CN113807622A - 一种事件决策生成方法、装置、电子设备及存储介质 - Google Patents

一种事件决策生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113807622A
CN113807622A CN202010541753.9A CN202010541753A CN113807622A CN 113807622 A CN113807622 A CN 113807622A CN 202010541753 A CN202010541753 A CN 202010541753A CN 113807622 A CN113807622 A CN 113807622A
Authority
CN
China
Prior art keywords
event
historical
decided
attribute information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010541753.9A
Other languages
English (en)
Inventor
胡娟娟
陈维强
孙永良
于涛
王玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hisense Group Co Ltd
Hisense Co Ltd
Original Assignee
Hisense Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hisense Co Ltd filed Critical Hisense Co Ltd
Priority to CN202010541753.9A priority Critical patent/CN113807622A/zh
Publication of CN113807622A publication Critical patent/CN113807622A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种事件决策生成方法、装置、电子设备及存储介质，用以自动生成事件决策，以辅助决策者进行决策。本发明实施例获取用户输入的待决策事件的属性信息；根据待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并从多个历史事件中确定目标事件；根据待决策事件的属性信息对目标事件的历史决策信息进行调整，得到待决策事件的决策信息。本发明实施例利用丰富的历史事件的决策经验，在目标事件的历史决策信息基础上，自动生成适用于待决策事件的决策信息，避免过多依赖决策者的个人经验而造成的应对突发事件效率较低的问题，提高应急决策生成效率，快速、高效的应对突发事件。

Description

一种事件决策生成方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，特别涉及一种事件决策生成方法、装置、电子设备及存储介质。
背景技术
突发事件是指突然发生，造成或者可能造成严重社会危害的自然灾害、事故灾难、公共卫生事件和社会安全事件等，当突发事件发生时，需要采取相应的应急措施予以应对，为减少突发事件带来的损失和危害，需要决策者做出快速、高效、科学的应急决策，争取到黄金救援时间以保证人民生命和财产的安全。
目前，应急决策过多依赖于决策者的个人经验和知识水平，还没有一种自动生成应急决策的方法供决策者参考。
发明内容
本发明提供一种事件决策生成方法、装置、电子设备及存储介质，用于自动生成事件决策，提高应急决策生成效率，快速、高效的应对突发事件。
第一方面，本发明实施例提供一种事件决策生成方法，该方法包括：
获取用户输入的待决策事件的属性信息；
根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从所述多个历史事件中确定目标事件；其中，所述推荐参数表示历史事件与所述待决策事件之间的相似程度；
根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息。
本发明实施例提供的事件决策生成方法中，通过获取用户输入的待决策事件的属性信息，根据待决策事件的属性信息以及历史事件的属性信息确定与待决策事件相似程度最高的目标事件，并根据待决策事件的属性信息对目标事件的历史决策信息进行调整，得到待决策事件的决策信息。本发明实施例中，利用丰富的历史事件的决策经验，在目标事件的历史决策信息基础上，自动生成适用于待决策事件的决策信息，避免过多依赖决策者的个人经验而造成的应对突发事件效率较低的问题，提高应急决策生成效率，快速、高效的应对突发事件。
在一种可选的实施方式中，所述根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，包括：
根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
按照预设的事件类型顺序将所述待决策事件对应的所属每种事件类型的概率值组成所述待决策事件的特征向量，以及按照所述预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
针对任一历史事件，根据所述历史事件的特征向量与所述待决策事件的特征向量之间的余弦相似度确定所述历史事件对应的推荐参数。
本发明实施例提供的事件决策生成方法中，根据待决策事件的属性信息与历史事件的属性信息确定历史事件的推荐参数，根据历史事件的推荐参数从多个历史事件中确定与待决策事件相似程度较高的目标案例，进而确定出目标案例的历史决策信息，辅助决策者进行决策。此外，根据特征向量的余弦相似度确定事件之间的相似程度，将两个事件之间的相似程度量化，便于相似程度的比较，选出与待决策事件相似程度更高的历史事件作为目标事件，目标案件的历史决策信息可参考性更高。
在一种可选的实施方式中，所述根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值，包括：
将所述待决策事件的属性信息以及所述多个历史案件的属性信息输入已训练的事件分类模型，获取所述事件分类模型输出的所述待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
本发明实施例提供的事件决策生成方法中，通过事件分类模型确定事件对应的所属每种事件类型的概率值，计算速度快，准确度高。
在一种可选的实施方式中，根据下列方式对所述事件分类模型进行训练：
对多个历史事件对应的文本信息进行分词处理，得到所述历史事件中每个历史案件对应的属性信息；
将预设事件类型个数以及所述每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；
统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；
将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为所述事件分类模型的输出，对所述事件分类模型进行训练。
本发明实施例提供的事件决策生成方法中，通过大量历史事件的属性信息对事件分类模型进行训练，训练完成的事件分类模型可以得到确定事件对应的所属每种事件类型的概率值能力，利用深度学习技术的优点，快速准确的确定事件对应的特征向量。
在一种可选的实施方式中，所述根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息，包括：
根据所述目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息；以及，根据所述待决策事件的属性信息中的位置信息，确定所述待决策事件所需调度资源信息的调度位置信息；
生成从所述待决策事件的调度位置信息对应的第一位置，到所述待决策事件的位置信息对应的第二位置之间的调度路线信息；
将所述目标事件的历史决策中的调度路线信息调整为待决策事件的调度路线信息，得到包括所述待决策事件的调度资源信息以及调度路线信息的决策信息。
本发明实施例提供的事件决策生成方法中，依据待决策事件的属性信息对目标事件的历史决策信息进行调整，生成适用于待决策事件的决策。相比于只得到目标事件的历史决策信息，本发明实施例提供的方法还会进一步的根据待决策事件的具体属性信息进行调整，得到的待决策事件的决策更有参考意义，更好的辅助决策者进行决策。
第二方面，本发明实施例提供一种事件决策生成装置，包括：获取模块，用于获取用户输入的待决策事件的属性信息；
确定模块，用于根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从所述多个历史事件中确定目标事件；其中，所述推荐参数表示历史事件与所述待决策事件之间的相似程度；
生成模块，用于根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息。
在一种可选的实施方式中，所述确定模块具体用于：
根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
按照预设的事件类型顺序将所述待决策事件对应的所属每种事件类型的概率值组成所述待决策事件的特征向量，以及按照所述预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
针对任一历史事件，根据所述历史事件的特征向量与所述待决策事件的特征向量之间的余弦相似度确定所述历史事件对应的推荐参数。
在一种可选的实施方式中，所述确定模块具体用于：
将所述待决策事件的属性信息以及所述多个历史案件的属性信息输入已训练的事件分类模型，获取所述事件分类模型输出的所述待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
在一种可选的实施方式中，还包括训练模块，所述训练模块用于根据下列方式对所述事件分类模型进行训练：
对多个历史事件对应的文本信息进行分词处理，得到所述历史事件中每个历史案件对应的属性信息；
将预设事件类型个数以及所述每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；
统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；
将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为所述事件分类模型的输出，对所述事件分类模型进行训练。
在一种可选的实施方式中，所述生成模块具体用于：
根据所述目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息；以及，根据所述待决策事件的属性信息中的位置信息，确定所述待决策事件所需调度资源信息的调度位置信息；
生成从所述待决策事件的调度位置信息对应的第一位置，到所述待决策事件的位置信息对应的第二位置之间的调度路线信息；
将所述目标事件的历史决策中的调度路线信息调整为待决策事件的调度路线信息，得到包括所述待决策事件的调度资源信息以及调度路线信息的决策信息。
第三方面，本发明另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例第一方面提供的任一事件决策生成方法。
第四方面，本发明另一实施例还提供了一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本发明实施例第一方面提供的任一事件决策生成方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
图1为本发明实施例提供的一种事件决策生成方法的流程图；
图2为本发明实施例提供的一种获取待决策事件属性信息的界面示意图；
图3为本发明实施例提供的一种获取待决策事件属性信息的界面示意图；
图4为本发明实施例提供的一种确定历史事件推荐参数方法的流程图；
图5为本发明实施例提供的一种事件决策生成***的前端界面图；
图6为本发明实施例提供的一种事件决策生成***的结构示意图；
图7为本发明实施例提供的一种事件决策生成装置的结构示意图；
图8为本发明实施例提供的另一种事件决策生成装置的结构示意图；
图9为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
应急决策是应急管理工作中的主要内容，当突发事件发生时，通常需要决策者做出快速、高效、科学的应急决策，以减少突发事件带来的损失和危害，争取到黄金救援时间以保证人民生命和财产安全。
本发明实施例提供一种自动生成事件决策的方法，可以应用于突发事件发生时生成应急决策辅助决策者指挥救援工作，也可以应用于模拟突发事件的过程中生成事件决策，进行救灾模拟演练等，本发明实施例具体的应用场景不做限定。
如图1所示，本发明实施例提供的一种事件决策生成方法的流程图，包括：
在步骤S101中、获取用户输入的待决策事件的属性信息；
本发明实施例中，用户可以是决策者；待决策事件可以是真实发生的突发事件，也可以是模拟突发事件。待决策事件的属性信息可以包括事件发生时间、事件发生地点、事件详情等，上述属性信息仅为示例的，属性信息还可以包含突发事件严重程度或者其他信息，本发明实施例不做具体限定。
如图2所示为本发明实施例提供的事件决策生成***前端界面，可以获取待决策事件的属性信息。
实施中，用户在属性信息对应的输入框中输入待决策事件的属性信息，其中，在输入待决策事件的发生地点时，可以在位置信息对应的输入框中直接输入事件发生的地址，或者，如图3所示，用户还可以在前端界面示出的地图中标定位置，用户点击确认按钮后自动获取标定的位置对应的位置信息。
在步骤S102中、根据待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从多个历史事件中确定目标事件；
其中，推荐参数表示历史事件与待决策事件之间的相似程度。
本发明实施例提供的事件决策生成***后端服务器中可以存储有大量历史事件的属性信息，历史事件的属性信息包括历史事件发生时的时间、地点、事件详情、事件标题、历史决策信息、事件的评价总结等，通过待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，历史事件对应的推荐参数标识历史事件与待决策事件之间的相似程度，可以选取推荐参数最大的历史事件作为目标事件，目标事件与待决策事件之间的相似程度最大，参考价值最好，可以根据目标事件的历史决策信息生成待决策事件的决策信息。
需要说明的是，历史事件的属性信息可以根据案例库中存储的记录事件的文本信息获得，文本信息可以完整的文章。获取历史事件的属性信息可以是通过对记录事件的文本进行中文分词，去除无用的停用词，仅保留文本中有意义的词，经过分词处理之后，得到每个历史事件对应的属性信息。
本发明实施例中，可以通过分词应用程序ICTCLAS等进行分词处理。
得到的每个历史事件的属性信息可以如表1所示：
历史事件 属性信息
事件1 火灾、灭火器、消防局、市区
事件2 交通事故、疏散、货车、高速
事件3 高温、疫情、温度计、防护服
表1
本发明实施例中，可以将分词处理后的历史事件对应的属性信息进行存储，或者可以在每次确定历史事件对应的推荐参数时重新进行分词处理得到。
在步骤S103中，根据待决策事件的属性信息对目标事件的历史决策信息进行调整，得到待决策事件的决策信息。
本发明实施例中在确定与待决策事件相似程度最高的目标事件后，由于不同事件的发生时间、地点、周围环境等属性信息不同，不能直接将目标事件的历史决策信息作为待决策事件的决策信息，需要根据待决策事件的属性信息对目标事件的历史决策信息进行适用性调整，得到更具参考意义的事件决策供决策者参考。
本发明实施例提供的事件决策生成方法中，通过获取用户输入的待决策事件的属性信息，根据待决策事件的属性信息以及历史事件的属性信息确定与待决策事件相似程度最高的目标事件，并根据待决策事件的属性信息对目标事件的历史决策信息进行调整，得到待决策事件的决策信息。本发明实施例中，利用丰富的历史事件的决策经验，在目标事件的历史决策信息基础上，自动生成适用于待决策事件的决策信息，避免过多依赖决策者的个人经验而造成的应对突发事件效率较低的问题，提高应急决策生成效率，快速、高效的应对突发事件。
在确定历史事件对应的推荐参数时，可以根据待决策事件的属性信息以及历史事件的属性信息确定。如图4所示，为本发明实施例提供的一种确定历史事件推荐参数方法的流程图，包括：
在步骤S401中、根据待决策事件的属性信息确定待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
本发明实施例中，根据待决策事件以及历史事件的属性信息，将待决策事件以及历史事件映射到事件类型空间，根据待决策事件的属性信息确定待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值。
其中，事件类型以及类型数目可以是预先设定的，也可以是根据所有事件的属性信息确定的。假设有5种事件类型，分别为类型1、类型2、类型3、类型4、类型5，事件类型可以表示突发事件的类型，例如，火灾、洪水、地震、交通事故等事件类型，甚至可以更细的划分为不同等级，例如重大交通事故、较大交通事故、一般交通事故等。
假设，根据待决策事件的属性信息确定待决策事件对应的所属每种事件类型的概率值分别为：属于类型1的概率值为0.1、属于类型2的概率值为0.4属于类型3的概率值为0.2、属于类型4的概率值为0.9、属于类型5的概率值为0.6。需要说明的是，每个事件对应的所述每种事件类型的概率值之和可以为1，也可以不为1，本发明实施例不做具体限定；同样，根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；如表2所示，为待决策事件与历史事件对应的所属每种事件类型的概率值：
类型1 类型2 类型3 类型4 类型5
历史事件1 0.4 0.2 0.1 0.8 0
历史事件2 0.6 0.2 0.9 0.2 0.3
历史事件3 0.1 0.8 0.2 0.1 0.1
待决策事件 0.1 0.4 0.2 0.9 0.6
表2
其中，历史事件的个数、事件类型的个数、以及每个事件对应的所属每种事件类型的概率值仅是示例的。
本发明实施例提供一种根据事件的属性信息确定事件对应的所属每种事件类型的概率值的方法。
一种可选的实施方式为，将待决策事件的属性信息以及多个历史案件的属性信息输入已训练的事件分类模型，获取事件分类模型输出的待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
本发明实施例中，可以通过已训练的事件分类模型确定事件对应的所属每种事件类型的概率值，将待决策事件以及多个历史事件对应的属性信息输入已训练的事件分类模型中，事件分类模型根据待决策事件以及历史事件的属性信息对事件进行分类，输出待决策事件以及历史事件对应的所属每种事件类型的概率值。
本发明实施例中，在调用事件分类模型之前，需要基于大量的样本数据对事件分类模型进行训练，将多个历史事件的属性信息作为事件分类模型的输入，将每个历史事件对应的所属每种事件类型的概率值作为事件分类模型的输出，对事件分类模型进行多次训练，在事件分类模型收敛后，确定事件分类模型训练完成。
其中，事件分类模型可以为LDA模型。
实施中，获取用户输入的待决策事件的属性信息，以及预先存储的历史事件的属性信息，将事件的属性信息输入已训练的LDA模型中，已训练的LDA模型可以输出事件类型-属性信息分布以及事件-事件类型分布，其中，LDA模型是根据事件的属性信息进行聚类，每类属性信息可以隐性描述事件类型；根据每个事件对应的属性信息中每个属性信息对应的事件类型，确定每个事件对应的每种事件类型的概率值。
LDA模型输出的事件-事件类型分布为一个分布矩阵，分布矩阵的行数为输入LDA模型的事件的个数，分布矩阵的列数为事件类型的个数，其中，事件类型的个数可以是在训练LDA模型时预先设置的。确定事件类型的个数的方法本发明实施例不做具体限定，假设事件类型的个数为最优事件类型个数。
在步骤S402中、按照预设的事件类型顺序将待决策事件对应的所属每种事件类型的概率值组成待决策事件的特征向量，以及按照预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
按照相同的预设的事件类型顺序确定待决策事件以及历史事件对应的特征向量。
假设，预设的事件类型顺序为类型1、类型2、类型3、类型4、类型5，则历史事件1对应的特征向量为[0.4 0.2 0.1 0.8 0]；历史事件2对应的特征向量为[0.6 0.2 0.9 0.20.3]；历史事件3对应的特征向量为[0.1 0.8 0.2 0.1 0.1]；待决策事件对应的特征向量为[0.1 0.4 0.2 0.9 0.6]。
假设，预设的事件类型顺序为类型2、类型1、类型4、类型5、类型3，则历史事件1对应的特征向量为[0.2 0.4 0.8 0 0.1]；历史事件2对应的特征向量为[0.2 0.6 0.2 0.30.9]；历史事件3对应的特征向量为[0.8 0.1 0.1 0.1 0.2]；待决策事件对应的特征向量为[0.4 0.1 0.9 0.6 0.2]。
在步骤S403中、针对任一历史事件，根据历史事件的特征向量与待决策事件的特征向量之间的余弦相似度确定历史事件对应的推荐参数。
本发明实施例中，可以根据特征向量的余弦相似度确定两个事件之间的相似程度。
本发明实施例中，根据如下公式确定两个事件的特征向量之间的余弦相似度：
Figure BDA0002539128610000121
其中，A、B表示两个事件对应的特征向量；m表示特征向量的元素个数，也可以表示事件类型的总个数；i表示第i个元素，也可以表示任一事件类型；vAi表示事件A对应的特征向量中第i个元素的数值，也可以表示事件A对应的所属事件类型i的概率值；vBi表示事件B对应的特征向量中第i个元素的数值，也可以表示事件B对应的所属事件类型i的概率值。
根据如上公式确定每个历史事件对应的特征向量与待决策事件对应的特征向量之间的余弦相似度，作为每个历史事件对应的推荐参数，历史事件1对应的推荐参数为0.79、历史事件2对应的推荐参数为0.50、历史事件3对应的推荐参数为0.53。
可以将推荐参数最高的历史事件1作为目标事件，并确定历史事件1的历史决策信息，根据待决策事件的属性信息对历史事件1的历史决策信息进行调整，得到待决策事件的决策信息。
本发明实施例中，在对目标事件的历史决策信息进行调整得到待决策事件的决策信息时，根据待决策事件的属性信息目标事件的决策信息进行调整，生成的待决策事件的决策信息中可以包括调度资源信息以及调度路线信息。
实施中，根据目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息。本发明实施例中调度资源信息可以包括人员、物资。
可以将目标事件的历史决策中的调度资源信息直接作为待决策事件的调度资源信息，例如，目标事件为某一时间在某一地点发生火灾，历史决策信息中调度的资源包括灭火器以及灭火器的数量、调用消防车的数量、以及调用消防员的名单、调用消防专家名单等。则可以将待决策事件的调度资源信息直接采用上述调度资源；
或者还可以根据目标事件与待决策事件的相似程度，确定待决策事件的调度资源信息，例如目标事件为某一时间在某一地点发生较大火灾，而待决策事件为某一时间在某一地点发生小型火灾，可以适当减少历史决策信息中灭火器的数量、消防车的数量、调用消防员的数量、以及调用消防专家的数量等，例如选取之前数量的一半作为待决策事件的调度资源信息。
还需要根据待决策事件的属性信息中的位置信息，确定待决策事件所需调度资源信息的调度位置信息。可以根据待决策事件所发生的地点，确定调度上述调度资源的调度位置。
例如待决策事件的发生地点为C地，确定C地周围预设范围内拥有调度资源的位置，假设C地周围M地、N地拥有调度资源，可以根据M地、N地所拥有调度资源的情况确定调度位置信息，假设M地、N地所拥有的物资均满足所需求的调度物资，则从M地、N地任选一个调度位置。实施中，还可以根据实时路况、距离等选取调度位置。其中预设范围可以是决策者输入的，例如，以C地为中心预设半径所形成的预设范围。
实施中，还可以根据实时路况、距离等选取调度位置。
生成调度位置信息对应的第一位置到发生待决策事件的第二位置之间的调度路线，并将历史决策中的调度路线信息调整为待决策事件的调度路线信息。
实施中，还可以根据实时路况、距离等确定调度路线。
本发明实施例中，可以根据GIS技术生成对目标事件的历史决策信息进行调整，得到待决策事件的决策信息。本发明实施例中，GIS***可以集空间属性数据采集、组织管理、分析处理和可视化输出为一体，对多源异构的决策数据具有良好的组织管理、综合处理分析和可视化输出的能力。本发明中GIS***管理的决策数据主要有七大类应急资源、河流、行政区划、实时路况、视频监控、天气信息、水库信息、单兵信息等多种类型的数据。通过GIS技术可以直接定位待决策事件的事故地点并调用事故现场周围的视频监控，确定调度位置信息以及调度路线信息，并集成电话调度、语音调度和短信调等多种调度工具，辅助决策者快速、准确、全面地掌握事故情况和明确决策问题与目标。
如图5所示，为本发明实施例提供的一种事件决策生成***的前端界面图，用户可以在前端界面属性信息对应的输入框中直接输入待决策事件的属性信息、针对属性信息中待决策事件的发生地点还可以在地图中标定位置；在确定目标事件后，将目标事件的历史决策展示在界面中；还可以展示根据历史决策信息中的调度资源信息确定的待决策事件的调度资源信息；根据待决策事件的发生地点以及用户输入的调度半径，确定预设范围内拥有可调度资源的调度位置信息；并根据待决策事件的发生地点周围的监控、从调度位置到待决策事件的发生地点之间的路况生成调度路线展示在界面上；还可以通过前端界面上展示的调度工具联系调度人员或者指挥待决策事件的决策执行等。
需要说明的是，本发明实施例中提供的事件决策生成***的前端界面图仅是示例的，并不构成对本发明保护范围的限定。
如图6所示，为本发明实施例提供的事件决策生成***的结构示意图，包括客户端、服务器；
客户端响应用户输入的待决策事件的属性信息，并将待决策事件的属性信息发送给服务器；
服务器将待决策事件的属性信息，以及历史事件的属性信息输入LDA模型中，获取LDA模型输出的待决策事件以及历史事件对应的所属每种事件类型的概率值，并确定每个历史事件对应的推荐参数，根据推荐参数中确定目标事件并将目标事件的历史决策信息发送给客户端；以及基于GIS***，根据待决策事件的属性信息对目标事件的历史决策信息进行调整，得到待决策事件的决策信息并将其发送给客户端；
客户端展示目标事件的历史决策信息，以及得到的待决策事件的决策信息。
其中，可以以文字形式展示目标事件的历史决策信息。
本发明实施例中，还提供一种训练事件分类模型的方法：
对多个历史事件对应的文本信息进行分词处理，得到历史事件中每个历史案件对应的属性信息；将预设事件类型个数以及每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为事件分类模型的输出，对事件分类模型进行训练。
本发明实施例中，事件分类模型可以是LDA模型。
训练事件分类模型所用的历史事件可以与确定目标事件时所用的历史事件相同，也可以与其不同。实施中，可以通过对记录历史事件的文本进行中文分词，去除无用的停用词，仅保留文本中有意义的词，经过分词处理之后，得到每个历史事件对应的属性信息。本发明实施例中，可以通过分词应用程序ICTCLAS等进行分词处理。
本发明实施例中，还可以将训练过程中得到的历史事件的属性信息保存，在使用过程中不需要再进行分词处理得到历史事件的属性信息。
本发明实施例中，对确定预设事件类型个数的方法本发明实施例不做具体限定，假设已获取合适的事件类型个数。
将预设事件类型的个数、多个历史事件对应的属性信息输入LDA模型，LDA模型根据吉布斯采样算法确定事件类型-属性信息分布以及事件-事件类型分布，其中，事件-事件类型分布是根据每个历史事件对应的属性信息、以及事件类型-属性信息分布确定的，事件类型-属性信息分布表示每个属性信息所对应的事件类型；事件-事件类型分布表示每个历史事件对应的所属每种事件类型的概率值，将事件类型-属性信息分布以及事件-事件类型分布作为LDA模型的输出，对LDA模型的参数进行调整，直到训练完成，训练完成的LDA模型具有根据事件的属性信息确定事件对应的所属每种事件类型的概率值的能力。
基于同一发明构思，本发明实施例中还提供了一种事件决策生成装置，由于该装置解决问题的原理与本发明实施例的事件决策生成方法相同，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
如图7所示，本发明实施例提供一种事件决策生成装置，包括：
获取模块701，用于获取用户输入的待决策事件的属性信息；
确定模块702，用于根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从所述多个历史事件中确定目标事件；其中，所述推荐参数表示历史事件与所述待决策事件之间的相似程度；
生成模块703，用于根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息。
在一种可选的实施方式中，所述确定模块702具体用于：
根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
按照预设的事件类型顺序将所述待决策事件对应的所属每种事件类型的概率值组成所述待决策事件的特征向量，以及按照所述预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
针对任一历史事件，根据所述历史事件的特征向量与所述待决策事件的特征向量之间的余弦相似度确定所述历史事件对应的推荐参数。
在一种可选的实施方式中，所述确定模块702具体用于：
将所述待决策事件的属性信息以及所述多个历史案件的属性信息输入已训练的事件分类模型，获取所述事件分类模型输出的所述待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
如图8所示，本发明实施例提供一种事件决策生成装置，还包括训练模块704，所述训练模块704用于根据下列方式对所述事件分类模型进行训练：
对多个历史事件对应的文本信息进行分词处理，得到所述历史事件中每个历史案件对应的属性信息；
将预设事件类型个数以及所述每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；
统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；
将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为所述事件分类模型的输出，对所述事件分类模型进行训练。
在一种可选的实施方式中，所述生成模块703具体用于：
根据所述目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息；以及，根据所述待决策事件的属性信息中的位置信息，确定所述待决策事件所需调度资源信息的调度位置信息；
生成从所述待决策事件的调度位置信息对应的第一位置，到所述待决策事件的位置信息对应的第二位置之间的调度路线信息；
将所述目标事件的历史决策中的调度路线信息调整为待决策事件的调度路线信息，得到包括所述待决策事件的调度资源信息以及调度路线信息的决策信息。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于该电子设备解决问题的原理与本发明实施例的车牌检测方法相同，因此该电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的一种电子设备，请参照图9，该电子设备900包括：
至少一个处理器901，以及
与所述至少一个处理器通信连接的存储器902；
其中，所述存储器902存储有可被所述至少一个处理器901执行的指令，所述至少一个处理器901通过执行所述存储器存储的指令实现上述事件决策生成方法。
本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现上述事件决策生成方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种事件决策生成方法，其特征在于，该方法包括：
获取用户输入的待决策事件的属性信息；
根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从所述多个历史事件中确定目标事件；其中，所述推荐参数表示历史事件与所述待决策事件之间的相似程度；
根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息。
2.如权利要求1所述的方法，其特征在于，所述根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，包括：
根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
按照预设的事件类型顺序将所述待决策事件对应的所属每种事件类型的概率值组成所述待决策事件的特征向量，以及按照所述预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
针对任一历史事件，根据所述历史事件的特征向量与所述待决策事件的特征向量之间的余弦相似度确定所述历史事件对应的推荐参数。
3.如权利要求2所述的方法，其特征在于，所述根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值，包括：
将所述待决策事件的属性信息以及所述多个历史案件的属性信息输入已训练的事件分类模型，获取所述事件分类模型输出的所述待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
4.如权利要求3所述的方法，其特征在于，根据下列方式对所述事件分类模型进行训练：
对多个历史事件对应的文本信息进行分词处理，得到所述历史事件中每个历史案件对应的属性信息；
将预设事件类型个数以及所述每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；
统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；
将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为所述事件分类模型的输出，对所述事件分类模型进行训练。
5.如权利要求3所述的方法，其特征在于，所述根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息，包括：
根据所述目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息；以及，根据所述待决策事件的属性信息中的位置信息，确定所述待决策事件所需调度资源信息的调度位置信息；
生成从所述待决策事件的调度位置信息对应的第一位置，到所述待决策事件的位置信息对应的第二位置之间的调度路线信息；
将所述目标事件的历史决策中的调度路线信息调整为待决策事件的调度路线信息，得到包括所述待决策事件的调度资源信息以及调度路线信息的决策信息。
6.一种事件决策生成装置，其特征在于，包括：
获取模块，用于获取用户输入的待决策事件的属性信息；
确定模块，用于根据所述待决策事件的属性信息以及多个历史事件的属性信息，确定每个历史事件对应的推荐参数，并根据每个历史事件对应的推荐参数从所述多个历史事件中确定目标事件；其中，所述推荐参数表示历史事件与所述待决策事件之间的相似程度；
生成模块，用于根据所述待决策事件的属性信息对目标事件的历史决策信息进行调整，得到所述待决策事件的决策信息。
7.如权利要求6所述的装置，其特征在于，所述确定模块具体用于：
根据所述待决策事件的属性信息确定所述待决策事件对应的所属每种事件类型的概率值，以及根据每个历史事件的属性信息确定每个历史事件对应的所属每种事件类型的概率值；
按照预设的事件类型顺序将所述待决策事件对应的所属每种事件类型的概率值组成所述待决策事件的特征向量，以及按照所述预设的事件类型顺序将每个历史事件对应的所属每种事件类型的概率值组成每个历史事件的特征向量；
针对任一历史事件，根据所述历史事件的特征向量与所述待决策事件的特征向量之间的余弦相似度确定所述历史事件对应的推荐参数。
8.如权利要求7所述的装置，其特征在于，所述确定模块具体用于：
将所述待决策事件的属性信息以及所述多个历史案件的属性信息输入已训练的事件分类模型，获取所述事件分类模型输出的所述待决策事件对应的所属每种事件类型的概率值，以及每个历史事件对应的所属每种事件类型的概率值。
9.如权利要求8所述的装置，其特征在于，还包括训练模块，所述训练模块用于根据下列方式对所述事件分类模型进行训练：
对多个历史事件对应的文本信息进行分词处理，得到所述历史事件中每个历史案件对应的属性信息；
将预设事件类型个数以及所述每个历史案件对应的属性信息作为事件分类模型的输入，通过吉布斯采样算法确定所有属性信息中每个属性信息所对应的事件类型；
统计任一历史事件对应的属性信息中每个属性信息所对应的事件类型，确定每个历史事件对应的所属每种事件类型的概率值；
将每个属性信息所对应的事件类型以及每个历史事件对应的所属每种事件类型的概率值作为所述事件分类模型的输出，对所述事件分类模型进行训练。
10.如权利要求8所述的装置，其特征在于，所述生成模块具体用于：
根据所述目标事件的历史决策中的调度资源信息，确定待决策事件的调度资源信息；以及，根据所述待决策事件的属性信息中的位置信息，确定所述待决策事件所需调度资源信息的调度位置信息；
生成从所述待决策事件的调度位置信息对应的第一位置，到所述待决策事件的位置信息对应的第二位置之间的调度路线信息；
将所述目标事件的历史决策中的调度路线信息调整为待决策事件的调度路线信息，得到包括所述待决策事件的调度资源信息以及调度路线信息的决策信息。
11.一种电子设备，其特征在于，包括：
至少一个处理器，以及
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令执行如权利要求1～5中任一项所述的事件决策生成方法。
12.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被计算机执行时用于执行如权利要求1～5中任一权利要求所述的事件决策生成方法。
CN202010541753.9A 2020-06-15 2020-06-15 一种事件决策生成方法、装置、电子设备及存储介质 Pending CN113807622A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010541753.9A CN113807622A (zh) 2020-06-15 2020-06-15 一种事件决策生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010541753.9A CN113807622A (zh) 2020-06-15 2020-06-15 一种事件决策生成方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113807622A true CN113807622A (zh) 2021-12-17

Family

ID=78892413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010541753.9A Pending CN113807622A (zh) 2020-06-15 2020-06-15 一种事件决策生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113807622A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358984A (zh) * 2021-12-31 2022-04-15 城云科技（中国）有限公司 纠纷管理方法、装置、可读存储介质及电子装置
CN114596182A (zh) * 2022-03-09 2022-06-07 王淑娟 一种基于大数据的政务管理方法及***
CN116010561A (zh) * 2023-03-28 2023-04-25 航天万源云数据河北有限公司 社会治理辅助决策方法、装置及计算机可读存储介质
CN116595995A (zh) * 2023-07-17 2023-08-15 通号通信信息集团有限公司 动作决策的确定方法、电子设备及计算机可读存储介质
CN116596423A (zh) * 2023-05-31 2023-08-15 山东省交通运输监测与应急处置中心 基于地理数据的突发事件交通运输保障***、方法及设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015175053A2 (en) * 2014-02-17 2015-11-19 Westerngeco Llc Decision guidance
CN105741218A (zh) * 2016-03-04 2016-07-06 公安部道路交通安全研究中心 应急预案生成服务器、方法、***以及客户端
CN107609707A (zh) * 2017-09-20 2018-01-19 福建四创软件有限公司 一种洪水预报、防灾决策方法及***
CN107945082A (zh) * 2017-10-09 2018-04-20 中国电子科技集团公司第二十八研究所 一种应急预案生成方法和***
WO2019055654A1 (en) * 2017-09-15 2019-03-21 Thomson Reuters Global Resources Unlimited Company SYSTEMS AND METHODS FOR DETECTING AND CONFIGURING MULTIMEDIA EVENTS AND COREFERENCING
CN109523061A (zh) * 2018-10-22 2019-03-26 哈尔滨工业大学 一种基于情景分析的突发事件应急决策方法
CN109582766A (zh) * 2018-11-15 2019-04-05 湖北地信科技集团股份有限公司 突发事件处理方法、装置、存储介质及设备
CN109840534A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 处理事件的方法和装置
CN110322139A (zh) * 2019-06-28 2019-10-11 阿里巴巴集团控股有限公司 策略推荐方法及装置
CN110752942A (zh) * 2019-09-06 2020-02-04 平安科技（深圳）有限公司 告警信息的决策方法、装置、计算机设备及存储介质
CN110852761A (zh) * 2019-10-11 2020-02-28 支付宝(杭州)信息技术有限公司 制定反作弊策略的方法、装置及电子设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015175053A2 (en) * 2014-02-17 2015-11-19 Westerngeco Llc Decision guidance
CN105741218A (zh) * 2016-03-04 2016-07-06 公安部道路交通安全研究中心 应急预案生成服务器、方法、***以及客户端
WO2019055654A1 (en) * 2017-09-15 2019-03-21 Thomson Reuters Global Resources Unlimited Company SYSTEMS AND METHODS FOR DETECTING AND CONFIGURING MULTIMEDIA EVENTS AND COREFERENCING
CN107609707A (zh) * 2017-09-20 2018-01-19 福建四创软件有限公司 一种洪水预报、防灾决策方法及***
CN107945082A (zh) * 2017-10-09 2018-04-20 中国电子科技集团公司第二十八研究所 一种应急预案生成方法和***
CN109840534A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 处理事件的方法和装置
CN109523061A (zh) * 2018-10-22 2019-03-26 哈尔滨工业大学 一种基于情景分析的突发事件应急决策方法
CN109582766A (zh) * 2018-11-15 2019-04-05 湖北地信科技集团股份有限公司 突发事件处理方法、装置、存储介质及设备
CN110322139A (zh) * 2019-06-28 2019-10-11 阿里巴巴集团控股有限公司 策略推荐方法及装置
CN110752942A (zh) * 2019-09-06 2020-02-04 平安科技（深圳）有限公司 告警信息的决策方法、装置、计算机设备及存储介质
CN110852761A (zh) * 2019-10-11 2020-02-28 支付宝(杭州)信息技术有限公司 制定反作弊策略的方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
***: "突发事件应急决策方法研究", 31 December 2018, 南京：东南大学出版社, pages: 15 - 16 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358984A (zh) * 2021-12-31 2022-04-15 城云科技（中国）有限公司 纠纷管理方法、装置、可读存储介质及电子装置
CN114596182A (zh) * 2022-03-09 2022-06-07 王淑娟 一种基于大数据的政务管理方法及***
CN116010561A (zh) * 2023-03-28 2023-04-25 航天万源云数据河北有限公司 社会治理辅助决策方法、装置及计算机可读存储介质
CN116596423A (zh) * 2023-05-31 2023-08-15 山东省交通运输监测与应急处置中心 基于地理数据的突发事件交通运输保障***、方法及设备
CN116596423B (zh) * 2023-05-31 2024-05-28 山东省交通运输监测与应急处置中心 基于地理数据的突发事件交通运输保障***、方法及设备
CN116595995A (zh) * 2023-07-17 2023-08-15 通号通信信息集团有限公司 动作决策的确定方法、电子设备及计算机可读存储介质
CN116595995B (zh) * 2023-07-17 2023-10-24 通号通信信息集团有限公司 动作决策的确定方法、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN113807622A (zh) 一种事件决策生成方法、装置、电子设备及存储介质
CN109242246B (zh) 情景构建方法、应急演练方法及情景构建***
CN110417721A (zh) 安全风险评估方法、装置、设备及计算机可读存储介质
CN112347916B (zh) 基于视频图像分析的电力现场作业安全监控方法及装置
CN111967910A (zh) 一种用户客群分类方法和装置
CN115828112B (zh) 一种故障事件的响应方法、装置、电子设备及存储介质
CN109388663A (zh) 一种面向社会安全领域的大数据智能分析平台
Gibelli et al. Crowd Dynamics, Volume 1: Theory, Models, and Safety Problems
CN111798162A (zh) 基于神经网络的风险监测方法及装置
CN115909692A (zh) 一种高速公路报警事件的管理方法、平台、设备和介质
CN111445369A (zh) 基于lbs大数据的城市大型聚集活动情报预警方法和装置
CN112598489A (zh) 基于金融应用的风险监测方法及***
CN112446637A (zh) 一种建筑施工质量安全在线风险检测方法及***
US10762089B2 (en) Open ended question identification for investigations
CN109711849B (zh) 以太坊地址画像生成方法、装置、电子设备及存储介质
CN107146038A (zh) 应急处置测评方法和测评***
CN111696347B (zh) 一种自动化分析交通事件信息的方法和装置
CN115132368A (zh) 一种基于大数据平台的传染病防控监测方法及***
KR102391612B1 (ko) 위기경보수준 관리방법 및 그 시스템
CN110458459B (zh) 交通数据的可视化分析方法、装置、设备及可读存储介质
CN112434648A (zh) 一种墙体形状变化检测方法及***
CN114049682A (zh) 一种人体异常行为识别方法、装置、设备及存储介质
CN112200468A (zh) 一种智慧城市云平台
CN113657488B (zh) 基于驾驶行为的用户分级方法、装置、设备及存储介质
CN118094531B (zh) 一种安全运维实时预警一体化***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination