智能决策支持系统介绍及案例

多源数据集成、OLAP
基于范例推理的IDSS
CBR（范例源）匹配与调整
存在问题
虽然近年来IDSS在技术上的发展突飞猛进，但由于面向的决策问题本身的复杂性，对于当 前多数IDSS应用系统来说，有些问题还亟待解决：
wk.baidu.com
脆弱性和知识获取困难：传统IDSS难以开发应用的主要原因； 封闭性：系统只能利用本地资源；且系统一旦设计完成，在增加资源很难； 模块协调统一性差：数据库、模型库、方法库和知识库如何进行通信协调； 人机协调性差：主要表现在人机分工不合理和人机智能难结合；
存放对各种交通事故处理方案的 描述。 存放对各种交通管理措施和诱导 策略的描述。
处理策略事实库
疏导策略事实库
实际上是事故描述 事实库与事故处理 和疏导策略事实库 的映射关系。它的 描述需要专家的经 验 , 是交通事故管 理智能决策支持系 统能否有效地对事 故管理决策进行支 持的关键。
案例研究
推理机设计
对于不存在规则匹配的情况 , 则需要根据事故性质、事故的 影响范围、事故发生点的交通 环境及资源供给情况确定选择 某事故处理和疏导策略的概 率,辅助决策者采取措施,指挥 各个部门协同工作。
案例研究
系统实现
反馈流程
交通事故管理决策输出流程
Thank you
由于各种检测算法所 要求交通流参数的输 入形式不同 , 因此 , 需 要建立面向2个检测器 的数据表。
统计分析来自各检测器 的数据。统计ADT(日交 通量)、AADT(年均日交 通量)、WADT(周均日交 通量)、MADT(月均日交 通量 ) 、 PHF( 高峰小时 系数 ) 、 C( 道路通行能 力 ) 、高峰时段等数据。
存储模型库模型和其 它数据分析工具对源 数据分析处理的结果: 交通流模型参数、 C1( 事 件 发 生后 道 路 通行能力) 、RT(事件 响应时间) 、CT(事件 清除时间)等。
案例研究
知识库设计
知识库
事实库
规则库
事故描述事实库
存放“事故A为追尾事故”、“事 故B为货货相撞事故”等对事故现 象进行描述的事实。
推理机
存在规则匹配
不存在规则匹配
根据交通事故的描述 , 如果交 通事故描述事实M为真,并且在 规则库中有相应的规则“ IF MTHEN N”存在 , 则 N 为真。例 如 , 如果有交通事故事实“交 通事故A产生了人员伤亡”,且 有一规则“ IF 交通事故 i 产生 了人员伤亡 ,THEN 调动医务部 门进行紧急救援”存在,那么, 就将该策略提供给决策者。
案例研究
模型库设计
模型库
基本数学模型库
事故检测模型库
事故影响范围确 定模型库
事故影响范围分 析模型库
存放一些具有无针对 性的基本数学模型和 算法 , 如初等模型、 微分方程模型、图论 及网络分析模型以及 概率统计模型等 , 支 持其他模型库的运行。
存放一些用于事故检 测的模型和算法。
交通事故影响范围主 要指由于交通事故而 导致的交通延误和排 队长度等。主要存放 车辆排队模型、车流 波 动 模 型 和 Boltzman 模型等,以计算延误和 排队长度。
传统三库DSS
四库IDSS
体系结构
智能人机接口
四库系统的智能人机接口接受用自然语言或接近自然语言的方式表达 的决策问题及决策目 标，这较大程度地改变了人机界面的性能。
说好的减肥，却管 不住嘴，昨天吃的 香蕉含糖量太高了， 罪过罪过，现在又 饿了。。。
通过语法、语 义结构分析等 方法转换为系 统语言。
其目标是建立事故延 误和排队长度与年平 均日交通量、通行能 力、事故率、事件持 续时间和左右路肩宽 度等因素的关系,可以 利用基本数学模型库 中的模型实现。
案例研究
数据库设计
数据库
面向单个检测器 的数据
面向两个检测器 的数据
统计数据
综合数据（包括 图和表）
所有的事故检测算 法都是根据交通流 参数进行事故判断 的 , 因此 , 需要建立 各个检测器的交通 流参数表。
体系结构
问题处理系统
问题处理系统处于IDSS的中心位置，是联系人与计算机及所储存的求解资源的桥梁，主要 由问题分析器与问题求解器两部分组成。
问题处理系统的工作流程：
体系结构
知识库和推理机
知识库子系统是对有关规则、因果关系及经验等知识进行获取、解释、表示、推理以及管 理与维护的系统，在DSS中引进知识库子系统提高了系统的智能化程度。知识库子系统从组成 上来看可分为三部分：知识库管理系统、知识库及推理机。 知识库管理系统
友好的人机接口；
……
神经网络（ANN）
体系结构
由于人工智能技术应用于DSS的程度与范围不同，因此，构成IDSS的结构也不同，较完整 与典型的IDSS结构是在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统中加入 自然语言处理系统（LS），形成智能人机接口，与四库之间插入问题处理系统（PPS）而构成 的四库系统结构。
增、删、改、查等数据库操作
知 识 库 子 系 统
知识库
存储不能用模型描绘的专家经验
推理机
从已知事实推出新知识
研究现状
目前，按照智能决策方法，大致可以把IDSS分为三类：基于人工智能、基于数据仓库和基 于范例推理的IDSS。
基于专家系统
基于人工智能的IDSS
基于机器学习 基于智能代理
IDSS
基于数据仓库的IDSS
专家系统（ES）
IDSS特性：
处理非结构化或半结构化的数据；
自主学习能力与推理能力； 良好的适应性和灵活性；
人 工 智 能
专家系统是一个智能计算机程序系统，其内部含有大 量的某个领域专家水平的知识与经验，能够利用人类 专家的知识和解决问题的方法来处理该领域问题。
神经网络是通过采用物理可实现的器件或采用计算机 来模拟生物体中神经网路的某些功能与结构，神经网 路属于基于案例学习的模型。
<#include studio.h> int i , j; select food where “she likes”; return i=banana; but she has banana yesterday;
自然语言处理系统
If(apple != yesterday’s food ) j = apple; else if(pie == “low energy”) ……
对数据的采集和分析可以利用IDSS，减少人工负担；
IDSS可以对事故管理措施的效果进行模拟及评价，有利于决策者作出最佳选择； 由于交通事故的实时性，IDSS可以减少专家判定的延时，从而使得对于事故的处理更加及时，
减少经济损失；
……
【注】：以《交通事故管理智能决策支持系统设计初探》一文为例，作者：张晴，赵晶心，董德存。
智能决策支持系统/IDSS
——简介与案例研究
基本概念
智能决策支持系统（IDSS，Intelligence Decision Support System）起源于八十年代 初期，有 Bonczek 等人率先提出，它的核心思想是将人工智能 (AI ， Artificial Intelligence) 和 DSS 相结合，应用专家系统技术，使DSS能够更充分地应用人类专家的知识通过逻辑推理来帮 助解决复杂的决策问题的辅助决策系统。
灵活性和适应性差：推理机制和解释机制网王是静态的，被动的；
……
案例研究
适用性分析
交通事故管理问题是一个非常复杂的非结构问题。交通事故的管理可以分为事故检测、事 故确定、事故响应和事故清除4个阶段，每个阶段又有很多方案需要决策者进行决策。面对大量、 复杂的相关数据，决策者采取哪套救援方案、如何指挥各个部门协同工作，高效地进行事故管 理,将直接影响到事故所造成的损失大小。 IDSS在决策支持系统的基础上引入人工智能技术，能够较好地解决非结构化问题，为决策 者提供定性和定量的建议，辅助其决策。引入IDSS的优势在于：