基于实时大数据的公共安全情景推演及应急决策方法研究

Under the instruction of Public Safety Network, the research on public safety management based on the big data of human space-time behavior has become the main work in academic field. The traditional researches only focus the discovering of statistical laws from big data. The problems such as dynamic increasing of big data, the relationships between human behavior in micro view and public management in macro view, and the relationships between data perception in real world and scenario deduction in virtual artificial system are easily ignored. Therefore, the integration of big data using multi-paradigm modeling for urban population distribution modeling is proposed to solve the problem of big data integration. Real-time big data driven public safety scenario deduction system framework is proposed to find the most optimal emergency decision plan. ACP approach based public safety emergency decision method is proposed to apply the game theory in real public safety scenarios. Four specific situations are chosen to study from streets, ports, chemical industry area and parks respectively. The computational experiments are designed according to the requirements of public safety scenario to apply real-time big data. The main work can be summarized as following: big data collection from internet of things for public safety, multi-paradigm modeling based urban population distribution modeling by big data integration, computational experiments of crowd in specific situations, the applications of emergency decision analysis for public management. Based on iterations of interactions between micro and macro views, real world and virtual systems, the research can be used to solve the problems in real public management application.

在公共安全网的理论指导下，通过挖掘人类时空大数据为公共安全管理研究服务已经成为学界的研究热点。以往基于人类时空大数据的研究聚焦在其本身统计规律方面，对于大数据的动态实时增长性、微观下人口行为模式与宏观公共安全管理之间的宏微观融合关系、从真实世界感知数据和在虚拟系统进行情景推演之间的虚实互联关系等问题关注不够。本课题提出基于多范式建模的城市人口时空分布实时大数据融合方法、实时大数据注入的特定公共安全情景推演系统架构设计和基于ACP方法的公共安全应急决策方法。课题组在街区、港区、化工园区、景区中各选择一个特定的场景作为研究对象进行实时大数据注入的情景推演。主要工作包括公共安全物联网大数据收集与人口时空分布实时大数据融合、特定场景中人群疏散情景推演、应急决策分析案例应用等。通过在微观宏观、真实世界与虚拟系统之间反复迭代的过程，最终达到为实际公共安全管理工作服务的目标。

课题属于自然科学基金委管理学部公共安全与危机管理方向的常规面上基金，课题于2016年立项，课题执行时间为2017年1月至2020年12月。随着近些年一些突发事件的发生，将大数据和公共安全管理结合的研究引起越来越多的重视，课题的目标是研究一种基于多范式建模方法的城市人口时空分布模型融合方法，同时针对特定场景构造一个实时大数据注入的公共安全情景推演系统架构，研究基于ACP、QRA和博弈论的公共安全应急决策方法，从而达到为公共安全管理提供分析、预测、决策和验证的实验平台的目的。.在该目标的指导下，课题组完成了所有计划的研究内容，包括三个方面，九个研究内容。第一个方面是基于多范式建模的实时大数据融合方法，研究内容包括多源数据集成融合架构设计、基于多范式建模的多源数据描述和集成方法、面向特征的DEVS模型演化集成方法以及智能化的平行实验方法。第二个方面是实时大数据注入的特定公共安全推演系统，研究内容包括以化工园区为场景设计大气环保平行应急管理平台，构建综合监测物联网、基于监测大数据的化工厂排放行为分析方法以及动态数据驱动的大气扩散建模和大气扩散源项估计算法。第三个方面是基于ACP方法的公共安全应急决策方法，研究内容包括基于博弈论的化工园区巡逻方法、基于实时监测数据的寻源算法和动态数据驱动在人群疏散和时空网络演化模型的应用。.课题组在研究工作的基础上共发表了学术论文74篇，其中SCI检索30篇，EI检索17篇，获得中国仿真学会自然科学奖一等奖、二等奖各1项。.课题聚焦在特定场景下基于多源大数据集提供统一的描述方法、公共管理情景推演的计算方法、应急决策分析方法，从宏观和微观结合、真实与虚拟互联两个角度为基于大数据的公共管理工作提供方法支撑和数据集成思路，从而形成从大数据到公共安全管理，从真实世界到虚拟人工系统的迭代回路。