一种基于云服务进行突发事件风险评估的方法与流程

本发明涉及突发事件的公共风险评估领域，一种基于云服务进行突发事件风险评估的方法。

背景技术：

近年来，突发公共事件、自然灾害、事故灾难、社会安全事件等各类突发事件频发，对公共安全构成严重威胁，应急管理和决策的复杂性和难度日益增加。风险评估是应急管理的重要环节，及早发现、识别和评估突发事件的公共风险，对有效控制风险后果，降低风险损失具有重要意义。

以往风险评估中，根据需要确定所需进行专题风险评估的议题，通过组织专家会商等方法识别潜在的突发公共卫生事件或突发事件公共卫生威胁，进行风险分析和评价，并提出风险管理建议；因地域的不同性，专家需要统一时间出差会晤，一般风险评估时间较长、成本高、程序繁琐、计算复杂，人力资源浪费较为严重。

技术实现要素：

针对现有技术的不足，本发明提供一种基于云服务和大数据的新的突发事件风险评估的方法构建基于云服务、专家知识库、逻辑、规则以及语义网络的风险评估模型，模拟专家的思维和推理过程，降低政府和企事业单位风险评估对专家的依赖，更智能，更专业。

本发明所采用的技术方案为：

一种基于云服务进行突发事件风险评估的方法，具体包含以下步骤：

1)运用云服务和大数据技术，构建网络风险模型；

2)基于网络风险模型建立核心风险分析数据库；

3)有关专家基于核心风险分析数据库进行安全风险评估；

4)迭代处理大量的专家评估结果并通过云服务和大数据技术，在基于逻辑、规则和语义网络的基础上，进一步采集数据源，并由此构建安全风险评估模型；

5)利用安全风险评估模型，选择试点应用与反馈修正模型形成最终的评估结果。

作为优选，在步骤1)中所述网络风险模型包括单一网络风险模型和复杂网络风险模型；

所述单一网络风险模型为基于单一风险因子构建的网络风险结构图，当单一风险因子发生变化时，构建的网络风险结构图也会发生变化；

所述复杂网络风险模型为综合至少两个以上的风险因子所得出的一个整体网络风险结构图，当其中某一风险因子发生变化时，构建的整体网络风险结构图也会发生变化。

作为优选，所述复杂网络风险模型中的风险因子按照风险因子的风险等级建立不同的风险模型，当风险因子的风险等级确定以后，按照风险等级由高到低的级别建立网络风险模型。

作为优选，所述核心风险分析数据库包括静态数据存储和动态规则变化两个方面；所述静态数据存储包括对风险因子的类型以及评估对象基本句库的描述；所述动态规则变化通过规则变换产生基础句库，用于自动评价，根据不同风险因子之间的关联作用，结合词和句关联紧密的应急预案条目，可根据词和句生成基本符合逻辑的完整动态规则变化数据库。

作为优选，所述采集数据源包括以下数据：

a)互联网舆情数据：采集互联网上关于评估对象所属行业领域相关的舆情数据，建立基础词库；

b)评估对象环境数据：建筑设施、地理环境和周边环境等基础数据；

c)线上问卷调查数据：基于专家知识库模块生成的在线风险问卷调查数据；

d)线上专题访谈数据：深度采集典型问题数据，分不同角色和不同层次。

作为优选，所述安全风险评估模型包括静态分析数据和动态分析数据，将静态分析数据和动态分析数据以统计图、统计表、数据表及报告文件等多种形式展现，多角度展示数据的隐含特征，使风险评估算法更接近人性思维。

本发明与现有技术相比具有以下有益效果：

1、本发明在传统风险评估方法基础上，提出基于云服务和大数据的新的风险评估方法，构建基于云服务、专家知识库、逻辑、规则以及语义网络的风险评估专家模型，模拟专家的思维和推理过程，降低政府和企事业单位风险评估对专家的依赖，更智能，更专业。

2、本发明所述风险评估专家模型，研发基于云服务的风险评估专家系统，基于互联网的使用模式上突破时空限制，简化风险评估的诸多协调限制，支持碎片化参与，有利于常态化风险评估工作开展。

3、本发明所述的风险评估方法大大降低风险评估工作对人类专家的依赖，采用定量和定性相结合的分析方法，支持评估对象组织体系内外高、中、低等多层次代表参与，替代外部专家，不同视角参与模型问调，实现最大化经验抽取和风险评估，可有效克服参与评估的外部专家专业性不足、时空限制以及浮于表面等问题。

4、本发明结合互联网舆情大数据，在初始加载某一领域的风险评估知识库后，风险评估专家系统可以自动抓取评估对象周边环境数据，并结合内部评估结果，从互联网获取更多相关案例数据，进行智能学习，为风险评估对象提供针对性、专业性的风险评估。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所述单一网络风险模型实施例的形成示意图；

图2为本发明所述复杂网络风险模型实施例的形成示意图；

图3为本发明所述复杂网络风险模型另一实施例的形成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明以突发事件风险评估为研究对象，采用理论研究和实地调研相结合的方法，探讨建立基于逻辑、规则和语义网络，可动态加载不同领域的专家知识模型库，并基于云服务和互联网大数据提供的智能学习且突破时空限制的突发事件风险评估专家模型和应用系统，以广泛适用于区域政府、社区、学校、企事业单位以及公共场所突发事件风险评估工作。

本发明将每一个突发事件通过运用云服务和大数据技术定义为一个网络风险模型，其中，网络风险模型包括单一网络风险模型和复杂网络风险模型两个方面。

单一网络风险模型为基于单一风险因子构建的网络风险结构图，当单一风险因子发生变化时，构建的网络风险结构图也会发生变化，因为每一个突发事件可能包含有很多的风险因子，但是在特定的情况下，并不是所有的风险因子都会诱发突发事件，针对每一次突发事件可能只是其中某一个风险因子才导致了突发事件的发生，同时，由于不同的风险因子所诱发的同样的突发事件，其产生的事件效果以及事后的处理方式和结果也是不同的。所以不同的单一风险因子诱发的突发事件所建立的网络风险模型也是不同的。针对不同的单一风险因子建立的网络风险模型是不一样的。

下面对单一网络风险模型做进一步的介绍，参见图1所示，假设针对特定的突发事件有三个风险因子，即风险因子1、风险因子2和风险因子3(实际上诱发突发事件的风险因子有很多)，从中我们可以看出，不同的风险因子所诱发的相同的突发事件所产生的网络风险模型是不同的。具体来说如图中所示，由于风险因子1所诱发的突发事件得到网络风险模型1(图中我们用六边形来代替网络风险模型1)、由于风险因子2所诱发的突发事件得到网络风险模型2(图中我们用椭圆形来代替网络风险模型2)、由于风险因子3所诱发的突发事件得到网络风险模型3(图中我们用三角形来代替网络风险模型3)。从中我们可以看出，网络风险模型1、网络风险模型2、网络风险模型3均为结构不同的网络风险模型(即结构为六边形、椭圆形和三角形)。

复杂网络风险模型为综合至少两个以上的风险因子所得出的一个整体网络风险结构图，当组成中其中的某一风险因子发生变化时，构建的整体网络风险结构图也会发生变化。

下面针对上面所说的情况做进一步的介绍，参见图2所示，假设针对发生特定突发事件的风险因素由风险因子1、风险因子2、风险因子3和风险因子4中的其中三个组成(实际上诱发该突发事件风险因素中的风险因子可能会有多种组合，比如说诱发该突发事件的发生由风险因子1、风险因子2、风险因子3和风险因子4组成，或诱发该突发事件的发生由风险因子1和风险因子2组成等)，从中我们可以看出，当组成中其中的某一风险因子发生变化时，构建的整体网络风险结构图也会发生变化。具体来说，如图中所示，由于风险因子1、风险因子2、风险因子3组成的风险因素所诱发的突发事件得到网络风险模型a(图中我们用六边形来代替网络风险模型a)，由于风险因子1、风险因子2、风险因子4所诱发的突发事件得到网络风险模型b(图中我们用椭圆形来代替网络风险模型b)，由于风险因子2、风险因子3、风险因子4所诱发的突发事件得到网络风险模型c(图中我们用三角形来代替网络风险模型c)。从中我们可以看出，网络风险模型a、网络风险模型b、网络风险模型c均为结构不同的网络风险模型(即结构为六边形、椭圆形和三角形)。

进一步的对本实施例进行优化，我们把复杂网络风险模型中的风险因子按照风险因子的风险等级建立不同的风险模型，当风险因子的风险等级确定以后，按照风险等级由高到低的级别建立网络风险模型。

下面针对上面所说的情况做进一步的介绍，参见图3所示，假设针对发生特定突发事件的风险因素由风险因子1、风险因子2和风险因子3组成(实际上诱发该突发事件风险因素中的风险因子可能会有多种组合)，从中我们可以看出，当组成中其中的某一风险因子的等级发生变化时，构建的整体网络风险结构图也会发生变化。具体来说如图中所示，当诱发突发事件的风险因素中风险因子1所占比例为30％、风险因子2所占比例为30％、风险因子3所占比例为40％时，得到的网络风险模型a(图中我们用六边形来代替网络风险模型a)，当诱发突发事件的风险因素中风险因子1所占比例为20％、风险因子2所占比例为50％、风险因子3所占比例为30％时，得到的网络风险模型b(图中我们用椭圆形来代替网络风险模型b)，从中我们可以看出，虽然诱发该突发事件的风险因素均由风险因子1、风险因子2、风险因子3组成，但是当风险因素中每一个风险因子的风险等级不同时(风险因子的占比越高代表着风险等级越高，风险因子的占比越低代表着风险等级越低)，形成的网络风险模型也不一样(即结构为六边形、椭圆形和三角形)。

在本实施例中，针对不同的情况建立的不同的网络风险模型均基于云服务和互联网大数据进行统计，从而在计算机中形成针对每一种情况所得到的网络风险模型。

在基于网络风险模型基础上建立核心风险分析数据库，其中，核心风险分析数据库包括静态数据存储和动态规则变化两个方面；所述静态数据存储包括对风险因子的类型以及评估对象基本句库的描述；所述动态规则变化通过规则变换产生基础句库，用于自动评价，根据不同风险因子之间的关联作用，结合词和句关联紧密的应急预案条目，可根据词和句生成基本符合逻辑的完整动态规则变化数据库。

有关专家基于核心风险分析数据库进行安全风险评估，迭代处理大量的专家评估结果并通过云服务和大数据技术在基于逻辑、规则和语义网络的基础上，进一步采集数据源，并由此构建安全风险评估模型。

本实施例中，有关专家进行安全风险评估的过程为：收集专家的评估结果，并计算其特征值，具体来说，基于每一网络风险模型，收集和记录多个专家对网络风险模型这一评估结果由一系列的回归树(regressiontrees)算法组成的回归森林(regressionforest)算法，迭代地处理大量的专家评估结果。

在基于逻辑、规则和语义网络的基础上，进一步采集数据源，所述采集数据源包括以下数据：互联网舆情数据，采集互联网上关于评估对象所属行业领域相关的舆情数据，建立基础词库；评估对象环境数据：建筑设施、地理环境和周边环境等基础数据；线上问卷调查数据：基于专家知识库模块生成的在线风险问卷调查数据；线上专题访谈数据：深度采集典型问题数据，分不同角色和不同层次。

通过迭代地处理的大量专家评估结果和在基于逻辑、规则和语义网络的基础上采集的数据源，构建安全风险评估模型，这样，风险评估方法所计算出来的风险评估模型，大大降低风险评估工作对人类专家的依赖，采用定量和定性相结合的分析方法，支持评估对象组织体系内外高、中、低等多层次代表参与，不同视角参与模型问调，实现最大化经验抽取和风险评估，可有效克服参与评估的外部专家专业性不足、时空限制以及浮于表面等问题。

在本实施例中，安全风险评估模型包括静态分析数据和动态分析数据，将静态分析数据和动态分析数据以统计图、统计表、数据表及报告文件等多种形式展现，多角度展示数据的隐含特征，使风险评估算法更接近人性思维。利用安全风险评估模型，选择试点应用与反馈修正模型形成最终的评估结果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。