本文面向城市内涝应急场景中“同一灾害信息难以满足多类型用户差异化需求”的问题，构建了面向应急决策者、救援人员和社会公众的用户关注模型。研究将城市内涝过程划分为孕育、发生、发展和恢复四个阶段，结合微博文本、应急预案和专业访谈数据，采用 LDA、Word2Vec 与 PageRank 进行用户关注信息抽取，并通过用户群体关注本体 UGC_Ont 与场景要素本体 SE_Ont 融合，建立用户类型、灾害阶段与场景要素之间的语义映射关系。以郑州“7·20”特大暴雨为案例，验证了该模型在降低信息冗余、提升响应效率和增强应急场景适配性方面的有效性。
受气候变化和快速城镇化影响，城市内涝已成为威胁城市安全的重要灾害类型。水动力模拟可以精细刻画降雨、径流、管网和积水过程，但传统应急场景往往采用“一张图给所有人看”的模式，忽略了不同用户在不同灾害阶段的信息需求差异。
应急管理部门、交通部门和市政部门更关注管网负荷、泵站状态、道路通行能力、资源调度和风险扩散态势。
消防、医疗和专业救援力量更关注救援路径、装备状态、受困位置、积水深度、流速和现场可达性。
普通居民、通勤者和脆弱群体更关注小区门口水深、避险路线、避难场所、水电中断和自救互救信息。
研究框架包括用户类型划分、关注信息抽取、场景要素分析和本体融合四个环节。其核心目标是将“不同用户想知道什么”与“内涝场景中有哪些可表达要素”进行结构化语义连接。
论文将应急管理四阶段与城市内涝物理演化过程对应，划分为孕育、发生、发展和恢复四个阶段；同时将用户分为应急决策者、应急救援者和社会公众三大类，形成“阶段—角色”双维度分析框架。
研究整合郑州“7·20”事件微博文本、官方应急预案和专业访谈问卷。为避免大语言模型在高风险应急语境中的幻觉问题，采用 LDA 进行主题发现，Word2Vec 学习语义向量，PageRank 对关键词重要性排序。
将内涝应急场景理解为水动力过程与人类活动的耦合系统，场景要素包括自然地理要素、社会基础设施要素和行动导向要素，如降雨、地形、水深、流速、管网负荷、泵站状态、交通拥堵、避难场所和救援路线。
构建用户群体关注本体 UGC_Ont 和场景要素本体 SE_Ont，并利用 Jaccard 相似系数度量概念重叠，再通过人工规则修正完成语义映射，最终形成用户—阶段—场景要素的关注模型。
论文以 2021 年郑州“7·20”特大暴雨为案例开展验证。该事件造成重大人员伤亡和经济损失，具有强代表性。研究通过原型系统、专家问卷和对比实验验证模型的准确性、完整性和实用效果。
| 用户类型 | 典型关注信息 | 响应时间降低 | 任务成功率提升 |
|---|---|---|---|
| 应急管理者 | 管网负荷、泵站状态、溢流节点、道路通行能力、资源调度。 | 32.2% | 15.5% |
| 应急救援者 | 救援装备状态、受困人员位置、可达路径、现场水深与流速。 | 31.7% | 14.5% |
| 社会公众 | 小区水深、安全撤离路径、避难场所、水电中断和生活保障。 | 41.0% | 21.5% |
本文通过文本挖掘与本体融合，将城市内涝场景要素与多类型用户关注需求建立语义关联，为用户适配型应急场景构建提供了可解释、可扩展的模型基础。
研究不再仅按粗粒度社会属性划分用户，而是结合应急阶段、用户角色和任务需求构建层次化用户体系。
通过 UGC_Ont 与 SE_Ont 融合，将用户关注点与水深、管网、交通、避难所等场景要素建立语义连接。
适配场景显著降低响应时间并提升任务成功率，尤其能帮助公众快速理解风险并采取行动。