基于多智能體的災(zāi)害風(fēng)險(xiǎn)評估模型研究

基于多智能體的災(zāi)害風(fēng)險(xiǎn)評估模型研究

0多智能體建模區(qū)域?yàn)?zāi)害系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)?；诙嘀悄荏w建模是當(dāng)前國內(nèi)外對復(fù)雜系統(tǒng)進(jìn)行模擬和研究的重要方法。對于復(fù)雜系統(tǒng)的概念,目前還沒有統(tǒng)一的界定。美國圣塔菲研究所(SFI)的霍蘭認(rèn)為復(fù)雜系統(tǒng)其本質(zhì)是具有涌現(xiàn)性,而不僅限于系統(tǒng)規(guī)模的巨大。組成復(fù)雜系統(tǒng)的具有一定獨(dú)立性、自治性、社會性的基本單元稱為Agent,國內(nèi)常譯為智能體、主體、代理體等。一個(gè)復(fù)雜系統(tǒng)由多種類型的多個(gè)智能體構(gòu)成,多智能體間以及智能體與環(huán)境之間的相互作用形成了系統(tǒng)的復(fù)雜性。多智能體建模作為一種復(fù)雜系統(tǒng)模擬和仿真方法,側(cè)重于從組成系統(tǒng)的微觀主體出發(fā),通過對不同類型主體的判斷、學(xué)習(xí)、控制、反應(yīng)等個(gè)性機(jī)制的設(shè)計(jì),使系統(tǒng)中所有主體產(chǎn)生互動,從而表現(xiàn)出系統(tǒng)的宏觀復(fù)雜性。相比各種傳統(tǒng)的從整體上把握系統(tǒng)宏觀特性的方法,這種自上而下的建模方式能更直觀、更現(xiàn)實(shí)地表達(dá)系統(tǒng)的復(fù)雜性,因而被廣泛用于多種復(fù)雜系統(tǒng)的仿真模擬。過去人們對智能體的理解偏重其智能方面,其應(yīng)用成熟領(lǐng)域集中在社會、經(jīng)濟(jì)方面,如仿真某一國家的民族沖突,仿真模擬社會生活模式、經(jīng)濟(jì)市場中的供應(yīng)鏈等。近年來將其引入地理學(xué)領(lǐng)域,為現(xiàn)代地理學(xué)的研究提供了新思想,但目前仍集中于區(qū)域土地利用演變方面,如城市擴(kuò)展變化的研究、城市居住空間演變等。多智能體建模在災(zāi)害研究中日益受到關(guān)注,主要集中在兩方面:一是模擬具體災(zāi)種的演化過程,二是研究緊急情況下逃離避難策略的設(shè)計(jì)。本文嘗試將多智能體建模引入災(zāi)害風(fēng)險(xiǎn)評估領(lǐng)域,建立多災(zāi)種、多承災(zāi)體狀況下自然災(zāi)害的動態(tài)風(fēng)險(xiǎn)評估概念模型,以期為災(zāi)害風(fēng)險(xiǎn)評估領(lǐng)域開拓新的研究思路。1多智能體建模模型的意義在于簡化和抽象現(xiàn)實(shí)世界具體事物或現(xiàn)象的細(xì)節(jié),以滿足實(shí)際運(yùn)用或科學(xué)研究的需要?；诙嘀悄荏w的模型是一種仿真模型,能夠在一定的時(shí)空范圍內(nèi)預(yù)測現(xiàn)實(shí)事物或現(xiàn)象的演變過程。進(jìn)行多智能體建模前應(yīng)認(rèn)清仿真對象的要素組成、結(jié)構(gòu)和要素之間的相互關(guān)系,了解系統(tǒng)狀態(tài)演化的機(jī)制。根據(jù)復(fù)雜適應(yīng)系統(tǒng)理論,為了表現(xiàn)系統(tǒng)的宏觀復(fù)雜性,首先要了解組成系統(tǒng)的基本單元——智能體。1.1智能體的組成結(jié)構(gòu)智能體是物理的或抽象的實(shí)體,能作用于自身和環(huán)境,并且能對環(huán)境做出反應(yīng)。任何復(fù)雜系統(tǒng)都可以看成是由不同的智能體構(gòu)成,這些智能體根據(jù)規(guī)則控制對自身和環(huán)境的行為,具備與外界的交互能力。按照內(nèi)部結(jié)構(gòu)的不同,通常把智能體分為慎思型、反應(yīng)型和混合型。慎思型智能體具有復(fù)雜的邏輯推理能力和學(xué)習(xí)能力,強(qiáng)調(diào)智能體的智能性,但與環(huán)境和其它智能體交互的反應(yīng)速度較慢;反應(yīng)型智能體不使用復(fù)雜的符號推理,弱化智能性,使用“感知—動作”模型,強(qiáng)化自身與環(huán)境和其它智能體的協(xié)同性,因而有較快的交互反應(yīng)速度;混合型智能體則通過高層包含認(rèn)識推理機(jī)制、低層強(qiáng)調(diào)快速反應(yīng)的兩層設(shè)計(jì)實(shí)現(xiàn)兩者優(yōu)點(diǎn)的結(jié)合。1.2霍蘭:智能體中的嚴(yán)格認(rèn)知(1)選擇抽象出復(fù)雜系統(tǒng)的不同類型的智能體,定義出智能體屬性,用于描述系統(tǒng)的當(dāng)前狀態(tài)(St)。在復(fù)雜系統(tǒng)中區(qū)別環(huán)境和智能體,根據(jù)建模目的,對于在模擬的時(shí)間段里狀態(tài)沒有變化或變化小的作為一般環(huán)境處理。同樣依據(jù)應(yīng)用需要確定智能體的類型,強(qiáng)調(diào)智能體同步協(xié)調(diào)處理能力的則使用反應(yīng)型的結(jié)構(gòu),強(qiáng)調(diào)智能體演化過程的則使用慎思型的結(jié)構(gòu)。在確定不同智能體屬性時(shí),一定把握合適的時(shí)空尺度,建模的關(guān)鍵在于對細(xì)節(jié)的取舍,同一事物在不同的尺度下會遵循不同的規(guī)則,這將直接決定系統(tǒng)狀態(tài)的轉(zhuǎn)變模式和復(fù)雜系統(tǒng)的宏觀表現(xiàn)。(2)確定復(fù)雜系統(tǒng)中每個(gè)智能體屬性的轉(zhuǎn)換函數(shù),為智能體指定相應(yīng)的后續(xù)狀態(tài)定義規(guī)則。這一步是智能體建模的關(guān)鍵,轉(zhuǎn)換函數(shù)的確定意味著系統(tǒng)后續(xù)狀態(tài)的形成(圖1)。因此轉(zhuǎn)換函數(shù)與現(xiàn)實(shí)規(guī)律的擬合程度決定了模型的準(zhǔn)確度和精度?；籼m把轉(zhuǎn)換函數(shù)的形成過程稱為受限生成過程,首先把規(guī)則轉(zhuǎn)換為機(jī)制,然后理清各機(jī)制間的相互關(guān)系,形成全局策略。受限生成過程是實(shí)現(xiàn)智能體智能化的核心,隨著人工智能技術(shù)的發(fā)展,先進(jìn)的智能算法應(yīng)用于模型中,將不斷提高智能化水平。由于現(xiàn)有條件的限制,在很多領(lǐng)域中,轉(zhuǎn)換函數(shù)的確定主要依靠類似專家系統(tǒng)產(chǎn)生的條件——判斷規(guī)則。(3)模型優(yōu)化。運(yùn)行模型,得到系統(tǒng)的后續(xù)狀態(tài)(St+1)的仿真模擬,然后與現(xiàn)實(shí)狀態(tài)比較,并將對比信息反饋到第二步,不斷優(yōu)化調(diào)整轉(zhuǎn)換函數(shù),以期得到更準(zhǔn)確的仿真模擬。1.3智能體演化的微觀模擬多智能體建模的實(shí)質(zhì)就是一種自下而上、從微觀到宏觀的仿真建模。在微觀上,對不同類型智能體的狀態(tài)和行為特征進(jìn)行抽象,并賦予用數(shù)學(xué)形式表達(dá)的規(guī)則和邏輯推理機(jī)制,使其實(shí)現(xiàn)多智能體之間相互作用,從而在宏觀上對復(fù)雜系統(tǒng)特征和演化進(jìn)行仿真與模擬。2動態(tài)風(fēng)險(xiǎn)評估從計(jì)算機(jī)建模的角度,可以將風(fēng)險(xiǎn)理解為在不同情景下對災(zāi)情的預(yù)測,而災(zāi)情的實(shí)質(zhì)則是災(zāi)害系統(tǒng)中各種承災(zāi)體的狀態(tài)變化,可以通過對災(zāi)害風(fēng)險(xiǎn)系統(tǒng)的仿真模擬進(jìn)行動態(tài)風(fēng)險(xiǎn)評估。2.1災(zāi)害動態(tài)評估模型近些年來,隨著全球變暖等現(xiàn)象的加劇,自然災(zāi)害發(fā)生的頻率和強(qiáng)度都在增大,而社會經(jīng)濟(jì)的迅速發(fā)展又使得災(zāi)害破壞所造成的損失進(jìn)一步加大,自然災(zāi)害受到越來越多的關(guān)注。當(dāng)前國內(nèi)外的減災(zāi)組織大都認(rèn)同綜合災(zāi)害風(fēng)險(xiǎn)管理是減災(zāi)的有效措施。災(zāi)害風(fēng)險(xiǎn)評估是風(fēng)險(xiǎn)管理的重要組成部分,也是進(jìn)行綜合風(fēng)險(xiǎn)管理的前提。如果從系統(tǒng)的角度認(rèn)識災(zāi)害,災(zāi)害風(fēng)險(xiǎn)則是由風(fēng)險(xiǎn)源、風(fēng)險(xiǎn)載體和人類社會的防減災(zāi)措施3方面因素相互作用而形成的,人們不能確切把握且不愿接受的一種具有不確定性特征的災(zāi)害系統(tǒng)狀態(tài)。可以把災(zāi)情理解為災(zāi)害系統(tǒng)中各承災(zāi)體狀態(tài)的變化。一定意義上,災(zāi)害風(fēng)險(xiǎn)評估可以理解為不同情景下區(qū)域?yàn)?zāi)情的預(yù)測。當(dāng)前國內(nèi)外災(zāi)害風(fēng)險(xiǎn)評估主要側(cè)重于災(zāi)害風(fēng)險(xiǎn)指標(biāo)的選取,然后賦予不同的權(quán)重,建立基于概率統(tǒng)計(jì)的災(zāi)害風(fēng)險(xiǎn)評估模型進(jìn)行靜態(tài)評估。這類評估方法一般借助GIS工具,輸入致災(zāi)因子的危險(xiǎn)度指數(shù)、承災(zāi)體的脆弱性指數(shù)等災(zāi)害系統(tǒng)數(shù)據(jù),利用GIS空間疊加分析,繪出區(qū)域分等級的風(fēng)險(xiǎn)區(qū)劃圖。這種評價(jià)模型能科學(xué)評價(jià)區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)總體特征,為區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展提供參考;但由于不能體現(xiàn)災(zāi)害系統(tǒng)中各因素的相互作用和形成災(zāi)情的內(nèi)在機(jī)理,缺少靈活性和可靠性,不能動態(tài)地表現(xiàn)災(zāi)害風(fēng)險(xiǎn)的變化,降低了災(zāi)害風(fēng)險(xiǎn)評估在災(zāi)害管理中的作用。筆者認(rèn)為風(fēng)險(xiǎn)評估的動態(tài)性應(yīng)體現(xiàn)在兩個(gè)層面:一是在評估方法上,能根據(jù)環(huán)境和自身狀態(tài)的改變,對原有風(fēng)險(xiǎn)評估預(yù)期做出調(diào)整;二是在評估工具上,能實(shí)現(xiàn)區(qū)域內(nèi)各種風(fēng)險(xiǎn)情景下風(fēng)險(xiǎn)評估結(jié)果的自動化。前者是動態(tài)風(fēng)險(xiǎn)評估的內(nèi)涵,只有在方法上能實(shí)現(xiàn)自我優(yōu)化,才能做到對外部環(huán)境變化的實(shí)時(shí)評估,才能真實(shí)地反映災(zāi)害系統(tǒng)的復(fù)雜性。后者是對動態(tài)風(fēng)險(xiǎn)評估的應(yīng)用性要求,就是要使評估工具集的設(shè)計(jì)具有通用性、靈活性。災(zāi)害動態(tài)風(fēng)險(xiǎn)評估模型要能在微觀上表現(xiàn)出災(zāi)害系統(tǒng)各主體之間的相互關(guān)系,反映區(qū)域常態(tài)被不同災(zāi)種擾動后居民、工程設(shè)施、經(jīng)濟(jì)、社會等方面的變化,并且要說明在特定的時(shí)間范圍內(nèi)變化的可能性有多大。與靜態(tài)評估不同,動態(tài)風(fēng)險(xiǎn)評估不是各風(fēng)險(xiǎn)要素發(fā)生概率和權(quán)重的疊合,而是多災(zāi)種不同風(fēng)險(xiǎn)情景下災(zāi)害系統(tǒng)狀態(tài)變化的分析。區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)系統(tǒng)是一種典型的復(fù)雜系統(tǒng),不僅表現(xiàn)在其組成要素的規(guī)模大、層次多、結(jié)構(gòu)復(fù)雜,還表現(xiàn)在各要素之間相互作用的非線性和不確定性。作為這個(gè)系統(tǒng)宏觀涌現(xiàn)的災(zāi)情是系統(tǒng)各要素相互作用的結(jié)果,因此要對災(zāi)害風(fēng)險(xiǎn)系統(tǒng)建模,必須能夠表達(dá)出這些復(fù)雜的相互關(guān)系,這是傳統(tǒng)模型難以做到的。為此可以基于多智能體建立區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)系統(tǒng)模型,發(fā)揮其對復(fù)雜系統(tǒng)主體相互作用表達(dá)的優(yōu)勢,從微觀上仿真區(qū)域?yàn)?zāi)情的發(fā)展演變規(guī)律。2.2災(zāi)后風(fēng)險(xiǎn)評估根據(jù)多智能體建模的一般原理,在分析區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)系統(tǒng)時(shí),對自然災(zāi)害風(fēng)險(xiǎn)系統(tǒng)的風(fēng)險(xiǎn)源(洪水、地震、高溫、冰雪等)和風(fēng)險(xiǎn)受體(人口、工程、經(jīng)濟(jì)、社會等)進(jìn)行抽象,定義主體類型,并確定主體各屬性的后續(xù)轉(zhuǎn)換方式,實(shí)現(xiàn)對災(zāi)害風(fēng)險(xiǎn)的動態(tài)評估。模型以柵格化的區(qū)域孕災(zāi)環(huán)境(地形、地質(zhì)、植被等)底圖為背景,由災(zāi)害情景發(fā)生智能體產(chǎn)生災(zāi)害智能體,災(zāi)害智能體根據(jù)孕災(zāi)環(huán)境修改其范圍和強(qiáng)度,并對區(qū)域內(nèi)暴露的居民、經(jīng)濟(jì)、工程、社會等承災(zāi)體致災(zāi)(圖2)。受災(zāi)后的承災(zāi)體狀態(tài)變化不僅受災(zāi)害類型和強(qiáng)度的影響,還受環(huán)境和其它承災(zāi)體狀態(tài)的影響。模型的重點(diǎn)就是利用智能體結(jié)構(gòu)上的優(yōu)點(diǎn),同步處理其間復(fù)雜的制約關(guān)系。最后由災(zāi)情智能體統(tǒng)計(jì)人員傷亡和經(jīng)濟(jì)損失等數(shù)據(jù),并顯示區(qū)域風(fēng)險(xiǎn)區(qū)劃。需要說明的是,模型并不是做出災(zāi)害預(yù)報(bào),而是由災(zāi)害管理器根據(jù)區(qū)域?yàn)?zāi)害歷史數(shù)據(jù)和區(qū)域環(huán)境異變規(guī)律,產(chǎn)生一系列不同時(shí)間范圍、災(zāi)種和強(qiáng)度的多風(fēng)險(xiǎn)情景,分別計(jì)算其對應(yīng)的損失,并以超越概率的形式說明這些情景的可能性。2.3區(qū)域?yàn)?zāi)害智能體針對災(zāi)害風(fēng)險(xiǎn)系統(tǒng)的特征,災(zāi)害動態(tài)風(fēng)險(xiǎn)系統(tǒng)中的智能體應(yīng)采用反應(yīng)式智能體結(jié)構(gòu)(圖3)。這是由于反應(yīng)式智能體強(qiáng)調(diào)的是自身與環(huán)境和其它智能體之間的同步交互,反應(yīng)速度較快,適合于災(zāi)害風(fēng)險(xiǎn)系統(tǒng)的評估。每類智能體主要由兩部分構(gòu)成:屬性和條件動作反應(yīng)構(gòu)件。屬性標(biāo)識該智能體自身的狀態(tài);條件動作反應(yīng)構(gòu)件能根據(jù)環(huán)境和自身狀態(tài)的變化發(fā)出一系列動作指令,以改變其他智能體和自身的屬性,形成整個(gè)風(fēng)險(xiǎn)系統(tǒng)的后續(xù)狀態(tài)。模型中主要的智能體有:1)災(zāi)害情景發(fā)生智能體:是模型的關(guān)鍵智能體,可自動或手動產(chǎn)生一系列災(zāi)害情景組合。在自動模式下,災(zāi)害管理器根據(jù)區(qū)域歷史災(zāi)害數(shù)據(jù)的統(tǒng)計(jì)資料,結(jié)合區(qū)域地形、氣候等特征以及以系統(tǒng)日期為基礎(chǔ),產(chǎn)生不同類型和強(qiáng)度的災(zāi)害,并說明相應(yīng)的概率。如8月份災(zāi)害管理器可能會產(chǎn)生淹沒深度為0.5m、0.6m、0.7m等強(qiáng)度的洪水,并說明相應(yīng)的概率為20%、15%、10%等。手動模式下,用戶可以直接輸入災(zāi)害的類型和強(qiáng)度,用于特定災(zāi)種的風(fēng)險(xiǎn)或損失評估。災(zāi)害管理器會將相關(guān)信息傳給災(zāi)害智能體,產(chǎn)生災(zāi)害,觸發(fā)整個(gè)模型的連鎖反應(yīng),是模型實(shí)現(xiàn)動態(tài)風(fēng)險(xiǎn)評估的前提。2)災(zāi)害智能體:其屬性包括災(zāi)害的類型、強(qiáng)度、范圍、可能性和開始時(shí)間等。類型和開始時(shí)間由災(zāi)害管理器得到,強(qiáng)度由所覆蓋區(qū)域的地形等數(shù)據(jù)決定;災(zāi)害智能體有相應(yīng)的生命周期,具有動態(tài)的產(chǎn)生和消亡時(shí)間。3)承災(zāi)體智能體:依據(jù)災(zāi)害系統(tǒng)的特點(diǎn),可分為人口、經(jīng)濟(jì)、工程和社會4類承災(zāi)體。每類智能體由當(dāng)前量、影響率等屬性表示(圖4)。這些智能體設(shè)計(jì)的重點(diǎn)為災(zāi)害影響率的確定,它不僅取決于災(zāi)害的類型和強(qiáng)度,還取決于其它承災(zāi)體智能體的狀態(tài),如人口的減災(zāi)意識、生命線工程的破壞程度、政府減災(zāi)措施等。正是由于基于多智能體模型能實(shí)現(xiàn)這些要素的同步變化,才能保證最后的評估結(jié)果更可靠,更具實(shí)用性。4)災(zāi)情智能體:統(tǒng)計(jì)系統(tǒng)當(dāng)前所有承災(zāi)體智能體的數(shù)量,計(jì)算區(qū)域當(dāng)前的損失狀況,產(chǎn)生人員傷亡、經(jīng)濟(jì)損失等數(shù)據(jù)。該智能體需實(shí)現(xiàn)災(zāi)情數(shù)據(jù)與GIS的結(jié)合,產(chǎn)生可視化的動態(tài)風(fēng)險(xiǎn)報(bào)告,實(shí)現(xiàn)模型的最終目標(biāo)。3多智能體風(fēng)險(xiǎn)評估模型的應(yīng)用前景綜上,基于多智能體的風(fēng)險(xiǎn)評估模型具有如下優(yōu)點(diǎn):1)實(shí)現(xiàn)風(fēng)險(xiǎn)動態(tài)評估。區(qū)別于傳統(tǒng)的以概率為基礎(chǔ)的宏觀靜態(tài)模型,基于多智能體風(fēng)險(xiǎn)評估模型,在多種風(fēng)險(xiǎn)情景下,模擬了經(jīng)濟(jì)、人口、工程等承災(zāi)體在不同災(zāi)種下的不同脆弱性和相互制約關(guān)系,動態(tài)地評估區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)。模型能實(shí)現(xiàn)風(fēng)險(xiǎn)評估的動態(tài)性,主要是因?yàn)槎嘀悄荏w技術(shù)具有強(qiáng)大的協(xié)同能力,保證模型中各智能體同步互動。2)能吸收災(zāi)害風(fēng)險(xiǎn)評估領(lǐng)域的成熟理論。基于多智能體模型中各智能體屬性的確定,可以借鑒國際主要風(fēng)險(xiǎn)研究機(jī)構(gòu)和組織對災(zāi)害指標(biāo)的選取經(jīng)驗(yàn),而各屬性后續(xù)轉(zhuǎn)換函數(shù)的確定也要參考權(quán)威機(jī)構(gòu)統(tǒng)計(jì)的災(zāi)損數(shù)據(jù)。一定意義上,多智能體作為一種風(fēng)險(xiǎn)評估的手段,為各種風(fēng)險(xiǎn)理論提供了廣闊的模擬平臺。3)良好的可擴(kuò)展性。基于多智能體模型一個(gè)顯著優(yōu)點(diǎn)是可以利用人工智能領(lǐng)域的相關(guān)成果,實(shí)現(xiàn)對區(qū)域?yàn)?zāi)害風(fēng)險(xiǎn)評估的智能化。利用專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能方法,可以設(shè)計(jì)各智能體屬性轉(zhuǎn)換函