基于應(yīng)急預(yù)案的煤礦應(yīng)急救援輔助決策系統(tǒng)設(shè)計(jì)

高洪波

（應(yīng)急管理部信息研究院，北京 100029）

0 引言

煤礦生產(chǎn)過(guò)程常伴隨著安全風(fēng)險(xiǎn)和事故隱患。在煤礦事故發(fā)生時(shí)，迅速而有效的應(yīng)急救援是保障人民群眾生命安全和減少經(jīng)濟(jì)損失的關(guān)鍵。然而，煤礦事故救援工作既復(fù)雜又危險(xiǎn)，對(duì)救援人員的專(zhuān)業(yè)知識(shí)和快速?zèng)Q策能力提出了極高的要求。傳統(tǒng)的煤礦應(yīng)急救援決策主要依賴于人工經(jīng)驗(yàn)和現(xiàn)場(chǎng)指揮，在面臨信息匱乏和時(shí)間緊迫的情況下，難以迅速做出準(zhǔn)確的決策，而主觀判斷容易導(dǎo)致誤判和錯(cuò)誤決策。因此，煤礦應(yīng)急救援工作迫切需要高效、科學(xué)的輔助決策系統(tǒng)。

目前，已有研究致力于煤礦應(yīng)急救援輔助決策技術(shù)的探索。這些研究主要集中于應(yīng)急預(yù)案的數(shù)字化技術(shù)、基于歷史案例的推理技術(shù)等。在應(yīng)急預(yù)案的數(shù)字化技術(shù)方面，一些學(xué)者通過(guò)將煤礦應(yīng)急預(yù)案的文本內(nèi)容進(jìn)行數(shù)字化，建立相應(yīng)的數(shù)據(jù)庫(kù)，實(shí)現(xiàn)煤礦應(yīng)急預(yù)案的編制、審核、存儲(chǔ)、瀏覽及智能查詢等功能，為煤礦應(yīng)急救援提供了預(yù)案的快速生成和檢索能力[1-4]。然而，目前應(yīng)急預(yù)案的數(shù)字化技術(shù)主要集中在應(yīng)急預(yù)案本身的數(shù)字化處理，對(duì)于應(yīng)急預(yù)案的智能化處理如指令構(gòu)建、任務(wù)規(guī)劃、方案生成等方面研究較為有限，導(dǎo)致應(yīng)急預(yù)案在實(shí)際救援過(guò)程中應(yīng)用不足、應(yīng)用效率低，難以發(fā)揮其在實(shí)戰(zhàn)中的作用。在基于歷史案例的推理技術(shù)方面，一些研究通過(guò)對(duì)歷史事故案例進(jìn)行分析、建模，并構(gòu)建案例庫(kù)和案例推薦系統(tǒng)，以在救援過(guò)程中匹配并推薦最相似的案例給指揮人員[5-8]。然而，目前基于歷史案例的推理技術(shù)推薦的歷史案例雖具有一定的參考價(jià)值，但缺乏與事故現(xiàn)場(chǎng)信息和煤礦實(shí)際應(yīng)急能力的綜合考量，難以在復(fù)雜多變的決策過(guò)程中生成適用于現(xiàn)場(chǎng)實(shí)際情況且具備可執(zhí)行性的救援方案。

為提高我國(guó)煤礦應(yīng)急救援輔助決策系統(tǒng)的決策準(zhǔn)確性、科學(xué)性和智能化水平，提出了基于應(yīng)急預(yù)案的煤礦應(yīng)急救援輔助決策系統(tǒng)設(shè)計(jì)方法。采用信息提取技術(shù)從煤礦應(yīng)急預(yù)案中獲取救援任務(wù)信息并建立元任務(wù)庫(kù)。當(dāng)煤礦發(fā)生安全事故時(shí)，系統(tǒng)采集事故信息，從元任務(wù)庫(kù)中匹配篩選出相關(guān)的元任務(wù)，并結(jié)合煤礦安全監(jiān)控、人員定位等系統(tǒng)的實(shí)時(shí)數(shù)據(jù)，形成詳細(xì)且可執(zhí)行的指令清單。通過(guò)任務(wù)規(guī)劃技術(shù)對(duì)指令優(yōu)先級(jí)進(jìn)行規(guī)劃，最終生成救援方案并發(fā)送給指揮人員。

1 系統(tǒng)業(yè)務(wù)流程設(shè)計(jì)

系統(tǒng)業(yè)務(wù)流程如圖1所示，主要包括5個(gè)步驟：① 預(yù)案信息抽取與元任務(wù)庫(kù)構(gòu)建；② 事故信息提取與元任務(wù)篩選；③ 動(dòng)態(tài)信息采集；④ 救援指令構(gòu)建；⑤ 任務(wù)規(guī)劃。

1.1 預(yù)案信息抽取與元任務(wù)庫(kù)構(gòu)建

根據(jù)GB/T 29 639—2020《生產(chǎn)經(jīng)營(yíng)單位生產(chǎn)安全事故應(yīng)急預(yù)案編制導(dǎo)則》的規(guī)定[9]，煤礦應(yīng)急預(yù)案可分為綜合應(yīng)急預(yù)案、專(zhuān)項(xiàng)應(yīng)急預(yù)案和現(xiàn)場(chǎng)處置方案。系統(tǒng)通過(guò)對(duì)應(yīng)急預(yù)案的文本進(jìn)行分析，運(yùn)用基于大語(yǔ)言模型的信息抽取技術(shù)，從應(yīng)急預(yù)案的組織機(jī)構(gòu)及職責(zé)、應(yīng)急響應(yīng)、處置措施等文本內(nèi)容中識(shí)別并提取關(guān)鍵的實(shí)體要素，并構(gòu)建應(yīng)急救援過(guò)程中的最小任務(wù)單元[10]，即元任務(wù)，包括任務(wù)名稱、觸發(fā)條件、執(zhí)行部門(mén)和任務(wù)內(nèi)容等屬性。為了在事故發(fā)生時(shí)實(shí)現(xiàn)更高效的觸發(fā)條件匹配、讀取元任務(wù)和構(gòu)建詳細(xì)指令等功能，系統(tǒng)采用關(guān)系型數(shù)據(jù)庫(kù)技術(shù)來(lái)存儲(chǔ)和管理元任務(wù)，形成根據(jù)事故類(lèi)型和級(jí)別對(duì)元任務(wù)進(jìn)行分類(lèi)存儲(chǔ)的元任務(wù)庫(kù)，同時(shí)采用索引優(yōu)化和緩存機(jī)制，以減少磁盤(pán)I/O操作和網(wǎng)絡(luò)傳輸延遲，確?？焖贆z索和訪問(wèn)所需的元任務(wù)信息。

1.2 事故信息提取與元任務(wù)篩選

發(fā)生煤礦安全事故時(shí)，系統(tǒng)從煤礦值班值守系統(tǒng)中提取事故信息，包括事故類(lèi)型、人員傷亡情況、事故內(nèi)容、發(fā)生地點(diǎn)和發(fā)生時(shí)間等關(guān)鍵信息，并根據(jù)事故類(lèi)型和人員傷亡情況對(duì)事故進(jìn)行分類(lèi)和分級(jí)。事故分類(lèi)包括瓦斯、頂板、機(jī)電、放炮、水災(zāi)、火災(zāi)、運(yùn)輸和其他等8類(lèi)事故。事故分級(jí)主要根據(jù)傷亡人數(shù)劃分：若造成30人以上死亡，為特別重大事故；造成10人以上30人以下死亡，為重大事故；造成3人以上10人以下死亡，為較大事故；造成3人以下死亡，為一般事故。

事故分類(lèi)分級(jí)后，系統(tǒng)利用語(yǔ)義匹配技術(shù)進(jìn)一步從元任務(wù)庫(kù)中篩選出與當(dāng)前事故最匹配的元任務(wù)集。在語(yǔ)義匹配過(guò)程中，事故內(nèi)容和任務(wù)觸發(fā)條件的文本被轉(zhuǎn)換為向量形式，通過(guò)計(jì)算相似度篩選出與當(dāng)前事故匹配度最高的元任務(wù)。由于元任務(wù)是基于應(yīng)急預(yù)案生成的，而應(yīng)急預(yù)案是在事故發(fā)生前事先編制的，所以匹配出的元任務(wù)僅包含觸發(fā)條件、執(zhí)行部門(mén)和任務(wù)內(nèi)容等信息，需通過(guò)救援指令構(gòu)建過(guò)程對(duì)元任務(wù)補(bǔ)充行動(dòng)地點(diǎn)、行動(dòng)時(shí)間、執(zhí)行人員及周邊環(huán)境等現(xiàn)場(chǎng)動(dòng)態(tài)信息，才能使救援指令具體化和可執(zhí)行。

1.3 動(dòng)態(tài)信息采集

由于井下現(xiàn)場(chǎng)環(huán)境復(fù)雜且事故態(tài)勢(shì)瞬息萬(wàn)變，為確保救援任務(wù)的可行性和及時(shí)性，系統(tǒng)必須實(shí)時(shí)采集現(xiàn)場(chǎng)動(dòng)態(tài)信息并融合到救援任務(wù)中。系統(tǒng)對(duì)接煤礦安全監(jiān)控、人員定位、水文地質(zhì)監(jiān)控、頂板監(jiān)控及礦用重大設(shè)備監(jiān)控系統(tǒng)，實(shí)時(shí)采集事故區(qū)域的主要環(huán)境參數(shù)（如甲烷、一氧化碳、風(fēng)速、煙霧等）、被困人員數(shù)量、人員位置信息、行走軌跡，以及水位、水溫、頂板壓力和井下重大設(shè)備的運(yùn)行狀態(tài)等動(dòng)態(tài)信息數(shù)據(jù)。由于安全感知數(shù)據(jù)產(chǎn)生頻率高，系統(tǒng)采用Kafka消息隊(duì)列作為數(shù)據(jù)傳輸媒介。動(dòng)態(tài)信息數(shù)據(jù)經(jīng)過(guò)Flink流式處理[11]后被存入時(shí)序數(shù)據(jù)庫(kù)中。系統(tǒng)與煤礦通信錄系統(tǒng)進(jìn)行接口對(duì)接，獲取救援人員的聯(lián)系方式和相關(guān)信息。系統(tǒng)與煤礦應(yīng)急物資管理系統(tǒng)進(jìn)行對(duì)接，獲取可用的救援物資類(lèi)型和庫(kù)存數(shù)量等信息。這些數(shù)據(jù)通過(guò)Kettle數(shù)據(jù)抽取工具從源系統(tǒng)中提取，通過(guò)ETL（Extract-Transform-Load）過(guò)程同步到系統(tǒng)中。系統(tǒng)通過(guò)整合來(lái)自不同系統(tǒng)的各類(lèi)數(shù)據(jù)，構(gòu)建全面且準(zhǔn)確的現(xiàn)場(chǎng)動(dòng)態(tài)數(shù)據(jù)集，以供后續(xù)的指令構(gòu)建過(guò)程使用。

1.4 救援指令構(gòu)建

煤礦應(yīng)急救援方案的核心為救援指令集，因此，構(gòu)建完整且明確的救援指令成為輔助決策過(guò)程的關(guān)鍵步驟。系統(tǒng)基于指令模板進(jìn)行指令構(gòu)建，模板的構(gòu)成要素包括任務(wù)名稱、觸發(fā)條件、執(zhí)行部門(mén)、執(zhí)行人員、任務(wù)內(nèi)容、任務(wù)周邊環(huán)境、任務(wù)時(shí)間、任務(wù)空間及行動(dòng)物資等，如圖2所示。系統(tǒng)將采集到的靜態(tài)信息和實(shí)時(shí)數(shù)據(jù)替換至指令模板的相應(yīng)占位符中，生成詳細(xì)的救援指令。在救援指令構(gòu)建過(guò)程中，需確保替換的數(shù)據(jù)與模板中的占位符類(lèi)型和格式相匹配，避免數(shù)據(jù)丟失或錯(cuò)誤。

圖2 煤礦應(yīng)急救援指令模板構(gòu)成要素Fig.2 Coal mine emergency rescue instruction template components

1.5 任務(wù)規(guī)劃

救援指令構(gòu)建后，系統(tǒng)運(yùn)用任務(wù)規(guī)劃技術(shù)確定任務(wù)指令的優(yōu)先級(jí)。任務(wù)規(guī)劃技術(shù)是一種基于約束條件的優(yōu)化算法，它根據(jù)任務(wù)的目標(biāo)、資源限制、時(shí)間要求等因素來(lái)比較不同的任務(wù)組合，從而確定最優(yōu)的任務(wù)執(zhí)行順序和資源分配方案，即形成救援方案。系統(tǒng)將救援方案推送給指揮人員，指揮人員可對(duì)其進(jìn)行手動(dòng)修訂，一旦確認(rèn)批準(zhǔn)，方案即被下發(fā)給執(zhí)行人員進(jìn)行實(shí)施。隨著事故應(yīng)急處置工作的推進(jìn)和現(xiàn)場(chǎng)情況的變化，系統(tǒng)的數(shù)據(jù)持續(xù)獲取和指令動(dòng)態(tài)生成能力確保救援方案在不斷變化的情況下保持高效和準(zhǔn)確，直至應(yīng)急救援工作結(jié)束。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

煤礦應(yīng)急救援輔助決策系統(tǒng)架構(gòu)如圖3所示，自下而上依次為數(shù)據(jù)層、模型層、業(yè)務(wù)層、應(yīng)用層、訪問(wèn)層。數(shù)據(jù)層負(fù)責(zé)采集和存儲(chǔ)系統(tǒng)需要的應(yīng)急預(yù)案、通信錄、環(huán)境監(jiān)測(cè)、人員定位、應(yīng)急物資等數(shù)據(jù)。模型層主要部署大語(yǔ)言模型ChatGLM[12]及語(yǔ)義匹配模型SBERT[13]等，模型層基于從數(shù)據(jù)層獲取的各類(lèi)數(shù)據(jù)，通過(guò)數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型發(fā)布、迭代優(yōu)化等過(guò)程對(duì)模型進(jìn)一步訓(xùn)練，為業(yè)務(wù)層提供支持。業(yè)務(wù)層實(shí)現(xiàn)主要業(yè)務(wù)邏輯，包括預(yù)案信息抽取、元任務(wù)庫(kù)構(gòu)建、事故信息抽取、任務(wù)匹配篩選、任務(wù)清單構(gòu)建、任務(wù)清單規(guī)劃、救援方案生成等。應(yīng)用層承載系統(tǒng)的主要功能和應(yīng)用服務(wù)，包括安全態(tài)勢(shì)、數(shù)字預(yù)案、輔助決策、方案管理等功能模塊。訪問(wèn)層實(shí)現(xiàn)指揮人員、救援人員等系統(tǒng)用戶通過(guò)大屏端、PC端、移動(dòng)端等方式訪問(wèn)系統(tǒng)。

圖3 煤礦應(yīng)急救援輔助決策系統(tǒng)架構(gòu)Fig.3 Architecture of coal mine emergency rescue auxiliary decision system

3 系統(tǒng)功能模塊設(shè)計(jì)

3.1 安全態(tài)勢(shì)

安全態(tài)勢(shì)功能模塊通過(guò)對(duì)煤礦井下實(shí)時(shí)數(shù)據(jù)的監(jiān)控、分析和視覺(jué)化呈現(xiàn)，實(shí)現(xiàn)對(duì)煤礦安全態(tài)勢(shì)的全面把握。實(shí)時(shí)數(shù)據(jù)包括系統(tǒng)接收的環(huán)境感知信息、人員定位信息、應(yīng)急物資信息及事故信息。通過(guò)采用趨勢(shì)分析和關(guān)聯(lián)分析等方法深入挖掘和分析數(shù)據(jù)，形成安全態(tài)勢(shì)分析結(jié)果，并以多維度的形式進(jìn)行可視化展示。

3.2 數(shù)字預(yù)案

數(shù)字預(yù)案功能模塊基于煤礦各類(lèi)典型事故災(zāi)害預(yù)案實(shí)現(xiàn)快速生成數(shù)字化應(yīng)急預(yù)案。預(yù)案編制必須嚴(yán)格遵循預(yù)先設(shè)定的數(shù)字化模板，確保預(yù)案的規(guī)范性和一致性。系統(tǒng)支持對(duì)預(yù)案進(jìn)行修改、刪除、查詢等維護(hù)管理功能，同時(shí)也支持對(duì)紙質(zhì)預(yù)案的導(dǎo)入和處理，方便預(yù)案管理。

3.3 輔助決策

輔助決策功能模塊從值班值守系統(tǒng)獲取事故信息，通過(guò)語(yǔ)義匹配技術(shù)從元任務(wù)庫(kù)中篩選出與事故相關(guān)的救援任務(wù)，結(jié)合現(xiàn)場(chǎng)實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)生成詳細(xì)的任務(wù)指令集，應(yīng)用任務(wù)規(guī)劃技術(shù)在有限資源、時(shí)間要求等約束條件下對(duì)指令執(zhí)行順序進(jìn)行優(yōu)化和調(diào)整，形成包含詳細(xì)任務(wù)指令、時(shí)間計(jì)劃、資源需求等信息的高效科學(xué)的救援方案。

3.4 方案管理

方案管理功能模塊實(shí)現(xiàn)救援方案的預(yù)覽、查詢和導(dǎo)出功能。預(yù)覽功能幫助決策人員全面了解方案內(nèi)容和細(xì)節(jié)；查詢功能允許按照關(guān)鍵詞和特定條件篩選救援方案，以協(xié)助做出科學(xué)的救援決策；導(dǎo)出功能支持將救援方案以不同格式（如Word、PDF等）進(jìn)行分享和交流。此外，該模塊還具備自動(dòng)備份能力，以防止因系統(tǒng)故障等原因?qū)е戮仍桨傅膩G失。

4 系統(tǒng)實(shí)現(xiàn)關(guān)鍵技術(shù)

4.1 基于大語(yǔ)言模型的信息抽取技術(shù)

信息抽取技術(shù)是一種處理自然語(yǔ)言文本的關(guān)鍵技術(shù)[14-16]，旨在根據(jù)特定的抽取需求從非結(jié)構(gòu)化文本中提取出任務(wù)所需的實(shí)體、關(guān)系和屬性等關(guān)鍵信息，以結(jié)構(gòu)化形式進(jìn)行描述并存入結(jié)構(gòu)化數(shù)據(jù)庫(kù)中。信息抽取技術(shù)應(yīng)用于元任務(wù)構(gòu)建過(guò)程中從煤礦應(yīng)急預(yù)案文本中抽取任務(wù)實(shí)體要素和任務(wù)篩選過(guò)程中從事故接報(bào)信息中抽取事故關(guān)鍵要素。

常用的信息抽取方法包括基于規(guī)則引擎、詞典匹配或傳統(tǒng)機(jī)器學(xué)習(xí)算法，這些方法通常需依賴領(lǐng)域知識(shí)、規(guī)則設(shè)計(jì)和手動(dòng)特征工程。相比之下，以GPT為代表的大語(yǔ)言模型具有更高的自動(dòng)化程度、更強(qiáng)的上下文理解能力、更少的數(shù)據(jù)需求、更好的靈活性[17-19]。系統(tǒng)采用開(kāi)源大語(yǔ)言模型ChatGLM實(shí)現(xiàn)信息抽取。ChatGLM是一款基于GLM架構(gòu)的大語(yǔ)言模型，由多個(gè)編碼器和解碼器組成，可支持本地部署，最多擁有1 300億個(gè)參數(shù)。在預(yù)訓(xùn)練階段，ChatGLM使用了大量的無(wú)監(jiān)督和有監(jiān)督數(shù)據(jù)進(jìn)行訓(xùn)練，從而學(xué)習(xí)到自然語(yǔ)言文本中的通用知識(shí)和語(yǔ)言規(guī)律。在微調(diào)階段，通過(guò)使用煤礦應(yīng)急救援領(lǐng)域的數(shù)據(jù)集進(jìn)行微調(diào)，模型能夠強(qiáng)化領(lǐng)域知識(shí)，進(jìn)一步提高信息抽取的質(zhì)量。經(jīng)過(guò)微調(diào)的ChatGLM模型在處理煤礦應(yīng)急預(yù)案的實(shí)體要素抽取任務(wù)時(shí)，能夠準(zhǔn)確識(shí)別并提取出關(guān)鍵的任務(wù)要素，包括任務(wù)名稱、觸發(fā)條件、執(zhí)行部門(mén)和任務(wù)內(nèi)容等，即構(gòu)建元任務(wù)，而在處理事故接報(bào)信息的事故關(guān)鍵要素抽取任務(wù)時(shí)，同樣能夠準(zhǔn)確提取出事故類(lèi)型、時(shí)間、地點(diǎn)及傷亡情況等關(guān)鍵信息，為事故分類(lèi)分級(jí)和元任務(wù)的篩選奠定基礎(chǔ)。

4.2 基于SBERT模型的語(yǔ)義匹配技術(shù)

語(yǔ)義匹配技術(shù)實(shí)現(xiàn)根據(jù)煤礦事故信息從元任務(wù)庫(kù)中篩選元任務(wù)。系統(tǒng)采用孿生網(wǎng)絡(luò)SBERT模型進(jìn)行語(yǔ)義相似度計(jì)算，以提升語(yǔ)義匹配的準(zhǔn)確性和效率。SBERT是一種基于預(yù)訓(xùn)練語(yǔ)言模型BERT[20]實(shí)現(xiàn)的句子級(jí)嵌入模型，通過(guò)對(duì)輸入的句子進(jìn)行編碼，生成語(yǔ)義豐富的句子向量表示，并用于語(yǔ)義相似度計(jì)算。

SBERT模型結(jié)構(gòu)如圖4所示，SBERT模型的子網(wǎng)絡(luò)均使用BERT模型，且2個(gè)BERT模型共享參數(shù)。在語(yǔ)義匹配的過(guò)程中，系統(tǒng)首先從煤礦事故接報(bào)信息中提取關(guān)鍵文本要素，將其輸入到BERT模型中，并應(yīng)用池化策略（pooling）生成句子表示向量u。同時(shí)，系統(tǒng)還將各個(gè)元任務(wù)觸發(fā)條件文本輸入BERT模型中，通過(guò)池化策略生成句子表示向量v。通過(guò)對(duì)煤礦事故接報(bào)信息與元任務(wù)觸發(fā)條件的余弦相似度進(jìn)行計(jì)算（cosine-sim（u，v）），實(shí)現(xiàn)精準(zhǔn)、高效的語(yǔ)義匹配。

圖4 SBERT模型結(jié)構(gòu)Fig.4 SBERT model structure

4.3 任務(wù)規(guī)劃技術(shù)

在完成基本任務(wù)指令列表創(chuàng)建之后，由于多個(gè)任務(wù)之間可能存在時(shí)間或資源依賴關(guān)系，且現(xiàn)有應(yīng)急資源有限，可能無(wú)法完全滿足所有任務(wù)的需求。所以，有必要將這些任務(wù)按照優(yōu)先級(jí)進(jìn)行劃分，以確保高優(yōu)先級(jí)任務(wù)優(yōu)先執(zhí)行。

系統(tǒng)采用層次任務(wù)網(wǎng)絡(luò)（Hierarchical Task Network，HTN）[21-22]規(guī)劃器JSHOP2來(lái)實(shí)現(xiàn)救援任務(wù)規(guī)劃。JSHOP2具有靈活的規(guī)劃語(yǔ)言和豐富的規(guī)劃功能，能夠有效應(yīng)對(duì)復(fù)雜的任務(wù)規(guī)劃需求。其規(guī)劃過(guò)程如下：

1） 領(lǐng)域建模。在JSHOP2中，定義救援任務(wù)的領(lǐng)域模型，包括操作（Actions）和謂詞（Predicates）。操作描述可執(zhí)行的救援任務(wù)，如現(xiàn)場(chǎng)偵察、瓦斯排放、人員搜尋等，謂詞描述救援任務(wù)中的狀態(tài)和約束，如可用的應(yīng)急物資數(shù)量、遇險(xiǎn)人員位置信息等。

2） 問(wèn)題建模。在JSHOP2中，定義具體的救援任務(wù)問(wèn)題，包括初始狀態(tài)和目標(biāo)狀態(tài)。初始狀態(tài)描述救援任務(wù)的觸發(fā)條件，如瓦斯爆炸、水害、火災(zāi)等不同事故情景下的現(xiàn)場(chǎng)環(huán)境和人員狀況；目標(biāo)狀態(tài)描述救援任務(wù)的期望目標(biāo)，如控制災(zāi)情、救出被困人員等。

3） 規(guī)劃策略制定。JSHOP2規(guī)劃器使用啟發(fā)式搜索算法，重點(diǎn)關(guān)注如何合理調(diào)配有限的隊(duì)伍、物資、設(shè)備等應(yīng)急資源，解決任務(wù)間的時(shí)間和資源依賴關(guān)系，并生成符合實(shí)際情況的救援方案。

4） 優(yōu)先級(jí)規(guī)劃。在問(wèn)題模型中，為每個(gè)任務(wù)操作定義優(yōu)先級(jí)屬性，以指定任務(wù)的優(yōu)先級(jí)，如優(yōu)先確保遇險(xiǎn)人員的生命安全、維持通風(fēng)系統(tǒng)的正常運(yùn)行等。

5） 解決方案生成。當(dāng)JSHOP2規(guī)劃器找到一個(gè)可行的解決方案時(shí)，系統(tǒng)將解析該方案，并生成規(guī)劃結(jié)果，包括每項(xiàng)任務(wù)的執(zhí)行順序、責(zé)任歸屬團(tuán)隊(duì)及預(yù)期的完成時(shí)間等。

通過(guò)使用JSHOP2規(guī)劃器，系統(tǒng)可根據(jù)任務(wù)的優(yōu)先級(jí)和約束，生成適應(yīng)緊急情況的任務(wù)規(guī)劃解決方案，從而可高效地管理和分配有限的資源，確保高優(yōu)先級(jí)任務(wù)得到及時(shí)執(zhí)行。

5 結(jié)論

1） 煤礦應(yīng)急救援輔助決策系統(tǒng)業(yè)務(wù)流程主要包括：預(yù)案信息抽取與元任務(wù)庫(kù)構(gòu)建、事故信息提取與元任務(wù)篩選、動(dòng)態(tài)信息采集、救援指令構(gòu)建、任務(wù)規(guī)劃。系統(tǒng)架構(gòu)自下而上依次為數(shù)據(jù)層、模型層、業(yè)務(wù)層、應(yīng)用層、訪問(wèn)層。

2） 應(yīng)用基于大語(yǔ)言模型的信息抽取技術(shù)，實(shí)現(xiàn)從應(yīng)急預(yù)案中自動(dòng)識(shí)別和提取關(guān)鍵任務(wù)要素，并建立元任務(wù)庫(kù)，形成后續(xù)救援任務(wù)規(guī)劃和決策的數(shù)據(jù)基礎(chǔ)，提升了應(yīng)急預(yù)案信息的易用性和檢索效率。

3） 應(yīng)用基于SBERT模型的語(yǔ)義匹配技術(shù)，迅速而精準(zhǔn)地從元任務(wù)庫(kù)中篩選出與當(dāng)前事故情景高度相關(guān)的任務(wù)集合，加快了響應(yīng)時(shí)間，增強(qiáng)了救援計(jì)劃的相關(guān)性與適應(yīng)性。

4） 通過(guò)預(yù)設(shè)的指令模板生成結(jié)合現(xiàn)場(chǎng)數(shù)據(jù)與元任務(wù)信息的行動(dòng)指令，通過(guò)任務(wù)規(guī)劃技術(shù)對(duì)指令的執(zhí)行順序進(jìn)行優(yōu)化和調(diào)整，形成更具可操作性和高效率的救援方案。