基于本体的公共危机事件情景模型研究

戎军涛 王莉英

〔摘 要〕[目的/意义]基于本体的公共危机事件情景模型研究旨在给应急决策者创造熟悉的环境和场景，引导和支撑应急决策者适应和了解当前态势，进行有针对性的决策行动。[方法/过程]从知识管理的角度提出了支持政府危机决策的情景构建体系，运用本体论的思想与方法构建了危机事件情景模型，并对其特征及应用价值进行了具体分析。[结果/结论]研究表明，基于本体的公共危机事件情景模型以危机情景为描述对象，以本体作为知识组织体系的描述手段，以情景知识元素作为语义单元，以语义知识网络作为情景表现形式，具有语义分析能力和推理能力，能够有效支持政府危机预警、监测、指挥、评估等管理系统。

〔关键词〕情景-应对；政府危机决策；知识管理；公共危机

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）06-0050-06

〔Abstract〕The research on scenario model of public crisis events based on ontology is in order to guide and support the emergency decision makers to adapt and understand the current situation in view of targeted decision action，through creating a familiar environment and scene.This paper put forward the scenario construction system for government crisis decision-making from the angle of knowledge management，built the public crisis event scenario model based on ontology，and gave a detailed analysis of its characteristics and application value.The results showed that the scenario model with semantic analysis and reasoning ability could effectively support government crisis management system for early warning，monitoring，command，evaluation，by means of ontology as KOS，scenario knowledge element as the semantic unit，semantic knowledge network as the scene form.

〔Key words〕scenario-response；governments crisis decision-making；knowledge management；public crisis

危机始终伴随着人类文明的发展历程。危机可分为一般危机和公共危机。公共危机事件往往前兆不充分，具有明显的复杂性特征和潜在的次生衍生危害，而且破坏性严重，影响范围广泛，需要政府在时间压力和不确定性极高的情形下做出关键性决策。进入21世纪以来，人类社会发展与能源资源、生态环境之间的矛盾日益突出，全球化浪潮使得民族、宗教与文化的冲突加剧，这给我国的政治经济文化生活以及正常社会秩序带来了相当的冲击，对我国各级地方政府的公共危机管理提出了新的要求和挑战。

对公共危机事件进行有效预警、预防、应急处置、救援救助和灾后恢复重建，是政府公共危机处置能力的重要体现，是政府公共危机管理水平的核心标志。由于公共危机的突发性、罕见性、演变的不确定性以及难以预测等特性，使得传统的“预测-应对”型风险管理模式失灵，导致政府危机决策难以应对。由于公共危机事件具有“情景依赖”性，使得情景成为政府危机决策的基础，构建“情景-应对”模式已经被广泛应急领域学者认可。本项目研究针对公众突发事件的可能前兆和事件演化过程中的海量、异构、实时数据，进行了情景建模，通过对公共危机事件复杂场景的分解和识别，构建了公共危机事件情景模型，给应急决策者进行有针对性的决策行动提供了情报支持。

1 研究现状

针对政府危机决策中的信息与知识管理问题，国外学者给予了较早的关注。1998年，罗伯特·希斯（Robert Heath）在《危机管理》中提出危机管理框架结构（CMSS）由信息和决策两个部分组成，其中信息部分包括信息整理部（INCO）、公众与媒体部（PUMO）、咨询形象管理部（IMMO）等[1]。2001年Sherif Kamel在《将决策支持系统用于危机管理》中强调决策支持系统在危机管理中有着重要的作用[2]。Zhang等（2002）提出一个面向危机减灾与救援决策支持的知识管理框架[3]。2004年，美国安全技术研究机构（In-stitute for Security Technology Studies）的一份报告《危机信息管理软件（CIMS）的互用性》指出了危机信息管理系统之间的互用性，并认为借助危机信息管理软件可以管理许多应急组织（Emergency Organization）内的关键信息流[4]。Raman（2006）使用wiki技术设计并实现了一个基于web的高校突发事件预测、预警知识管理系统[5]。

近些年来，国内有关政府危机信息与知识管理研究开始兴起，发文量激增。王传清、毕强针对政府信息管理系统分散、缺乏联动和沟通的不足，构建了一个政府危机管理信息系统模型，并分析了各子系统的功能[6]。李晓燕提出了危机处理中知识管理框架的内容，为决策支持系统的建立提供了借鉴。沙勇忠、张艳菊介绍了纽约、东京、多伦多、上海4个典型城市的危机信息管理系统[7]；黄微等详细分析了公共危机信息管理活动的过程机制，在此基础上构建了面向政府危机决策的三阶段公共危机信息管理模式[8]。陈凌侧重从政府决策环节的信息机理进行了研究[9]。丁敬达认为政府危机管理分为4个阶段，并详细分析了各阶段的信息活动。

此外关于危机事件情景的研究主要有：仲秋雁等提出了基于知识元的非常规突发事件情景概念模型[10]；王旭坪等提出了非常规突发事件的情景构建与推演方法体系[11]。孙康等完善了非常规突发事件的演化机理[12]；陈雪龙等提出了应急管理的知识元网络模型[13]。这些都为我们的研究提供了良好的基础。

从目前国内面向政府危机决策的知识管理研究与实践来分析，我国政府危机知识管理还停留在数据管理、信息管理阶段，存在着如下问题：危机信息的监测、预警能力较弱；危机信息的大量分布于不同职能部门，数据结构不统一，知识整合程度较低；危机信息之间语义关联性较差，知识组织体系概念颗粒度较粗，缺乏本体支持，无法有效描述信息之间的广泛、细致、全面的、深层次的知识关联，无法进行知识发现和语义推理，难以进行知识转化与增值，难以支持政府的知识决策。基于此，我们运用语义网本体论的思想与方法构建了公共危机事件情景模型，以此来支持危机知识语义检索、关联分析、可视化监测和情景推演分析功能，并从知识管理的角度分析了面向政府危机决策的“情景-应对”机制，为政府危机决策提供知识保障。

2 基于本体的公共危机事件情景模型构建

在公共危机情景构建过程中，从危机的监测、识别、预警，到危机的决策、指挥、控制，再到危机的恢复、反馈与评估，每一个环节都有相应的信息支持。搜集、识别、组织、标引、描述、控制、检索、利用在处理危机过程中产生的大量信息，并对这些信息进行关键情景要素知识元提取，利用知识本体方法进行本体形式化表达、情景链构建、情景推演，是有效实施危机知识管理，进行危机决策的保障。因此，危机管理过程中的信息是情景的构建的基础，对信息进行知识化提取形成的知识元是情景构成的要素。知识是情景的本质，情景是知识化的情景要素集合。据此我们认为情景可以理解为危机过程中各种知识要素的集合，一方面体现为各种态势的基本特征定性与定量的描述；另一方面体现为各种态势发生可能性的描述。

构建一个反映危机知识结构的本体情景模型，是实现政府危机决策“情景-应对”机制核心问题，是一项复杂的知识组织系统工程，具体包括危机情景概念模型构建、 危机情景知识本体模型构建和危机情景知识本体实例化-语义元数据描述。情景概念模型是一个元模型，规定着知识本体概念模型的结构；知识本体概念模型是情景模型的具体化描述，是特定领域的情景语义模型；语义元数据是实例化的本体，是语义标注的结果，是我们构建的具体情景。

2.1 危机情景概念模型构建

危机情景模型主要通过构建危机事件演化情景模型来实现。危机事件演化情景是所有灾害要素态势的集合，危机事件是致灾因子聚集到一定量阈值后在特定诱发条件下爆发的。由于受多个复杂影响因素叠加作用，事件发生后还会发生转化、蔓延、衍生、耦合、突变等演化，造成新的突发事件发生，往往表现出动态、复杂、不确定性强等特征。根据危机事件的爆发和演化机理，我们抽象出4个类：因子、事件、受体、状态，用一般的形式化模型表示为如下三元组：

S={F，C（E，O）}

其中，S为情景模型，F为因子，表示导致事件发生的综合因素；E为事件本身；O为受体，表示事件作用对象要素；C表示状态。该模型只是提供一个简单的框架，对类和属性没有细化。

2.2 危机情景知识本体模型构建

2.2.1 危机情景知识元获取

危机情景知识元是上述情景模型在具体危机知识环境下的具体化。根据危机演化情景知识，我们将因子具体细化为“致灾因子”、“影响因子”和“诱发因子”，将事件具体化为“危机事件类”，事件之间的演化关系进一步具体化为：转化、蔓延、衍生、耦合、突变，将“受体”类具体化为“承灾体类”，它们是情景本体的核心概念群，其核心属性见表1～表3。

2.2.2 关联模型设计

危机情景本体的主干结构是一个网状结构图，图的节点是主体概念，每个概念都控制着一批实例元数据。这些元数据彼此之间并不是独立的，而是通过本体定义的类间关系直接或者间接的联系在一起，从而形成了一个由本体控制的元数据复杂语义网络[14]。在分析本体对象类和属性的基础上，通过规范类和属性，依据上述情景模型我们描述了情景本体语义关联关系，如图3所示。

2.3 语义关系实例化本体描述

将情景本体模型实例化，便可得到情景本体数据。添加实例的过程就是语义标注，情景本体概念模型中的每一个类都是一个概念节点，可以添加大量的实例。即利用已经定义好的类和属性来描述具体的资源对象，形成语义元数据。这些本体经过知识描述语言OWL（Web Ontology Language，OWL）形式化后，便可以被计算机所解析、访问、操作，实现语义推理，完成语义服务。在进行语义描述过程中，要尽可能采用关联数据结构进行知识组织，以方便不同本体之间聚合，实现资源共享[15]。

下面我们依据上述本体情景模型，对2015年天津港“8·12”爆炸事故进行情景本体构建，见图4。

3 公共危机情景本体模型功能及应用价值

公共危机情景本体模型利用领域本体作为组织资源的基础，借助语义标引工具，对危机情景元素进行语义标注加工，形成机器可以理解的带有语义信息的元数据，完成特定领域可控的概念语义体系构建，从而实现知识检索与语义挖掘推理。因此，构建反映危机知识结构的本体情景概念模型对于应急决策具有重要的应用价值。

3.1 公共危机情景本体模型功能

3.1.1 知识组织功能

运用本体方法对危机情景知识进行组织，就是利用类、关系、函数、公理、实例等本体要素组织和表示危机事件概念知识，可以减少概念和术语上的歧义，概念间的关系可以被描述得更加广泛、详细、深入和全面，使资源组织由传统的基于主题的、二维的、线性层次化组织结构扩展到多方位、多维度、多层次的网络组织结构，通过对概念添加属性值，对属性与属性之间再添加映射关系，一些在正规词表中不能描述的语义关系就可以清晰地描述出来，其详细程度以满足本体的应用目的为宜。语义描述的规范性是实现知识导航、知识浏览、知识检索、知识评价和知识发现等语义服务的基础。

由于本体反映的是领域中公认的概念，所以危机情景本体对相关知识领域的知识进行规范化描述和识别，可以达成领域内关于知识和概念及概念关系之间的共识，实现各领域情景本体之间的共享和复用。

3.1.2 语义服务功能

在情景本体的控制下，知识要素之间语义关系揭示的越丰富，知识发现、聚合、挖掘、推理的效果就越好，其语义服务功能体现为：语义导航、语义检索、关联分析、情景趋势推演、可视化呈现等。在本体驱动的知识系统中，基本的语义操作有3类：基于概念的操作，基于概念关系的操作和结合推理规则的操作[16]。通过概念的操作，可以实现语义检索；基于概念关系的操作，可以揭示概念之间的语义联系，描述知识网络的各种关联，实现语义导航、可视化呈现功能；结合推理规则的操作，则可以构造复杂的语义推理查询，实现具有知识发现功能的关联分析、情景趋势推演功能。

在情景本体的支撑下实现基于概念的语义服务，这是本体的重要应用之一。实现基于概念语义服务，就必须以本体作为组织领域知识的语义模型，实现对资源的语义标注，形成机器可理解的语义元数据，以基于本体的知识语言标示、检索领域知识。只有以基于本体的知识组织模式为基础，以各领域本体的概念模型作为资源元数据的规范描述标准，才能真正实现基于语义的服务。

3.1.3 资源聚合功能

不同情境本体之间并非孤立的，而是存在多种关联性，网络节点之间的关联越多，那么网络的价值也就越大，语义聚合正是通过这种关联机制得以实现。情景本体实质是情景元素和元素关系的集合，情景知识元素通过RDF三元组结构彼此链接起来形成语义关联网络。这种RDF链接机制不仅可以实现情景本体内部结构的关联属性，还可以实现不同情景本体之间的关联。这种关联机制体现的是语义本体的开放性，封闭的数据集合是没有任何价值的。不同的情景本体彼此通过本体链接机制聚合起来，便可以实现跨领域的知识浏览、发现和推理功能。这就要求我们在构建情景本体时，不仅要构建内部链接，还要尽可能地提供横向、跨域的外部知识链接，要尽可能地把资源之间的各种类型的关联通过引用公认的概念词汇集明晰地描述出来，正是这种灵活而明确的内、外部链接机制，能将跨领域、跨类型的知识对象聚合成一个整体的知识关联网络。

3.2 应用价值分析

构建危机情景本体旨在给应急决策者创造熟悉的环境和场景，引导和支撑应急决策者适应和了解当前态势，进行有针对性的决策行动。基于情景本体的应急决策机制支撑着危机监测系统、预警系统、决策系统、指挥系统、评估系统等危机管理系统。建立在情景基础上的应急决策体系构成了面向政府危机决策的“情景-应对”机制。其运行机制如下：

政府将危机监测系统搜集的信息输入预警系统，系统在危机事件预警本体控制下进行事件情景演化推演。系统根据历史数据首先进行相似性计算，发现是否有历史相似事件，如果没有则进行自我推演。推演结果达到一定阈值后提示政府决策者发出预警信息。随后政府进入应急响应阶段。决策系统在应急信息条件下，通过应急演化路径分析和应急演化概率计算，得出最优决策方案，并通过指挥系统及时联动实施。决策系统通过情景本体可以实时可视化显示方案执行进度和可能出现的意外情形，以便决策者及时研判并调整方案。情景本体都是基于时间的，通过计算机模拟限定时间参数即可得到某个时间点上的具体情景快照，这对有效应对危机事件起着十分关键的作用。

危机情景的获取与准确表达对应急决策者指挥应急救援有着重要意义。对危机情景元素的建模分析，能够辅助描述突发事件的情景，不同的应急决策平台都需要各种突发事件的情景本体作为决策支持。构建应急情景本体模型便于挖掘应急救援过程中的相似度以及利用情景推理来辅助决策等，有利于构建情景-应对模式下的应急救援机制。

4 结 语

知识是危机决策过程中重要的信息资源，是构成“危机情景”的要素。将知识进行情景化的组织，便形成了“情景-应对”机制的核心。我们针对公众突发事件的可能前兆和事件演化过程中的海量、异构、实时数据，进行了情景建模，提出了面向政府危机决策的情景构建体系，运用语义网本体论的思想与方法构建公共危机事件的情景模型，并对危机情景本体模型的特征及应用价值进行了具体分析。基于本体的公共危机事件情景模型以危机情景为描述对象，以本体作为知识组织体系的描述手段，以情景知识元素作为语义单元，以语义知识网络作为情景表现形式，具有语义分析能力和推理能力，支持危机知识语义检索、关联分析、可视化监测和情景推演分析功能。基于情景本体的应急决策机制能够有效支持政府危机预警、监测、指挥、评估等决策系统，给应急决策者创造熟悉的环境和场景，引导和支撑应急决策者适应和了解当前态势，为政府危机决策提供了知识保障。构建情景应对下应急情景动态推演体系是我们下一步重点研究的内容。

参考文献

[1]（U.S.）National Research Council.Information Technology Research for Crisis Management[M].National Academy Press，1999.

[2]Sherif Kamel.Using DSS for Crisis Management[M].Idea Group Publishing，2001.

[3]Zhang D S，Zhou L，Nunamaker J F.A Knowledge Management Framework for the Support of Decision Making Humanitarian Assistance/Disaster Relief[J].Knowledge and Information Systems，2002，（4）：370-385.

[4]Institute for Security Technology Studies.Crisis Information Management Software（CIMS）[J].Interoperability（A Status Report），2004，（10）.

[5]Raman M.Claremont Colleges Emergency Preparedness：An Action Research Initiative[J].Systemic Practice and Action Research，2006，19（3）：253-271.

[6]王传清，毕强.政府危机信息管理联动系统模型构建[J].图书情报工作，2012，（17）：31-36.

[7]沙勇忠，张艳菊.世界典型城市公共危机信息管理系统及其比较[J].图书与情报，2008，（3）：13-17.

[8]黄微，辛丽艳，曾明明.面向政府危机决策的公共危机信息管理模式研究[J].图书情报工作，2012，（17）：26-30.

[9]陈凌，辛丽艳.政府危机决策信息机理研究[J].情报资料工作，2013，（5）：30-34.

[10]仲秋雁，郭艳敏，王宁，等.基于知识元的非常规突发事件情景模型研究[J].情报科学，2012，30（1）：115-120.

[11]王旭坪，杨相英，樊双蛟，等.非常规突发事件情景构建与推演方法体系研究[J].电子科技大学学报，2013，15（1）：22-26.

[12]孙康，程泽军，刘德海.非常规突发事件演化机理研究：以化工事故引发的群体性事件为例[J].电子科技大学学报：社科版，2012，14（6）：29-32.

[13]陈雪龙，肖文辉.面向非常规突发事件演化分析的知识元网络模型及其应用[J].大连理工大学学报，2013，53（4）：615-624.

[14]戎军涛.基于本体的学科知识门户语义服务机制研究[J].图书馆理论与实践，2015，（7）：46-49.

[15]戎军涛.基于关联数据的知识组织深度序化机制研究[J].图书情报工作，2015，（13）：134-141.

[16]王军.数字图书馆的知识组织系统——从理论到实践[M].北京：北京大学出版社，2009，1.