Knowledge-based models for emergency management systems
Abstract
This paper proposes the use of advanced knowledge models to support environmental emergency management as an adequate response to the current needs and technology. A generic architecture embodying the knowledge pieces required to manage emergencies in different kinds of problem scenarios is described. Simulation models of the physical system, integrated as part of the knowledge architecture, are also claimed to be adequate, both from the point of view of the knowledge model calibration and the training of the emergency personnel as well. The feasibility of the approach has been demonstrated with the application of the generic model to a particular real world problem: the management of flood emergencies in the Jucar river basin area (Spain). This work was developed in the framework of ARTEMIS, a European Commission research project.
Keywords
- Knowledge architectures;
- Emergency management;
- Decision support systems
1. Introduction
The management of emergencies, resulting from natural or man-made disasters, requires enough information as well as experienced responders both in technical and co-ordination matters. Information requirements may be partially satisfied with the development of telematics systems, which make it feasible to build up applications integrating sensors, communications and real-time data bases to provide raw information about the state of a natural or artificial installation such as a chemical plant or a watershed. In this way, a great amount of information is available that should be used to improve the management of the emergency, which generally means making the best decision at the right moment. In order to support the decision-makers in the evaluation of this raw information, knowledge-based systems (KBS) are good candidates, as they are able to integrate both theoretical and common sense knowledge directly taken from the expert decision-makers. Furthermore, KBS are able to provide explanations of their recommendations; this is of fundamental importance in any emergency domain, as the responsible personnel cannot adopt a decision without fully understand it.
In this context, the European Commission research project ARTEMIS1 shows an approach for the development of knowledge-based emergency management systems. In addition to the expertise model of the responsible personnel, simulation models of the physical system being monitored also are discussed. Two sample mock-ups of the final systems were developed in order to show the feasibility of the proposal: one of them in the flood emergency domain and another one for the management of emergencies caused by industrial accidents (e.g. heavy gas dispersion).
The content of this paper starts with the identification of general human–computer interaction requirements for Emergency Management Systems. In particular, a domain-independent set of questions relevant in the management process followed by the responsible people will be defined. Next, both the simulation and the generic knowledge models are described. Then, the Knowledge Structure Manager (KSM) tool is proposed to operationalise the described knowledge model structure. Lastly, the mock-up for the flood emergency domain is summarised.
2. User–system interaction in emergency management scenarios
An intelligent system capable of assisting human operators in the management of emergency situations should be capable of providing justified conclusions on:
bull;
the more relevant observable events with their diagnosis, i.e. the current situation of the installation or area being monitored;
bull;
the short-term evolution of the situation within different possible scenarios;
bull;
the advisable decisions to be taken in order to avoid the problems or minimise their consequences.
In this context, according to the importance of an adequate user–system interaction, the design of this type of systems may start from the specification of a conversation model ( Hernaacute;ndez amp; Serrano, 2000). This model may contain the collection of classes of questions and answers that may be exchanged between the user and the system, structured according to the needs of an emergency responsible in a generic episode (domain independent). The top level of this structure may include three main classes of queries:
bull;
What is happening? The answer to this type of question may be the description of the current situation in part or the whole area under control. It could be generated from a specific demand of the user or from a warning-oriented performance of the system. Derived questions may be lsquo;what may happenrsquo; or lsquo;what to dorsquo;, but also there may be others asking for a description of the state of the environment, the state of the control devices/resources or explanations.
bull;
What may happen? In this case a description of foreseeable situations that may be possibly reached under different hypothesis would be obtained. The hypothesis or parameters associated to these queries may concern the area where the evolution wants to be studied, the environmental conditions to be considered (e.g. the best possible, the real ones or user defined) and the control actions (e.g. the active ones or user defined). Derived questions may ask for explanations or for a corresponding lsquo;what to dorsquo; query.
bull;
What to do? After any of the previous queries, the answer to this one provides a proposal of control actions to be taken to overcome a problematic situation. The parameters accompanying this query may refer to the part of the system where a solution is required, hypothesis/constraints on the availability of the control resources (e.g. none, predefined or user defined) and hypothes
全文共40231字，剩余内容已隐藏，支付完成后下载完整资料
基于知识的应急管理系统模型
摘要
本文提出采用先进的知识模型来支持环境应急管理，以适应当前的需求和技术。 描述体现了在不同类型的问题场景中管理紧急情况所需的知识部件的通用架构。 综合作为知识架构一部分的物理系统的仿真模型也被认为是足够的，从知识模型校准和应急人员培训的角度来看都是足够的。 通过将泛型模型应用于特定的真实世界问题，即Jucar流域地区（西班牙）的洪水紧急情况的管理已经证明了该方法的可行性。 这项工作是在欧洲委员会研究项目ARTEMIS框架下制定的。
关键词：知识架构; 应急管理; 决策支持系统
1.介绍
由于自然灾害或人为灾害造成的紧急情况管理，在技术和协调方面都需要足够的信息和经验丰富的应急人员。信息要求可能部分满足远程信息处理系统的发展，这使得可以建立集成传感器，通信和实时数据库的应用程序，以提供关于自然或人造设备的状态的原始信息，例如化学工厂或分水岭这样就可以提供大量可用于改善紧急情况管理的信息，这通常意味着在正确的时刻作出最佳决定。为了支持决策者对原始信息的评估，知识体系（KBS）是很好的候选人，因为他们能够整合从专家决策者那里直接获得的理论和常识。此外，KBS能够对其建议提供解释;这在任何紧急情况下都是至关重要的，因为责任人员在不充分理解的情况下不能作出决定。
在这方面，欧盟委员会研究项目ARTEMIS1显示了开发知识型应急管理系统的方法。除负责人员的专业知识模型外，还讨论了被监测物理系统的仿真模型。制定了最终系统的两个抽样模型，以表明该提案的可行性：其中一个在洪灾应急领域，另一个是管理由工业事故引起的紧急情况（如重气体分散）。
本文的内容从确定应急管理系统的一般人机交互要求开始。具体来说，定义与管理过程相关的与领域无关的一组问题。接下来，描述模拟和通用知识模型。然后，提出知识结构管理器（KSM）工具来实现所描述的知识模型结构。最后汇总了洪灾应急领域的模型。
2.应急管理方案中的用户系统交互
能够协助人类操作人员处理紧急情况的智能系统应能够就以下方面提供合理的结论：
bull;
其相关的可观察事件与其诊断相关，即安装或正在监测的区域的当前情况;
bull;
不同情况下情况的短期演变;
bull;
为避免问题或尽量减少其后果而采取的明智决定。
在这种情况下，根据充分的用户系统交互的重要性，这种类型的系统的设计可以从对话模型的规范开始（Hernaacute;ndez＆Serrano，2000）。该模型可能包含可以在用户和系统之间交换的问题和答案类别的集合，根据在一般情节（独立领域）负责的紧急情况的需要进行结构化。此结构的顶层可能包括三个主要类型的查询：
bull;
发生什么事？这种问题的答案可能是部分或全部受控区域的现状的描述。它可以从用户的特定需求或系统的面向警告的性能生成。派生的问题可能是“可能发生什么”或“如何处理”，但也可能有其他人要求描述环境状态，控制设备/资源或解释的状态。
bull;
可能会发生什么在这种情况下，可以获得可能在不同假设下达成的可预见情况的描述。与这些查询相关联的假设或参数可能涉及进化想要研究的区域，要考虑的环境条件（例如最佳可能的，真实的或用户定义的）和控制动作（例如活动的或用户）定义）。派生的问题可能会要求解释或相应的“做什么”查询。
bull;
该怎么办？在以前的任何一个查询之后，这个答案提供了一个提出采取控制措施来克服有问题的情况。伴随该查询的参数可以指需要解决方案的系统的部分，对控制资源的可用性的假设/约束（例如，没有，预定义或用户定义）以及主动控制动作的假设。
3.智能应急管理系统的要求
构建能够支持以往通用对话模型的智能系统需要开发两种模型：
bull;
仿真模型，模拟监督区域或安装的现实环境的行为;
bull;
知识模型体现了执行紧急情况监测和管理所需的概念方面和相应的推理方法。
第一种类型的模型对于验证和验证知识模型非常重要。显然，紧急情况管理系统只有在发生紧急情况或可能发生时才能使用。在现实世界中，这并不频繁。然而，人类组织和支持系统必须处于足够的条件，以便在所有可能的紧急情况下提供所需的答案。
为了实现这一目标，该方法是设计人造仿真模型的实际，足够灵活处理典型的应急管理信息环境。这些模型可以允许用户输入关于各种事件的信息，代表可能的紧急情况。使用人工现实模型提供的数据来操作知识模型也可能对于负责决策的人员团队进行培训。
3.1 现实的人工模型
被监测的区域或安装的环境可以通过表征其持续情况的变量的时间序列的值来表示。这些变量可以是：（i）数字，表示通过传感器和通信获得的措施;和（ii）定性，代表个人欣赏估计的措施。
因此，人为的现实模式应该能够产生这样的时间序列，同时考虑到以下事实：
bull;
在任何时刻，t产生的变量是一致的，即变量的同时值满足物理关系，表示正在表示的全局现象的时间横截面;
bull;
连续时间步长值之间的关系满足表示现象演变的物理条件。
那么，该模型可能包括：
bull;
表示同时数据一致性条件的一组约束;
bull;
一组约束建模因变量子集之间的因果关系（每个子集可能表征物理行为的一个方面）。这些约束集必须部分排列，因为初始原因可能会产生其他影响的原因等等。这种类型的几条链可能根据部分顺序结构是可行的。
这些因果模型应包括身体现象的行为模式及其对控制行为和民事保护行动的反应。一般因果结构，即从一系列原因产生一系列效应的过程总结在图1中。该图显示了不同级别的计算效果的方式。箭头表示将影响的原因与其他影响的中间效果相关的不同模型。该过程以可能通过应用低水平箭头所代表的行动影响模型而改变的预期影响结束。
3.2.在洪水管理的上下文中应用此模型可能需要以下类型的变量：
bull;
降水变量代表整合数据网络的每个荧光灯的降雨状态;
bull;
流量变量表示上流域河道网络流量;
bull;
控制装置状态变量代表门，泄漏等情况;
bull;
水位变量表示可能产生溢流的下游河流中的水位，或洪水演变中洪水平原的水位变量;
bull;
影响城市或道路影响的变量。
前三种类型的变量可能是数值的，最后两种可能是定性的。
相应的人工现实模型可以通过以下方式定义：
bull;
降雨量值表达降雨情况一致性的一系列限制（即区域A的降雨量不可能比邻近地区B降低一倍，如果下雨，则C降雨也会降低）。
bull;
表示上游河道网流域接收区降水影响的因果模型降水（t）→流量（t Delta;t）。约束可以表示预定义时间段内的降雨单位与通常称为单位水文图的区域排出的流量之间的关系。
bull;
因果模型流（t）→流（t Delta;t）表示河道网络中不同环节和下游流量的上游流量之间的关系。这种类型的模型在水文学中被称为Muskingum类型，其从输入水文图，链路的初始状态和由一些参数表示的链路信道的物理特性形成输出水文图的特征。所提出的约束系统可以定性地表示每个链路的水文图之间的关系，即河道网络中的流量路由。
bull;
因果模型流动→水位。这种约束条件表示：（1）同一时刻t段的流量与水位之间的度量关系; （2）下游下游河流到达时间的水位上游流量的影响。后者模拟了沿上游盆地流入产生的沿河下游水位变化的影响。
bull;
模拟水位→水位表示洪水波浪随时间变化在下游河段的传播。
bull;
模型水位（t）→影响（t Delta;t）表示一些时期河道水位与基础设施点之间的关系。这是对与河流和水位情况相邻的区域的影响的分类模型（例如，如果A的水位在接下来的1或2小时内为ge;T，则城市B的主要街道可能被洪泛在40厘米左右） 。
当推测出最终的影响时，可以建立模型的新组成部分，以模拟控制措施和民事保护行动对这些影响的影响。对于不同的可能动作，可以为每种类型的影响定义以下类型的因果模型：
全尺寸图像（lt;1 K）
一旦通过先前类型的约束集合来形成模型结构，它可以用于通过沿着模型中表示的因果关系的链传播给定时间序列的主要原因的影响来生成事件。通过应用每个因果子模型，可以获得满足约束条件的若干可能的效果值。当该模型被用于生成似是而道的事件时，将产生一个单一的随机解，满足将被用作下一个原因效应应用步骤输入的条件。
例如，在洪水的情况下，主要原因是流域不同地区的降雨时间序列。这个时间序列通过不同的约束模型传播，代表上游河道和接收区域之间的关系。这可能产生沿着网络的流动，其可以在某些重要点被翻译成水位，并且再次将水位转化为周围区域的潜在影响。在潜在的影响已经确定之后，操作人员可能会对控制和民事保护行动计划作出反应。这些计划可以通过一系列时间序列动作来描述，这些操作可以与当前的影响情况一起使用以产生新的影响情况。
4.应急管理的通用知识模型
一般来说，知识模型的设计基于一系列细化步骤，从能够达到目标应用目标的一般有效推理方法开始。 对于应急管理，有效的推理策略可能是：（i）识别不良情况; （ii）分析其原因和可预见的效果; （iii）确定为应对原因而采取的行动，以避免或减轻预期的不良影响。 这个推理序列可能不仅可以提供问题的答案，还可以为发生的情况以及可能发生的问题提供答案。
4.1.事件识别知识
这可以被定义为使用基于帧的表示形式主义表达的分层组织的预定义事件类别的集合。一旦观察到的事件被包含在层次结构中的某个顶级类中，则推断出附加的细节特征，这些特征用于识别事件的子类等等，直到达到最大特异性水平。根据与一些预定义事件的高匹配级别，该推理的输出可以包括几个潜在的发生情况。
4.2.影响估计知识
这描述了危险现象演变的一种情况。可以考虑两个层次的信息：
bull;
表征现象的物理演化的参数状态。这是沿着这些河道中的某些河道中的河道和水位的流动状态。
bull;
表征自然环境，社会环境，通信和运输网络相关要素情况的参数状况。水位可能会影响河流，水库或铁路网络的情况就是这样。
影响的推论可以通过以下推理方法来进行：
1）
从已知的当前状态开始，由状态参数值描述。
2）
外部行动短期演变的现象估计情况。洪水中的降水是自然的外部动作和人为因素的人为因素的控制决策，如水库的闸门控制。
3）
应用现象的物理行为模型，以获得状态参数值的短期演化估计。可以使用几种模型：（i）校准数值模型，在物理现象方程的整合之后提出最准确的预测。这种方法需要非常准确的可用数据用于初始状态和外部动作。如果不是这种情况，由于这些模型需要完全指定的数字输入，因此有必要生成代表模糊信息的可能数字组合的集合（通常是初始状态的演变的价值间隔和外部动作演变已知）。在这种情况下，推理过程将是非常低效的，因为代表性地评估环境组合的集合所需的组合数量增加了数值整合过程的复杂性。 （ii）使用基于约束的版本的定性模型来控制该现象的物理行为获得其可能的短期状态。这种方法更实际，因为在先前已经评论的模糊信息的情况下，这种类型的信息可以由使用由一组离散间隔描述的数量空间的定性模型进行管理。 （iii）可以通过根据环境条件参数标记的物理状态之间的转换图来为每种类型的现象提供仿真步骤的编译版本来定义以前方法的简化版本。这种类型的模型可以包括为不同的短期期间制定的过渡框架集合（即可能存在1小时过渡的知识库，2小时过渡...），其中参数数量确保合理的大小知识库。无论如何，如果需要的过程与估计参数的时隙相关联，那么可以使用这些模型的混合方法。如果需要的程序可以是定性或定量的模拟模型。这种类型的帧可以被读取为诸如以下的语句：如果初始状态是类A，而外部演化是类型B，则可以预期在C方面的演变。但也可以用于支持类型的问题：在下一个n小时内，在参数P1，P2中具有C级，外部参数E1，E2应发生E2类型（包括人为决策）。因此，帧的知识内容对于预测评估和控制决策估计是有效的。
一旦知道状态参数的演变，就评估影响。为了达到这个最终目标，可以应用通过将现象状态与影响级别之间的关系映射到重要因素而组织的知识库。由于影响接收器区域是预先定义的，因此可以使用从可预测情况导出的每个相关元素中评估影响级别的规则库。这是一个重要的方面，因为考虑到应用的预测的简单性，可能会发生预测不同的未来情况场景。为了评估某一特定点的潜在影响，必须包括每个场景的可能影响。这是必需的，因为如果所有预测的现象情况产生状态参数，从中可以推导出元素中的影响，则该元素可能比仅受一种可能情景影响的另一元素运行更多的风险。
总而言之，可以在影响估计知识中区分两类知识：（i）预测各种事件演变的知识;和（ii）评估影响的知识。
4.3.紧急行动知识
用于提出在以下几个方面做出决定的建议：责任分配，民事保护，技术控制和道路网络管理。为每个这些活动定义不同的知识单元，推理过程可以包括对每个活动的顺序调用。
bull;
责任分配知识单位可以是作为具有两个推理层次的规则基础的主要知识单位：首先，推导出受影响的组织和服务，然后确定每个组织和服务中的负责人。
bull;
民防行动知识单位可以分为三个部分：消防队，疏散知识和卫生知识。推理程序可以根据情况的特点来决定需要参与紧急行动的部分（例如，可能发生某种情况不需要消防队，而只是撤离或卫生行为）。这些民事保护知识部分中的每一种通常可以使用规则来制定，尽管也可以应用基于案例的推理方法。在这种情况下，可以使用预定义的应急计划的集合，并
全文共11446字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[144662]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
