基于案例推理的铁路枢纽站应急预案管理

贺清

（兰州交通大学 自动化与电气工程学院，讲师，甘肃 兰州 730070）

目前，国内各车站处理紧急事件仍沿用传统的纸质文本式预案，经常靠开会和电话进行沟通，由指挥人员在短时间内临时决定，没有很好地利用以往实际事故或紧急情况的经验，缺乏科学性和合理性，难以有效地应对车站的突发性事件［1］。因此，采用恰当的方法，对车站应急预案进行管理，是从根本上提高应急处置能力、减少人员伤亡和财产损失的关键。

在发达国家，应急决策已成为维持车站能够正常运行的重要支撑体系之一。例如美国、欧盟、日本等都已建立了运行良好的应急决策管理体制，包括应急决策法规、管理机构、指挥队伍、应急队伍和资源保障等方面，形成了比较完善的应急决策系统。中国铁路运输业在近几年得到了快速的发展，但大型枢纽站的设备、设施以及管理水平均落后于发达国家和地区。在处理紧急情况时应急决策和能力明显不足，主要表现在缺乏统一有效的协调指挥机制；应急管理薄弱，应急反应迟缓；应急救援队伍力量分布不合理；应急装备落后，救援能力有限；应急管理法制基础工作相对滞后等。

目前，国内关于枢纽站应急决策的研究还不多，北京交通大学张瑞博提出了基于多层次模糊综合评判的铁路应急预案评价方法；贾利民等提出基于随机Petri网的铁路应急预案的建模方法，得到铁路应急仿真模型［2］。上述文献针对应急决策系统的搭建、方案的决策、应急预案模型的构建以及铁路灾害预警的内容进行了研究，而要有效地提高车站应急反应能力，应急预案的作用也不容忽视。本文构建基于案例推理的枢纽站应急决策模型，利用XML技术来表示案例和构造案例库，采用两两比较打分法和全局相似度算法，对已有应急预案进行检索与匹配，为处置突发事故提供决策支持。

1 模型建立

1.1 建立模型所运用的方法 案例推理（CBR）是用先前求解问题的经验和方法，通过类比和联想来解决当前的相似问题，反映人类认知过程中根据过去经验和方法进行推理求解，从失败或成功中进行学习的特征［3］。目前CBR已被广泛应用于多个领域，并取得很好的效果，而其在铁路枢纽站应急管理领域中的应用研究还十分欠缺。处理车站紧急突发事件不是一个简单的过程，需要铁路局各部门的共同参与。一方面，事件的发生具有随机性、模糊性、不确定性；另一方面，在以往的车站突发事件处理过程中，已经积累了不少丰富的经验，存在很多实际的案例。这2个方面都符合CBR方法的使用特征，因此，采用CBR设计并实现枢纽站应急预案管理是可行的。

1.2 铁路应急预案决策模型的组成 基于CBR枢纽站应急决策方法的核心思想，就是借鉴以往处理事故的经验来解决当前的相似问题。铁路应急预案决策模型主要有案例表示、案例检索与匹配、案例调整、预案执行、案例学习等5个主要部分组成，如图1所示。

图1 铁路枢纽站应急预案决策模型

1.2.1 案例表示 采用一定的表示方法描述当前应急事件的状况，形成目标案例。

1.2.2 案例检索与匹配 从案例库中检索出与当前问题在特征属性上相似或对当前事故有启发和指导意义的案例，形成候选案例集；分别计算候选案例与当前案例相似度，选出最有参考价值的案例作为检索结果。

1.2.3 案例调整 为使检索得到的案例能够适合当前事故的需要，根据两者间的差异，对案例进行有针对性地调整，最终得到有效预案。

1.2.4 预案执行 在预案执行过程中，如需使用各种资源，则先判断现有资源是否满足数量和质量要求；否则需要及时调拨其他可用资源。

1.2.5 案例学习 将当前成功解决问题的案例或处理失败后经过修改并有效评估的案例纳入预案库中，当再次发生相似事故时就可直接调用。

2 应急预案决策模型的设计

2.1 案例的表示 案例表示是案例推理的基础，合理的案例表示方法有助于提高案例检索的速度和精度。随着各种类型突发事件的发生，案例将会越来越多，积累的经验将越来越丰富，案例的结构也将越来越复杂。为了能有效地管理数量庞大、结构复杂的案例，使其能被高效地操作，本文利用XML（可扩展标记语言）在对象描述与可计算性方面的优势，将CBR与XML结合在一起，提出以XML文档的形式表示案例，采用层次型结构，使用标志和属性来描述案例［4］。

基于XML的案例表示模型中，描述1个案例需要定义3个文档。3个文档间存在1个逻辑层次关系，模式定义文档验证案例结构描述文档，而验证通过的结构文档则用于验证案例实体文档，如图2所示。

图2 基于XML案例表示模型

其中，模式定义文档采用XML Schema来描述，提供文档的规则、用什么标记符、标记符的属性及之间的关系。案例结构描述文档用来描述研究领域的案例层次结构。描述案例实体的XML文档则包括以下内容：

1）案例类别为有效地组织案例库中的案例，需对案例进行分类，方便索引和检索。

2）案例特征分为必备特征和可选特征。必备特征是在推理过程中起重要作用、与决策结果有因果关系的特征；可选特征是为了更加全面地描述并区分不同的案例。

3）案例结果案例对应的处理方法或结论。

2.2 案例库的构造 一个系统所包含的案例越多，则拥有的知识越丰富，但案例检索的速度受到影响，因此必须合理地组织案例库来提高检索速度。XML面向数据，用于描述数据本身的性质、结构以及数据之间的关系并能存储下来，因此，XML可作为表示和存储数据的手段。XML文档的层次型结构与预案库的结构相对应，文档中的节点自定义功能则可用来描述新的案例。

为方便案例检索，将枢纽站应急决策案例分为列车紧急事件预案和非列车紧急事件预案。通过研究，得出案例表示的特征属性包括应急响应等级、事故发生地点、事故原因类型、天气环境。事故的解决方案包括接警并通知各相关部门、资源的集结准备、现场指挥和协调以及后期处置4个步骤。列车紧急事件预案特征属性的层次结构（见图3）与非列车紧急事件预案特征属性的层次结构设计基本相同，只是在事故原因上有所区别。

图3 列车紧急事件预案特征属性层次结构图

2.3 案例的检索与匹配

2.3.1 权重的确定 为保证案例检索的准确性，需根据每个特征属性的相对重要程度确定权重系数，权重设置的合理与否对案例检索结果有很大的影响。目前，确定权重的方法主要有目标最优法、层次分析法、主观赋值法、频数统计法等。本文采用两两比较打分法来确定枢纽站应急预案中特征属性的权重。

根据图3所示的层次结构，对列车紧急事件预案的4个特征属性，即应急响应等级、事故发生地点、事故原因类型、天气环境两两比较打分。具体指标之间的两两比较，采用专家咨询法进行。比较各指标的重要性构造判断矩阵（见表1），计算求得矩阵的最大特征根，一致性比率CR=0.015<0.1，所以判断矩阵满足一致性检验。因此，4个特征属性的权重分别为：0.319，0.175，0.411，0.095。

表1 特征属性的权重值

2.3.2 相似度的计算 案例检索需达到2个目标：一是检索出的案例应尽可能少；二是检索出的案例应尽可能与当前案例相似或匹配。为提高案例检索的精确度，本文提出了一种基于全局相似度的案例检索算法。其算法描述如下：

1）局部相似度计算。

①确定数属性。这类属性用数值表示，如应急响应等级。确定数属性的相似度采用基于海明距离公式的相似度计算方法，如式（1）所示。

式中：sim（Xi，Yi）表示案例 X和 Y的第 i个确定数属性的相似度；

Xi、Yi分别表示案例X和Y的第i个属性的值；

maxi和m ini分别表示第i个属性的最大和最小值。

需要说明的是，每种类型的属性需要已知该属性的取值范围。

②确定符号属性。确定符号属性值属于简单枚举值，如事故发生地点。它列举了该属性所有可能的取值，属性值之间不存在实际意义的量的关系，相似度计算式为

③模糊属性。对于模糊概念、模糊数或模糊区间类模糊属性，采用隶属函数来计算属性间的相似度。本文采用基于梯形的模糊集合来模拟模糊属性［5、6］，其形状函数可以表示为

式中：A代表模糊集合的对应隶属函数的面积；

xi∩yi代表两个模糊集合的交集。

2）结构相似度。首先，计算源案例和目标案例的非空属性构成的集合，记为A和B，计算交集C和并集D，设C和D中所有属性的权重之和分别为和，得到案例和的结构相似度S为

通过结构相似度算法解决属性值为空时相似度的计算，避免因属性值缺失无法进行比较的问题。

3）案例全局相似度。案例全局相似度定义为

3 仿真实例

以某枢纽站在列车进入车站的过程中在站内紧急停车为例，因当前事故与列车相关，则直接索引到列车紧急事件应急案例库中。此案例库中存有6个历史案例：C1=列车在进站信号机外方紧急停车，C2=列车在道岔咽喉区紧急停车，C3=列车进站过程中紧急停车，C4=列车通过车站时紧急停车，C5=列车在驶出车站时紧急停车，C6=列车在刚启动时紧急停车。每个案例中都包含有处置该紧急事件的处理方案。

3.1 局部相似度的计算 选取4个特征属性即应急响应等级、事故发生地点、事故原因类型、天气环境，以 C1，C2，C3，C4，C5，C6这6个具体案例来匹配当前事故（用C表示），计算得到各历史案例的局部相似度，如表2所示。

表2 4个特征属性的局部相似度

3.2 全局相似度的计算 由表1得到4个属性的权重依次为：0.319，0.175，0.411，0.095，计算C1与当前案例C的全局相似度为sim（C1）=1×（0.319×1+0.175×0.25+0.411×1+0.095×1）=0.869。

同理得sim（C2）=0.494，sim（C3）=0.283，sim（C4）=0.458，sim（C5）=0.589，sim（C6）=0.378。通过比较各案例整体相似度的大小，可得知当前事故C与案例库中C1相似。因此，解决当前紧急事件的办法可依据C1中记录的解决方案。在具体执行过程中，如设备配备、人员需求调配等问题，需根据当时实际情况，结合专家意见进行适当修改调整，最终确定处理当前紧急事件的解决方案。

4 结束语

本文基于案例推理方法建立枢纽站应急预案决策模型，针对车站紧急事件原因复杂的特点，将应急预案的案例分为列车紧急事件预案和非列车紧急事件预案2类，研究探讨了2类预案特征属性的层次结构，采用XML技术来进行案例表示，以两两比较打分法和全局相似度算法实现案例的检索与匹配，并通过实例进行了验证。目前，铁路枢纽站的应急决策案例非常有限，为使建立的预案库具有实际的应用意义，需不断地对案例库进行完善和补充，为应急决策积累丰富的经验，借鉴其他国家有效处置车站紧急事件的措施方法，提高应急预案的管理水平和应急决策的效率。

［1］王子洋，张颖，赵忠信，秦勇，贾利民.铁路应急预案质量控制技术研究［J］.物流技术，2010，23（3）：30-32.

［2］艾厚文，贾利民，秦勇，蔡国强.基于随机Petri网的铁路应急救援流程化分析［J］.铁路计算机应用，2008，17（7）：9-11.

［3］张成涛，孙义，张德政.基于XML的案例推理技术及其在生产调度中的应用研究［J］.微计算机信息，2006，22（3/2）：256-258.

［4］成瑞华.XML在案例推理的应用［D］.北京：北京科技大学，2007.

［5］张本生，于永利.CBR系统案例搜索中的混合相似度方法［J］.系统工程理论与实践，2002，22（3）：131-136.

［6］李玲娟，汤文宇，王汝传.基于XML的案例表示和案例库构造方法［J］.计算机应用研究，2007，24（11）：70-73.

［7］LI YAN，SHIU C K，PAL SANKAR K.Combining feature reduction and case selection in building CBR classifiers［J］.IEEE Transactions on Know ledge and Data Engineering，2006，18（3）：415-429.

［8］杨健，杨晓光，刘晓彬.一种基于k-NN的案例相似度权重调整算法［J］.计算机工程与应用，2007，43（23）：8-11.