摘要:為了提高突發(fā)事件發(fā)生時(shí)公安指揮部門處置決策方案的及時(shí)性和科學(xué)性，本文提出基于案例推理(Case-BasedReasoning，CBR)和規(guī)則推理(Rule-BasedReasoning，RBR)的公安突發(fā)事件輔助決策算法。算法根據(jù)突發(fā)事件的級(jí)別、類型和突發(fā)事件中的具體數(shù)據(jù)，如傷亡人數(shù)等，通過(guò)CBR檢索出案例庫(kù)中同級(jí)別同類型的最相似案例，再通過(guò)RBR對(duì)檢索案例的結(jié)果進(jìn)行修正優(yōu)化使之更適用于突發(fā)事件的實(shí)際情況。最后通過(guò)實(shí)例成功地驗(yàn)證了該算法。該算法能夠?yàn)楣�安�?yīng)急預(yù)案與輔助決策平臺(tái)的建設(shè)提供參考。

　　關(guān)鍵詞:案例推理,規(guī)則推理,公安,突發(fā)事件,輔助決策

　　0引言

　　公安部門在處置突發(fā)事件的過(guò)程中扮演著重要角色，公安快速高效的處置能力能降低突發(fā)事件帶來(lái)的危害。而公安行動(dòng)主要是依靠指揮中心下達(dá)的指令，這就要求公安指揮中心接到警情后迅速對(duì)突發(fā)事件整體情況做出準(zhǔn)確的判斷從而做出相應(yīng)的決策。

　　一直以來(lái)公安決策都是依靠指揮中心領(lǐng)導(dǎo)多年處置突發(fā)事件積累下的經(jīng)驗(yàn)，但隨著人工智能的發(fā)展，計(jì)算機(jī)逐漸也有了像人類一樣的推理能力。其中，基于案例推理(Case-BasedReasoning，CBR)和規(guī)則推理(Rule-BasedReasoning，RBR)在輔助決策方面得到了廣泛的應(yīng)用[1-5]。本文將適用經(jīng)驗(yàn)富足型情境的CBR和適用規(guī)則富足型情境的RBR相結(jié)合，在突發(fā)事件發(fā)生時(shí)，能夠通過(guò)該算法快速生成相應(yīng)的輔助決策方案，為指揮人員提供案例借鑒和決策思路。

　　1CBR與RBR

　　1.1CBR原理

　　CBR是從過(guò)去的突發(fā)事件案例中獲取特定的知識(shí)，并利用它來(lái)解決突發(fā)事件[6]。這就類似于人類利用過(guò)去的經(jīng)驗(yàn)來(lái)解決新問(wèn)題的方式，有多年工作經(jīng)驗(yàn)的民警在面對(duì)突發(fā)事件發(fā)生時(shí)會(huì)比新入警的民警處置得更為快速有效。案例推理需要將過(guò)去所有突發(fā)事件的解決方案都存儲(chǔ)在案例庫(kù)中，當(dāng)發(fā)生一起突發(fā)事件時(shí)，它會(huì)檢索案例庫(kù)并從中檢索出最為相似的案例，人們可以參考此案例的解決方案來(lái)解決當(dāng)前發(fā)生的突發(fā)事件，再將解決新突發(fā)事件的方案保存到案例庫(kù)中來(lái)增加新經(jīng)驗(yàn)[7-9]。

　　案例推理一般包含4個(gè)過(guò)程，分別是檢索(Retrieve)、重用(Reuse)、修改(Revise)、保存(Retain)[10]。CBR的知識(shí)庫(kù)會(huì)隨著解決問(wèn)題數(shù)量的增長(zhǎng)而增加，提供的解決方案的準(zhǔn)確性也越來(lái)越高。但是也存在一定的局限性，若檢索出的案例與當(dāng)前案例相似度相差較大，提供的解決方案的有效性就難以保證。

　　1.2RBR原理

　　RBR是將相關(guān)領(lǐng)域的專家知識(shí)規(guī)則化描述出來(lái)，構(gòu)建專家規(guī)則系統(tǒng)，根據(jù)專家規(guī)則系統(tǒng)形成推理機(jī)，在解決實(shí)際突發(fā)事件時(shí)利用推理機(jī)來(lái)模仿專家解決該突發(fā)事件的推理能力[11-12]。但是在案例中有些隱含的難以規(guī)則化的知識(shí)極大地限制了RBR的使用范圍，而且RBR運(yùn)用需要有一套完善的推理機(jī)制，規(guī)則難以獲取以及建模難度大同樣也限制了RBR的使用效果[13-14]。

　　1.3CBR和RBR相結(jié)合

　　本文采用CBR和RBR相結(jié)合的方式來(lái)實(shí)現(xiàn)快速生成輔助決策方案，兩者可以互補(bǔ)不足，算法思想是:通過(guò)CBR檢索出案例庫(kù)中與當(dāng)前發(fā)生突發(fā)事件相似度最高的案例，再根據(jù)現(xiàn)場(chǎng)真實(shí)情況通過(guò)RBR對(duì)案例的處置方案進(jìn)行修正優(yōu)化。

　　2CBR和RBR實(shí)現(xiàn)原理

　　根據(jù)CBR的工作原理，首先需要對(duì)案例進(jìn)行一個(gè)恰當(dāng)?shù)谋硎荆�案例恰�?dāng)?shù)谋硎灸軌蚍从嘲咐�的本質(zhì)特征，案例檢索系統(tǒng)就能夠迅速?gòu)陌咐龓?kù)中檢索出所要的案例，從而使效率提高。本文采用傳統(tǒng)的基于本體的表示法，該方法表達(dá)性較強(qiáng)，不僅可以表示概念、概念類別、概念之間的關(guān)系等基本元件，還可以表示形式化公理、函數(shù)、規(guī)則、過(guò)程以及其他一些元件[15-16]。

　　根據(jù)《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》對(duì)突發(fā)公共事件的分級(jí)分類[17]，將案例庫(kù)中的案例按照突發(fā)事件性質(zhì)、嚴(yán)重程度和影響范圍等因素分為4個(gè)事故等級(jí)。按照突發(fā)事件的發(fā)生過(guò)程、性質(zhì)和機(jī)理，將事件分為一級(jí)分類和二級(jí)分。隨著案例庫(kù)中案例數(shù)量的增加，采用分級(jí)檢索的優(yōu)勢(shì)會(huì)越來(lái)越明顯，分級(jí)檢索能使得檢索案例的效率得到提升。

　　突發(fā)事件的等級(jí)和類別決定了案例具體屬性劃分，由于現(xiàn)實(shí)中不可能發(fā)生兩起一模一樣的事件，案例檢索時(shí)只對(duì)案例的部分屬性進(jìn)行檢索和匹配。在案例檢索的過(guò)程中，案例屬性作為檢索的目標(biāo)和依據(jù)，需要對(duì)案例屬性進(jìn)行參數(shù)化和量化處理，將案例屬性轉(zhuǎn)為具體的參數(shù)和數(shù)值便于計(jì)算機(jī)操作和計(jì)算。本文以火災(zāi)為例，向案例庫(kù)中錄入2014年中國(guó)消防年鑒數(shù)據(jù)[18]，包括每個(gè)案例的時(shí)間、地點(diǎn)、天氣、風(fēng)力、風(fēng)向、傷亡人數(shù)、派出的消防員、消防車等具體數(shù)據(jù)。

　　本文采用改進(jìn)型K最近鄰(K-NearestNeighbor，KNN)算法。傳統(tǒng)KNN算法只計(jì)算目標(biāo)樣本在樣本空間內(nèi)與其他樣本的歐氏距離，將距離最近的幾個(gè)樣本篩選出來(lái)并對(duì)目標(biāo)樣本進(jìn)行分類，計(jì)算過(guò)程中每個(gè)屬性的權(quán)重是相同的。而在案例檢索過(guò)程中，參與檢索的案例屬性并不都是同等重要的。比如案例中的死亡人數(shù)、受傷人數(shù)對(duì)決策者的參考意義顯然大于天氣和風(fēng)向的參考意義，所以需要對(duì)參與檢索的案例屬性賦予不同的權(quán)值[20]。

　　3實(shí)例驗(yàn)證

　　基于前面提出的算法和案例表示框架，本文基于Eclipse4.7.3a開(kāi)發(fā)平臺(tái)和Java8語(yǔ)言、采用Oralce12c數(shù)據(jù)庫(kù)作為后臺(tái)數(shù)據(jù)庫(kù)建立公安突發(fā)事件案例庫(kù)和規(guī)則庫(kù)，開(kāi)發(fā)了一款B/S模式的輔助決策工具。下面通過(guò)該工具用一個(gè)實(shí)例來(lái)驗(yàn)證算法的有效性和可行性。

　　源案例:2014年11月16日18時(shí)36分，山東省壽光市龍?jiān)词称酚邢薰�司發(fā)生火災(zāi)，造成18人死亡，13人受傷，過(guò)火面積約4000m2，直接財(cái)產(chǎn)損失440.9萬(wàn)元。此次火災(zāi)共調(diào)集濰坊、東營(yíng)27輛消防車、160余名官兵、6只搜救犬，濰坊、壽光市政府及有關(guān)部門救護(hù)車15輛、挖掘機(jī)4輛、吊車2輛、環(huán)衛(wèi)灑水車20輛、公安干警150名參加應(yīng)急救援。案發(fā)時(shí)根據(jù)氣象局當(dāng)日發(fā)布?xì)庀笮畔?多云，北風(fēng)4級(jí)，氣溫7℃。抽取案例關(guān)鍵信息得到表5并存入案例庫(kù)。目標(biāo)案例。

　　假設(shè)指揮中心接到警情:某工廠發(fā)生火災(zāi)，從中可以看出，當(dāng)目標(biāo)案例的傷亡人數(shù)和過(guò)火面積大于案例庫(kù)中最相似案例，RBR根據(jù)規(guī)則庫(kù)中的規(guī)則對(duì)消防員、公安干警、消防車、環(huán)衛(wèi)灑水車的數(shù)量進(jìn)行了提升。且純CBR檢索的相似案例沒(méi)有醫(yī)生、護(hù)士、擔(dān)架、急救箱的數(shù)據(jù)。經(jīng)過(guò)RBR后的輔助決策結(jié)果生成了相應(yīng)的醫(yī)生、護(hù)士的人數(shù)和擔(dān)架、急救箱的數(shù)量，將案例中空白的數(shù)據(jù)進(jìn)行補(bǔ)全，提高了算法模型的實(shí)用性。

　　4結(jié)束語(yǔ)

　　本文探討了將CBR和RBR相結(jié)合運(yùn)用于公安處置突發(fā)事件輔助決策的算法，CBR彌補(bǔ)了RBR建模難度大的缺點(diǎn)，RBR彌補(bǔ)了CBR無(wú)法對(duì)相似案例修正的缺點(diǎn)。引入了分級(jí)檢索算法提升CBR檢索案例的速度;對(duì)K-NN算法進(jìn)行改進(jìn)，根據(jù)案例各屬性對(duì)指揮人員參考的重要性對(duì)每個(gè)屬性設(shè)置不同的權(quán)重，使相似度的計(jì)算更接近決策者的思維。

　　通過(guò)開(kāi)發(fā)輔助決策工具實(shí)現(xiàn)該算法，并對(duì)實(shí)例進(jìn)行測(cè)試，測(cè)試結(jié)果表明該算法具有可利用性和可操作性。在研究過(guò)程中發(fā)現(xiàn)，雖然公安處置的突發(fā)事件非常多，但是處置過(guò)程有詳細(xì)記錄的案例并不多，這方面的數(shù)據(jù)比較少，而且記錄的數(shù)據(jù)不完整不規(guī)范，給研究帶來(lái)了一定的難度。隨著公安大數(shù)據(jù)的發(fā)展，公安部門不僅需要對(duì)數(shù)據(jù)加以利用，同時(shí)也需要注重對(duì)數(shù)據(jù)的規(guī)范化收集和保存。

　　公安方向論文投稿刊物：《公安研究》是公安部唯一一份由公安部主管并公開(kāi)出版發(fā)行的公安社會(huì)科學(xué)理論刊物，中由華人民共和國(guó)公安部主管，中華人民共和國(guó)公安部第四研究所主辦。