Page 138 - 《武汉大学学报（信息科学版）》2025年第6期

1160 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

LLM-driven format optimization and quality evaluation, enabling end-to-end automated plan generation.
To support this workflow, we design a three-tier emergency plan template system covering provincial, mu‑
nicipal, and county levels, and construct a comprehensive emergency knowledge graph containing 117 915
nodes and 182 586 edges, representing key entities such as risk types, response measures, resource configura‑
tions, and organizational responsibilities. Results: Experiments were conducted using 20 city- and county-
level earthquake emergency plans as reference cases. A six-dimensional evaluation framework was de‑
signed to compare the proposed workflow method against direct LLM generation. Results demonstrate that
the workflow method significantly outperforms direct LLM generation in key metrics such as complete‑
ness, feasibility, and coherence, producing more structured, logical, and actionable outputs. Further case
analysis highlights the workflows advantages in resource detailing, paragraph structuring, and content con‑
sistency, underscoring its effectiveness in real-world scenarios. Conclusions: We present a novel, knowledge-

augmented and agent-assisted framework for intelligent emergency plan generation, offering a practical and
scalable solution to a traditionally manual process. By combining structured template, semantic knowledge
graphs, intelligent agent reasoning, and LLM-based generation and evaluation, the proposed workflow en‑
sures both procedural compliance and real-world applicability. An interactive planning tool has been developed
to facilitate real-time use by emergency management practitioners, enabling customizable, region-specific,
and ready-to-implement emergency plans. Future work will extend the systems capabilities to other disas‑
ter types and integrate predictive analytics for dynamic risk evolution modeling.
Key words： workflow； agent； earthquake emergency plan； earthquake emergency knowledge graph； large
language model； knowledge enhancement； intelligent generation

近年来，新质生产力正在推动应急管理体系 步循环，模拟人类推理过程，使系统能够基于历
向智能化方向发展，以科技创新为核心的现代化 史 案 例 快 速 匹 配 当 前 突 发 事 件 的 应 对 方 案 ［14］ 。
应急管理模式逐步形成 ［1-2］ 。中国工程院院士范 基于案例推理的应急决策已被应用于多个领域，
维澄指出，要以技术革命推动应急管理能力现代 如交通应急管理 ［15］ 、环境突发事件响应 ［16］ 、突发
化 ，以 生 产 要 素 创 新 配 置 推 动 应 急 管 理 模 式 转 公共卫生事件应急预案预生成 ［14］ 、地质灾害应急
型，强调科技创新在提升国家应急管理能力建设 预案优化 ［17］ 以及基于空间案例推理的滑坡风险
［3］
中的关键作用 。而中国共产党第二十次全国代 评估 ［18］ 。
表大会报告提出“坚持安全第一、预防为主，建立 尽管基于案例推理的应急决策方法在应急
大安全大应急框架，完善公共安全体系，推动公 决策领域的研究取得了诸多进展，但仍面临着检
共安全治理模式向事前预防转型”，进一步明确 索精度低、检索步骤复杂、响应时间长等挑战 ［19］ 。
［4］
了应急管理向前置化、智能化方向发展的趋势 。 大语言模型（large language model，LLM）的快速
应急预案编制作为事前防灾的核心环节，目的是 发展为智能化应急预案生成提供了新的方法，其
建 立 统 一 、快 速 、协 调 、高 效 的 灾 害 应 急 处 置 机 强大的自然语言理解和知识整合能力能够自动
制，其科学性、针对性和可执行性直接影响震后 分析地震灾害信息、智能匹配应对策略，并动态
［5］
应急响应的效率与救援工作的有序展开 。 填充预案内容 ［20-21］ 。然而，单纯依赖 LLM 仍然存
应急预案的编写涉及对突发事件演化的推 在生成幻觉、不稳定性、缺乏可控性等问题 ［22-23］ ，
理及面对不同风险的决策问题，传统的应急预案 特别是在应急管理领域，LLM 如何确保生成的应
通常基于历史应急经验编制，针对常规灾害事件 急预案因地制宜，所提出的应急措施更加可靠且
制定详细的应对措施 。为了提升应急决策的智 具有实际操作性，仍是当前研究所面临的挑战。
［6］
能化水平，多种智能决策方法被应用于应急预案 已有研究表明，结合知识库的信息约束可以提高
的生成和优化，包括群体决策 、D-S 证据理论 、 LLM 生成的稳定性和可控性，使其在应急决策制
［7］
［8］
多 目 标 决 策 ［9］ 、基 于 决 策 树 的 模 型 ［10］ 、前 景 理 定 、预 案 生 成 等 领 域 展 现 出 较 大 的 潜 力 ［20， 24-25］ 。
论 ［11］ 、进化博弈 ［12］ 及基于故障树分析方法 ［13］ 等。 然而，现有方法主要侧重于静态知识的增强，仍
在这些方法中，基于案例推理的应急决策得到了 然缺乏足够的动态适应能力，难以应对实时灾害
广泛应用。该方法通过检索、重用、修正和保留 4 情境下的多变需求。近年来，智能体与工作流技