 3 Situational factors

3.2 應(yīng)急方案生成算例演示

3.2.1 第一階段：案例匹配

3.2.1.1 基于隨機森林的客觀權(quán)重

根據(jù)案例原始信息，構(gòu)建每個案例的情景要素集F={f1，f2，…，f12}，案例結(jié)果為 是 否 造 成環(huán)境（水、土、氣）污染，R={r1，r2}={是，否 }。從 12個情景要素中隨機選取h個，有放回地選擇d次，得到分 類 結(jié) 果 。 由 式（1）～ 式（4）計 算fj∈F，j=1，2，…，12在節(jié)點、決策樹等維度上的重要性，計算fj的綜合重要性，即客觀權(quán)重向量：

3.2.1.2 基于專家知識的主觀權(quán)重

首先，專家ek(k=1，2，…，5)依據(jù)自身知識及歷史經(jīng)驗對情景要素集中每個要素的重要性做出評價，基 于 語 義 集S={很不重要 (s1)，不重要 (s2)，一般 (s3)，重要 (s4)，很重要 (s5)}提供fj的評價信息akj∈S，進而形成評價矩陣Q=(akj)5×12：

3.2.1.3 要素綜合權(quán)重

3.2.1.4 相似度

目標案例與歷史案例的相似度如表4所示。

表4 目標案例與歷史案例的相似度Table 4 The similarity of target case and historical cases

3.2.1.5 相似案例集

依據(jù)式（10），設(shè)定百分比τ=0.7，得到相似案例集ZSim={z5，z8，z19，z27，z31}，與其 對應(yīng)的方案集X={x5，x8，x19，x27，x31}。

3.2.2 第二階段：效果評估

基于應(yīng)急處置效果評估指標體系，完成對相似案例集的評價。

首先，將專家語義評價與定量數(shù)據(jù)映射為直覺模糊集，得到案例應(yīng)急方案效果評價矩陣R1，R2，R3。

其次，構(gòu)建基于自適應(yīng)群共識算法集成專家評價矩陣R。

3.2.3 兩階段決策方法

在得到案例相似度和處置效果評價值后，設(shè)定重要度因子為0.5，由式（21）得到方案的綜合得分（表5），可知，最終的方案排序為x19?x31?x5?x8?x27，進而篩選出最優(yōu)應(yīng)急方案。

表5 方案綜合評價值Table 5 Comprehensive evaluation of alternatives

3.3 對比分析

從情景要素權(quán)重確定方法、效果評價是否考慮群體共識及重要度因子三個方面對比分析文獻[9]、文獻[10]與本文方法，結(jié)果如表6所示。

表6 對比分析Table 6 Comparison and analysis

3.3.1 情景要素權(quán)重確定方法

在篩選相似案例集時，文獻[9-10]在案例分析中多采用專家直接給出的形式，本文綜合考慮了專家意見與歷史案例，可有效規(guī)避與目標案例在某一要素上差異較大的案例入選，更具客觀性。

3.3.2 效果評價是否考慮群體共識

在應(yīng)急處置效果評價中，文獻[9]從效果和成本2個角度進行評價，文獻[10]雖建立了多時期處置效果評價模型，但未綜合考慮多方意見，本文引入了專家共識調(diào)整算法，集結(jié)具有不同知識背景、行業(yè)經(jīng)驗的專家對應(yīng)急方案的評價意見，提高了處置效果評價的可靠性。

3.3.3 重要度因子

與文獻[10]提出的應(yīng)急方案生成方法相比，本文通過式（21）對集結(jié)案例相似度與處置效果進行評分，引入了重要度因子θ，其中θ∈[0，1]，使得綜合評價更具靈活性，且取θ=0.5，可得到與文獻[10]相同的排序結(jié)果。分別取θ=0，0.2，0.5，0.6，0.9，1.0，可得最優(yōu)方案如表7所示。

表7 基于參數(shù)變化的最優(yōu)方案Table 7 The optimal alternative based on parameter changing

分析表7中數(shù)據(jù)不難發(fā)現(xiàn)，當θ趨于1時，最優(yōu)方案穩(wěn)定為x31，但該方案的處置效果較差；當θ趨于0時，最優(yōu)方案處置效果較優(yōu)，但情景相似度排名靠后，最優(yōu)方案缺失了目標案例中對應(yīng)某些關(guān)鍵情景需要采取的措施，如殘余?；镛D(zhuǎn)移措施；當θ在0.5附近時，雖然最優(yōu)方案的排名有些微差異，但篩選出的方案均對當前問題有較好的適應(yīng)性。因此，在生成最優(yōu)方案時，靈活調(diào)整相似度與處置效果的重要度配比非常必要，決策者可依據(jù)現(xiàn)場情景選擇合適的方案。

綜上所述，在考慮應(yīng)急處置效果的應(yīng)急方案生成方法中，本文基于已有研究成果，在權(quán)重確定方法、效果評價和相似度與效果集結(jié)方面進行了改進，提出了更具靈活性的應(yīng)急方案生成方法，并取得了良好的效果。

4 結(jié) 論

首先，運用基于機器學習與專家評價的檢索方法計算目標案例與歷史案例的相似度，然后，運用共識調(diào)整算法集結(jié)專家對應(yīng)急處置效果的評價信息，最后，獲得最優(yōu)應(yīng)急方案。該方法的特點有：（1）提高了相似度篩選的可靠性。利用隨機森林與記分函數(shù)量化情景要素權(quán)重，避免了單獨采用隨機森林算法忽略部分情景要素的情況；（2）提高了應(yīng)急方案評價的質(zhì)量。利用共識調(diào)整算法不僅可以集結(jié)專家意見，而且可從二維角度評價應(yīng)急處置效果，使得對處置效果的評價更科學；（3）具有較強的應(yīng)用性。最優(yōu)備選方案在相似案例集的基礎(chǔ)上進行了處置效果篩選，且可靈活調(diào)整相似度與應(yīng)急處置效果的重要度配比，具有較強的現(xiàn)實意義和實用價值。