基于场景数据融合的培训推演管理方法及系统与流程
本发明涉及大数据处理,具体为基于场景数据融合的培训推演管理方法及系统。
背景技术:
1、随着应急管理、公共安全、消防处置以及事故应急响应培训需求的不断提升,基于信息化平台开展培训推演已成为提升人员应急处置能力和协同响应水平的重要手段。培训推演过程中会持续产生事故场景数据、学员岗位操作数据、标准处置流程数据和培训考核数据,相关数据来源多样、数据量较大且关联关系复杂,需要通过大数据资源服务对培训推演过程中的多源数据进行统一汇集、存储和调用,并利用数据挖掘软件对推演数据进行整理、关联、分类统计和规律分析,为培训考核、能力评估和后续训练改进提供数据支撑,广泛应用于消防应急、安全生产、能源化工、轨道交通及公共安全等领域。
2、例如,中国专利cn112287176a公开了智能站二次系统缺陷排查培训平台的搭建方法及培训方法,包括如下步骤s1,获取多个厂家的scd文件,并对各scd文件进行解析,直至各scd文件全站物理链路可视化;s2,基于解析的各scd文件建立二次系统缺陷数据库;s3,根据二次系统缺陷数据库设计智能变电站二次回路故障模拟模块,模拟模块用于教学展示和考试模拟。还提供了一种智能站二次系统缺陷排查培训方法,采用上述的搭建方法搭建的平台来进行培训。该发明可以培养融智能设备和继电保护专业技能于一身的复合型人才,能够明显提升智能变电站二次系统实训基地的培训能力,提高实操培训的效率,降低培训成本,在不影响设备使用寿命和稳态运行的情况下提高运检人员的消缺能力,加速继电保护高技能人才的培养。
3、例如,中国专利cn118069707a公开了军事推演教研演训一体教学系统,包括图片判读模块、后勤数据库模块、后勤勤务计算模块、后勤文书拟制模块、地图标绘模块、文电模块、在线考试模块;该发明提出的军事推演教研演训一体教学系统为多层级、立体化开展军事推演教研演训提供示范和引领。本系统采用“深度学习教学改进”全面深入常态实施,推进教学与教研的一体化实践。项目实施后期,将深度系统理念融入常态课教学。各学科将深度学习教学改进案例与学科教研课程进行一体化设计和实施。教研主题聚焦核心素养导向的深度学习教学策略,军事推演教研内容围绕实践演练模型各要素逐层展开,教研形式体现合作探讨、系统引导、多方互动。
4、然而,现有推演平台以事故链驱动训练并记录学员已触发的处置操作,并用其作为评分与事故控制的判定依据。当学员只完成部分可见操作如灭火,但遗漏与场景状态强相关的关键处置事件如防火分隔、重点区域疏散、广播通知和复核回执时,若缺少“应执行事件”的规则校验与缺失检测,无法识别“应执行但执行异常”的缺口。可能在关键事件缺失的情况下仍判定事故已控制并给出偏高评分,导致评估结果不可解释、不可复现,且难以定位训练薄弱环节。
5、因此,针对以上问题,亟需基于场景数据融合的培训推演管理方法及系统。
技术实现思路
1、解决的技术问题
2、针对现有技术的不足,本发明提供了基于场景数据融合的培训推演管理方法及系统,解决了现有培训推演平台仅依据已触发操作进行评价,难以识别应执行事件缺失或执行异常,导致推演评估结果失真且薄弱环节定位不准确的问题。
3、技术方案
4、为实现以上目的,本发明通过以下技术方案予以实现:基于场景数据融合的培训推演管理方法,包括以下步骤:s1,实时采集培训推演过程中的推演场景数据,并对推演场景数据进行预处理,得到推演场景数据集;s2,基于推演场景数据集,识别当前培训推演对应的应执行事件,并构建应执行事件清单;s3,结合应执行事件清单与推演场景数据集,分析应执行事件的完成情况、流程符合情况和时效情况,进行异常事件标记,基于异常事件标记形成事件检测结果,并进行异常事件和完成事件的数量统计;s4,结合异常事件和完成事件的数量统计结果以及推演场景数据集,对本轮推演效果进行综合评估,形成推演评估记录;结合历史推演评估记录,识别薄弱训练事件和重点改进岗位,生成闭环改进任务。
5、进一步地,实时采集培训推演过程中的推演场景数据的具体过程为:实时采集推演场景数据,具体包括:从当前加载的推演剧本中读取当前事故类型,并从推演平台系统时钟中读取推演开始时间;从推演平台交互日志中读取学员编号、岗位编号、操作事件编号、操作时间和操作状态,操作状态包括执行成功和执行失败;从推演规则库中读取标准处置流程数据,包括标准处置事件编号、适用事故类型、责任岗位编号、前置事件编号、事件标准完成时限和事件重要等级。
6、进一步地,对推演场景数据进行预处理,得到推演场景数据集的具体过程为:将推演场景数据转换为统一编码格式和统一时间单位;以本轮推演开始时间作为统一时间零点,将每一操作时间分别减去本轮推演开始时间,得到对应的累计操作时间;针对学员编号、岗位编号和操作事件编号均相同的重复数据记录,仅保留累计操作时间最大的一条记录;当操作状态为空时,将操作状态标记为未返回,当前置事件编号为空时,将前置事件编号标记为无前置事件;基于预处理后的推演场景数据,形成推演场景数据集,并写入培训推演管理数据库。
7、进一步地,基于推演场景数据集,识别当前培训推演对应的应执行事件,并构建应执行事件清单的具体过程为:将当前事故类型与标准处置流程数据中的适用事故类型进行比对,并将当前岗位编号与标准处置流程数据中的责任岗位编号进行比对;当适用事故类型与当前事故类型相同,且责任岗位编号与当前岗位编号相同时,将对应的标准处置事件编号标记为当前应执行事件;读取应执行事件对应的前置事件编号,并基于前置事件编号之间的关联关系形成标准处置流程顺序,作为后续越级执行事件识别依据;读取每个应执行事件对应的责任岗位编号、前置事件编号、事件标准完成时限和事件重要等级进行关联存储,形成当前应执行事件清单,并写入培训推演管理数据库。
8、进一步地,结合应执行事件清单与推演场景数据集,分析应执行事件的完成情况、流程符合情况和时效情况,进行异常事件标记的具体过程为:针对每个应执行事件,进行异常事件标记:将应执行事件对应的标准处置事件编号与推演场景数据集中的操作事件编号进行比对;当推演场景数据集中不存在与标准处置事件编号相同的操作事件编号时,将当前应执行事件标记为未执行事件;当推演场景数据集中存在与标准处置事件编号相同的操作事件编号时,读取操作事件编号对应的操作状态;当操作状态不为执行成功时,将当前应执行事件标记为执行未成功事件;读取每个应执行事件对应的前置事件编号,当前置事件编号标记为存在前置事件时,判断推演场景数据集中是否存在与前置事件编号相同的操作事件编号,且对应操作状态是否为执行成功;若不满足条件且当前应执行事件对应的操作事件编号的操作状态为执行成功,则将当前应执行事件标记为越级执行事件;同时,针对每个应执行事件,识别超时执行事件。
9、进一步地,针对每个应执行事件,识别超时执行事件的具体过程为:针对每个应执行事件,当推演场景数据集中存在与标准处置事件编号相同的操作事件编号,且操作状态为执行成功时,读取执行成功的操作事件编号对应的累计操作时间,用当前操作事件编号对应的累计操作时间减去上一操作事件编号对应的累计操作时间,得到事件执行耗时,其中,上一操作事件编号按照推演平台交互日志中的累计操作时间顺序确定;若不存在上一操作事件编号,则将对应的累计操作时间作为事件执行耗时;将事件执行耗时与当前应执行事件对应的事件标准完成时限进行比对,当事件执行耗时大于事件标准完成时限时,将当前应执行事件标记为超时执行事件;针对超时执行事件,将事件执行耗时减去事件标准完成时限,得到事件超时时长。
10、进一步地,基于异常事件标记形成事件检测结果,并进行异常事件和完成事件的数量统计的具体过程为:当应执行事件不存在任何异常事件标记时,则判定为已完成事件;当同一应执行事件同时满足两个以上异常事件标记时,将对应的异常事件标记均进行保留;读取当前应执行事件清单,并与对应的异常事件标记和事件超时时长进行关联,形成事件检测结果;按照异常事件标记对事件检测结果进行分类,将被标记为未执行事件、执行未成功事件、超时执行事件和越级执行事件的应执行事件写入关键事件异常清单,将被判定为已完成事件的应执行事件写入已完成事件清单;分别统计未执行事件数量、执行未成功事件数量、超时执行事件数量、越级执行事件数量和已完成事件数量,并将未执行事件数量、执行未成功事件数量、超时执行事件数量和越级执行事件数量相加,得到异常事件数量;将事件检测结果、关键事件异常清单和已完成事件清单写入培训推演管理数据库。
11、进一步地,结合异常事件和完成事件的数量统计结果以及推演场景数据集,对本轮推演效果进行综合评估,形成推演评估记录的具体过程为:读取关键事件异常清单中的未执行事件数量、执行未成功事件数量、超时执行事件数量和越级执行事件数量,以及异常事件对应的事件重要等级;同时读取已完成事件清单中的已完成事件数量和已完成事件对应的事件重要等级;将当前所有应执行事件的事件重要等级求和,得到应执行事件重要等级总值;将所有已完成事件的事件重要等级求和,得到已完成事件重要等级总值;将所有超时执行事件和越级执行事件的事件重要等级求和,得到流程异常事件重要等级总值;用已完成事件重要等级总值除以应执行事件重要等级总值,并乘以一百得到推演完成度评分;用流程异常事件重要等级总值除以应执行事件重要等级总值,并乘以一百得到流程异常扣减值,用一百减去流程异常扣减值,得到流程规范度评分,当流程规范度评分小于零时,将流程规范度评分修正为零;将当前事故类型、学员编号、岗位编号、应执行事件对应的标准处置事件编号、关键事件异常清单、已完成事件清单、推演完成度评分和流程规范度评分进行关联存储,形成推演评估记录,并写入培训推演管理数据库。
12、进一步地,结合历史推演评估记录,识别薄弱训练事件和重点改进岗位,生成闭环改进任务的具体过程为:基于历史推演评估记录,按照标准处置事件编号对历史关键事件异常清单进行分类统计,计算各标准处置事件对应的历史异常标记次数;当同一标准处置事件对应的异常标记次数大于事件异常阈值时,将对应标准处置事件编号标记为薄弱训练事件;按照责任岗位编号对历史关键事件异常清单进行分类统计,分别计算各责任岗位对应的异常事件数量;当同一责任岗位对应的异常事件数量大于异常数量阈值时,将对应责任岗位标记为重点改进岗位;针对重点改进岗位和薄弱训练事件,生成闭环改进任务清单并进行输出。
13、本发明第二方面提供了基于场景数据融合的培训推演管理系统,包括:推演数据采集处理模块,用于实时采集培训推演过程中的推演场景数据,并对推演场景数据进行预处理,得到推演场景数据集;应执行事件识别模块,用于基于推演场景数据集,识别当前培训推演对应的应执行事件,并构建应执行事件清单;关键事件异常检测模块,用于结合应执行事件清单与推演场景数据集,分析应执行事件的完成情况、流程符合情况和时效情况,进行异常事件标记,基于异常事件标记形成事件检测结果,并进行异常事件和完成事件的数量统计;推演评估闭环管理模块,用于结合异常事件和完成事件的数量统计结果以及推演场景数据集,对本轮推演效果进行综合评估,形成推演评估记录;结合历史推演评估记录,识别薄弱训练事件和重点改进岗位,生成闭环改进任务。
14、有益效果
15、本发明具有以下有益效果:
16、(1)本发明,通过将当前事故类型与标准处置流程进行匹配,形成应执行事件清单,使系统不再仅依据学员已经触发的操作进行评价,能够覆盖未被学员主动触发但在标准流程中应当完成的关键处置事件,减少关键事件漏检。
17、(2)本发明,通过将应执行事件与操作事件编号、操作状态、累计操作时间和前置事件编号进行比对,能够区分未执行、执行未成功、超时执行和越级执行等不同异常类型,避免仅以“是否有操作记录”作为单一判断依据,提高事件检测结果的可解释性。
18、(3)本发明,通过结合已完成事件、异常事件和事件重要等级形成推演完成度评分和流程规范度评分,使推演评价从主观打分转为基于事件状态和流程异常的结构化评估,有利于减少评分偏差,并使同一推演记录在重复评估时得到一致结果。
19、(4)本发明,通过对历史推演评估记录中的异常事件进行分类统计,识别薄弱训练事件和重点改进岗位,并生成闭环改进任务,使系统不仅能够评价单次推演结果,还能够持续定位高频薄弱环节,为后续针对性训练和推演方案优化提供依据。
20、当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com