CN102110250A - 减灾决策方案优化与确定的方法 - Google Patents

减灾决策方案优化与确定的方法 Download PDF

Info

Publication number
CN102110250A
CN102110250A CN2009102516131A CN200910251613A CN102110250A CN 102110250 A CN102110250 A CN 102110250A CN 2009102516131 A CN2009102516131 A CN 2009102516131A CN 200910251613 A CN200910251613 A CN 200910251613A CN 102110250 A CN102110250 A CN 102110250A
Authority
CN
China
Prior art keywords
disaster
model
scheme
formula
goods
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2009102516131A
Other languages
English (en)
Inventor
张晓明
孙丙宇
王儒敬
毛雪岷
姜康
李文波
王海雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN2009102516131A priority Critical patent/CN102110250A/zh
Publication of CN102110250A publication Critical patent/CN102110250A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种减灾决策方案优化与确定的方法。它包括服务器及其中设立的数据库和建立的使用服务器的中央处理单元进行运算的数据处理模块,以及经与服务器电连接的终端接收和输出数据,特别是,数据库包含为减灾决策提供优化了的参考方案的优化模型库和为参考方案提供辅助的修正信息和数据,以生成最终的决策方案的方案与灾情信息数据库;数据处理模块包含决策方案优化模块、决策方案确定模块和决策方案输出模块,以用来生成格式化的物资需求、物资调度和恢复重建项目排序的优化了的参考方案、最终的决策方案和将其按所需的形式送往方案与灾情信息数据库中的历史案例库和由终端输出。它能对各种类型的自然灾害发生后提供确定的减灾决策方案。

Description

减灾决策方案优化与确定的方法
技术领域
本发明涉及一种决策方案优化与确定的方法,尤其是一种减灾决策方案优化与确定的方法。
背景技术
中国幅员辽阔,地理气候条件复杂,是自然灾害最为严重的国家之一,而且70%以上的城市、50%以上的人口分布在自然灾害频发的地区。以地震为例,我国的陆地面积仅占全球的1/4,但全球陆地破坏性地震的1/3却在中国。为此,人们做出了不懈的努力,试图通过各种预警系统来减少或降低自然灾害的影响和损害,如在2008年10月29日公开的中国发明专利申请公布说明书CN 101295172A中披露的一种“基于地理信息系统GIS的电网综合防灾减灾系统”。它意欲提供一种可在一定区域或行政辖区范围内,将有关灾害信息、地理信息和电网信息的电网系统内外各个应用系统进行交互、集成,从而获得具有强大的分析、预报、决策支持等智能化功能的电网综合防灾减灾系统。该系统的组成要点为,其基于地理信息系统平台、统一的信息编码以及约定的交互协议架构如下子系统,中央服务器计算机系统、数据中心计算机系统,存储有电网基础信息的各服务器计算机子系统,存储有电网运行环境信息的各服务器计算机子系统以及各终端用户计算机,存储有电网基础信息的各服务器计算机子系统和存储有电网运行环境信息的各服务器计算机子系统各自分别通过数据中心计算机系统与中央服务器计算机系统连接,各终端用户计算机与中央服务器计算机系统的信号输出接口连接。但是,这种电网综合防灾减灾系统存在着不足之处,首先,适用范围太窄,仅适于针对电网发生的灾害的防灾减灾,而不能适用于各种类型的自然灾害发生后的防灾减灾;其次,仅能为电网的防灾减灾任务提供决策支持,而不能直接对减灾决策方案进行优化并且产生确定的切实可行的减灾决策方案。
发明内容
本发明要解决的技术问题为克服现有技术中的不足之处,提供一种适用于各种类型自然灾害的、能辅助减灾工作者进行决策的、智能化的减灾决策方案优化与确定的方法。
为解决本发明的技术问题,所采用的技术方案为:减灾决策方案优化与确定的方法包括服务器及其中设立的数据库和建立的使用服务器的中央处理单元进行运算的数据处理模块,以及经与服务器电连接的终端接收和输出数据,特别是,
所述数据库包含优化模型库和方案与灾情信息数据库,其中,
优化模型库主要由模型库主体库和模型库管理模块组成,用于为减灾决策提供优化了的参考方案,其中的模型库主体库含有模型参数子库、由优化算法构成的计算方法子库和由物资需求模型、物资调度模型和恢复重建项目排序模型构成的模型子库,用于为模型子库中的各种模型的设立提供参数和相应的优化算法,以得出对应模型的优化结果,模型库管理模块含有构建与管理子模块、组合与运行子模块以及参数文件转换与传输子模块,用于对模型库主体库中的数据进行查询、选择、修改、增加和删除的操作,以实现对模型库主体库的管理,
方案与灾情信息数据库主要由含有国家基础地理信息的灾害空间数据库、含有国家地方经济数据和人口情况的区域经济信息数据库、含有方案可视化所需的图标数据的灾害专题图形库,以及含有历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息的历史案例库组成,用于为参考方案提供辅助的修正信息和数据,以生成最终的决策方案;
所述数据处理模块包含决策方案优化模块、决策方案确定模块和决策方案输出模块,其中,
决策方案优化模块根据终端输入的灾情的类别、灾害级别、发生的时间和地区,调用模型库管理模块运行,来对灾前的风险决策需求、灾中的灾害应急响应启动、灾害应急救助需求和救灾资源优化调度,以及灾后救助与恢复重建涉及的决策方案进行优化,生成格式化的物资需求、物资调度和恢复重建项目排序的优化了的参考方案,
决策方案确定模块根据优化了的参考方案和终端输入的修正意见,对参考方案的内容进行修改和调整,以生成最终的决策方案,
决策方案输出模块根据终端输入的输出模式,对最终的决策方案的内容进行编辑和归类,以及调整文字、生成表格或图形,以所需的形式送往方案与灾情信息数据库中的历史案例库和由终端输出。
作为减灾决策方案优化与确定的方法的进一步改进:
所述的模型参数子库中的参数为字符串与数字,其中,字符串为灾情的类别,数字为灾害级别和受灾地区经济状况;
所述的灾情的类别为洪涝、雪灾、台风、地震、山体滑坡、泥石流、旱灾、低温冷冻、病虫害、森林火灾和草原火灾,灾害级别为1~4级,受灾地区经济状况为1~3级;
所述的物资需求模型的设立由物资需求优化模型的设立和针对调度的物资需求的优化模型的设立组成;
所述的物资需求优化模型的设立为先输入可行的灾害应急救助需求数据,其由数据项名称、最大可行值MAX1和最小可行值MIN1构成,再使用模型的目标计算公式MIN1+α1×(MAX1-MIN1),α1∈[0,1],对输入的每个可行的灾害应急救助需求数据依次进行优化计算,公式中的α1的值取决于灾情的类别、灾害级别、受灾地区经济状况,α1取0值时,表示以最低标准进行物资救助,α1取1值时,表示以最高标准进行物资救助,得出物资需求优化模型的优化结果;
所述的针对调度的物资需求的优化模型的设立为先输入可行的物资调度需求数据,其由数据项名称、最大可行值MAX2和最小可行值MIN2构成,再参考物资储备库可提供的物资和可紧急购买到的物资的约束条件,即
Figure G2009102516131D00031
式中的M为物资储备库可提供的物资、M为可紧急采购到的物资,接着使用模型的目标计算公式MIN2+α2×(MAX2-MIN2),α2∈[0,1],对输入的每个可行的物资调度需求数据依次进行优化计算,公式中的α2的值取决于灾情的类别、灾害级别、受灾地区经济状况,α2取0值时,表示以最低标准进行物资救助,α2取1值时,表示以最高标准进行物资救助,得出针对调度的物资需求的优化模型的优化结果;
所述的物资调度模型的设立由以运输路线最短为目标函数建立的应急物资运输调度模型的设立和以运输代价最小为目标函数建立的应急物资运输调度模型的设立组成;
所述的以运输路线最短为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(1)~(8)构成,以得出其优化结果,(1)目标函数公式: min R = Σ k = 1 K [ Σ i = 1 n k d r k ( i - 1 ) r ki + d r k n k r k 0 · sign ( n k ) ] , (2)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: Σ i = 1 n k q r ki ≤ Q k , (3)保证每条配送路径的长度不超过配送运输工具一次配送的最大行驶距离公式: Σ i = 1 n k d r k ( i - 1 ) r ki + d r k n k r k 0 · sign ( n k ) ≤ D k , (4)保证每条路径上的救灾中心数不超过总救灾中心数公式:0≤nk≤L,(5)保证每个救灾中心都得到配送服务公式: Σ k = 1 K n k = L , (6)表示每条路径的救灾中心的组成公式:Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},(7)限制每个救灾中心仅能由一组配送运输工具送货公式: R k 1 ∩ R k 2 = φ , ∀ k 1 ≠ k 2 , (8)表示当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure G2009102516131D00047
上述公式(1)~(8)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,…,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心;
所述的以运输代价最小为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(9)~(16)构成,以得出其优化结果,(9)目标函数公式: min E = Σ k = 1 K [ Σ i = 1 n k c r k ( i - 1 ) r ki + c r k n k r k 0 · sign ( n k ) ] , (10)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: Σ i = 1 n k q r ki ≤ Q k , (11)保证每条配送路径的耗费的运输代价不超过配送运输工具一次配送的最大限定代价公式: Σ i = 1 n k c r k ( i - 1 ) r ki + c r k n k r k 0 · sign ( n k ) ≤ c k , (12)保证每条路径上的救灾中心数不超过总救灾中心数公式:0≤nk≤L,(13)保证每个救灾中心都得到配送服务公式: Σ k = 1 K n k = L , (14)表示每条路径的救灾中心的组成公式:Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},(15)限制每个救灾中心仅能由一组配送运输工具送货公式: R k 1 ∩ R k 2 = φ , ∀ k 1 ≠ k 2 , (16)当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,则取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure G2009102516131D00057
上述公式(9)~(16)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,…,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心;
所述的恢复重建项目排序模型的设立为先输入恢复重建项目模糊判断矩阵P,其中的P=[pij]n*n为互补矩阵,n为矩阵的行列数,pij为专家的偏好关系系数,即项目i相比项目j的重要程度(0≤pij≤1;pij=0.5时,说明项目i与项目j同等重要;pij>0.5时,说明项目i比项目j重要,该值越大,越说明项目i重要),再使用模型的目标计算公式
min z=DTQD
s.t.eTD=1
其中,D为项目排序向量, D = ( d 1 , d 2 , . . . , d n ) T , d i > = 0 , Σ j = 1 n d j = 1 ;
e为单位向量,e=(1,1,...,1)T
Q为偏好系数的组合计算矩阵,Q=[qij]n*n,具体表示如下所示:
q ii = 2 Σ k = 1 k ≠ 1 n p 2 ki , i = 1,2 , . . . , n
qij=2(p2 ij-pij),j=1,2,...,n;i≠j    经过计算,得到D的近似最优解为D=Q-1e/eTQ-1e,得出恢复重建项目排序模型的优化结果向量D;
所述的终端输入灾情的类别、灾害级别、发生的时间和地区的方式为接收减灾任务广播或用户手动输入;
所述的终端输入的修正意见为专家会商意见或方案与灾情信息数据库中的相关数据;
所述的方案与灾情信息数据库中的相关数据为历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息。
相对于现有技术的有益效果是,其一,方法能够对国土上发生的各种类型的自然灾害,如洪涝、雪灾、台风、地震、山体滑坡、泥石流、旱灾、低温冷冻、病虫害、森林火灾和草原火灾等,辅助减灾工作者基于本发明的方法,即,既借助于历史情况,又结合现有灾害的状况,还在参考了专家的意见或历史案例的基础上,利用计算机系统的数据分析处理功能,智能化的快速全面地生成合理、完整和切实可行的减灾救灾方案;其二,方法科学、有效,不仅有灾前准备方案,还有灾中应急救助方案,更有灾后的物资需求方案、物资调度方案和恢复重建方案,生成的三类五种决策方案除能适用于各种类型的自然灾害之外,还完全涵盖了减灾过程中的各种事务。
作为有益效果的进一步体现,一是模型参数子库中的参数优选为字符串与数字,其中,字符串优选为灾情的类别,数字优选为灾害级别和受灾地区经济状况,既简洁,又便于识别和操作;二是灾情的类别优选为洪涝、雪灾、台风、地震、山体滑坡、泥石流、旱灾、低温冷冻、病虫害、森林火灾和草原火灾,灾害级别优选为1~4级,受灾地区经济状况优选为1~3级,不仅符合实际情况,也易于决策方案的确定;三是物资需求模型的设立优选由物资需求优化模型的设立和针对调度的物资需求的优化模型的设立组成,除考虑了物资的需求之外,还统筹地考虑了物资的调配;四是物资调度模型的设立优选由目标计算公式(1)~(8)构成的以运输路线最短为目标函数建立的应急物资运输调度模型的设立和由目标计算公式(9)~(16)构成的以运输代价最小为目标函数建立的应急物资运输调度模型的设立组成,既注重了最短的运输路线,又注重了以最小的代价来完成运输;五是恢复重建项目排序模型的设立优选为先输入恢复重建项目模糊判断矩阵P,再使用模型的目标计算公式
min z=DTQD
s.t.eTD=1
其中,D为项目排序向量, D = ( d 1 , d 2 , . . . , d n ) T , d i > = 0 , Σ j = 1 n d j = 1 ;
e为单位向量,e=(1,1,...,1)T
Q为偏好系数的组合计算矩阵,Q=[qij]n*n,具体表示如下所示:
q ii = 2 Σ k = 1 k ≠ i n p 2 ki , i = 1,2 , . . . , n
qij=2(p2 ij-pij),j=1,2,...,n;i≠j,得出恢复重建项目排序模型的优化结果向量D,不仅科学,还高效、快捷;六是终端输入的修正意见优选为专家会商意见或方案与灾情信息数据库中的相关数据,方案与灾情信息数据库中的相关数据优选为历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息,既博采众长,又借鉴了历史的经验和教训,使确定了的减灾决策方案更加科学合理。
附图说明
下面结合附图对本发明的优选方式作进一步详细的描述。
图1是本发明的一种基本结构示意图;
图2是本发明的决策方案优化模块逻辑流程图;
图3是本发明的决策方案确定模块逻辑流程图;
图4是本发明的决策方案输出模块逻辑流程图;
图5是本发明输出的2004年云南省昭通市地震减灾的整体预览方案之一。
具体实施方式
参见图1,减灾决策方案优化与确定的方法包括服务器及其中设立的数据库和建立的使用服务器的中央处理单元进行运算的数据处理模块,以及经与服务器电连接的终端接收和输出数据。
其中,
一、服务器系统采用J2EE架构。数据库选用Oracle 10g,服务器操作系统选用Windows Server 2003,个人计算机操作系统采用Windows XP,程序部署服务器选用Weblogic。
二、数据库包含优化模型库和方案与灾情信息数据库
(一)优化模型库主要由模型库主体库和模型库管理模块组成,用于为减灾决策提供优化了的参考方案。
1、模型库主体库含有模型参数子库、由优化算法构成的计算方法子库和由物资需求模型、物资调度模型和恢复重建项目排序模型构成的模型子库;用于为模型子库中的各种模型的设立提供参数和相应的优化算法,以得出对应模型的优化结果。
其中,
模型参数子库中的参数为字符串与数字,其中的字符串为灾情的类别,数字为灾害级别和受灾地区经济状况。
灾情的类别为洪涝、雪灾、台风、地震、山体滑坡、泥石流、旱灾、低温冷冻、病虫害、森林火灾和草原火灾,灾害级别为1~4级,受灾地区经济状况为1~3级。
物资需求模型的设立由物资需求优化模型的设立和针对调度的物资需求的优化模型的设立组成;其中的
物资需求优化模型的设立为先输入可行的灾害应急救助需求数据,其由数据项名称、最大可行值MAX1和最小可行值MIN1构成,再使用模型的目标计算公式MIN1+α1×(MAX1-MIN1),α1∈[0,1],对输入的每个可行的灾害应急救助需求数据依次进行优化计算,公式中的α1的值取决于灾情的类别、灾害级别、受灾地区经济状况,α1取0值时,表示以最低标准进行物资救助,α1取1值时,表示以最高标准进行物资救助,得出物资需求优化模型的优化结果;
针对调度的物资需求的优化模型的设立为先输入可行的物资调度需求数据,其由数据项名称、最大可行值MAX2和最小可行值MIN2构成,再参考物资储备库可提供的物资和可紧急购买到的物资的约束条件,即
Figure G2009102516131D00091
式中的M为物资储备库可提供的物资、M为可紧急采购到的物资,接着使用模型的目标计算公式MIN2+α2×(MAX2-MIN2),α2∈[0,1],对输入的每个可行的物资调度需求数据依次进行优化计算,公式中的α2的值取决于灾情的类别、灾害级别、受灾地区经济状况,α2取0值时,表示以最低标准进行物资救助,α2取1值时,表示以最高标准进行物资救助,得出针对调度的物资需求的优化模型的优化结果。
物资调度模型的设立由以运输路线最短为目标函数建立的应急物资运输调度模型的设立和以运输代价最小为目标函数建立的应急物资运输调度模型的设立组成;其中的,
以运输路线最短为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(1)~(8)构成,以得出其优化结果,
(1)目标函数公式: min R = Σ k = 1 K [ Σ i = 1 n k d r k ( i - 1 ) r ki + d r k n k r k 0 · sign ( n k ) ] ,
(2)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: Σ i = 1 n k q r ki ≤ Q k ,
(3)保证每条配送路径的长度不超过配送运输工具一次配送的最大行驶距离公式: Σ i = 1 n k d r k ( i - 1 ) r ki + d r k n k r k 0 · sign ( n k ) ≤ D k ,
(4)保证每条路径上的救灾中心数不超过总救灾中心数公式:0≤nk≤L,
(5)保证每个救灾中心都得到配送服务公式: Σ k = 1 K n k = L ,
(6)表示每条路径的救灾中心的组成公式:
Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},
(7)限制每个救灾中心仅能由一组配送运输工具送货公式: R k 1 ∩ R k 2 = φ , ∀ k 1 ≠ k 2 ,
(8)表示当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure G2009102516131D00104
上述公式(1)~(8)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,…,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心;
以运输代价最小为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(9)~(16)构成,以得出其优化结果,
(9)目标函数公式: min E = Σ k = 1 K [ Σ i = 1 n k c r k ( i - 1 ) r ki + c r k n k r k 0 · sign ( n k ) ] ,
(10)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: Σ i = 1 n k q r ki ≤ Q k ,
(11)保证每条配送路径的耗费的运输代价不超过配送运输工具一次配送的最大限定代价公式: Σ i = 1 n k c r k ( i - 1 ) r ki + c r k n k r k 0 · sign ( n k ) ≤ C k ,
(12)保证每条路径上的救灾中心数不超过总救灾中心数公式:
0≤nk≤L,
(13)保证每个救灾中心都得到配送服务公式: Σ k = 1 K n k = L ,
(14)表示每条路径的救灾中心的组成公式:Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},
(15)限制每个救灾中心仅能由一组配送运输工具送货公式: R k 1 ∩ R k 2 = φ , ∀ k 1 ≠ k 2 ,
(16)当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,则取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure G2009102516131D00114
上述公式(9)~(16)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,…,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心。
恢复重建项目排序模型的设立为先输入恢复重建项目模糊判断矩阵P,其中的P=[pij]n*n为互补矩阵,n为矩阵的行列数,pij为专家的偏好关系系数,0≤pij≤1,再使用模型的目标计算公式
min z=DTQD
s.t.eTD=1
其中,D为项目排序向量, D = ( d 1 , d 2 , . . . , d n ) T , d i > = 0 , Σ j = 1 n d j = 1 ;
e为单位向量,e=(1,1,...,1)T
Q为偏好系数的组合计算矩阵,Q=[qij]n*n,具体表示如下所示:
q ii = 2 Σ k = 1 k ≠ i n p 2 ki , i = 1,2 , . . . , n
qij=2(p2 ij-pij),j=1,2,...,n;i≠j,经过计算,得到D的近似最优解为D=Q-1e/eTQ-1e,得出恢复重建项目排序模型的优化结果向量D。
2、模型库管理模块含有构建与管理子模块、组合与运行子模块以及参数文件转换与传输子模块,用于对模型库主体库中的数据进行查询、选择、修改、增加和删除的操作,以实现对模型库主体库的管理。
(二)方案与灾情信息数据库主要由含有国家基础地理信息的灾害空间数据库、含有国家地方经济数据和人口情况的区域经济信息数据库、含有方案可视化所需的图标数据的灾害专题图形库,以及含有历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息的历史案例库组成,用于为参考方案提供辅助的修正信息和数据,以生成最终的决策方案。
三、数据处理模块包含决策方案优化模块、决策方案确定模块和决策方案输出模块
(一)决策方案优化模块根据终端输入的灾情的类别、灾害级别、发生的时间和地区,调用模型库管理模块运行,来对灾前的风险决策需求、灾中的灾害应急响应启动、灾害应急救助需求和救灾资源优化调度,以及灾后救助与恢复重建涉及的决策方案进行优化,生成格式化的物资需求、物资调度和恢复重建项目排序的优化了的参考方案;其中,终端输入灾情的类别、灾害级别、发生的时间和地区的方式为接收减灾任务广播或用户手动输入。
(二)决策方案确定模块根据优化了的参考方案和终端输入的修正意见,对参考方案的内容进行修改和调整,以生成最终的决策方案;其中,终端输入的修正意见为专家会商意见或方案与灾情信息数据库中的相关数据;方案与灾情信息数据库中的相关数据为历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息。
(三)决策方案输出模块根据终端输入的输出模式,对最终的决策方案的内容进行编辑和归类,以及调整文字、生成表格或图形,以所需的形式送往方案与灾情信息数据库中的历史案例库和由终端输出。
下面以2004年云南省昭通市地震灾害为例,参见图1、图2、图3和图4,简述本方法的实施过程:
接通服务器电源,由决策方案优化模块先根据终端输入的地震灾害任务广播内容(也可以由用户手动输入):“2004年8月10日18时26分,云南省昭通市鲁甸县、昭阳区境内发生里氏5.6级地震,震中位于东经103°36′、北纬27°10′的鲁甸县桃源乡、昭阳区布嘎乡一带,震源深度13公里。鲁甸县桃源乡、茨院乡、大水井乡、文屏镇和昭阳区布嘎乡、守望乡、苏家院乡、永丰镇震感强烈、受灾较重。此次地震的中心与2003年昭通市‘11·15’、‘11·26’地震区域基本重合”,将地震灾害的减灾任务输入;并自动解析成灾情信息(也可以由用户通过键盘直接填写):灾情的类别为地震,灾害级别为4级,发生的时间为2004/8/10,18:26,发生的地区为云南省昭通市鲁甸县、昭阳区。
决策方案优化模块调用模型库管理模块运行,以根据灾情信息和决策方案生成过程中所要优化的信息,如“口粮需求、饮用水需求、药品需求、衣被需求、救灾帐篷需求、救灾人力需求和转移安置费需求等”,以及优化所需的约束条件信息,如“昭通市位于云南省东北部、金沙江下游,与四川、贵州接壤,国土面积2.3万平方公里。2001年撤地设市,辖1区10县、143个乡镇(办事处)。总人口545.97万人,其中有苗、彝、回等23个少数民族54.2万人”,来对灾前的风险决策需求、灾中的灾害应急响应启动、灾害应急救助需求和救灾资源优化调度,以及灾后救助与恢复重建涉及的决策方案进行优化,自动生成格式化的物资需求、物资调度和恢复重建项目排序的优化了的参考方案,其中,物资需求模型设立过程中的模型系数α1和α2均由灾情的类别为地震、灾害级别为4级、受灾地区经济状况如上所述而自行得出为0.7。由前述优化了的参考方案之一——《灾害应急救助需求方案》所生成的xml格式文档如下:
“<?xml version=″1.0″encoding=″GBK″?>
<PLAN name=″灾害应急救助可行方案″>
   <CLASS name=″灾害损失评估″>
     ......
   </CLASS>
   <CLASS name=″灾中响应能力分析″>
     ...... 
   </CLASS>
   <CLASS name=″应急响应能力″>
      <VAR name=″救灾资金投入″>
         <MIN>1000万元</MIN>
         <MID>12000万元</MID>
         <MAX>1500万元</MAX>
         <COL/>
         <MEMO>灾害应急救助可行方案</MEMO>
      </VAR>
      <VAR name=″救灾人数投入″>
         <MIN>1500人</MIN>
         <MID>2000人</MID>
         <MAX>30000人</MAX>
         <COL/>
         <MEMO>灾害应急救助可行方案</MEMO>
      </VAR>
      ...... 
   </CLASS>
   <CLASS name=″区域受灾强度分析″>
      ......
   </CLASS>
<CLASS name=″救助需求分析″>
   <VAR name=″需转移区域″>
      <COL>桃源乡</COL>
      <COL>茨院乡</COL>
      <COL>大水井乡</COL>
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″需转移人口数量/分布″>
      <COL>桃源乡6万人</COL>
      <COL>茨院乡3万人</COL>
      <COL>大水井乡1万人</COL>
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″避难场所与安置点分布″>
      <COL>桃源乡 体育场 学校</COL>
      <COL>茨院乡 乡市救济中心 乡广场</COL>
      <COL>大水井乡 乡广场</COL>
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″口粮救济″>
      <MIN/>700
      <MID/>1000
      <MAX/>1100
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″衣被救济″>
      <MIN/>10000
      <MID/>130000
      <MAX/>140000
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″帐篷调拨数量″>
      <MIN/>21600
      <MID/>25247
      <MAX/>26800
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″调拨药品数量″>
      <MIN/>180
      <MID/>200
      <MAX/>2100
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   <VAR name=″饮用水供应数量″>
      <MIN/>300
      <MID/>360
      <MAX/>380
      <MEMO>灾害应急救助可行方案</MEMO>
   </VAR>
   ...... 
</CLASS>
 </PLAN>”。
决策方案确定模块接到决策方案优化模块输出的优化了的参考方案后,先由终端输出会商请求并等待由终端输入的修正意见。终端输入的修正意见有两种,一是专家会商后的意见,二是用户根据方案与灾情信息数据库中的相关数据得出,方案与灾情信息数据库中的相关数据为历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息。这两种修正意见由用户择一输入。当决策方案确定模块收到由终端输入的修正意见后,对参考方案的内容进行修改和调整,以生成最终的决策方案,并将决策方案进行保存和送往决策方案输出模块。
决策方案输出模块根据终端输入的输出模式,对最终的决策方案的内容进行编辑和归类,以及调整文字、生成表格或图形(如图5所示),以所需的形式送往方案与灾情信息数据库中的历史案例库和由终端输出。
显然,本领域的技术人员可以对本发明的减灾决策方案优化与确定的方法进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种减灾决策方案优化与确定的方法,包括服务器及其中设立的数据库和建立的使用服务器的中央处理单元进行运算的数据处理模块,以及经与服务器电连接的终端接收和输出数据,其特征在于:
所述数据库包含优化模型库和方案与灾情信息数据库,其中,
优化模型库主要由模型库主体库和模型库管理模块组成,用于为减灾决策提供优化了的参考方案,其中的模型库主体库含有模型参数子库、由优化算法构成的计算方法子库和由物资需求模型、物资调度模型和恢复重建项目排序模型构成的模型子库,用于为模型子库中的各种模型的设立提供参数和相应的优化算法,以得出对应模型的优化结果,模型库管理模块含有构建与管理子模块、组合与运行子模块以及参数文件转换与传输子模块,用于对模型库主体库中的数据进行查询、选择、修改、增加和删除的操作,以实现对模型库主体库的管理,
方案与灾情信息数据库主要由含有国家基础地理信息的灾害空间数据库、含有国家地方经济数据和人口情况的区域经济信息数据库、含有方案可视化所需的图标数据的灾害专题图形库,以及含有历史案例情况、主要灾害引发的次生灾情情况、灾害时序损失信息的历史案例库组成,用于为参考方案提供辅助的修正信息和数据,以生成最终的决策方案;
所述数据处理模块包含决策方案优化模块、决策方案确定模块和决策方案输出模块,其中,
决策方案优化模块根据终端输入的灾情的类别、灾害级别、发生的时间和地区,调用模型库管理模块运行,来对灾前的风险决策需求、灾中的灾害应急响应启动、灾害应急救助需求和救灾资源优化调度,以及灾后救助与恢复重建涉及的决策方案进行优化,生成格式化的物资需求、物资调度和恢复重建项目排序的优化了的参考方案,
决策方案确定模块根据优化了的参考方案和终端输入的修正意见,对参考方案的内容进行修改和调整,以生成最终的决策方案,
决策方案输出模块根据终端输入的输出模式,对最终的决策方案的内容进行编辑和归类,以及调整文字、生成表格或图形,以所需的形式送往方案与灾情信息数据库中的历史案例库和由终端输出。
2.根据权利要求1所述的减灾决策方案优化与确定的方法,其特征是模型参数子库中的参数为字符串与数字,其中,字符串为灾情的类别,数字为灾害级别和受灾地区经济状况。
3.根据权利要求2所述的减灾决策方案优化与确定的方法,其特征是灾情的类别为洪涝、雪灾、台风、地震、山体滑坡、泥石流、旱灾、低温冷冻、病虫害、森林火灾和草原火灾,灾害级别为1~4级,受灾地区经济状况为1~3级。
4.根据权利要求1所述的减灾决策方案优化与确定的方法,其特征是物资需求模型的设立由物资需求优化模型的设立和针对调度的物资需求的优化模型的设立组成。
5.根据权利要求4所述的减灾决策方案优化与确定的方法,其特征是物资需求优化模型的设立为先输入可行的灾害应急救助需求数据,其由数据项名称、最大可行值MAX1和最小可行值MIN1构成,再使用模型的目标计算公式MIN1+α1×(MAX1-MIN1),α1∈[0,1],对输入的每个可行的灾害应急救助需求数据依次进行优化计算,公式中的α1的值取决于灾情的类别、灾害级别、受灾地区经济状况,α1取0值时,表示以最低标准进行物资救助,α1取1值时,表示以最高标准进行物资救助,得出物资需求优化模型的优化结果。
6.根据权利要求4所述的减灾决策方案优化与确定的方法,其特征是针对调度的物资需求的优化模型的设立为先输入可行的物资调度需求数据,其由数据项名称、最大可行值MAX2和最小可行值MIN2构成,再参考物资储备库可提供的物资和可紧急购买到的物资的约束条件,即式中的M为物资储备库可提供的物资、M为可紧急采购到的物资,接着使用模型的目标计算公式MIN2+α2×(MAX2-MIN2),α2∈[0,1],对输入的每个可行的物资调度需求数据依次进行优化计算,公式中的α2的值取决于灾情的类别、灾害级别、受灾地区经济状况,α2取0值时,表示以最低标准进行物资救助,α2取1值时,表示以最高标准进行物资救助,得出针对调度的物资需求的优化模型的优化结果。
7.根据权利要求1所述的减灾决策方案优化与确定的方法,其特征是物资调度模型的设立由以运输路线最短为目标函数建立的应急物资运输调度模型的设立和以运输代价最小为目标函数建立的应急物资运输调度模型的设立组成。
8.根据权利要求7所述的减灾决策方案优化与确定的方法,其特征是以运输路线最短为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(1)~(8)构成,以得出其优化结果,
(1)目标函数公式: min R = &Sigma; k = 1 K [ &Sigma; i = 1 n k d r k ( i - 1 ) r ki + d r kn k r k 0 &CenterDot; sign ( n k ) ] ,
(2)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: &Sigma; i = 1 n k q r ki &le; Q k ,
(3)保证每条配送路径的长度不超过配送运输工具一次配送的最大行驶距离公式: &Sigma; i = 1 n k d r k ( i - 1 ) r ki + d r kn k r k 0 &CenterDot; sign ( n k ) &le; D k ,
(4)保证每条路径上的救灾中心数不超过总救灾中心数公式:0≤nk≤L,
(5)保证每个救灾中心都得到配送服务公式: &Sigma; k = 1 K n k = L ,
(6)表示每条路径的救灾中心的组成公式:Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},
(7)限制每个救灾中心仅能由一组配送运输工具送货公式: R k 1 &cap; R k 2 = &phi; ,
&ForAll; k 1 &NotEqual; k 2 ,
(8)表示当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure F2009102516131C00037
上述公式(1)~(8)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,...,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心。
9.根据权利要求7所述的减灾决策方案优化与确定的方法,其特征是以运输代价最小为目标函数建立的应急物资运输调度模型的设立由以下目标计算公式(9)~(16)构成,以得出其优化结果,
(9)目标函数公式: min E = &Sigma; k = 1 K [ &Sigma; i = 1 n k c r k ( i - 1 ) r ki + c r kn k r k 0 &CenterDot; sign ( n k ) ] ,
(10)保证每条路径上各救灾中心的货物需求量之和不超过配送运输工具的载重量公式: &Sigma; i = 1 n k q r ki &le; Q k ,
(11)保证每条配送路径的耗费的运输代价不超过配送运输工具一次配送的最大限定代价公式: &Sigma; i = 1 n k c r k ( i - 1 ) r ki + c r kn k r k 0 &CenterDot; sign ( n k ) &le; C k ,
(12)保证每条路径上的救灾中心数不超过总救灾中心数公式:0≤nk≤L,
(13)保证每个救灾中心都得到配送服务公式: &Sigma; k = 1 K n k = L ,
(14)表示每条路径的救灾中心的组成公式:Rk={rki|rki∈{1,2,...,L},i=1,2,...,nk},
(15)限制每个救灾中心仅能由一组配送运输工具送货公式:
R k 1 &cap; R k 2 = &phi; , &ForAll; k 1 &NotEqual; k 2 ,
(16)当第k组车服务的救灾中心数≥1时,说明该组车参加了配送,则取sign(nk)=1,当第k组车服务的救灾中心数<1时,表示未使用该组运输工具,取sign(nk)=0,即
Figure F2009102516131C00051
上述公式(9)~(16)中的符号分别为,物流中心有K组配送运输工具,每组运输工具的载重量为Qk,其中的k=1,2,…,K,其一次配送的最大行驶距离为Dk,运输代价为Ck,需要向L个救灾中心送货,每个救灾中心的货物需求量为qi,其中的i=1,2,…,L,救灾中心i到j的运距为dij,运输代价为cij,物流中心到各救灾中心的距离为d0j,其中的i、j=1,2,…,L,运输代价为c0j,nk为第k组运输工具配送的救灾中心数,其中的nk=0表示未使用第k组运输工具,用集合Rk表示第k条路径,其中的元素rki表示救灾中心rki在路径k中的顺序为i,不包括救灾物资中央储备库,令rk0=0表示物流中心。
10.根据权利要求1所述的减灾决策方案优化与确定的方法,其特征是恢复重建项目排序模型的设立为先输入恢复重建项目模糊判断矩阵P,其中的P=[pij]n*n为互补矩阵,n为矩阵的行列数,pij为专家的偏好关系系数,0≤pij≤1,再使用模型的目标计算公式
min z=DTQD
s.t.eTD=1
其中,D为项目排序向量,D=(d1,d2,...,dn)T d i > = 0 , &Sigma; j = 1 n d j = 1 ;
e为单位向量,e=(1,1,...,1)T
Q为偏好系数的组合计算矩阵,Q=[qij]n*n,具体表示如下所示:
q ij = 2 &Sigma; k = 1 k &NotEqual; i n p 2 ki , i = 1,2 , . . . , n
qij=2(p2 ij-pij),j=1,2,...,n;i≠j    ,
经过计算,得到D的近似最优解为D=Q-1e/eTQ-1e,得出恢复重建项目排序模型的优化结果向量D。
CN2009102516131A 2009-12-29 2009-12-29 减灾决策方案优化与确定的方法 Pending CN102110250A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2009102516131A CN102110250A (zh) 2009-12-29 2009-12-29 减灾决策方案优化与确定的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009102516131A CN102110250A (zh) 2009-12-29 2009-12-29 减灾决策方案优化与确定的方法

Publications (1)

Publication Number Publication Date
CN102110250A true CN102110250A (zh) 2011-06-29

Family

ID=44174400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009102516131A Pending CN102110250A (zh) 2009-12-29 2009-12-29 减灾决策方案优化与确定的方法

Country Status (1)

Country Link
CN (1) CN102110250A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102668846A (zh) * 2012-05-23 2012-09-19 云南省昆明农业气象试验站 作物低温灾害分析方法
CN103150627A (zh) * 2013-02-28 2013-06-12 郑静晨 救灾资源的分配方法及装置
CN104268164A (zh) * 2014-09-09 2015-01-07 四川九洲电器集团有限责任公司 一种地震应急处理方法及系统
CN105160515A (zh) * 2015-09-23 2015-12-16 胡卫建 地震救援装备物资仓储信息系统及物资仓储配送控制方法
CN105547281A (zh) * 2015-12-08 2016-05-04 上海救要救信息科技有限公司 用于确定救援路径的方法及设备
CN105574679A (zh) * 2015-12-23 2016-05-11 北京邮电大学 一种应急任务调度的方法及系统
WO2016082263A1 (zh) * 2014-11-28 2016-06-02 东莞中国科学院云计算产业技术创新与育成中心 一种基于预案的多目标辅助决策平台及其实施方法
CN106529782A (zh) * 2016-11-02 2017-03-22 贵州电网有限责任公司贵阳供电局 一种电力应急物资综合保障分析与管理平台及计算方法
CN106920200A (zh) * 2015-12-28 2017-07-04 中国移动通信集团公司 一种信息处理方法及装置
CN107193990A (zh) * 2017-05-31 2017-09-22 民政部国家减灾中心 基于历史案例信息的地震灾害死亡人口估算方法和装置
CN109548128A (zh) * 2018-11-09 2019-03-29 湖南城市学院 基于大数据的建筑综合防灾数据处理方法及系统、计算机
CN113012397A (zh) * 2021-02-02 2021-06-22 辽宁邮电规划设计院有限公司 一种基于音视频数据监控的应急指挥系统及方法
CN113450276A (zh) * 2021-06-29 2021-09-28 苏州科达科技股份有限公司 视频图像增强方法及其模型训练方法、相关设备

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102668846A (zh) * 2012-05-23 2012-09-19 云南省昆明农业气象试验站 作物低温灾害分析方法
CN102668846B (zh) * 2012-05-23 2013-05-15 云南省昆明农业气象试验站 作物低温灾害分析方法
CN103150627A (zh) * 2013-02-28 2013-06-12 郑静晨 救灾资源的分配方法及装置
CN104268164A (zh) * 2014-09-09 2015-01-07 四川九洲电器集团有限责任公司 一种地震应急处理方法及系统
WO2016082263A1 (zh) * 2014-11-28 2016-06-02 东莞中国科学院云计算产业技术创新与育成中心 一种基于预案的多目标辅助决策平台及其实施方法
CN105160515A (zh) * 2015-09-23 2015-12-16 胡卫建 地震救援装备物资仓储信息系统及物资仓储配送控制方法
CN105547281A (zh) * 2015-12-08 2016-05-04 上海救要救信息科技有限公司 用于确定救援路径的方法及设备
CN105574679A (zh) * 2015-12-23 2016-05-11 北京邮电大学 一种应急任务调度的方法及系统
CN106920200B (zh) * 2015-12-28 2021-04-02 中国移动通信集团公司 一种信息处理方法及装置
CN106920200A (zh) * 2015-12-28 2017-07-04 中国移动通信集团公司 一种信息处理方法及装置
CN106529782A (zh) * 2016-11-02 2017-03-22 贵州电网有限责任公司贵阳供电局 一种电力应急物资综合保障分析与管理平台及计算方法
CN107193990A (zh) * 2017-05-31 2017-09-22 民政部国家减灾中心 基于历史案例信息的地震灾害死亡人口估算方法和装置
CN109548128A (zh) * 2018-11-09 2019-03-29 湖南城市学院 基于大数据的建筑综合防灾数据处理方法及系统、计算机
CN113012397A (zh) * 2021-02-02 2021-06-22 辽宁邮电规划设计院有限公司 一种基于音视频数据监控的应急指挥系统及方法
CN113450276A (zh) * 2021-06-29 2021-09-28 苏州科达科技股份有限公司 视频图像增强方法及其模型训练方法、相关设备
CN113450276B (zh) * 2021-06-29 2022-07-08 苏州科达科技股份有限公司 视频图像增强方法及其模型训练方法、相关设备

Similar Documents

Publication Publication Date Title
CN102110250A (zh) 减灾决策方案优化与确定的方法
US20130325878A1 (en) Community planning system with sensors and social media
Leibrand et al. Using earth observations to help developing countries improve access to reliable, sustainable, and modern energy
Speich et al. oceanobs' 19: an ocean of opportunity
CN115577908A (zh) 基层应急管理移动智能系列平台及装备
Fathani et al. Strengthening the resilience by implementing a standard for landslide early warning system
Cui et al. An attempt to grasp the disaster situation of “the 2018 Hokkaido Eastern Iburi earthquake” using SNS information
Braham et al. Spatial concentration of urban assets in the Philadelphia region: An emergy synthesis
Ozor et al. Climate information needs and services for climate change mitigation and adaptation in Cameroon, Kenya, Malawi, Nigeria and Tunisia
Miao et al. Coping with natural disasters through resilience
Simpson et al. Understanding critical infrastructure failure: examining the experience of Biloxi and Gulfport, Mississippi after Hurricane Katrina
Dave Disaster management in India: Challenges and strategies
Kim et al. Integrated Planning Approach to Climate Resilient and Low-Carbon Smart Cities: Process and Methods
Sato et al. Sustainability of micro hydropower generation in a traditional community of Indonesia
McNutt et al. Developing early warning and drought risk reduction strategies
Shi et al. Disaster Risk Management
Kumar et al. ICT enabled implementation of rural housing scheme for sustainable rural development
Thomas et al. The Sustainability of Ecotourism Activities: Development of an Accessible, Applicable, and Efficient Tool for Assessment in the Caribbean Region.
Ngwenya Optimising socio-economic benefits through competitive logistics systems, infrastructure and novel concepts for the Durban Aerotropolis.
Fanaian et al. A tug of war between centralization and decentralization: the co-evolution of urban governance and water risks in Guwahati, India
Center Overview
Council Local Disaster Management Plan
Kim Innovative strategy to produce disaster map according to CDM life cycle in South Korea
Araral et al. Measuring the costs and benefits of community driven development: The KALAHI-CIDSS project, Philippines
Rao Cloud Computing for E-Governance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110629