一、基于CBR的交通事故处理智能决策支持系统(论文文献综述)
吴锦桥[1](2020)在《车联网络数据分发协议与算法研究》文中进行了进一步梳理近年来,车联网领域的研究活动非常活跃,也取得了巨大进步。这些研究深入分析了如何设计车联网环境下的数据分发协议及其相关算法。如今,车联网仍然是一个保持快速发展且十分活跃的领域,与此同时车联网领域也存在大量的研究挑战及待解决的问题。另外,无线通信技术的不断革新也给车联网带来了前所未有的应用挑战。在车联自组织网络中,车辆与车辆、车辆与路边基础设施之间,利用无线通信技术进行数据分发的主要目的是为了进一步提高人们的行车安全及日常交通出行效率。针对车联网中由于车辆高速运动导致的网络拓扑易变性、车辆节点之间无线链路连接的间歇性及车辆位置的分布不均匀性,本论文基于强化学习从不同角度对不同车联网环境下的数据分发协议及相关算法进行了研究,主要工作如下:1.针对VANETs的高动态特性,提出了一种基于强化学习的移动自适应单播数据分发协议。借助经过精心设计的HELLO学习包结构,提出了一种新的分布式动态自适应学习算法来实时地学习和感知网络的动态信息,提高了协议在VANETs环境下的动态自适应性。通过综合考虑链路的多个关键评估指标,设计了一种新的学习奖励策略。为了实现协议能够对车辆节点的高移动性进行快速反应,针对网络中不同类型的数据消息包,分别设计了不同的学习策略。此外,为了加快学习算法的收敛速度,在学习的初始阶段采用了反应式路径探测学习策略。最后,提出了一种新的MAC层辅助学习策略以进一步提高协议在VANETs环境下移动适应性。仿真实验结果表明,在网络开销保持在可接受范围之内的同时,协议在数据包投递成功率、端到端时延和平均路由跳数等方面的分发性能优于已有相关协议。2.考虑到城市VANETs环境所具有的独特性,提出了一种基于强化学习的RSU辅助车流量感知单播数据分发协议。在城市场景中,沿着街道快速行驶的车辆节点对数据分发协议提出了严峻的挑战且车辆节点的高移动性对网络性能具有很大影响。此外,在城市环境中由于车辆节点的分布不均匀性而造成的局部网络分割问题进一步对分发协议提出了更高的要求。更为重要的是,交通高峰时段的高车辆密度和各种自然障碍物,例如高楼、相邻车辆的遮挡及道路旁的高大树木等进一步增加了实现高效可靠数据分发协议的难度。针对上述问题,利用城市路网拓扑的规则性,针对传统学习算法中的状态空间爆炸问题,同时为了进一步减少学习过程中引入的网络开销,减轻协议对车辆节点高移动性的敏感性,提出了一种新的车流量感知单播分发策略。该策略实现了将传统的动态适应性弱的车辆节点之间的多跳分发转移到实现了车流量感知的路段内车辆节点之间的可靠多跳分发和动态适应性强的路段间高效分发。为了实现从源车辆节点到第一个十字路口节点及从最后一个十字路口节点到目的车辆节点之间的快速分发,基于重新设计的V2V HELLO学习包结构,提出了一种车流量感知移动自适应学习策略以实现路段内车辆节点之间的可靠高效分发。考虑到路段内车辆节点位置分布不均匀性及运动轨迹的受限性,通过综合考虑多个车辆链路连接评估指标,结合Q贪婪地理位置转发和局部最优情形下的存储携带转发,提出了一种新的车流量感知及奖励策略。基于重新设计的R2R HELLO学习包结构及路段内的车流量信息,提出了一种新的RSU节点之间的车流量感知学习算法以实现路段间的高效分发。仿真实验结果表明,协议在不同车流量密度情况下的综合性能优于已有分发协议。3.针对城市VANETs环境中车辆节点的高移动性、位置分布不均匀性及通信链路的不稳定性等,提出了一种基于强化学习的RSU辅助车流量感知多播数据分发协议。为了最大程度地减轻路段内车辆节点的快速移动性对多播分发协议性能造成的影响,借助城市路网的静态道路拓扑信息,基于强化学习算法提出了一种新的多播分发模型。该模型将传统的直接专注于从多播源车辆节点到每个多播组成员车辆节点之间的低动态适应性数据分发过程转移到一种专注于从多播源RSU节点到每个多播组成员RSU节点之间的高动态适应性数据分发过程,以进一步提高协议的综合分发性能。在路段内移动的多播源车辆节点首先将数据消息包快速地分发到多播源RSU节点,然后由多播源RSU节点继续高效地分发到每一个多播组成员RSU节点,最后从各个多播组成员RSU节点可靠地分发到与其相关联的多播组成员车辆节点。针对传统多播协议动态适应性差的问题,结合强化学习算法的灵活性,借助经过重新设计的V2V和R2R HELLO学习包结构,分别实现了路段内及路段间的车流量感知多播分发策略。实验结果表明,与传统的基于树和网格结构的多播分发协议相比,本协议具有更好的动态适应性及更优的多播分发性能。4.为了进一步提高VANETs中高速公路环境下紧急消息的分发性能,提出了一种适用于高动态性网络场景下的实用分布式移动自适应分簇协议。通过HELLO,CH和JOIN这三种类型的成簇数据消息包的交换来实现动态分簇,提高了簇结构的稳定性。通过发送和接收格式一致的成簇数据消息包来获取最新的邻居节点及其成簇信息,协议动态适应性更强。通过为具有绝对最高权重的簇头节点引入CH数据消息包的定期广播功能,在很大程度上对成簇数据包的丢失具有较高的容忍性,同时也很好地避免了蝴蝶效应的产生。
张奕[2](2020)在《高速公路突发事件应急决策支持系统的研究》文中研究说明随着我国高速公路建设的飞速发展,高速公路突发事件也成多发趋势,对突发事件采取快速有效的处置措施可减少其所带来的伤亡与损失。本文针对高速公路突发事件救援时效性要求高、处置复杂等难点问题,结合应急指挥部、公安、消防等救援部门的实际救援需求,设计并实现了高速公路突发事件应急决策支持系统。该系统能够快速生成现场应急处置方案,并进行可视化的应急资源调度和路径规划。其主要工作及创新如下:首先,通过分析研究我国高速公路应急处置的基本理论,使用基于案例推理(Case-Based Reasoning,CBR)与规则推理(Rule-Based Reasoning,RBR)技术应用于高速公路突发事件应急决策中,使用RBR对CBR所生成的救援方案进行修正。提出了应急决策框架与流程,根据CBR的流程对案例表示、案例检索、案例修正、案例学习分别展开了研究。针对高速公路突发事件的特点,在案例表示阶段,将面向对象的知识表示方法应用于事故车辆的表示,该种表示方法可以更加全面地描述突发事件现场情况,有利于救援方案的生成,并在案例检索阶段给出了该种事故车辆表示方法的相似度计算公式。其次,在应急资源调度方面,建立了以时间耗费与成本耗费最少为目标函数的多突发事件点多救援点的应急资源调度模型,该模型能根据突发事件等级与应急资源的需求程度对资源合理分配。使用粒子群优化算法、遗传算法、模拟退火算法和所提出的改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)对该调度模型进行求解,且IPSO算法在该模型求解过程中相比其他启发式算法在收敛时间、收敛程度均具有优势。最后,基于以上理论研究设计并实现了高速公路突发事件应急决策支持系统,研究内容包括系统的框架构建、开发方案选择、架构设计、数据库设计和八个功能模块的详细设计与实现。并通过对两个核心子系统的实验分析,验证了该决策支持系统在救援方案生成以及应急资源调度方面的优越性。本文的研究成果可以提高公安、消防等救援部门面对高速公路突发事件的反应、处置、救援能力,为我国建设高速公路突发事件应急决策支持系统提供理论依据与技术保障。
王成晨[3](2020)在《大型活动突发事件交通应急预案快速生成与动态优化方法》文中研究表明随着我国大型活动举办的次数逐渐增多,尤其是国际大型体育赛事、国际会议等,大型活动期间突发事件交通应急预案生成和动态优化技术也越来越受到重视。目前,大型活动突发事件的交通应急预案生成和动态优化技术,仍以人工生成方案为主,且预案内容缺少针对性和定量化应急措施,导致应急反应慢、处置效率低。本文利用大型活动突发事件交通应急预案库中的历史案例,研究大型活动交通应急预案的动态决策优化技术,快速生成最佳匹配预案并实现动态调整与完善,为交通应急决策提供支撑,具有重要的现实意义。论文分析了大型活动交通特征和大型活动突发事件特征,提出大型活动应急交通措施遵循原则和突发事件分类分级划分标准,明确大型活动交通应急预案主体结构和预案启动条件,初步完成大型活动交通应急预案的构建;考虑到大型活动突发事件属性缺失和预案快速生成等情况,提出基于案例推理和朴素贝叶斯分类的预案快速生成方法,针对突发事件应急需求提取事件相关特征属性,并确定不同类型突发事件的特征属性索引,通过贝叶斯分类算法计算后验概率得到属性不完备情况下的最佳匹配预案;针对突发事件的演变可能使得上一阶段实施的预案与现阶段突发事件的应急需求不匹配、导致预案应急能力偏高或偏低的情况,提出基于规则推理的预案动态优化方法,建立交通应急预案库知识库和规则库,采用正向推理修改预案内容;研究预案动态优化的启动条件,根据模糊层次分析法构建预案应急能力和突发事件严重度评价指标体系,根据评价划分标准比较两者级别是否相同,从而最终确定预案是否需要优化。本论文以北京冬奥会为背景,分别针对交通应急预案快速生成方法、交通应急预案动态优化方法和预案应急能力评价方法进行实例分析。
刘永[4](2020)在《面向高速公路突发事件的应急管理决策方法研究》文中指出二十世纪九十年代以来,我国高速公路的建设与发展取得了举世瞩目的巨大成就。随着国家各项规划的实施与政策推动,未来一个时期高速公路仍将继续保持快速发展态势。高速公路规模的扩大、汽车保有量的增加、运输需求的快速增长以及公众出行方式的改变,使高速公路运营安全面临巨大挑战,重大交通突发事件频发,严重威胁经济社会发展和人们的生命财产安全。高速公路应急管理工作形势严峻,在总体国家安全观背景下,提升其应急管理决策能力的需求更甚。同时,管理决策能力在当前高速公路应急管理实践工作中存在不足,主要表现为管理指挥功能不强、协调联动效能不足、信息沟通共享不够、决策方法针对性不强等现实问题,迫切需要建立完善的应急管理决策机制。为此,面对当前严峻的发展形势,研究如何构建与其相适应的高速公路突发事件应急管理决策方法,强化提升应急管理决策能力,已迫在眉睫,具有重要的理论与现实意义。本文结合当前高速公路应急管理工作实际,在分析既有研究工作和实地调研的基础上,系统探讨我国高速公路应急管理现状,设计应急管理决策能力提升的经验参考分析方法,进而从已有问题的管理实践经验中挖掘有价值的信息,探讨我国高速公路突发事件应急管理决策能力的提升策略;然后,针对当前应急管理决策系统的管理决策能力不足,从强化应急信息集成整合、利于管理决策的角度,建构基于云技术的高速公路应急管理决策系统框架;考虑信息在应急管理决策中的重要性,分别从决策信息质量、信息更新性两个角度,构建应对复杂不确定突发事件的高速公路应急决策模型与方法。主要研究工作和成果如下:(1)探讨我国高速公路突发事件应急管理决策能力的提升策略。首先,针对典型省份高速公路应急管理现状,对比分析“两家管”、“上分下合,属地管理”和“一家管”三种管理模式的特点及经验;其次,从应急管理体系的角度,分析讨论执法主体的合法性、执法行为的可监督性和可约束性、权责统一的整体性、运行管理模式高效性四个方面的要求,确定了影响应急管理决策能力提升的关键因素;最后,聚焦关键影响因素,设计基于经验挖掘理论的能力提升策略分析的方法,利用RStudio平台编程从已有的高速公路事故调查分析报告中挖掘有价值的策略信息,据此探讨了我国高速公路突发事件应急管理决策能力的提升策略:健全法制建设,保障依法应急;加强专业化分工协作,强化集中管控与决策;推进应急管理决策信息化建设,提升信息互通共享能力,以期为各级高速公路管理部门或机构提供有效的经验决策参考。(2)建构云技术驱动下高速公路应急管理决策系统框架。结合前述应急管理决策平台信息化能力建设需求,首先系统分析阐述高速公路网应急管理决策系统现状及存在的问题;其次,结合新信息技术发展的大环境,提出高速公路网应急管理决策系统的建设目标和思路,重点分析路网运行管理中的应急管理功能需求和工作流程;然后,考虑运行管理中交通资源分散、资源共享能力不足、信息共享沟通强度不够等现实问题,设计基于云技术的应急管理决策系统体系架构,主要包括交通物联信息感知层、云架构信息接入与管理层、交通大数据管理与决策服务应用层三层结构,并分析各层的组织结构及应用功能。最后,提出对保障平台有效运行的管理体系建设建议。系统架构方案,可有效实现交通运行状态感知信息和业务管理信息的资源共享、信息交换,为全面提高高速公路网运行日常管理效率与突发事件应急管理决策能力提供有效的技术支撑。(3)研究基于决策信息质量的高速公路单阶段应急决策方法。应急管理决策信息平台为应急响应的方案决策提供必要的信息研判基础,考虑有限决策信息的最大化利用,提出一种不确定决策环境下基于前景理论和热力学方法的应急决策方法。首先,利用梯形直觉模糊数对不确定信息的强表征特质,有效实现决策专家对应急方案的初始偏好判断;基于前景理论,将决策专家的有限理性行为引入量化过程中,构造前景效用矩阵,实现初始决策属性信息向前景效用的转化。然后,考虑决策信息质量,提出基于热力学方法的信息质量量化方法,将前景效用矩阵转化为新的基于热力学方法的前景效用矩阵,实现最大化利用前景效用信息。最后,利用梯形直觉模糊Choquet积分算子和加权平均算子有效集结各备选方案的前景效用矩阵信息,并引入带有风险态度参数的得分函数,得到备选应急预案的最终排序决策,并对排序结果进行敏感度分析,进而确定最优应急决策方案。(4)研究基于决策信息更新的高速公路多阶段动态应急决策方法。考虑单阶段应急决策方法的应用局限,结合高速公路突发事件的多阶段性、动态不确定性、信息更新性等特性,提出一种基于决策者心理参考满意度信息更新的多阶段动态应急决策模型与方法。首先,以区间梯形直觉模糊数形式刻画各个决策阶段的判断偏好信息,有效克服决策专家无法用精确数表达隶属度、非隶属度和犹豫度的现实判断困难;其次,利用熵权法分别计算各事件演化阶段下专家属性的客观权重,进而采用IVTr IFWA算子集结各个决策阶段方案的价值,避免主观赋权的结果偏差;然后,结合事件态势动态演变过程和决策者的心理参考预期效应,提出多阶段动态应急决策方法原理,继而构造新的满意度参数公式,提出基于满意度信息阶段更新的权重优化动态模型,获得各演化阶段的最优满意度及权重;最后,构建基于决策者风险态度的应急方案价值效用函数,得到各演化阶段下各方案的综合价值及排序,进而揭示决策结果受决策专家风险态度影响的变化规律。上述研究一方面为政府完善当前形势下高速公路突发事件应急管理决策能力提供参考建议,另一方面进一步丰富和扩展了高速公路突发事件应急决策理论与方法体系,具有重要的理论实践意义。
王兴鹏[5](2019)在《多粒度视角下突发事件情景案例推理模型与方法研究》文中进行了进一步梳理“情景一应对”模式已经成为当前突发事件应急决策的基本范式。在突发事件应对中,决策者面临时间紧迫性、信息缺失、经验不足等困境,而CBR是能帮助决策者摆脱困境,有效提高决策效率和质量的技术方法。情景是应急决策的基础和依据,因此,情景案例的知识表示则成为“情景-应对”模式下基于案例推理的首要问题,突发事件情景案例涉及的知识丰富、结构复杂,具有跨领域、多粒度、动态关联等特点,而现有的案例表示方法大多把事件案例描述为结构固定、粒度单一、孤立无关的个体,在面对复杂的实际问题时,检索的效率和有效性很低,应用中具有很大的局限性。本文基于粒计算思想,综合运用情景理论、概念格、超图等理论和方法对“情景-应对”模式下基于案例推理的关键技术展开研究。主要研究内容和结论如下:(1)构建了情景案例逻辑结构模型。首先对情景的静态结构进行了分析,明确了突发事件情景的构成要素,总结分析了每类要素的层次结构;然后分析了情景的动态结构,在对情景演化分析基础上,给出情景演化的链式结构;最后综合上述两个方面内容,提出了纵向横向交织的情景案例逻辑结构模型,并提出了适合该结构模型特点的案例表示方法。(2)基于商空间和概念格理论提出了情景案例组织模型。在对商空间和概念格内涵理解基础上,构建了情景商空间和情景概念格模型,实现了对情景案例的划分和组织,完成了对情景案例纵向结构的描述;深入剖析了情景概念格的优点,并提出了情景概念格的构造方法;基于概念提升原理,提出情景概念格粒度变化思想和实现方法。(3)构建了基于超图的情景链表示模型。在对情景演化机理分析基础上,依据超图理论,构建了情景链超图模型,实现了对情景案例横向结构的描述,该模型不但描述了情景演化过程,而且体现了情景事件与关键要素间的相互作用关系;基于情景链超图模型,利用超图拓扑性质提出情景要素风险评价方法;提出了基于情景链超图模型的情景演化规则挖掘方法;基于超边和节点粒化的思想提出情景链超图模型的粒化过程的实现思路。(4)为提高案例检索效率和效果,根据情景案例结构模型的特点,提出了三级检索策略:情景类检索、情景链检索和情景特征检索,该检索过程体现了从粗到细的粒度变化;根据三级检索策略,提出相应的相似度计算方法;提出了应急方案的修正策略和实现思路。(5)基于上述原理和思想设计实现了多粒度情景案例推理原型系统,验证了本文提出模型与方法的有效性性与可行性。该研究为“情景-应对”模式下案例的表示和组织提供了通用框架和模型,为“情景-应对”模式下基于案例推理的实现提供了重要的理论参考,为“情景-应对”应急决策理论研究提供了一种新的思路。
崔浩[6](2019)在《公安应急预案数字化管理平台的设计与实现》文中研究表明快速准确地处置各类突发事件,是减少生命财产损失,提升社会治理水平的关键要素。公安应急预案在突发事件的处置过程中,对控制事态发展、稳定群众情绪等工作发挥着重大作用。传统纸质预案与人员决策结合的指挥方式效率较低、主观性强,已不能满足信息化警务的工作要求。为实现高效、科学的公安应急指挥调度,本文设计开发了基于WEB技术的公安应急预案数字化管理平台。建立了应急预案库、案例库、专家库、资源库,对应急资源集中管理、统一调度,并使用CBR(Case-Based Reasoning,基于案例推理)+RBR(Rule-Based Reasoning,基于规则推理)方法科学检索预案信息、智能决策救援计划。主要工作和创新如下:论文首先详细分析了公安应急预案的概念、结构和基本特点,梳理了我国公安应急工作的现实需求,提出了涵盖预案、物资、人员、机构、知识、决策的全生命周期的公安应急预案管理模式,设计了应急预案管理、应急案例管理、应急方案智能生成、应急资源管理、组织机构管理等五大功能模块。完成了公安应急预案数字化管理平台的设计与实现。基于WEB开发技术,结合基层公安的具体业务,对公安应急预案数字化管理平台进行了总体设计和框架搭建。基于Eclipse平台,B/S(Browser/Server)模式,采用较为成熟、稳定的Windows+Java+MySQL开发结构,结合JavaScript、HTML、CSS(Cascading Style Sheets)等技术实现了系统的开发,使用HP-Loadrunner专业测试工具对系统进行了性能测试和稳定性测试。实现了基于CBR+RBR技术的救援方案智能生成。利用框架表示法完成文本预案的结构化处理,抽取了公安应急预案的核心属性,对应急案例进行了分级分类,建立完整的应急案例库。利用CBR技术和KNN(K-Nearest Neighbor,最近邻)算法完成目标案例与案例库中最近邻案例的检索匹配,使用RBR技术对救援方案进行智能优化,实现了公安应急方案的辅助生成,最后将检索案例属性与优化方案进行了数据对比,为公安机关科学决策救援方案提供了数据保障。
马文瑾[7](2019)在《基于机械臂的混凝土裂缝修复工艺知识库构建及应用研究》文中认为随着极端环境下工程数量逐年增加,工程结构因裂缝导致而发生的事故频率也不断提升,为了避免结构缺陷影响工程设施的功能与安全,保障工程设施的有效维护变得刻不容缓。然而,在恶劣的极端环境下,采用传统人工维护方案时,往往伴随着危险、重复劳动多、效率低下、受限于工作人员主观性等困难。无人设备的飞速发展使得极端环境下替代人工的修复方案成为了可能,经研究发现,实现无人修复的前提首先是解决机器根据现场情况进行自主决策的问题。因此,如何将裂缝修复领域中的知识系统化,研究信息技术如何进行裂缝修复方案的决策过程便具有了重要意义。本文通过系统分析裂缝修复领域的专业知识,构建基于机械臂的混凝土裂缝修复工艺知识库,提出裂缝轨迹提取方案及裂缝决策推理机制,实现基于实际裂缝的修复方案自动决策和输出。在实验室对轨迹提取方案和裂缝修复决策推理验证,系统能计算出机械臂可识别的裂缝轨迹坐标,并推理输出裂缝修复方案。通过上述研究,实现了无人情况下裂缝修复方案的自动输出,并提出了裂缝轨迹识别技术,为将来的裂缝自动修复提供了工作路径,对提高极端环境下工程维护信息化水平提供了借鉴意义。
张昊[8](2018)在《基于案例推理的城市道路交通拥堵安全疏导决策支持技术研究》文中认为随着我国近些年经济建设的快速发展,机动车保有量呈逐年递增的趋势。虽然各城市道路基础建设的力度不断加大,但就城市道路建设速度而言,显然还是无法满足不断增长的机动车对道路交通的需求。在这种情况下,各城市道路拥堵状况时有发生,交通拥堵已经成为多数城市的通病。由交通拥堵带来的社会问题,如交通安全、空气污染、能源损耗、停车等诸多事故隐患严重的制约了城市的发展,也为经济建设带来了很大的负面影响。如何在交通拥堵发生时进行有效的疏导,已成为各大城市交通部门减少交通拥堵、增加人员和车辆安全亟待解决的问题。城市道路交通拥堵的形成是多方面的,其拥堵本身就是影响交通的安全问题交通拥堵持续的时间越长,则会对交通安全出行的影响越大,所以对交通拥堵进行安全疏导实际上就是消除交通的安全隐患。本文以案例推理为技术手段,结合当地交通现状,通过调研、收集、整理、分析大量交通拥堵案例,设计出城市道路拥堵疏导决策支持系统。本文主要围绕着案例推理决策支持技术中的几个关键问题进行研究,主要完成以下几个方面的工作:1.收集大量成功疏导交通拥堵的解决方案,形成交通拥堵疏导专家案例库。详细分析了进行交通拥堵疏导决策的关键因素,提出了在案例推理的决策支持模型中采用TF-IDF算法对交通拥堵的特征属性进行约简。2.研究分析TF-IDF算法的工作原理,分析了 TF-IDF算法的不足。在文本预处理阶段,根据交通拥堵事件的描述特点,针对少数特征词在文档类内或文档类间分布不均造成的权重偏移问题,展开TF-IDF的算法优化研究。并根据优化后的TF-IDF算法对交通拥堵特征值属性的权重进行计算和约简。3.在交通拥堵案例检索过程中为提高检索效率,尝试采取案例库进行先聚类后检索的策略,借此缩小案例检索的范围,从而提高案例检索的成功率。在案例聚类方面拟选取在文本聚类方面表现优良的K-means算法对交通拥堵疏导案例进行聚类。同时考虑由于交通拥堵事件描述具备一定相似性,导致聚类时出现无法准确聚类而产生边缘案例的问题,对K-means算法进行优化。引入微案例簇概念,将边缘案例形成交通拥堵的微案例簇集进行聚类,再根据聚类中心的距离判断边缘案例划分到不同的交通拥堵类别。4.详细研究了案例推理中案例检索的相似度计算环节,分析了不同数据对象相似度的计算方法,重点研究了基于距离的相似度计算方法。5.利用案例推理技术设计开发出城市道路交通疏导决策支持原型系统,为有效的交通疏导提供了相应的理论支持,也为基于文本案例推理的决策支持技术提供一定理论参考依据。图[56]表[30]参考文献[141]
于峰[9](2019)在《基于基因视角的复杂应急案例构建与重用研究》文中进行了进一步梳理随着城市化进程的加快与人类生存环境的变化,灾害模式已趋于复杂即具有灾害相继或并发的复杂结构特征。原生灾害触发次生灾害而产生的连锁效应增加了应急响应的难度,其中,较为突出的问题主要有应急预案对复杂灾害的适用性与可操作性不佳、复杂灾害应急响应理论与方法仍不完善与应急决策者对复杂灾害的认知不足等,这些典型问题揭示了已有应急管理体系的复杂灾害应对能力不足。充分利用历史经验知识可为当前复杂问题提供可行有效的解决方案,虽然已有研究已提出将案例推理应用于应急响应,但是相应的理论与方法并不能完全满足支持复杂灾害应急决策的需求。基于此,本文参考与借鉴生物基因创新性地提出基于基因视角重构应急案例推理模式,主要阐述面向复杂灾害的应急案例构建与重用方法,通过类比参考与借鉴梳理出一套涵盖复杂应急案例表示、检索、重用、修正与保存,以及案例库构建的理论与方法体系,具体阐述如下。首先,案例推理作为人工智能领域类比推理的有效方法,其推理能力很大程度上依赖于案例表示的合理与否。依据历史案例将复杂灾害的“情境-情景”结构抽象化,本文提出复杂应急案例基因模型的概念。基于基因结构与本体构建多级的复杂应急案例结构,形成可重复使用的、标准的、简化的与可供应急决策者参考且具有“生物型”特征的复杂应急案例表示模型。该方法在一定程度上继承与集成了框架与本体表示法的特点,实现了复杂应急案例结构的系统性表达,使案例内容有机连接成整体,可更好地服务于复杂应急案例重用。其次,复杂灾害应对需要合理良构的跨领域集成应急案例库。基于此,本文通过引入生物分类与生物进化方法提出复杂应急案例族谱结构设计,分别结合灾害情景分类与情境演化阐述了该族谱纵向维度与横向维度的构建方法,并探讨了两个维度之间的关系。基于复杂应急案例族谱结构可为特定城市设计符合其现实需求的复杂应急案例族谱结构实例,从而更有效地存储与管理复杂应急案例,为复杂应急案例重用提供知识支持。再次,复杂应急案例重用的前提是有效的案例检索。基于案例检索的客观性与主观性,本文从自然选择视角提出将复杂应急案例检索过程划分为案例匹配与案例推荐两个阶段。一是,结合复杂灾害的领域一致性、结构对应性与属性相似性,提出复杂应急案例的三层匹配方法,逐层对源案例进行筛选,依次基于领域层、结构层与属性层匹配得到可用案例、可接受案例与相似案例。二是,提出了复杂应急案例的二维推荐方法,即从同源与异源两个维度分别筛选相似案例与补充相关案例,从而避免案例匹配的不准确问题。然后,复杂应急案例重用主要包括复制与适配两个方面。针对复杂应急案例推理周期循环的动态特征,本文将若干类案例的复制与适配方法与基因工程的基本流程相结合,提出目的基因获取、表达载体构建与目的基因导入的复杂应急案例重用方法。此外,从案例推理完整性视角,还结合目的基因测评与修饰阐述了复杂应急案例的修正方法,以及提出复杂应急案例的二维保存规则。最后,以复杂应急案例构建与重用为核心就复杂应急案例基因模型构建、复杂应急案例族谱结构设计、基于自然选择的复杂应急案例检索与基于基因工程的复杂应急案例重用分别给出了相应的用例分析,以阐述所提方法的应用过程,并验证其可行性与有效性。
刘仁涛[10](2018)在《水污染应急技术预案智能生成模型建立及案例应用》文中进行了进一步梳理本论文以河流突发化学品污染为研究对象,针对我国在应对突发水污染事件处置过程中所涉及的主要技术问题,在充分调研国内外相关研究现状基础之上,系统开展了突发化学品污染处置过程中水质预测预报、应急启动判别、应急技术筛选评估、应急材料选择优化模型研发等方面的研究工作。研发基于小波降噪-混沌最大Lyapunov指数的水污染水质预测预报模型,并通过淮河及波托马克河实际案例对模型进行验证分析。该模型具有计算简单、能克服数据波动影响等优点。通过对淮河COD浓度预测的验证分析,最大相对误差为15.66%,平均相对误差为6.15%。与人工神经网络、自回归移动平均模型以及最大Lyapunov指数预测模型相比,具有更高的预测精度。对波托马克河(监测周期15min)和淮河(监测周期7天)DO浓度监测数据的预测进行对比,波托马克河最大相对误差4.76%,比淮河低1.35%;平均相对误差1.18%,比淮河低1.17%。据此可知,短时间间隔数据时间序列具有更高的预测精度。研究建立基于水污染威胁度和熵权G1法的突发水污染应急启动判别模型。主客观相结合的熵权G1法,既保持了主观G1法思路清晰、计算简便的优点,又继承了熵权法客观性的特点。计算突发水污染特征污染物对下游取水口的威胁程度,采用应急处置启动判别模型判断是否立即启动应急处置技术筛选流程,为应急处置决策提供技术支持。以浊漳河苯胺污染事件为案例,经模型计算得到该事件对邯郸市的水污染威胁度为76.842,评价等级为Ⅰ级(特别重大威胁),据此判定需要立即启动应急技术筛选流程进行应急处理。突发水污染应急技术筛选与评估采用基于熵权G1法和CBR案例检索的应急技术初筛模型、以及基于ITF-TOPSIS(区间三角模糊多属性群决策模型)的应急技术深度筛选与评估模型。引入三角模糊数,能更好切合水污染事件信息具有一定模糊性的特点;用区间数表示三角模糊数上下限,更客观完整地描述决策信息;熵权G1法能使赋权结果更具客观性和合理性。浊漳河苯胺泄漏污染事件案例应用研究结果表明,“投加混凝剂、活性炭坝拦截技术”的评估值为0.7673,高于初筛结果中其它两种技术。本方法筛选出的技术与实际采用的技术相一致,并与文献报道的其他筛选方法结果吻合,验证了该方法的可靠性与可行性。突发水污染事件应急技术措施决定后需要使用应急材料,应急材料筛选采用基于熵权G1法和CBR案例检索的应急材料初筛模型、基于多重CBR模型和DDRS(差异驱动案例修正策略)的应急材料深度选择与优化模型。该模型的建立,弥补了从前在突发水污染应急处置中应急材料全凭主观决定的缺陷。对浊漳河苯胺泄漏污染事件进行了案例应用研究,结果表明,应用应急处置材料初筛模型,得到最相似工况(相似度80%)的解决方案为“果壳炭+聚合氯化铁+聚丙烯酰胺”。进一步应用应急材料深度选择与优化模型,对初筛结果进行优化,结果为“椰壳炭+聚合氯化铁+聚丙烯酰胺”,该模型具有较强的实用性和可行性。在上述研究工作基础上,基于Visual Studio平台、C#语言以及MATLAB语言,研究建立突发水污染应急技术预案智能生成模型框架,集成开发决策支持系统平台和模型群组。围绕应急技术预案编制、应急技术方案生成,构建了水质预测预报和应急启动判别-应急技术筛选评估-应急材料选择优化的“三步法突发水污染应急技术预案智能生成”框架以及应急技术预案动态智能生成系统,集成开发了软件系统平台。以新安江苯酚污染事件为案例,对模型和软件系统进行了应用研究。该框架体系的理论基础、模型应用、分析方法提高了水污染应急处置的效率和效果,为突发水污染应急技术处置提供了科学的方法指导,一定程度上避免了突发水污染对社会与环境的影响。
二、基于CBR的交通事故处理智能决策支持系统(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于CBR的交通事故处理智能决策支持系统(论文提纲范文)
(1)车联网络数据分发协议与算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及动机 |
1.1.1 研究背景 |
1.1.2 研究动机 |
1.2 车联网单播数据分发协议研究现状 |
1.2.1 车联网环境移动自适应单播数据分发协议 |
1.2.2 城市车联网环境车流量感知单播数据分发协议 |
1.2.3 设计挑战及未来的研究方向 |
1.3 车联网多播数据分发协议研究现状 |
1.3.1 城市车联网车流量感知多播数据分发协议 |
1.3.2 设计挑战及未来研究方向 |
1.4 车联网广播数据分发协议研究现状 |
1.4.1 车联网中的广播分发协议 |
1.4.2 设计挑战及未来研究方向 |
1.5 主要研究内容 |
1.6 论文组织结构 |
第二章 相关技术研究 |
2.1 引言 |
2.2 车联网架构 |
2.3 强化学习 |
2.4 Q学习算法与数据分发 |
2.5 本章小结 |
第三章 VANETs环境移动自适应单播数据分发协议 |
3.1 引言 |
3.2 基于Q学习算法的移动自适应单播数据分发模型 |
3.3 基于动态Q学习算法的移动自适应单播数据分发协议 |
3.3.1 ARPRL协议概述 |
3.3.2 HELLO学习包结构设计及处理算法 |
3.3.3 移动自适应动态学习策略 |
3.3.4 主动路径探测学习算法 |
3.4 仿真实验及结果 |
3.4.1 实验参数设置 |
3.4.2 性能评估指标 |
3.4.3 不同车辆密度下的分发性能比较 |
3.4.4 不同车辆移动速度下的分发性能比较 |
3.4.5 不同数据发送速率下的分发性能比较 |
3.5 ARPRL性能分析 |
3.5.1 协议开销 |
3.5.2 协议复杂度 |
3.6 本章小结 |
第四章 城市场景车流量感知单播数据分发协议 |
4.1 引言 |
4.2 基于Q学习的车流量感知单播数据分发协议 |
4.2.1 QTAR协议概述 |
4.2.2 车流量感知HELLO学习包结构设计 |
4.2.3 基于Q学习算法的城市场景单播数据分发模型 |
4.2.4 路段内车流量感知学习策略及分发算法 |
4.2.5 路段间车流量感知学习策略及分发算法 |
4.3 仿真实验及结果 |
4.3.1 实验参数设置 |
4.3.2 性能评估指标 |
4.3.3 不同学习率α和折扣率γ下的QTAR分发性能 |
4.3.4 不同κ值下的QTAR分发性能 |
4.3.5 不同车辆密度下的分发性能比较 |
4.3.6 不同车辆移动速度下的分发性能比较 |
4.3.7 不同数据发送速率下的分发性能比较 |
4.4 本章小结 |
第五章 城市场景车流量感知多播数据分发协议 |
5.1 引言 |
5.2 基于Q学习算法的城市场景多播数据分发模型 |
5.3 基于Q学习算法的车流量感知多播数据分发协议 |
5.3.1 RLMDD协议概述 |
5.3.2 车流量感知HELLO学习包结构设计 |
5.3.3 路段内车流量感知学习策略及分发算法 |
5.3.4 路段间车流量感知学习策略及分发算法 |
5.4 仿真实验及结果 |
5.4.1 实验参数设置 |
5.4.2 性能评估指标 |
5.4.3 不同车辆移动速度下QMax值随时间变化趋势 |
5.4.4 不同α、γ和κ取值下RLMDD的分发性能 |
5.4.5 不同车辆密度下的分发性能比较 |
5.4.6 不同车辆移动速度下的分发性能比较 |
5.4.7 不同数据发送速率下的分发性能比较 |
5.5 本章小结 |
第六章 高速公路场景高移动性自适应分簇协议 |
6.1 引言 |
6.2 高动态自适应分簇协议PDMAC |
6.2.1 前提假设 |
6.2.2 通用分簇消息包格式设计 |
6.2.3 PDMAC协议概述 |
6.2.4 初始化 |
6.2.5 邻居超时处理 |
6.2.6 分簇消息包处理 |
6.3 仿真实验结果 |
6.3.1 分簇性能评估指标 |
6.3.2 实验结果 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
(2)高速公路突发事件应急决策支持系统的研究(论文提纲范文)
摘要 |
Abstract |
引言 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关领域研究现状 |
1.2.1 基于案例推理的应急决策研究现状 |
1.2.2 应急资源调度研究现状 |
1.2.3 应急决策支持系统研究现状 |
1.3 研究内容和章节安排 |
1.4 论文研究创新点 |
2 高速公路突发事件与应急处置基本理论 |
2.1 高速公路突发事件 |
2.1.1 高速公路突发事件定义 |
2.1.2 高速公路突发事件分类 |
2.1.3 高速公路突发事件分级响应 |
2.2 高速公路突发事件应急处置 |
2.2.1 应急处置组织体系 |
2.2.2 应急救援资源种类与用途 |
2.2.3 应急处置流程 |
2.3 本章小结 |
3 基于案例推理与规则推理的应急决策研究 |
3.1 案例推理与规则推理技术 |
3.1.1 案例推理技术 |
3.1.2 规则推理技术 |
3.2 高速公路突发事件应急决策框架与流程 |
3.2.1 高速公路突发事件应急决策框架 |
3.2.2 高速公路突发事件应急决策流程 |
3.3 高速公路突发事件案例表示 |
3.3.1 突发事件问题描述域 |
3.3.1.1 公共属性选取 |
3.3.1.2 专项属性选取 |
3.3.2 突发事件解决策略域 |
3.3.3 突发事件执行效果域 |
3.4 高速公路突发事件案例检索 |
3.4.1 基于AHP的属性权重确定 |
3.4.1.1 基于AHP的属性权重确定方法 |
3.4.1.2 高速公路突发事件属性权重 |
3.4.2 局部相似度 |
3.4.2.1 局部相似度计算公式 |
3.4.2.2 高速公路突发事件属性类型 |
3.4.3 总体相似度 |
3.4.3.1 固定结构一级属性相似度 |
3.4.3.2 事故车辆情况一级属性相似度 |
3.5 高速公路突发事件案例修正 |
3.5.1 案例修正方法 |
3.5.2 案例修正流程 |
3.5.3 规则库的建立 |
3.6 高速公路突发事件案例学习 |
3.7 本章小结 |
4 高速公路突发事件应急资源调度研究 |
4.1 应急资源调度模型设计 |
4.1.1 多突发事件点多救援点的应急资源调度关系 |
4.1.2 基于时间耗费和成本耗费的应急资源调度模型 |
4.2 应急资源调度模型建立 |
4.3 应急资源调度模型求解 |
4.4 本章小结 |
5 高速公路突发事件应急决策支持系统 |
5.1 系统框架的构建 |
5.2 系统开发方案选择 |
5.2.1 前端开发方案 |
5.2.2 SSM开发框架 |
5.2.3 高德地图API |
5.2.4 Drools规则引擎 |
5.2.4.1 Drools的核心功能Jar包 |
5.3 系统架构设计 |
5.4 系统数据库设计 |
5.4.1 用户信息 |
5.4.2 案例信息 |
5.4.3 应急预案信息 |
5.4.4 应急资源信息 |
5.5 系统功能设计与实现 |
5.5.1 系统功能设计 |
5.5.2 用户管理模块功能实现 |
5.5.2.1 用户登陆功能实现 |
5.5.2.2 用户管理功能实现 |
5.5.2.3 用户状态信息上传功能实现 |
5.5.3 案例管理模块功能实现 |
5.5.4 案例推理模块功能实现 |
5.5.4.1 目标案例的创建与输入功能实现 |
5.5.4.2 案例检索功能实现 |
5.5.4.3 事后修正与案例学习功能实现 |
5.5.5 规则推理模块功能实现 |
5.5.5.1 Drools规则引擎的开发 |
5.5.5.2 事中修正功能实现 |
5.5.5.3 救援方案生成功能实现 |
5.5.6 规则管理模块功能实现 |
5.5.6.1 Drools规则文件基本结构 |
5.5.6.2 Drools Workbench用于规则管理 |
5.5.7 应急预案管理模块功能实现 |
5.5.7.1 应急预案管理功能实现 |
5.5.7.2 应急预案推送功能实现 |
5.5.8 应急资源管理模块功能实现 |
5.5.8.1 应急资源管理功能实现 |
5.5.8.2 应急资源地图标注功能实现 |
5.5.9 资源调度与线路规划模块功能实现 |
5.5.9.1 事件点信息输入功能实现 |
5.5.9.2 资源调度与路径显示功能实现 |
5.6 本章小结 |
6 高速公路突发事件应急决策支持系统测试 |
6.1 救援方案生成子系统测试 |
6.1.1 有相似历史案例的应急决策 |
6.1.1.1 案例检索 |
6.1.1.2 救援方案生成 |
6.1.2 无相似历史案例的应急决策 |
6.1.3 实验结果分析 |
6.2 资源优化调度与线路规划子系统测试 |
6.2.1 案例假设 |
6.2.2 模型求解算法对比分析 |
6.2.3 应急资源调度方案对比分析 |
6.2.3.1 基于属地原则的调度方案 |
6.2.3.2 无时间耗费系数的调度方案 |
6.2.3.3 调度方案分析 |
6.2.4 调度方案显示 |
6.3 本章小结 |
结论 |
参考文献 |
在学研究成果 |
致谢 |
(3)大型活动突发事件交通应急预案快速生成与动态优化方法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究综述 |
1.3 研究目的及内容 |
1.4 论文技术路线 |
1.5 本章小结 |
第二章 大型活动突发事件交通应急预案构建 |
2.1 大型活动交通特征 |
2.2 大型活动突发事件分类分级 |
2.3 大型活动交通应急预案构建 |
2.4 大型活动突发事件交通应急预案快速生成与动态优化流程 |
2.5 本章小结 |
第三章 大型活动突发事件初始交通应急预案快速生成方法 |
3.1 案例推理和朴素贝叶斯分类概述 |
3.2 交通应急预案的表示 |
3.3 交通应急预案检索 |
3.4 交通应急预案的修正和学习 |
3.5 实例分析 |
3.6 本章小节 |
第四章 大型活动突发事件交通应急预案动态优化方法 |
4.1 规则推理概述 |
4.2 规则推理知识库构建 |
4.3 基于规则推理的预案优化方法 |
4.4 实例分析 |
4.5 本章小节 |
第五章 大型活动突发事件交通应急预案应急能力评价 |
5.1 预案应急能力评价流程 |
5.2 基于模糊层次分析法的评价流程 |
5.3 交通应急预案应急能力指标体系 |
5.4 大型活动突发事件严重度指标体系 |
5.5 实例分析 |
5.6 本章小节 |
第六章 结论与展望 |
6.1 成果 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间发表论文及研究成果清单 |
1、攻读硕士学位期间发表论文及科研情况 |
2、参与项目情况 |
(4)面向高速公路突发事件的应急管理决策方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 问题背景及意义 |
1.2 研究目标与内容 |
1.2.1 研究目标 |
1.2.2 研究内容 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 主要贡献与研究局限性 |
1.4.1 主要贡献 |
1.4.2 研究局限性 |
1.5 本章小结 |
第二章 高速公路应急管理相关理论与研究评述 |
2.1 高速公路突发事件应急管理相关理论 |
2.1.1 高速公路突发事件定义 |
2.1.2 高速公路突发事件的分类分级 |
2.1.3 高速公路突发事件的特征 |
2.1.4 高速公路突发事件应急管理流程 |
2.1.5 高速公路应急管理体系现状分析 |
2.2 高速公路突发事件信息获取及应急管理决策应用 |
2.2.1 突发事件信息获取、处理及应用 |
2.2.2 突发事件信息的应急管理决策应用 |
2.3 高速公路突发事件应急管理决策基础 |
2.3.1 突发事件应急决策方法 |
2.3.2 高速公路突发事件应急管理决策 |
2.3.3 高速公路突发事件应急管理决策特性 |
2.4 研究现状评述及展望 |
2.5 本章小结 |
第三章 我国高速公路突发事件应急管理现状及能力提升策略 |
3.1 我国高速公路突发事件应急管理现状分析 |
3.1.1 样本收集与选择 |
3.1.2 我国高速公路突发事件应急管理工作现状 |
3.1.3 我国高速公路突发事件应急管理运行模式现状 |
3.2 我国高速公路突发事件应急管理的问题评析 |
3.2.1 我国高速公路突发事件应急管理模式发展脉络分析 |
3.2.2 我国高速公路突发事件应急管理决策能力提升的影响因素分析 |
3.3 我国高速公路突发事件应急管理决策能力提升的实证分析 |
3.3.1 问题分析 |
3.3.2 研究方法及框架 |
3.3.3 数据收集与整理 |
3.3.4 数据处理与结果分析 |
3.4 我国高速公路突发事件应急管理决策能力提升策略 |
3.5 本章小结 |
第四章 云技术驱动的高速公路应急管理决策系统分析与建构 |
4.1 问题分析 |
4.2 高速公路应急管理决策系统构建分析 |
4.2.1 系统总体与建构思路 |
4.2.2 系统的基本需求分析 |
4.2.3 系统总体架构分析 |
4.3 应急管理决策系统的体系架构逻辑分析 |
4.3.1 交通信息感知层 |
4.3.2 云架构信息接入与管理层 |
4.3.3 交通大数据管理与决策服务应用层 |
4.4 系统实施分析 |
4.5 本章小结 |
第五章 高速公路突发事件单阶段应急决策方法 |
5.1 高速公路突发事件应急决策问题分析 |
5.2 相关理论方法 |
5.2.1 梯形直觉模糊数 |
5.2.2 前景理论 |
5.2.3 热力学方法 |
5.3 基于Choquet积分的梯形直觉模糊集结算子 |
5.4 基于信息质量的高速公路应急决策模型 |
5.4.1 问题描述 |
5.4.2 决策模型与方法 |
5.5 案例分析 |
5.6 本章小结 |
第六章 高速公路突发事件多阶段动态应急决策方法 |
6.1 问题分析 |
6.2 区间梯形直觉模糊数 |
6.3 多阶段动态应急决策模型与方法 |
6.3.1 问题描述 |
6.3.2 多阶段动态应急决策模型原理 |
6.3.3 基于满意度信息更新的动态应急决策方法 |
6.4 案例分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文主要研究结论 |
7.2 本文主要创新点 |
7.3 未来研究展望 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(5)多粒度视角下突发事件情景案例推理模型与方法研究(论文提纲范文)
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状与综述 |
1.2.1 情景-应对方法研究现状 |
1.2.2 案例推理研究现状 |
1.2.3 粒计算思想及其相关模型研究 |
1.2.4 研究综述 |
1.3 研究内容与研究思路 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
2 “情景-应对”模式下基于案例推理的应急决策 |
2.1 突发事件应急决策 |
2.1.1 突发事件的定义与特征 |
2.1.2 应急决策的特征与流程 |
2.2 基于“情景-应对”的应急决策模式 |
2.2.1 突发事件情景的特点 |
2.2.2 突发事件情景的分类 |
2.2.3 “情景-应对”型应急决策模式的提出 |
2.2.4 “情景-应对”型应急决策的流程 |
2.3 基于案例推理的应急决策方法 |
2.3.1 CBR的工作过程及相关技术 |
2.3.2 “情景-应对”模式下CBR的优势 |
2.3.3 “情景-应对”模式下CBR的流程 |
2.3.4 “情景-应对”决策与案例库结构的关系 |
2.4 本章小结 |
3 多粒度视角下情景案例结构化表示 |
3.1 案例知识表示概述 |
3.1.1 案例内容及知识表示原则 |
3.1.2 常见案例表示方法 |
3.2 突发事件情景案例结构分析 |
3.2.1 情景案例的组成 |
3.2.2 情景的静态结构 |
3.2.3 情景的动态结构 |
3.2.4 情景案例的整体结构 |
3.2.5 情景案例的结构特点 |
3.3 突发事件情景案例知识表示方法选择 |
3.3.1 情景案例知识表示的复杂性 |
3.3.2 突发事件情景案例知识表示要求 |
3.3.3 粒计算思想及基本概念 |
3.3.4 适合于突发事件案例结构的表示方法 |
3.4 本章小结 |
4 多粒度视角下情景案例组织 |
4.1 基于商空间的情景案例组织 |
4.1.1 商空间相关概念 |
4.1.2 情景案例商空间模型 |
4.2 基于概念格的情景案例组织 |
4.2.1 概念格相关概念 |
4.2.2 情景概念格模型 |
4.2.3 情景概念格的构造方法 |
4.3 基于概念提升的情景概念格粒度变化 |
4.3.1 概念层次概述 |
4.3.2 粒度变化后概念格更新 |
4.3.3 举例分析 |
4.4 情景案例组织模型的优势分析 |
4.5 本章小结 |
5 多粒度视角下情景链表示模型 |
5.1 情景链形成机理及演化类型 |
5.1.1 情景链形成机理 |
5.1.2 情景链演化方式 |
5.2 情景链超图模型 |
5.2.1 超图理论 |
5.2.2 情景链超图模型 |
5.2.3 情景链超图的拓扑特性分析 |
5.2.4 基于超图的情景演化风险评价 |
5.3 基于情景链超图的演化规则挖掘 |
5.3.1 演化规则的生成步骤 |
5.3.2 实例分析 |
5.3.3 演化规则的完善 |
5.4 情景链超图的粒度变化 |
5.4.1 超边粒化 |
5.4.2 节点粒化 |
5.4.3 超边和节点同时粒化 |
5.5 情景链超图模型的优势分析 |
5.6 本章小结 |
6 多粒度视角下情景案例检索 |
6.1 案例检索策略 |
6.1.1 常用检索策略 |
6.1.2 分级检索策略 |
6.2 相似度计算 |
6.2.1 情景链相似度计算 |
6.2.2 情景特征相似度计算 |
6.3 方案生成 |
6.4 实例分析 |
6.4.1 案例背景 |
6.4.2 检索过程 |
6.4.3 方案生成 |
6.5 本章小结 |
7 多粒度情景案例推理系统的实现 |
7.1 系统功能描述 |
7.2 系统设计方案 |
7.2.1 总体框架 |
7.2.2 数据库设计 |
7.2.3 推理机的设计 |
7.3 运行界面 |
7.4 本章小结 |
8 研究结论及展望 |
8.1 主要结论 |
8.2 创新点 |
8.3 研究展望 |
参考文献 |
附录 |
附录A 突发事件分类代码表 |
附录B 各类突发事件的主要孕灾环境 |
附录C 情景概念格的构造算法 |
读博期间的主要研究成果 |
致谢 |
作者简介 |
(6)公安应急预案数字化管理平台的设计与实现(论文提纲范文)
摘要 |
abstract |
引言 |
1 绪论 |
1.1 研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究的目的及意义 |
1.2 国内外研究现状及发展动态分析 |
1.2.1 应急管理平台研究现状 |
1.2.2 应急预案的结构化表示研究现状 |
1.2.3 应急案例推理和生成研究现状 |
1.3 主要研究内容 |
1.4 研究思路与框架 |
2 研究涉及的相关方法及开发技术 |
2.1 文本结构化技术 |
2.2 CBR+RBR技术 |
2.2.1 基于案例推理的方法 |
2.2.2 基于规则推理的方法 |
2.3 WEB技术 |
2.3.1 MVC设计模式 |
2.3.2 Eclipse集成开发环境 |
2.3.3 Tomcat服务器 |
2.3.4 MySQL数据库 |
3 公安应急预案数字化管理平台需求分析 |
3.1 系统用户分析 |
3.2 系统总体需求分析 |
3.3 系统功能需求分析 |
3.3.1 应急预案管理模块需求分析 |
3.3.2 应急案例管理模块需求分析 |
3.3.3 应急方案智能生成模块需求分析 |
3.3.4 应急资源管理模块需求分析 |
3.4 系统非功能性需求分析 |
3.4.1 数据需求 |
3.4.2 网络需求 |
3.4.3 安全性需求 |
3.4.4 兼容性需求 |
3.4.5 稳定性需求 |
3.4.6 可用性需求 |
3.5 本章小结 |
4 公安应急预案数字化管理平台总体设计 |
4.1 系统架构设计 |
4.2 网络拓扑架构设计 |
4.3 系统总体框架设计 |
4.4 系统技术架构设计 |
4.5 系统功能设计 |
4.5.1 应急预案管理模块设计 |
4.5.2 应急案例管理模块设计 |
4.5.3 应急方案智能生成模块设计 |
4.5.4 应急资源管理模块设计 |
4.6 系统数据库设计 |
4.6.1 数据库设计原则 |
4.6.2 数据库表设计 |
4.7 本章小结 |
5 公安应急预案数字化管理平台的详细设计与实现 |
5.1 用户管理模块的设计与实现 |
5.1.1 用户注册的设计与实现 |
5.1.2 登录功能的设计与实现 |
5.1.3 用户管理功能的设计与实现 |
5.2 应急预案管理模块的设计与实现 |
5.2.1 新建应急预案功能的设计与实现 |
5.2.2 应急预案查询功能的设计与实现 |
5.2.3 应急预案管理功能的设计与实现 |
5.2.4 应急预案统计功能的设计与实现 |
5.3 应急案例管理模块的设计与实现 |
5.4 应急方案智能生成模块的设计与实现 |
5.5 应急资源管理模块的设计与实现 |
5.5.1 应急物资管理功能的设计与实现 |
5.5.2 应急知识管理功能的设计与实现 |
5.5.3 组织机构管理功能的设计与实现 |
5.6 本章小结 |
6 公安应急预案数字化管理平台的功能测试 |
6.1 测试预期 |
6.2 测试范围 |
6.3 功能模块测试 |
6.3.1 测试环境配置 |
6.3.2 用户管理模块功能测试 |
6.3.3 应急预案管理模块功能测试 |
6.3.4 应急案例管理模块功能测试 |
6.3.5 应急方案智能生成模块功能测试 |
6.3.6 应急资源管理模块功能测试 |
6.4 非功能模块测试 |
6.4.1 设置录制选项 |
6.4.2 录制脚本 |
6.4.3 创建场景及运行场景 |
6.4.4 查看检测报告 |
6.5 本章小结 |
结论 |
参考文献 |
在学研究成果 |
致谢 |
(7)基于机械臂的混凝土裂缝修复工艺知识库构建及应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及研究意义 |
1.2 国内、外研究现状 |
1.3 研究内容与技术路线 |
1.4 论文章节安排 |
2 裂缝的形成机理及形态特征研究 |
2.1 裂缝的形成机理 |
2.2 裂缝的形态特征 |
2.3 裂缝的修复决策研究 |
2.4 裂缝修复决策支持系统 |
2.5 本章小结 |
3 基于机器视觉的裂缝特征数据库与轨迹提取 |
3.1 裂缝特征数据库的构建 |
3.2 裂缝轨迹的提取方法 |
3.3 本章小结 |
4 基于机械臂的混凝土裂缝修复工艺知识库构建与系统设计 |
4.1 裂缝修复工艺知识库的构建 |
4.2 裂缝修复工艺的推理机制 |
4.3 系统设计:裂缝决策支持系统 |
4.4 本章小结 |
5基于机械臂的墙面裂缝自动检测与决策实验 |
5.1 裂缝轨迹坐标提取 |
5.2 裂缝修复决策推理 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录1 作者攻读学位期间发表学术论文 |
附录2 作者攻读学位期间参与的科研项目 |
附录3 选题来源 |
(8)基于案例推理的城市道路交通拥堵安全疏导决策支持技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与目的 |
1.2 相关理论研究 |
1.2.1 案例推理的工作原理 |
1.2.2 案例推理技术的特点与优势 |
1.2.3 基于案例推理的决策支持技术 |
1.3 国内外研究现状 |
1.3.1 案例推理技术的理论研究 |
1.3.2 案例推理在决策支持方面的应用 |
1.3.3 决策支持系统在交通安全方面的应用 |
1.4 研究主要内容与技术路线 |
1.4.1 研究的主要内容 |
1.4.2 研究方法 |
1.4.3 技术路线 |
2 城市道路交通拥堵疏导决策分析研究 |
2.1 以某市为例的交通现状分析 |
2.2 交通拥堵的定义及形成原因 |
2.2.1 交通拥堵的定义 |
2.2.2 形成拥堵的原因 |
2.3 城市道路拥堵的特性研究 |
2.3.1 交通拥堵的特性 |
2.3.2 城市道路交通拥堵的空间分布模型 |
2.4 交通拥堵疏导的决策分析 |
2.4.1 交通拥堵的特征属性需求 |
2.4.2 交通拥堵疏导决策方案的分类 |
2.5 基于案例推理的交通拥堵疏导决策支持系统关键技术 |
2.5.1 交通拥堵疏导决策支持系统的案例推理模型 |
2.5.2 特征属性的权重设置方案 |
2.5.3 人机交互界面 |
2.6 本章小结 |
3 交通拥堵案例特征属性的优化研究 |
3.1 特征属性的优化方法 |
3.1.1 最小子集法 |
3.1.2 背包算法与过滤算法 |
3.1.3 权值排序法 |
3.2 文本领域基于权重排序法的相关算法 |
3.2.1 主成分分析法 |
3.2.2 互信息与信息增益 |
3.2.3 期望交叉熵 |
3.3 TF-IDF算法 |
3.3.1 TF-IDF算法基本原理 |
3.3.2 TF-IDF算法的不足 |
3.3.3 TF-IDF算法的优化方案 |
3.4 交通拥堵特征属性选择方法 |
3.4.1 文档频率 |
3.4.2 基于类别分布差异度的交通拥堵特征属性优化 |
3.4.3 交通拥堵特征属性权重设置 |
3.4.4 交通拥堵案例知识的表示 |
3.5 实验结果与分析 |
3.5.1 实验步骤 |
3.5.2 KNN算法 |
3.5.3 实验结果与分析 |
3.6 本章小结 |
4 基于聚类分析的交通拥堵案例检索策略 |
4.1 案例检索的传统方法 |
4.1.1 最近相邻法 |
4.1.2 归纳索引法 |
4.1.3 知识引导法 |
4.1.4 模板法 |
4.2 聚类分析的相应算法 |
4.2.1 基于网格的聚类算法 |
4.2.2 基于层次的聚类 |
4.2.3 基于密度的聚类 |
4.2.4 基于分割的聚类算法 |
4.3 K-means算法 |
4.3.1 算法流程 |
4.3.2 K-means算法的优缺点 |
4.3.3 K-means算法的相关优化 |
4.4 基于微案例簇的聚类分析算法 |
4.4.1 案例库样本的选取与表示 |
4.4.2 案例聚类算法 |
4.4.3 微案例簇的聚类 |
4.4.4 算法步骤 |
4.5 案例检索的相似度计算方法 |
4.5.1 聚类效果的评价函数 |
4.5.2 相似度矩阵 |
4.5.3 基于距离的相似度计算方法 |
4.6 基于聚类分析与最近邻的案例检索策略 |
4.6.1 基于余弦函数的检索方式 |
4.6.2 案例重用与案例修改 |
4.6.3 案例学习 |
4.7 实验结果与分析 |
4.7.1 交通拥堵聚类距离选择实验结果与分析 |
4.7.2 交通拥堵案例聚类实验比较 |
4.7.3 交通拥堵案例检索实验的结果与分析 |
4.8 本章小结 |
5 基于案例推理的城市道路拥堵疏导决策支持系统设计与实现 |
5.1 系统需求分析 |
5.2 不同原因的拥堵处理方法 |
5.2.1 常发性交通拥堵的处理方式 |
5.2.2 突发性交通拥堵的处理方式 |
5.3 系统的推理过程 |
5.3.1 拥堵疏导管理及案例库的构建 |
5.3.2 系统推理模型建立 |
5.4 系统设计即测试结果分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介及读博期间主要科研成果 |
(9)基于基因视角的复杂应急案例构建与重用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与课题来源 |
1.1.1 研究背景 |
1.1.2 课题来源 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状与评述 |
1.3.1 复杂灾害应急管理研究 |
1.3.2 案例推理研究 |
1.3.3 基于基因视角的管理学研究 |
1.3.4 国内外研究评述 |
1.4 研究范围与内容 |
1.4.1 研究范围 |
1.4.2 研究内容 |
1.5 研究方法与技术路线图 |
1.5.1 研究方法 |
1.5.2 技术路线图 |
第2章 基于基因结构的复杂应急案例表示 |
2.1 复杂应急案例概述 |
2.1.1 复杂灾害“情境-情景”结构 |
2.1.2 复杂应急案例的定义与特征 |
2.2 基因结构的择定依据 |
2.3 复杂应急案例基因模型构建 |
2.3.1 GMCEC定义 |
2.3.2 GMCEC本体建模基础 |
2.3.3 GMCEC多级表示结构 |
2.4 基准比对 |
2.4.1 应对知识结构化能力基准比对 |
2.4.2 应急决策支持能力基准比对 |
2.5 用例分析 |
2.6 本章小结 |
第3章 复杂应急案例族谱结构设计 |
3.1 族谱的择定依据 |
3.2 复杂应急案例族谱基本概念与功能 |
3.2.1 基本概念 |
3.2.2 基本功能 |
3.3 复杂应急案例族谱结构 |
3.3.1 纵向维度 |
3.3.2 横向维度 |
3.3.3 维度关联关系与构建流程 |
3.4 基准比对 |
3.4.1 复杂应急案例存储能力基准比对 |
3.4.2 复杂应急案例存储需求基准比对 |
3.5 用例分析 |
3.6 本章小结 |
第4章 基于自然选择的复杂应急案例检索 |
4.1 自然选择的择定依据 |
4.2 复杂应急案例三层匹配 |
4.2.1 基本流程 |
4.2.2 领域层匹配 |
4.2.3 结构层匹配 |
4.2.4 属性层匹配 |
4.3 复杂应急案例二维推荐 |
4.3.1 基本流程 |
4.3.2 同源推荐 |
4.3.3 异源推荐 |
4.4 用例分析 |
4.5 本章小结 |
第5章 基于基因工程的复杂应急案例重用 |
5.1 基因工程的择定依据 |
5.2 复杂应急案例目的基因获取 |
5.2.1 目的基因识别 |
5.2.2 基于集合覆盖的目的基因获取 |
5.2.3 基于人工合成的目的基因获取 |
5.2.4 目的基因重组 |
5.3 复杂应急案例目的基因表达载体构建 |
5.3.1 目的基因功能片段提取 |
5.3.2 目的基因功能片段整合 |
5.4 复杂应急案例目的基因导入 |
5.4.1 直接导入法 |
5.4.2 转换导入法 |
5.4.3 演绎导入法 |
5.5 复杂应急案例目的基因测评与修饰 |
5.6 复杂应急案例的二维保存规则 |
5.7 用例分析 |
5.8 本章小结 |
结论 |
参考文献 |
附录一 |
附录二 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(10)水污染应急技术预案智能生成模型建立及案例应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源、研究背景和意义 |
1.1.1 课题来源 |
1.1.2 研究背景和意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 水质预测预报研究进展 |
1.2.2 应急技术筛选研究进展 |
1.2.3 应急材料筛选研究进展 |
1.3 研究内容与技术路线 |
1.3.1 存在问题及研究思想 |
1.3.2 研究内容 |
1.3.3 技术路线 |
第2章 研究对象和研究方法 |
2.1 水质预测案例概况及数据 |
2.1.1 案例河流概况 |
2.1.2 案例数据 |
2.2 启动判别、技术和材料筛选案例概况及数据 |
2.3 集成软件平台案例概况及数据 |
2.4 研究方法 |
2.4.1 水质预测预报模型 |
2.4.2 应急启动判别模型 |
2.4.3 应急技术筛选与评估模型 |
2.4.4 应急材料选择与优化模型 |
第3章 水质预测模型与应急处置启动判别方法研究 |
3.1 引言 |
3.2 基于小波和混沌的水质预测模型研究 |
3.2.1 模型构建设想与流程设计 |
3.2.2 模型的建立 |
3.2.3 实际案例分析 |
3.2.4 预测结果对比分析 |
3.3 基于威胁度和熵权G1法的启动判别模型研究 |
3.3.1 模型构建设想与流程设计 |
3.3.2 模型的建立 |
3.3.3 实际案例分析 |
3.3.4 启动判别结果分析 |
3.4 本章小结 |
第4章 水污染应急处置技术筛选评估模型及案例应用 |
4.1 引言 |
4.2 应急技术筛选与评估模型构建设想 |
4.2.1 应急技术初筛模型的构建设想 |
4.2.2 应急技术深度筛选与评估模型的构建设想 |
4.2.3 模型流程设计 |
4.3 基于熵权G1法和CBR检索的技术初筛模型的建立 |
4.3.1 历史案例库的设计 |
4.3.2 应急技术初筛模型指标体系的建立 |
4.3.3 应急技术初筛模型的建立 |
4.4 基于ITF-TOPSIS的技术深度筛选与评估模型的建立 |
4.4.1 筛选指标体系的建立 |
4.5 实际案例应用 |
4.5.1 数据预处理方法 |
4.5.2 应急技术深度筛选与评估模型的建立 |
4.5.3 应急技术初筛案例应用 |
4.5.4 应急技术深度筛选与评估案例应用 |
4.5.5 筛选与评估结果分析 |
4.6 本章小结 |
第5章 水污染应急处置材料选择优化模型及案例应用 |
5.1 引言 |
5.2 水污染应急材料选择优化模型构建设想 |
5.2.1 模型构建设想 |
5.2.2 模型流程设计 |
5.3 基于熵权G1法和CBR检索的材料初筛模型的建立 |
5.3.1 应急材料库的搭建 |
5.3.2 应急工况库的构建 |
5.3.3 应急材料初筛模型的建立 |
5.4 基于MCBR和DDRS的材料选择优化模型的建立 |
5.5 实际案例应用 |
5.5.1 应急材料初筛案例应用 |
5.5.2 应急材料深度选择优化案例应用 |
5.5.3 选择与优化结果分析 |
5.6 本章小结 |
第6章 水污染应急技术预案智能生成系统的设计集成 |
6.1 引言 |
6.2 应急技术预案智能生成系统通用框架的构建 |
6.2.1 系统整体构建 |
6.2.2 模型分步设计 |
6.3 应急技术预案智能生成模型群组的搭建 |
6.4 应急技术方案智能生成系统设计集成 |
6.4.1 系统总体设计 |
6.4.2 系统运行环境 |
6.4.3 系统功能模块设计 |
6.5 实际案例应用 |
6.6 本章小结 |
结论 |
附录 |
参考文献 |
攻读博士期间发表的论文及其它成果 |
致谢 |
个人简历 |
四、基于CBR的交通事故处理智能决策支持系统(论文参考文献)
- [1]车联网络数据分发协议与算法研究[D]. 吴锦桥. 西安电子科技大学, 2020(02)
- [2]高速公路突发事件应急决策支持系统的研究[D]. 张奕. 中国人民公安大学, 2020(08)
- [3]大型活动突发事件交通应急预案快速生成与动态优化方法[D]. 王成晨. 东南大学, 2020(01)
- [4]面向高速公路突发事件的应急管理决策方法研究[D]. 刘永. 重庆交通大学, 2020(01)
- [5]多粒度视角下突发事件情景案例推理模型与方法研究[D]. 王兴鹏. 首都经济贸易大学, 2019(03)
- [6]公安应急预案数字化管理平台的设计与实现[D]. 崔浩. 中国人民公安大学, 2019(09)
- [7]基于机械臂的混凝土裂缝修复工艺知识库构建及应用研究[D]. 马文瑾. 华中科技大学, 2019
- [8]基于案例推理的城市道路交通拥堵安全疏导决策支持技术研究[D]. 张昊. 安徽理工大学, 2018(01)
- [9]基于基因视角的复杂应急案例构建与重用研究[D]. 于峰. 哈尔滨工业大学, 2019
- [10]水污染应急技术预案智能生成模型建立及案例应用[D]. 刘仁涛. 哈尔滨工业大学, 2018(01)
标签:国家突发环境事件应急预案论文; 应急预案体系论文; 技术协议论文; 决策能力论文; 专项应急预案论文;