基于事件驱动的风暴潮灾害中辅助决策系统研究

张广平，谢 忠，罗显刚，张晨晓

(1.中国地质大学(武汉)信息工程学院，湖北 武汉 430074;2.钦州学院数学与计算机学院，广西 钦州 535099;3.钦州学院海洋学院，广西 钦州 535099)



基于事件驱动的风暴潮灾害中辅助决策系统研究

张广平1,2，谢 忠1，罗显刚1，张晨晓3

(1.中国地质大学(武汉)信息工程学院，湖北 武汉 430074;2.钦州学院数学与计算机学院，广西 钦州 535099;3.钦州学院海洋学院，广西 钦州 535099)

针对当前较少涉及的风暴潮灾害中如何因地制宜地安全转移人员，如何科学合理地调度物资服务救灾，如何进行受灾地区的工情实时监测，以及缺乏与受灾具体地点相联系的小尺度风暴潮灾害中可视化预警问题，本文提出了一种基于事件驱动的风暴潮灾害中辅助决策的实现过程机制，在此基础上设计开发了基于事件驱动的风暴潮灾害中辅助决策系统，从而实现了风暴潮灾害地区工情情况实时监控、合理调度物资、就地安排抢险队伍、指导渔船回港避险等小尺度的处理决策，解决了与受灾具体地点相联系的小尺度防风救灾决策中面临的实际问题。通过海南省防风减灾应用结果表明，该决策系统可为政府职能部门防风救灾工作提供科学的、有效的、可视化的辅助决策支撑。

事件驱动；风暴潮灾害；辅助决策系统

风暴潮是指由于强烈的大气扰动如强风和气压剧变等引起海水异常升降，使受其影响的海区潮位大大超过平常潮位的一种巨大的灾害现象。风暴潮引起的灾害通常表现为其增水灾害，如淹没土地、海滩侵蚀、航道及港池骤淤、冲毁堤坝、毁坏房屋、夺人生命等。同样，风暴潮减水灾害也会给国民经济带来严重损失，其表现为航运受阻、电厂取水困难、港口码头作业不便等[1]。海南省是我国风暴潮灾害发生最为频繁、最为严重的省份之一[2]，气候多变等特有的自然地理因素经常会遭遇极端天气，如长时间特大暴雨、超强风暴潮等，导致风暴潮、干旱和水涝等自然灾害频繁。面对风暴潮严重的影响，近年来我国学者开展了广泛的研究工作，也取得了比较显著的成果。如滕骏华等[3]提出了基于Oracle和GIS技术的风暴潮减灾信息化、网络化实现框架，概述了风暴潮减灾数据库设计、风暴潮数值预报模型集成、基于GIS的减灾辅助决策分析、基于3S技术的灾害监测和调查以及基于GIS的灾损评估等风暴潮减灾辅助决策信息系统；张俊香等[4]根据1949—2005年广东沿海地区台风暴潮灾害资料，分析了这50多年台风暴潮灾害情况及台风暴潮灾害的地理特征；王建军[5]利用ArcGIS系列软件，研发了B/S模式的风暴潮灾害预报与疏散系统，实现了查询风暴潮灾害发生时的风暴增水值、淹没区域图、风险评估图以及疏散路径图；甘申东等[6]系统总结了我国南海沿海台风风暴潮的生成特点、灾害损失发生规律、灾害特征、灾害成因及强度影响因素，指出近些年来南海沿海台风风暴潮发生频率及其强度均有增加的趋势，特大台风风暴潮发生的频率及损失强度也有所加大；此外，还有学者[7—10]对风暴潮的预防策略及灾害评估进行了研究，特别是针对海洋风暴潮灾害预报和预警进行了深入研究，即在风暴潮来袭时，提前给出风暴潮行进路线范围以便提前预警告知人们。黄毅宇等[11]在分析我国应急预案编制过程中存在的问题的基础上，探讨了如何利用情景分析的方法实现应急预案的有效编制的程序，所搭建的理论框架对于形象模拟灾害现场、合理指导应急工作的展开具有一定的意义。总之，目前风暴潮灾害辅助决策系统一般可实现路径查询、风暴潮信息发布、风暴潮模拟、历史灾害资料查询以及灾情评估，但较少涉及灾害中如何获取气象、水文、人员、物资、工情的信息，如何因地制宜地安全转移人员，如何科学合理地调度物资服务救灾，如何进行受灾地区的工情实时监测，也缺乏与受灾具体地点相联系的小尺度的风暴潮灾害中可视化预案等。为此，本文在整合风暴潮灾害中数据资源和功能资源基础上，建立了基于事件驱动的风暴潮灾害中辅助决策管理系统，从而实现了风暴潮灾害中实时地监控受灾地区的气象、水文、工情的情况，科学选择风暴潮预案，合理调度物资，就地安排人员抢险，通知指导渔船回港避险等小尺度的预案辅助决策可视化，解决了政府减灾防灾机构及部门在风暴潮灾害的减灾防灾过程中特别关注的怎样科学地采取措施减少人员伤亡降低财产损失的问题，可为政府相关的职能部门防风救灾工作提供重要的辅助决策支撑平台，为做好海南省及同类地区防风减灾工作，最大限度地减少灾害损失提供有力保障。

1 事件驱动问题描述及过程机制

当前应用于风暴潮减灾防灾决策系统大多是按照数据类型和业务功能模块来管理组织应用业务及使用信息数据流，诸如数据采集传输模块、风暴潮监测管理模块、风暴潮预警模块、工情管理模块、雨水情管理模块、预案管理模块、防风物资管理模块、抢险队伍管理模块、灾害统计管理模块、灾后评估模块等。这种按照功能驱动的应用系统，功能模块之间是被动的激活调用，孤立地存在于功能菜单中，并不能以风暴潮这一事件触发而驱动相关联的操作，决策者、使用者需要在不同的功能模块菜单中反复寻找可能有用的功能。而实际应用决策中，相关的防风救灾管理者往往是在风暴潮这一事件发生后，重点关注的是怎样围绕该事件而展开的一系列过程活动并形成科学有序的决策方案。基于事件驱动的架构可以解决这一问题，实现将决策需求同各功能单元按服务于风暴潮灾害中救灾这一主线形成一个联动的有机整体。

1.1 事件驱动的风暴潮灾害中辅助决策的问题描述

事件驱动系统的各个组件和服务是相互独立的，事件产生者时刻监视事件的发生并发布相关的消息,而各个相互独立的组件和服务得到消息后,自动完成各自的业务[12]。风暴潮灾害中辅助决策就是实时监视灾情事件，以风暴潮灾情发生事件为系统驱动源，针对风暴潮灾害中辅助决策的每一步流程来设计标准化的功能模块，依据预案中场景描述提取判定规则及相应的响应功能服务。响应功能服务主要以事件(诸如查询、报警、匹配、处理等)为驱动，围绕事件过程而推进并处理操作，其主要内容就是政府相关职能部门获取该地区气象、水文、工情的信息，分析灾情发展态势，依据灾情等级情况选择决策方案并启动对应的应急预案，合理安排风暴潮灾害中抢险队伍人员就近救灾，组织风暴潮灾害中的防风物资调度，指挥风暴潮灾害中受灾人员安全转移等措施。

1.2 基于事件驱动的过程机制

基于事件驱动的业务流程可实现主动式的事件驱动的服务响应。执行系统功能模块的触发是基于事件的，而规则是由事件、条件、动作构成的。使用事件规则可以描述基于事件触发规则的执行过程。该规则的表达形式如下：

WHEN Event

IF Condition THEN

Action

END IF

END WHEN

其中：Event代表事件模式;Condition代表满足的条件集;Action为响应功能模块服务集。

一个事件可以定义为

e=f(id,type,a,t)

式中:id为事件唯一标识码；type为事件类型，包括时间性事件E_TIME、程序性事件E_PROGRAM、用户自定义事件E_USER；a为事件的属性；t为事件发生的时间。

复杂事件由简单事件组合或通过事件聚合算子聚合而成，可表示为

e=f(id,type,a,fz,ts,te)

式中：fz为事件向量的集合{e1,e2,…,en};ts为复杂事件开始时间;te为复杂事件结束时间。

复杂事件由多个简单事件组合，在时间上由子事件有序延续。基于事件驱动的过程机制如图1所示。

在风暴潮持续变化过程中，每个事件的触发就表示发生了一次变化。本文以触发风暴潮灾害中抢险队伍调度事件为基本事件来进行描述，该事件可描述表达为如下公式：

e={teamID,teamTYPE,(teamJW,teamLOCATION,teamNUMBER,teamLEADER,teamTEL),t}

式中:teamID为抢险队伍调度事件编号;teamTYPE为抢险队伍调度事件类型；teamJW为抢险队伍位置的经纬度;teamLOCATION为抢险队伍的行政区位置;teamNUMBER为抢险队伍人数;teamLEADER为抢险队伍的负责人;teamTEL为抢险队伍联系方式，它们共同构成抢险队伍调度事件属性集合;t为事件发生的时间。

本文以风暴潮灾害中抢险队伍调度事件为例，解析事件驱动的执行机制。当风暴潮灾害预警产生，防风救灾决策职能部门分析受灾地区相关信息数据，将抢险队伍调度事件eTEAM分解成若干简单事件,如esearch查询队伍信息事件、ematching处理规则匹配事件、eaction执行处理事件、eGUI显示队伍信息事件等。按照风暴潮应急处理预案的处理业务流程及规定的措施，按照事件触发规则，触发相应的Action系统执行模块实施救灾行为操作。

2 应用实例

本文以台风风暴潮“山神”影响海南省为例，使用基于事件驱动的风暴潮灾害中辅助决策过程来进行分析。2012年10月27日第23号台风风暴潮“山神”形成，27日到达海南省三亚市以南海面，凌晨“山神”开始在三亚市近海海面强度迅速加强。受“山神”影响，10月26—30日，海南省南部大面积出现降雨，平均降雨量为100～220 mm，局部地区降雨量超过250 mm。据初步统计，“山神”造成海南省126.6万人受灾，因灾死亡1人，因灾失踪6人，紧急转移安置人口5.2万人，农作物受灾面积4.47×104hm2，直接经济损失达12.7亿元。针对该风暴潮灾害，基于事件触发规则及相应的执行功能模块，该决策过程可分解为：政府相关职能部门的指挥人员掌握灾害地区的工情信息，如避风港渔船回港情况、潮位站潮位高度、雨量站降雨情况、河流水库水位情况、堤防水闸的淹没水位等信息；针对灾害情况制订抗风救灾的计划，即合理安排救灾队伍实施救灾，就近调度防风救灾物资，确定受灾人员安全转移线路，指导渔船回港避险。

2.1 掌握风暴潮灾害中工情信息

工情信息是指在防风暴潮过程中的水库、河流、堤防、水闸、防洪楼、水文站、水位站、雨量站、潮位站、避风港等工程设施运行状况及数据信息。实时掌握风暴潮灾害中相关的工情数据是进行科学分析决策的基础。指挥调度人员在风暴潮灾害中可触发定位查询事件找到想要找的工程设施，触发工情信息事件查看工程设施运行状况、灾害相关的预案；防风指挥人员可触发短信发送事件向渔船渔排发送信息告知渔港状况信息及位置信息，触发最优路线事件搜索渔排渔船停靠合理的港口、可行的回港航线。图2为琼海市潭门渔港风暴潮灾害中的工情信息，包括渔港所在地琼海市、渔港等级分类为中心渔港、渔港详细信息、渔港周边查询、渔船回港路径分析，并用不同的标记符号来标明渔港的三种不同的类别：中心渔港、一级渔港、二级渔港。

2.2 安排风暴潮灾害中抢险队伍

风暴潮灾害中抢险队伍操作主要提供指挥调度人员直观简洁查询抢险队伍，快速了解抢险队伍的分布和人力情况，合理调动安排抢险人员。图3为海南省松涛水库可能淹没的下游村庄以及涉淹村庄周围的抢险队伍情况。图3中红色标记符号‘队’代表抢险小分队，小红旗符号标记为涉淹村庄周围的安全转移点，蓝色标记符号‘淹’代表可能淹没的下游村庄。图中示例抢险小分队位置为阳江农场，地理坐标为东经109.755 194、北纬19.298 395，抢险队伍人数为500人。防风防灾相关部门可根据预案中松涛水库周边部署的抢险队伍情况来合理调度人员，同时针对可能涉淹的下游村庄安排就近的抢险队做好紧急预备工作。

2.3 调度风暴潮灾害中防风物资

防风物资操作实现对防风物资诸如指挥船、橡皮舟、冲锋舟、救生衣、救生圈、编织袋、铅丝、石方、砂石料等的增加、删除、修改、查询，以便于指挥调度人员查询防风物资放置的地点、物资类型及数量，合理安排物资用于防风救灾。海南全省物资仓库分布地点包括昌江县仓库、定安县仓库、东方市仓库、戈枕水库仓库、乐东县仓库、琼中县仓库、三亚市仓库、松涛水库仓库、白沙县仓库、大广坝水库仓库等。防风防灾相关部门可按照距离情况、道路情况等分析确定调用物资的仓库及运送的线路，以达到高效科学防风救灾。图4为2012年松涛水库仓库的位置分布及其防风物资储备情况。图4中绿色符号标记‘仓’代表防风物资储备仓库，防汛物资储备情况：袋类为4 551条，土石布为3 341 m2，砂石料为3 646 m3，块石为2 301 m3，桩木为45.13 m3，救生衣为1 007件，救生圈为83件，抢险救生舟1艘。

3 结 论

本文提出了一种基于事件驱动的风暴潮灾害中辅助决策的实现过程机制，在此基础上设计开发了风暴潮灾害中辅助决策系统，并应用于小尺度的防风救灾辅助决策预案可视化中，解决了如何进行受灾地区的工情实时监测，如何合理地安排抢险队伍，如何科学地调度物资服务救灾，如何因地制宜地安全转移人员，如何与受灾具体地点相联系的小尺度的防风救灾决策中面临的实际问题，为防风减灾机构及部门领导正确地辅助决策、科学地调度各种资源、随时随地在互联网上简单高效操作提供了可视化的管理支撑平台。通过将该系统应用于2012年影响海南省的风暴潮防风救灾中，实现了科学选择紧急转移预案，合理选定受灾地区灾民安全转移安置场所，确定转移危旧房屋及低洼、危险地段房屋等危险区域群众路线，协助有关部门通知渔船回港、渔排人员上岸紧急避险，从而减少了人员伤亡，降低了直接和间接经济损失。

[1] 刘清容，于建生，韩笑.风暴潮研究综述及防灾减灾对策[J].科技风，2009(12):226-227.

[2] 吴胜安，郭冬艳，杨金虎.海南热带气旋降水的气候特征[J].气象科学，2007，27 (3)：308-310.

[3] 滕骏华,吴玮,孙美仙,等.基于GIS的风暴潮减灾辅助决策信息系统[J].自然灾害学报,2007,16(2):16-21.

[4] 张俊香，黄崇福，刘旭拢.广东沿海台风暴潮灾害的地理分布特征和风险评估(1949—2005)[J].应用基础与工程科学学报，2008，16(3):393-402.

[5] 王建军.基于ArcGIS的海南省风暴潮灾害预报与疏散系统的研究与实现[D].武汉：中国地质大学，2012.

[6] 甘申东,章卫胜,宗虎城,等.我国南海沿海台风风暴潮灾害分析及减灾对策[J].水利水运工程学报,2012,136(6):51-58.

[7] Wang G D,Kang J C,Yan G C.Storm surge disaster grade evaluation based on principal component analysis in China coast//[C]In 2010InternationalConferenceonMechanicAutomationandControlEngineering.Wuhan,China:IEEE,2010:1533-1537.

[8] Ren L C,Yin B S,Bie J,et al.Principles and methods for hazard risk analysis of storm surge[J].JournalofBasicScienceandEngineering,2004(sup l):28-35.

[9] Teng J H,Zhang T Y,Sun M X,et al.Methodology for storm surge risk analysis//[C].In 2008IEEEInternationalGeoscienceandRemoteSensingSymposium.Boston,USA:IEEE,2008:1458-1461.

[10]张广平,谢忠,罗显刚,等.基于模糊神经网络的台风灾害损失模型及应用[J].国土资源科技管理,2012(6):135-140.

[11]黄毅宇,李 响.基于情景分析的突发事件应急预案编制方法初探[J].安全与环境工程，2011，18(2):56-59.

[12]Michelson B M.Event-drivenArchitectureOverview[R].California:Patricia Seybold Group,2006,2:1-9.

Decision Support System of Storm Surge Disaster on Event-driven Basis

ZHANG Guangping1,2,XIE Zhong1,LUO Xiangang1,ZHANG Chenxiao3

(1.FacultyofInformationEngineering,ChinaUniversityofGeosciences,Wuhan430074,China;2.SchoolofMathematicsandComputerScience,QinzhouUniversity,Qinzhou535099,China;3.SchoolofOceanScience,QinzhouUniversity,Qinzhou535099,China)

This paper presents an implementation mechanism for the decision support system of storm surge disaster on the event-driven basis which makes decisions about the treatment of the real-time monitoring,the reasonable scheduling of material,the arrangement of rescue teams, and safety guidance for fishing boats in storm surge disaster areas.It solves the practical problems in the disaster relief decisions associated with the specific disaster locations.The application results of the decision support system in the wind disaster reduction in Hainan Province show that this system provides scientific,effective and visual decision support to government departments.Key words:event-driven;storm surge disasters;decision support system

1671-1556(2015)01-0051-05

2014-03-03

2014-10-20

国土资源部公益性行业科研专项项目(201211055)；中央高校基本科研业务费专项

张广平(1975—)，男，博士研究生，讲师，主要从事灾害决策支持模型及GIS在灾害监测预警预报中的应用等方面的研究。E-mail: zhang1344895364@gmail.com

X43;X

A

10.13578/j.cnki.issn.1671-1556.2015.01.009

罗显刚(1980—)，男，博士研究生，讲师，主要从事地质灾害及网络三维方面的研究。E-mail:Billxg@126.com

资金项目(CUGL130259)；钦州市科学研究与技术开发计划项目(2011813901)