公共安全事件的突发性和特殊性决定了应急决策过程的复杂性,态势数据的实时分析、救援力量的精准调度、决策信息的优化反馈等均依赖于动态、智能化的决策体系。将态势推演与应急决策有机结合,使决策者通过态势推演及时掌握事件发展方向,并据此进行救援方案优化、应急队伍调度和应急现场疏散,可以有效提高决策者的应急处置能力。本研究围绕上述主题展开,主要工作包括:（1）针对公共安全事件态势在时空维度演化的特征,基于元胞自动机方法构建态势推演模型。用元胞表示事件承灾体的空间位置,元胞间关系表征各承灾体在空间上的相互作用;结合马尔科夫特性,用状态转移速率确定元胞状态在时间维度的转移规则。对火灾原生事件和衍生事件进行推演仿真分析,结果表明,该推演模型可响应实时环境变化,推演出事件各空间位置在未来时刻的风险情况,为应急决策提供实时态势图、关键时刻和重点区域的态势数据。（2）针对公共安全事件态势环境的实时动态性,结合应急决策组织架构,建立多层全域救援决策模型。在任务层,联合推演模型对方案进行有限次“干预-反馈-调整”,对实时态势下的救援任务进行优化;在行动层,用强化学习思想建立多救援实体在动态环境下的行动机制,针对公共安全事件状态空间较大的问题,用LSTD算法线性逼近状态-动作值函数,以获得实时状态对应的最优行动方案。仿真结果表明,所建立的救援决策模型对于规避事件潜在风险、提高救援效果具有有效性。（3）针对公共安全事件中人员疏散环境的危险性和动态不确定性,基于态势推演模型和救援决策模型的输出数据,建立疏散路径决策模型。在人员行为策略中,基于场强理论给定被困人员面对出口、障碍和危险区域的移动方式,用“警戒范围”参数平衡规避危险与提高疏散效率之间的关系。在疏散路径决策模型中,基于行为策略构建蚁群算法的启发函数;针对人群疏散问题的多源多汇特征和人员疏散经验共享的需求,构建信息素更新规则。仿真结果表明,所建立的疏散路径决策模型不仅能帮助被困人员躲避实时危险,还能提升疏散效率和应急处置效果。