突发性大气污染事故移动应急系统关键技术研究

邬群勇， 唐曙光， 黄君毅， 孙振海

(1. 福州大学空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心， 福建 福州 350002； 2.军事医学科学院科技部， 北京 100071)

突发性大气污染事故移动应急系统关键技术研究

邬群勇1， 唐曙光1， 黄君毅1， 孙振海2

(1. 福州大学空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心， 福建 福州 350002； 2.军事医学科学院科技部， 北京 100071)

针对突发性大气污染移动应急系统中存在数据组织和管理困难、 应急模拟结果传输和可视化效率低， 以及人员撤离指挥不及时等问题展开研究， 设计大气污染移动应急系统的数据管理方式. 分析移动应急数据的可视化流程， 提出利用JSON解决空间数据的传输与移动端的可视化等问题. 设计基于位置驱动的人员撤离路径规划策略， 提出利用缓存技术、 位置驱动、 消息推送技术等方法增强移动终端和数据中心的交互能力， 提高应急人员指挥撤离和救援调度等问题. 最后， 设计并实现基于Android平台的突发性大气污染移动应急系统， 并进行测试， 验证突发性大气污染移动应急关键技术解决方案.

突发性大气污染事故； 移动应急系统； 空间数据; 可视化； JSON

0 引言

突发性大气污染事故往往会造成巨大的经济损失和人员伤亡， 如何加强对此类突发事件的应急处理能力， 尽可能地减少突发事件造成的损失， 已引起各国政府和社会各界的广泛关注. 许多学者对人员撤离和资源调度等应急关键技术展开研究， Pauwels等[1]基于效用分析和敏感性分析方法， 探讨了核泄漏事故中撤退疏散问题； Rahman等[2]基于中心选址P-median模型和最大覆盖MCLP模型， 探讨了给定区域内资源优化分配问题； Graber等[3]基于群决策的方法， 探究了毒气泄漏的即时模拟模型； Mould等[4]研究海上石油钻井平台的人员逃生仿真模型， 探讨人员疏散和撤退问题； 李元佳等[5]基于贝叶斯决策理论， 探讨核事故中、 晚期决策优化问题， 为核事故应急决策优化提供一种新的方法， 利用运筹学规划方法， 研究应急资源调配和应急疏散问题； Serafini等[6]基于动态规划原理， 对最小风险路径进行探讨， 并给出相应的数学模型； 陈文君等[7]通过分析突发性大气污染事故应急监测系统建设过程中对于多种空间对象的定位与查询、 大气污染危险区界定、 监测数据的表达与分析这三处包含空间位置信息处理的关键技术， 构建突发性大气污染事故应急监测系统； 江辉仙等[8]采用高分辨率遥感影像、 各种敏感目标和人口的分布信息等空间数据， 利用事件触发机制， 建立基础数据库与虚拟现实仿真试验平台， 用以快速高效地为城市突发性泄漏污染事故的模拟、 应急救援提供数据验证和决策辅助支持. 这些技术都是基于客户端的方式很难应用于突发性大气污染的应急现场指挥.

突发性大气污染移动应急现场指挥系统是建立在移动通信网络环境和移动终端下的一种移动应急系统. 由于移动通讯网络传输速率差， 移动终端的计算、 存储和可视化能力有限， 因此在移动应急现场指挥系统建设中， 需要综合考虑， 设计合适的数据组织、 传输和可视化以及应急策略.

针对以上问题， 从移动端与服务器端应急数据的组织方式、 服务器端计算出的结果在移动端的可视化， 移动端应急撤离的有效路径三个关键技术问题入手展开研究. 研究移动应急数据管理与可视化方法以及移动应急人员指挥撤离等关键技术， 提出利用缓存技术、 位置驱动、 服务器推送技术等方法改进移动终端和数据中心的交互方式， 改进移动终端与服务中心的数据组织与可视化方式， 为大气应急现场的数据采集和指挥调度提供一种新的解决方案.

1 移动应急数据的组织方式

在移动应急系统应用中， 通常需要接收来自服务器的大容量数据和传送移动终端的现场数据， 而目前移动终端的网络状况通常是移动网络， 速度较低， 同时移动终端设备通过存在CPU运算速度相对较低、 内存较小、 显示屏分辨率小等硬件条件的限制， 这对移动应急系统的开发提出更高的要求. 因此需要考虑移动应急大数据量传输与移动终端硬件以及移动网络压力的问题， 充分利用数据逻辑组织的高效性以弥补硬件平台的不足， 合理利用资源， 尽量减少资源的消耗， 包括CPU运算量、 内存和外存的消耗， 尽可能地提高效率， 实现移动应急数据的快速显示以及高效的检索速度[9].

将移动应急数据的组织方式按移动端和服务器端两种方式分别组织. 其中， 移动端应急数据主要包括： 基础地理信息数据、 离线路网数据、 应急辅助数据、 科学模拟数据等. 其中： 基础地理信息主要包括行政区划、 地名、 水系等； 离线路网数据是方便移动设备在没有网络或者网络情况不好的情况下， 可以提供最短路径的检索； 应急辅助数据包括避难点和医院等信息， 方便在移动端对一些避难点、 医院等设施的查询； 科学模拟数据主要为服务器端经过模型计算、 渲染后的数据， 主要包括浓度数据、 伤亡概率、 伤亡人数， 格式为JOSN (javascript object notation)， JOSN是一种轻量级的数据交换格式. 服务器端主要负责模型和地理服务的运算[10]， 其数据分为科学模拟数据[11]、 应急辅助数据和路网数据， 路网数据主要分为最短距离分析的数据和考虑到最短时间的分析数据. 具体组织方式如表1所示.

表1 应急数据的组织

续表1

组织方式类别数据类型存储方式备注服务器端数据的组织科学模拟数据栅格数据.grd浓度场、伤亡人数、伤亡概率等路网数据网络数据集网络数据集road_ND应急辅助数据点、线、面等矢量数据FeatureClass救援力量(消防、公安、部队)、医疗机构、避难场所、救助物资等空间分布图

2 科学模拟数据的终端可视化

图1 应急数据可视化流程

服务器端接收到移动终端发送的污染相关信息和现场相关数据后， 利用Gaussian Model大气污染扩散模型计算出污染物在某一时刻扩散的时空分布数据[12]， 其为离散的点的文本数据. 移动终端通过请求污染事故发生后某个时刻的污染扩散情况， 服务器端能够把相关的信息返回， 移动终端才能很好地展示某一时刻大气污染扩散情况. 在数据的传输过程中， 直接传输图片数据量大， 影响传输效率、 而直接传输模型数据， 无法在移动终端可视化， 故采用JSON的科学模拟数据可视化策略， 具体的流程如图1所示.

3 基于位置驱动的人员撤离路径

3.1 撤离路径流程

在移动应急快速反应中， 人员撤离是最重要也是最紧张的阶段[13]， 好的撤离方案能够减少人员伤亡. 在人员撤离路径生成中， 突发性大气污染事故发生位置、 科学模拟的大气污染范围以及相应的避难点直接影响人员撤离路径生成. 在避难点和最优路径选择的基础上， 提出基于位置驱动的人员撤离路径生成方法， 具体流程如图2所示.

图2 人员撤离路径生成流程

3.2 基于服务区域分析的避难点选取和推送

在避难点的选取过程中， 首先根据污染范围， 得出在污染区域以及周边一定范围内的避难点， 根据泰森多边形算法计算出每个避难点所在的泰森多边形， 即为避难点的服务区域； 然后根据用户所处的位置， 将其与避难点的服务区域进行空间叠加分析， 得出用户所处避难点的服务区域； 最后， 通过消息推送机制把信息推送到客户端， 方便人员选取合理的避难点位置信息.

1)利用泰森多边形对避难点的服务区域进行分析. 建立泰森多边形算法的关键是对离散数据点合理地连成三角网， 即构建Delaunay三角网. 建立泰森多边形的步骤可以参考文献[14]. 利用避难点来构建Delaunay三角网， 根据每个避难点的相邻三角形， 连接这些相邻三角形的外接圆圆心， 得到泰森多边形， 即为避难点的服务范围.

2)基于服务区域分析的避难点选取和推送. 在应急过程中， 服务器端获取到用户所处的位置， 将其与避难点的服务区域进行空间叠合分析， 通过消息推送技术把合适的避难点推送到移动终端， 便于应急指挥人员对避难点的选取.

3.3 基于位置驱动和路权模型的人员撤离路径的生成

在事故发生时， 如果不能确保人员安全迅速疏散， 往往会造成严重后果， 危及人民群众的生命安全. 特别是对于较为常见的人口密集区域的大气污染事件， 由于污染扩散速度快， 造成的危害大， 可用的疏散时间短， 在人群聚集比较严重的情况下， 尽快地选择安全且疏散时间短的路线， 是应急指挥人员有效决策的重要保障. 最短距离分析与实时交通状况无关， 只与交通网结构有关. 时间最短分析， 与实时交通状况有着密切的关系， 需要建立路权模型[15].

大气污染应急工作中， 利用路权模型在时间最优上进行分析， 通过路权函数表示某一条道路的行使时间. 路权函数指路段行使时间与该路段交通负荷之间的函数关系. 在实际救灾工作中交通情况非常复杂， 通常会采用一种半理论、 半经验的路权函数计算方法， 这种方法是根据流量、 车速、 密度3个参数， 确定路权函数理论模型[16].

式中：T(i,j)为[i,j]路段上的救援车辆行使时间；L(i,j)为[i,j]路段的路线长度；v(i,j)为[i,j]路段的实际车速.

式中：Uo为交通量为零时的车辆行驶速度；Q(i,j)为[i,j]路段上的交通量；Km为路段阻塞密度； 当路段的交通状态处于非拥挤状态时， 根式前取“+”号； 当路段处于拥挤状态时， 根式前取“-”号； 当路段处于堵塞状态， 则可以认为此路段设置了路障， 不便于通行， 从而方便选择其余的路段.

路段阻塞密度的计算公式为：

式中：γ为混合交通状况影响的折减系数；C为交叉口影响修正系数；n为单向机动车道数；L为平均车身长度， m；Lo为平均阻塞车间净距， m.

交通量为零时的路段车速Uo， 可根据路段设计车速vo， 进行混合交通影响修正与车道宽度影响得到， 其公式为：

式中：γ为混合交通状况影响折减系数；η为车道宽影响系数；vo为路段设计车速, m·s-1.

综上所述， 在最优路径生成的方法上， 通过位置驱动机制得到应急指挥人员的地理位置， 通过选择合适的避难点， 利用Dijkstra算法和路权函数理论模型进行最优路径的分析， 得出距离最短路径或者时间最优路径， 应急指挥人员可以根据当时的实际情况选择合适的最优路径进行决策.

4 实验举例

服务器端采用Gaussian大气污染扩散模型得出某一时刻的污染扩散范围， 根据模型计算的数据渲染出某个时刻污染的扩散状况， 并提供危害评估报告， 以供决策人员的使用. 本研究主要实现了移动终端的污染数据的可视化以及应急路线的生成， 可供现场应急指挥人员进行临时的决策与指挥.

4.1 系统架构

根据应急系统中移动端与桌面端协同操作的实际需求， 设计的应急救援平台总体框架如图3所示：

1)表现层. 包括客户端/服务器系统， 重点在移动应急系统， 桌面端系统见文献[11-12].

2)应用层. 该层是直接与表现层数据交互的部分， 提供了多种方式的交互接口， 既有普通PC的接入， 也有通过“移动终端+无线网络”的接入方式. 本文主要研究移动终端与服务器端进行数据交互的关键问题， 其中主要包括： ①地图的展示； ②撤离路线， 根据合适的方案选择最优的撤离路线； ③位置服务提供应急人员的位置信息； ④应急调度， 提供救援车辆及物资的及时调配； ⑤应急模拟， 根据事故的信息， 通过模型在服务器端进行大量的科学计算并渲染得到大气污染的扩散情况.

3)服务层. 服务层是整个集成框架的核心， 起着承上启下的作用. 向上， 服务层与应用层交互， 为应用程序提供数据和功能服务； 向下， 与数据层交互， 获取各种服务所需的数据. 一般而言， 数据都需要通过功能或模型的操作才能为应用层的各个子系统所用， 因此， 体现在这一层的服务大部分都是功能性的服务， 如网络分析、 服务区域分析、 避难点选取等.

4)数据存储层. File数据主要是模型计算后的一些结果数据； Img数据主要是服务器端对模型计算后的数据进行渲染后得到的浓度场、 伤亡人数、 伤亡概率数据等的结果数据； 空间数据库存储该区域的基础信息地图， Geodatabase数据主要是离线的路网数据， 提供离线最短距离路径的查询； 地址定位器主要是存储在服务器端供在线的避难点查询检索也可以离线存储在移动端以减少网络传输压力.

图3 系统总体框架

4.2 系统实现

以Eclipse作为开发工具， 采用ArcGIS Server平台作为地理信息支撑平台， 按照移动应急数据组织的方式进行移动应急数据组织， 服务器端集成大气污染扩散模型. 移动端借助ArcGIS Object 10.2二次开发组件进行服务扩展， 集成科学模拟数据可视化与应急撤离方案， 实现突发性大气污染移动应急系统. 具体界面以及人员撤离模拟如图4所示.

(a) 污染扩散的可视化

(b) 距离最优展示

(c) 时间最优展示

图中红线形成的多边形为避难点的服务区域的边界， 在污染区域的左侧即红线左侧的区域的人员建议向23号避难点撤离， 对于右侧落在第6号避难点服务区域的人员， 建议向6号避难点撤离.

5 结语

将移动GIS应用到大气污染应急系统当中， 设计移动大气污染应急平台， 给出一种应急数据的组织方式、 科学模拟数据终端可视化方法和流程， 以及基于位置驱动的人员的撤离路径生成方法. 在应急数据组织方面， 合理地将应急数据在移动端和服务器端进行组织， 以便于快速调用与展示； 在污染扩散可视化方面， 通过服务器端解析模型数据， 移动终端能很好地展示污染物的扩散范围和浓度； 在应急撤离路径选择上， 以空间数据库和模型为基础， 对距离最短、 时间最短综合考虑， 实现了污染区域避难点以及撤离路径方案的选择， 提高人机交互能力， 具有良好的实用价值.

[1] Pauwels N, Van De Walle B, Hardeman F,etal. The implications of irreversibility in emergency response decisions[J]. Theory and Decision, 2000, 49(1): 25-51.

[2] Rahman S, Smith D K. Use of location-allocation models in health service development planning in developing nations[J]. European Journal of Operational Research, 2000, 123(3): 437-452.

[3] Graber W K, Gassmann F. Real time modelling as an emergency decision support system for accidental release of air pollutants[J]. Mathematics and Computers in Simulation, 2000, 52(5): 413-426.

[4] Mould G I. Assessing systems for offshore emergency evacuation[J]. Journal of the Operational Research Society, 2001, 52(4): 401-408.

[5] 李元佳, 张春粦, 宋溢澄. 贝叶斯决策理论在核事故中、 晚期应急决策优化中的应用[J].暨南大学学报: 自然科学与医学版, 2003, 24(1): 1-6.

[6] Serafini P. Dynamic programming and minimum risk paths[J]. European Journal of Operational Research, 2006, 175(1): 224-237.

[7] 陈文君, 陈锁忠, 都娥娥, 等. 突发性大气污染事故应急监测系统的设计与开发[J].地球信息科学学报, 2011, 13(1): 65-72.

[8] 江辉仙, 黄达沧, 林广发. 街区突发性泄漏的气体扩散过程仿真技术的集成试验[J]. 地球信息科学学报, 2011, 13(5): 637-643.

[9] 田根, 童小华, 张锦. 移动地理信息系统数据模型与3S集成关键技术[J]. 同济大学学报:自然科学版, 2006, 34(11): 1 556-1 562.

[10] 张攀攀, 王义祥, 邬群勇, 等. GIS与大气环境模型的集成及其应用[J].环境科学研究, 2010, 23(5): 575-580.

[11] 王义祥, 孙振海, 张攀攀, 等. 基于GIS空气质量模拟结果的表达方法研究[J].地理与地理信息科学, 2011, 27(2):46-49.

[12] 陈秋萍, 邬群勇, 马亨冰. 一种基于GIS的突发性大气污染事故推演数据生成方法[J].自然灾害学报, 2013, 22(6): 195-202.

[13] 丰江帆, 李林, 杨富平, 等. 面向震害应急的移动 GIS 关键技术研究与应用[J]. 计算机工程与设计, 2010(22): 4 936-4 938.

[14] 胡鹏, 黄杏元, 华一新. 地理信息系统教程[M]. 武汉： 武汉大学出版社, 2002.

[15] 侯燕, 贾艾晨. 基于ArcEngine洪灾避难路径选择可视化方法研究[J]. 水利与建筑工程学报, 2009, 7(4): 60-63.

[16] 李发文. 洪灾避迁决策理论及其应用研究[D].南京: 河海大学, 2005.

(编辑： 蒋培玉)

Research on key technology of mobile emergency system for emergency air pollution accident

WU Qunyong1,TANG Shuguang1, HUANG Junyi1, SUN Zhenhai2

(1. Key Laboratory of Spatial Data Mining and Information Sharing Ministry of Education，Spatial Information Research Center of Fujian Province， Fuzhou University, Fuzhou, Fujian 350002, China;2. Ministry of Science and Technology, Academy of Military Medical Science, Beijing, 100071, China)

Sudden air pollution mobile emergency system is facing some difficulties such as data organization and management is unreasonable, emergency simulation results propagation delay and difficult to visualize. Meanwhile there is a command not timely evacuation and other issues. Paper a study of these problems, design data management of air pollution mobile emergency system. Analysis of the visual process mobile emergency data presented use JSON to resolve transmission and mobile end visualization and other issues of spatial data, design the evacuation path planning strategy based on the position of the driver's personnel, made use of caching technology, location-driven message push technology and other methods to enhance ability to interact with mobile devices and data centers to improve the emergency evacuation and rescue command staff scheduling and other issues. Finally, the emergency air pollution emergency mobile system was designed and completed, and then tested. The test results show that: using the key technique proposed in this paper, the system can realize the emergency air pollution accident fast, effective evacuation, the system can achieve rapid, effective evacuation when a sudden air pollution accident.

sudden atmospheric pollution incidents; mobile emergency system; spatial datfa; visualization; javascript object notation

2014-05-19

邬群勇(1973-)， 副研究员, 主要从事地理信息系统及其应用方面的研究， qywu@fzu.edu.cn

国家863计划(2012AA022007); 福建省自然科学基金助项目(2011J01168)

10.7631/issn.1000-2243.2015.06.0783

1000-2243(2015)06-0783-06

TP391

A