CN108229741B - 一种基于空地协同医疗救援的设施点预选址方法 - Google Patents
一种基于空地协同医疗救援的设施点预选址方法 Download PDFInfo
- Publication number
- CN108229741B CN108229741B CN201711487304.5A CN201711487304A CN108229741B CN 108229741 B CN108229741 B CN 108229741B CN 201711487304 A CN201711487304 A CN 201711487304A CN 108229741 B CN108229741 B CN 108229741B
- Authority
- CN
- China
- Prior art keywords
- point
- ground
- disaster
- coverage
- air
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 238000010276 construction Methods 0.000 claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 27
- 238000012546 transfer Methods 0.000 claims description 67
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011369 optimal treatment Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于空地协同医疗救援的设施点预选址方法,基于医疗救援背景,分层次建立选址覆盖模型,以应急医疗响应覆盖面最大为目标建立集覆盖模型,以应急救援设施建设总成本最小为目标建立最大覆盖模型,集覆盖模型的最优目标函数值作为最大覆盖模型的经济约束,集覆盖模型的预选址结果作为最大覆盖模型的初始集合,保证层次模型间的衔接性,以及选址结果的覆盖特性和经济特性;采用空地协同的应急调度方式,构建应急调度方式选择矩阵对选址模型进行预处理,极大缩短了模型求解时间。
Description
技术领域
本发明属于低空应急救援技术领域,具体涉及一种基于空地协同医疗救援的设施点预选址方法。
背景技术
航空医疗救援不仅可以给患者提供较高水平的医疗救护,而且能更快速地响应求救,节省运送时间。特别是对于重病或重伤患者,以最短时间将患者带到医生身边获得直接救护。直升机可实现点对点飞行,可最大限度缩短飞行距离,避免像地面救护车一样遭受交通堵塞带来的时机延误。而通过航空医疗救援和地面道路交通联运,既可以发挥航空医疗救援的救援范围广、响应速度快、科技含量高、救援效果好等优势,又可以利用地面道路交通调配灵活、成本低、受天气因素影响小的特点,是世界上许多国家普遍采用的最有效手段。科学合理地开展应急医疗救援起降点选址问题研究,最大限度地体现有限的应急医疗资源的价值,是应急管理中的一项重要工作。对应急医疗资源进行科学合理的调度在应急管理中具有非常重要的意义和作用。
目前,关于应急医疗救援选址和调度的研究主要存在如下两个方面的问题:
第一,应急医疗救援预选址模型主要基于最大覆盖模型进行设施定位,使得所需物资需求总量覆盖率最大。Jia and Dessouky建立了最大覆盖选址模型,是唯一仅考虑选址的模型,他们对覆盖范围和覆盖质量(根据分配给需求点的设施数)都做了要求。Belardoand Balcik在此基础之上加入了预算约束和响应时间约束,Iakovou提出了用关键时间来定义覆盖面,以满足需求的物资配送模型。一些尚未得到解决和优化的应急物流问题为今后的研究奠定了基础,如Fu提出的基于中断的物资规划,Beamon and Taskin提出的库存模型,以及Yi提出的基于医院容量的规划模型。这些模型对每个设施进行物资分配来满足各自需求,但侧重于战略规划,因此并没有考虑物资在网络中的路径问题,且已有研究大部分以响应时间最短或总成本最低为目标而非约束条件建立数学模型。此外,由于缺少混合运输方式的运用,混合方式下的预选址也将是未来的研究方向,通过协同配置不同运输方式的设施配置,达成目标应急救援体系系统最优。
第二,物资配送与伤员运输中会涉及到救援方式的选择问题,最常见的模型类型就是资源分配和商品流决策。对于多阶段模型,应该同时考虑商品流决策与运输模式(资源)的选择,原因有三,首先,模型可以考虑不同时间段的运输模式和商品,例如Haghaniand Oh就考虑了物资的配载、路径及转运模式;其次,一些模型设置的目标是最小化未满足需求总量来优化响应时间,这需要不同点车辆数的实时数据,并确定他们所需装载的商品数量;最后,有关于商品分批配送,这不仅需已知所需转移的商品数,还需要已知车辆的装载容量。Yi and考虑了物资分配和人员运输,并加入了医疗中心间对病情严重伤员的转移能力约束,但值得注意的是,其一开始只提出将车辆作为商品,后期才用一系列等式表达特定的运输规划。Barbarosoglu和Erdemir等提出了直升机的运输模式,并且他们的资源分配形式是飞行员-直升机-作业基地,模型目标是最小化分配成本和最小化救灾物资与伤员运输的最大完成时间。可见,文献中较多讨论的是地面应急车辆进行救援响应,采取空地联运方式进行应急响应,特别是应用于医疗救援背景的模型非常少。此外,专利公开号为“CN106951994A”、“CN102542359A”、“CN105160515A”的三件专利申请尽管涉及了应急选址问题,但不涉及空地救援方式下的航空器起降点选址。
总的来说,目前我国应急医疗救援体系仍存在着常用救援形式单一,各救援形式间联合衔接度低,应急救援决策并非最优等问题,使得应急救援决策的科学性和合理性得不到保障。
发明内容
本发明利用航空应急救援快速、高效、受地形因素制约小等优点,结合传统道路应急救援,突破传统单一的应急救助方式以及平面空间的制约,为应急医疗救援体系提出一种新思路,在确保地侧车辆与空侧航空器安全性能的前提下,为目标应急管理服务区域提供一种空地协同方式下医疗救援的设施点预选址方法。
本发明所公开的基于空地协同医疗救援的设施点预选址方法主要包括以下几部分内容:
(1)构建应急调度方式选择矩阵进行模型预处理。定义了设施点(包括出救点与转运点)与受灾点的空地属性,进而得到应急调度方式选择矩阵,实现了实际问题数学模型化的问题,同时可极大缩短选址模型的求解时间。
(2)采用空地协同(包括纯空侧调度、纯地侧调度、空地联运和空地转运)的应急调度方式,并针对出救点属性以及航空器在受灾点能否着陆,考虑是否需要设置转运点进行转运调度。
(3)对空地联运(无转运点)和空地转运(有转运点)两种空地联合的应急调度方式进行对比研究。基于医疗救援背景,将总救援过程分为“出救点—受灾点,受灾点—医院”两阶段,并结合不同应急调度方式的运输与装卸载特性,分阶段建立响应时间和总救援时间约束。
(4)分层次建立选址覆盖模型。以应急医疗响应覆盖面最大为目标建立集覆盖模型,以应急救援设施建设总成本最小为目标建立最大覆盖模型,集覆盖模型的最优目标函数值作为最大覆盖模型的经济约束,集覆盖模型的预选址结果作为最大覆盖模型的初始集合,保证层次模型间的衔接性,以及选址结果的覆盖特性和经济特性。
有益效果:
(1)本发明所提出的空地协同医疗救援两阶段起降点优化选址覆盖模型相较现有的救援选址模型,大大降低了目标应急救援区域的建设成本;分层次建立选址覆盖模型,保证层次模型间的衔接性、选址结果的覆盖特性和经济性。
(2)本发明利用航空应急救援快速、高效、受地形因素制约小等优点,结合传统道路应急救援,突破传统单一的应急救助方式以及平面空间的制约,完善了应急医疗救援中方式选择的多样性与经济性,为应急医疗救援体系提出一种新思路。
(3)本发明构建应急调度方式选择矩阵,分阶段建立响应时间和总救援时间约束,极大缩短模型求解时间。由于联运方式可以简化转运方式中的转运步骤,缩减了转运时间与二次装卸载时间,因此在平均救援时间和最大救援时间上,都节省了更多的时间,体现了联运方式不需要预先设置转运点的优越性与经济性。
附图说明
图1为空地协同应急医疗救援体系下各调度方式示意图;
图2为空地协同应急医疗救援体系下各部分时间示意图;
图3为基于空地协同医疗救援的设施点预选址流程图;
图4为两种方法对比的目标应急医疗救援区域覆盖选址结果(含联运方式);
图5为目标应急医疗救援区域覆盖选址结果(含联运方式);
图6为目标应急医疗救援区域覆盖选址结果(不含联运方式)。
具体实施例
在进行选址前,我们通常会给定一些预设的设施点,用于提供医疗救援服务,可基于原选址结果获得或随机生成得到,将其作为设施点预选址的初始参考点,并在后续的算法进行迭代寻优。预设的设施点主要包括出救点和转运点两种类型,出救点用于响应受灾点出调运输工具,转运点用于航空器在受灾点无法着陆时作为中转辅助点协助完成调度。此外,在本方法中,除预设的设施点外,还包括一种点的类型,即临时性的联运点,它与受灾点重合,是一种特殊的临时性的设施点,无需要预先和专门设置。
对于本方法涉及的各种类型的点,包括出救点、转运点和联运点,我们定义这些点所具有的空地属性(简称属性)包括空侧属性和地侧属性两种类别。具体可根据这些点的地理特征(包括地形地貌及占地面积)及航空器的起降最小净空面积来判断其所具有的空地属性,即空侧或地侧,其中,空侧属性表示该设施点或受灾点既可以停留车辆也可以停落飞机,地侧属性则表示该设施点或受灾点只能停留车辆。考虑到各个类型点产生的意义特征,根据以上判断方式,可以得到,出救点包括空侧出救点和地侧出救点两种,联运点也包括空侧联运点和地侧联运点两种,但转运点一定是具有空侧属性的点。
在空地协同应急医疗救援体系内,本发明还定义四种可选择的调度方式,包括空侧调度、地侧调度、空地联运调度和空地转运调度。这四种调度方式的选择是由最后的选址方案和互连的点的空地属性所决定的。其中,空地联运和空地转运统称为空地联合,而空地联运可作为空地转运的一种特殊方式。结合图1所示,四种调度方式具体定义如下:
空侧调度方式①:是指出调运输工具的设施点与受灾点全为空侧属性,只通过空侧航空器提供医疗救援服务;
地侧调度方式②:是指出调运输工具的设施点与受灾点全为地侧属性,只通过地面车辆提供医疗救援服务;
空地联运调度方式③:是指根据受灾点的地理特征及航空器的起降最小净空面积判断航空器在受灾点可着陆,不含转运点,出救点为地侧属性,受灾点为空侧属性,通过地面车辆与空侧航空器协同提供医疗救援服务;
空地转运调度方式④:是指根据受灾点的地理特征及航空器的起降最小净空面积判断航空器在受灾点无法着陆,需辅以转运点完成调度,出救点为空侧属性,转运点为空侧属性、受灾点为地侧属性,通过地面车辆与空侧航空器协同提供医疗救援服务。
如图2所示,将应急医疗响应服务定义为两阶段,第一阶段为从出救点出发,接至伤员,第二阶段为运输伤员,送至医院(空侧属性)。定义第一阶段的最大可接受时间为TR,两阶段的最大可接受时间为TH,h表示空侧属性,a表示空地属性。
(1)空侧调度:出救点至受灾点选择路径Ⅰ,受灾点至医院选择路径Ⅱ,出救点为空侧属性h,受灾点为空侧属性h。
(2)地侧调度:出救点至受灾点选择路径Ⅰ,受灾点至医院选择路径Ⅱ,出救点为地侧属性a,受灾点为地侧属性a。
(3)联运调度:出救点至受灾点选择路径Ⅰ,受灾点至医院选择路径Ⅱ,出救点为地侧属性a,受灾点(联运点)为空侧属性h。
(4)转运调度:出救点至受灾点选择路径Ⅰ,出救点至转运点选择路径Ⅲ,受灾点至转运点选择路径Ⅳ,转运点至医院选择路径Ⅴ;出救点为空侧属性h,转运点为空侧属性h、受灾点(联运点)为地侧属性a。
应急系统在救援过程中的总消耗时间主要由两部分组成,分别为运输途中所需的运输时间与在受灾点及转运点所需的装卸载时间,相关参数说明见表1。
表1调度方式相关参数表
对应于空侧调度、地侧调度、空地转运调度和空地联运调度这四种可选择的调度方式,定义不同应急调度方式成立的0-1逻辑变量Ahj,Aaj,Aahrj和Aahlj,表示对特定受灾点j而言,空侧、地侧、空地转运和空地联运调度方式是否可用。当某种调度方式两阶段的响应时间都在规定时间范围内时,且各设施点满足运输工具对该点的空地属性要求,则认为该调度方式可用,对应的逻辑变量取值为1;反之取值为0。
本发明所述的空地协同调度选址集覆盖模型是采用空侧服务、地侧服务、空地转运服务以及空地联运服务四种应急医疗服务模式(即对应四种应急医疗调度方式),保证应急医疗救援响应需求和最佳治疗时间,对应急医疗目标救援区域进行覆盖选址的模型。需要特别说明的是,任意受灾点允许被多种调度方式所覆盖,因此,该模型确定的设施点预选址结果会有冗余,是目标应急医疗救援体系设施建设所需的最大成本。该模型的常量见表2。
表2空地协同调度选址集覆盖模型常量表
对于特定的空地协同应急医疗救援区域,设置空侧、地侧、空地转运和空地联运四种调度方式进行应急响应的覆盖,使得在满足应急医疗救援响应时间和最佳治疗时间的前提下,目救援标区域内空地协同设施点建设总成本最小,得到空地协同调度选址集覆盖模型的目标函数表示如下:
其中,cA表示设置一个地侧出救点所需成本;δa为0-1逻辑变量,表示是否采用地侧调度方式,若采用,该值取为1,反之取0;CH表示设置一个空侧出救点所需成本;δh为0-1逻辑变量,表示是否采用空侧调度方式,若采用,该值取为1,反之取0;CR表示设置一个空地转运点所需成本,δr为0-1逻辑变量,表示是否采用转运调度方式,若采用,该值取为1,反之取0;当且仅当特定调度方式被采用,即逻辑变量取值为1时,才会产生对应调度方式下的设施建设成本。最后一项为人工加入的松弛变量,用于平衡受灾点的成本差异,以防约束条件太苛刻,造成无解的情况,wahrj、wahlj分别表示受灾点j被覆盖的设施点为转运点r、联运点l的逻辑变量,ε表示为拉格朗日乘子,以求得目标函数取到极值时各个变量的解。需说明的是,对于联运的调度方式,由于联运点为空侧属性,可供航空器着陆,即可在受灾点直接进行转运,无须借助转运点,因此,在该调度方式下除出救点的建设成本外无其他设施建设成本。
空地协同调度选址集覆盖模型的约束条件如下:
δahr=δaδhδr (6)
δahl=δaδhδl (7)
其中,第一组0-1逻辑变量whj、waj、wahrj、wahlj表示受灾点j被覆盖的设施点的属性,分别代表空侧出救点h、地侧出救点a、转运点r和联运点l,若受灾点j被某种出救点所覆盖,则对应的逻辑开关变量取值为1,反之取为0;第二组0-1逻辑变量Ahj、Aaj、Aahrj和Aahlj,表示在特定受灾点j,空侧、地侧、空地转运以及空地联运调度方式是否可用,若可用,则对应的逻辑开关变量取值为1,反之取为0;第三组逻辑变量δa、δh、δr、δl分别表示是否配置航空器、地面车辆、转运点与联运点,若采用,该值取为1,反之取0;第四组0-1逻辑变量δahr、δahl分别表示转运方式和联运方式是否成立,若成立,该值取为1,反之取0。
式(2)~式(5)为空地协同选址调度模型的集覆盖约束,保证对于目标应急医疗救援区域所有的受灾点j被空侧、地侧、空地联运和空地转运中的至少一种调度方式所覆盖;式(2)确保对于被空侧出救点覆盖的受灾点j,有可选且选中空侧调度方式;式(3)确保对于被地侧出救点覆盖的受灾点j,有可选且选中地侧、空地转运或空地联运的调度方式;式(4)表示受灾点j被空侧覆盖时需一架航空器,被地侧覆盖时需两辆地面车辆的数量约束;式(5)实现了空地联运与空地转运方式的切换,当选择空地联合的运输方式时,由于联运比转运所耗费的时间要少,因此优先选用空地联运方式,当该方式不成立时才选用空地转运方式进行覆盖,即当Aahlj为0时,Aahrj才取为1,反之亦然。
式(6)和式(7)为转运点与联运点成立的约束条件,式(6)表明当可供航空器着陆的转运点、航空器和车辆资源都具备时,转运方式才成立,即当且仅当δa、δh、δr都为1时,δahr才取值为1;式(7)为联运点δahl的成立约束条件,与式(6)分析方法相同。
式(8)~式(11)为确保空地联运覆盖的一组约束条件,对于被空地联运方式覆盖的受灾点j,式(8)~式(10)分别有可选且选中对应地面车辆、航空器与联运点,式(11)确保当wahl取值为1时,δa、δh、δahl都必取值为1,使得空地联运覆盖方式成立。
同理,约束条件(12)~(15)为确保空地转运覆盖方式成立的一组约束条件,分析方法与式(8)~式(11)相同,对于空地转运方式覆盖的受灾点j,式(12)~式(14)分别有可选且选中对应地面车辆、航空器与转运点;式(15)确保当wahr取值为1时,δa、δh、δahr都必取值为1,使得空地转运覆盖方式成立。
基于空地协同调度选址集覆盖模型,本发明还提出空地协同调度选址模型最大覆盖模型。在集覆盖模型所得成本(即覆盖目标应急医疗救援区域所需成本)下,合理配置资源,结合空侧、陆侧、空地联运与空地转运四种救援方式的分配比例,降低受灾点的重复覆盖率,减少空侧航空器与地侧救援车辆的设施配置数量,从而降低应急医疗救援体系的建设成本,实现保证应急救援效率的医疗体系优化。该最大覆盖模型常量参数见表3。
表3空地协同调度选址模型最大覆盖模型参数表
可见,本发明对于特定的应急医疗救援区域,空地协同医疗救援的预选址分为集覆盖与最大覆盖两个阶段,空地协同调度选址集覆盖模型具体阐述了第一阶段选址模型,并得到了集覆盖条件下应急医疗救援区域的最大设施建设成本,接下来针对第二阶段建立最大覆盖选址模型,旨在得到满足集覆盖需求下的最大成本,并考虑备份覆盖时,空侧航空器与地面车辆的混合配置比例。需要说明的是,因为应急调度以时间最短为第一需求,所以优先考虑空侧覆盖,当空侧覆盖不可行才考虑借助地面车辆进行运输的覆盖方式,即备份覆盖,其包括地侧覆盖、联运覆盖和转运覆盖,类似于一种补充的覆盖方式。而航空器调度成本较高,因此目标函数可平衡调度方式间的配置比例,满足决策者对应急医疗系统成本的要求。
空地协同调度选址最大覆盖模型的目标函数表示如下:
其中,对于特定受灾点j,其权重设为wj,该权重通常与受灾点的人口密度、受灾程度等因素相关;xj、yj为一组0-1逻辑变量,若该受灾点被空侧调度方式所覆盖,xj取值为1,否则为0;若由备份覆盖方式进行覆盖,则yj取值为1,否则为0;θ与(1-θ)分别表示空侧和备份所占的比例;最后一项为人工加入的松弛变量,ε表示为拉格朗日乘子,以求得目标函数取到极值时各个变量的解,用于平衡受灾点的成本差异,以防约束条件太苛刻,造成无解的情况。
空地协同调度选址模型最大覆盖模型的约束条件如下:
zj=whjyj (19)
其中,式(17)是对各种应急调度方式总成本的计算,保证目标应急医疗救援体系内,航空器、地面车辆和转运点的设施建设成本不大于空地联运调度选址集覆盖模型所得的最优函数值,即最大成本;式(18)为空地联运调度选址最大覆盖模型的约束条件,对于任意受灾点j,若xj取值为1,则该受灾点能够被至少被四种覆盖方式的一种响应;式(19)用于定义备份覆盖的可用性,当且仅当设施点为空侧属性且需转运时,该值取为1,否则为0;约束条件(20)保证了当备份覆盖可用时,必有空侧出救点与对应航空器使得空侧调度方式成立;式(21)~式(23)为成立的一组线性约束条件,当受灾点j由备份覆盖时,式(21)表明必有一个空侧出救点进行响应,式(22)表明必有空侧调度方式进行覆盖,式(23)确保当zj取值为1时,空侧出救点参数whj与空侧调度方式选择参数yj都必取值为1,否则不成立,即备份覆盖不可用。其中,自变量zj是为了约束数学模型而设立的,取值只能为0或1,确保在多次覆盖时必会包含航空器,因为空侧、地侧、联运和转运中,只有地侧是不含航空器的。
综上可见,本发明提出的空地协同医疗救援选址覆盖模型,是由集覆盖模型与最大覆盖模型两阶段组成的。集覆盖阶段主要实现对目标区域的应急医疗救援方式覆盖,确保所有受灾点的应急医疗响应需求,在该阶段,受灾点可以被多种调度形式重复覆盖,因此所得的目标区域设施建设成本为最大成本。最大覆盖阶段受最大成本约束,在保证受灾点应急医疗响应需求的条件下,去除冗余的调度覆盖方式,从而实现目标应急医疗救援区域设施布局的高效性与经济性。
结合图3所示,本方法所涉及到的设施点预选址方法主要包括以下步骤:
在正式选址计算前,需要预先设置目标应急医疗救援区域中相关参数,主要包括设施点数量、空地属性及建设成本,所有设施点和受灾点的地理坐标、地理特征(包括占地面积及地形地貌),航空器起降最小净空面积和运行速度,地面车辆的运行速度,最佳治疗时间阈值和应急医疗响应时间阈值,受灾点的权重等。其中,设施点数量、空地属性及建设成本具体包括空侧出救点的个数及建设成本,地侧出救点的个数及建设成本,转运点的个数及建设成本。而预先设置目标应急医疗救援区域中的这些相关参数可以是基于原选址结果或者随机生成,预先设定的这些参数和数值只代表了一个初始值,在后续的算法可以迭代寻优。
S1:建立点信息索引表:包括所有点的编号、类型、地理坐标与占地面积。
S2:点的空地属性判断:根据点的地理特征(包括地形地貌及占地面积)及航空器的起降最小净空面积来判断该点所具有的空地属性,即判断出救点、转运点和受灾点为空侧或地侧,并生成点空地属性表。
S3:构建点到点的可连通路段覆盖矩阵:定义矩阵标题行与标题列为所有类型点的编号,矩阵值即为两点所连路段。根据实际路网状况确定任意两点间的路段是否连通,若路段连通,则路段值取1(即被覆盖),反之取0(即不能被覆盖),依次判定后确定可选路段覆盖矩阵。通过该路段覆盖矩阵可以得到每条连通路段所连接的点编号,进而可索引到该点的空地属性以及坐标位置信息。
S4:生成可连接路径集合。通过集覆盖模型求解,尽可能满足所有受灾点被覆盖的要求,选择路段覆盖矩阵中可连接的路段,形成历经出救点-受灾点(联运点)-医院或者出救点-受灾点-转运点-医院的多条路径,从而构成可连接路径集合。
S5:确定可选路径集合D并得到可选路段覆盖矩阵。将计算得到的可连通路段的时间参数数值与出救点至受灾点的应急医疗响应时间阈值TR和出救点至最近医院路段的应急运输时间阈值(即最佳治疗时间阈值)TH进行比较,得到各受灾点的可选路径并生成可选路径集合D,并对S3得到的可连通路段覆盖矩阵进行更新,得到可选路段覆盖矩阵。
S6:确定预选址集合S并求得最大建设成本B。对可选路段覆盖矩阵中值为1所对应的行列项,对应得出可选覆盖路段连接的设施点和受灾点,也就是可选路径集合对应的可选路段覆盖矩阵中包含的所有设施点的集合即为预选址集合S。根据预选址集合S中各类型点的数量和建设成本求得整个救援区域的最大建设成本B。
S7:确定调度方式矩阵A。将S6确定的预选址集合S与最大建设成本B代入最大覆盖模型,以成本作为约束,保证各受灾点都能被覆盖的前提下,选取到达该受灾点的最优路径,去除冗余的可选路径。若可选路径需要删除,则用于生成该路径的全部覆盖路段都需要删除,在覆盖矩阵中对应的值改为0,若可选路径被选为最优路径,最优路径所含的所有覆盖路段保留,即可选路段覆盖矩阵中对应的值仍为1,并得到最优路段覆盖矩阵。依次判定各受灾点对应的最优路径,最终得到四种类型的点到受灾点对应的调度方式矩阵A。
S8:确定最优选址集合G,并求得最终建设成本。由最优路段覆盖矩阵中获得值为1所对应的行列或者由调度方式矩阵A中获得值为1所对应的行列得到最优路径中涉及的各类型点(即连接最优路段的点)的集合,结合S1生成的点信息索引表后得到最优选址集合G,G为S的一个子集,再根据各设施点的建设成本求得整个救援区域的最终建设成本。
其中,S5确定可选路径集合D包括如下子步骤:
S51:计算各条可连通路段的时间参数数值。首先,结合航空器和地面车辆的运行速度以及设施点和受灾点的地理坐标,计算表1中相关调度方式参数的数值,包括任意“出救点—受灾点”的运输时间集合tij以及“受灾点—医院”的运输时间集合其次,确定航空器和地面车辆对应的装载时间集合Bi1与卸载时间集合Bi2;最后,空地转运方式还需考虑“出救点—转运点”的转运时间tir,“受灾点—转运点”的转运时间集合以及“转运点—医院”的转运时间集合
S52:根据出救点至受灾点的应急医疗响应时间阈值TR和出救点至最近医院路段的应急运输时间阈值(即最佳治疗时间阈值)TH,判断对各受灾点所生成路径是否能满足所设置的时间阈值,若满足,则表明该路径可选,覆盖矩阵中对应路段的值仍为1,作为可选路径;若不满足,则表明该路径不可选,将覆盖矩阵中对应路段的值改设为0。依次判断后得到各受灾点的可选路径并生成可选路径集合D,并对S3得到的可连通路段覆盖矩阵进行更新,得到可选路段覆盖矩阵。
对于空侧属性出救点,标题行为受灾点j,标题列为各空侧出救点h,若覆盖方式Ahj可行,则对应单元格值为1,否则为0;对于地侧属性出救点,定义矩阵标题行为受灾点j,标题列为各地侧出救点a,若调度方式Aaj可行,则对应单元格值为1,否则为0;对于联运属性出救点,定义矩阵标题行为受灾点j,标题列为各联运点l,若调度方式Aahlj可行,则对应单元格值为1,否则为0;对于转运属性出救点,定义矩阵标题行为受灾点j,标题列为各转运点r,若调度方式Aahrj可行,则对应单元格值为1,否则为0,以此生成这四种调度方式对于的调度方式选择矩阵。
其中,S8确定最优选址方案的计算过程如下:
S81:设定空侧调度方式在四中调度方式中所占比例的参数θ,用于平衡各调度方式之间的比例;设置覆盖系数CCj,当受灾点未被覆盖时,CCj=1;当受灾点被空侧覆盖时,CCj=0;当受灾点被地侧、联运或转运覆盖时,CCj=1-θ;
S82:设置初始总成本c=0,初始总覆盖率Q(G)=0,计算空侧、地侧、联运或转运覆盖的单位价格率ratio(i)=Q(i)/c(i),其中,c(i)是指每次迭代后的建设成本;w(j)是受灾点j在路网中的权重;Q(i)为当配置航空器或地面车辆或空地联合时,所能覆盖受灾点的数目乘以权重w(j);
S83:当单位价格率ratio(i)达到最大值时,定义其所对应的方案为k,需配置航空器或地面车辆或空地联合的成本为ck;若c+ck≤B,则将方案k纳入最优选址方案,总覆盖率由原来的Q(G)增加为Q(G)+Q(k),并删除k所连接的受灾点,以去除冗余的调度覆盖。
为验证提出的空地联运医疗救援选址模型的可行与有效性,本发明结合一个具体实施例进行验证。具体如下:
划定10km×10km的目标应急医疗救援区域,现存设施点与待建设施点共50个,其中出救点30个,转运点20个,在区域中心位置设置医院,并随机生成15个受灾点,所有地理位置坐标、占地面积信息、地理特征等参数均已知。其中,各类型点的建设成本为50单位成本/空侧出救点,10单位成本/地侧出救点,1单位成本/转运点。航空器的最小净空面积为25㎡,运行速度为120km/h,地面车辆的运行速度为25km/h。此外,基于应急医疗救援的背景,设定伤员“出救点---最近医院”的最佳治疗时间阈值TH为35min,“出救点---受灾点”的应急医疗响应时间阈值TR为10min。
该实施例的各调度方式中的相关参数值设定见表4。
表4模型参数表
S1:建立点信息索引表:对所有类型的点进行编号,并标明点的类型、地理坐标与占地面积,其中,中心医院设为编号100,得到点信息索引表表5。
表5点信息索引表
编号 | 类型 | X坐标 | Y坐标 | 占地面积㎡ |
1 | 出救点 | 6.483 | 9.642 | 32.87 |
2 | 出救点 | 2.003 | 1.809 | 24.11 |
3 | 转运点 | 2.098 | 5.012 | 27.54 |
4 | 受灾点 | 5.472 | 2.496 | 45.21 |
... | ... | ... | ... | ... |
S2:各类型点的空地属性判断:根据各点的地理特征(包括地形地貌及占地面积)及航空器的起降最小净空面积来判断预设的设施点及临时的受灾点的空地属性,即判断出救点、转运点和受灾点为空侧或地侧,并生成点空地属性表表6。
表6点空地属性表
S3:构建点到点的路段覆盖矩阵:定义矩阵标题行与标题列为所有类型点编号,矩阵值(图中阴影区域)即为两点间是否生成路段。根据实际路网状况确定任意两点间的路段是否连通,若路段连通,则路段值取1,反之取0,依次判定后得到如表7所示的路段覆盖矩阵,例如,编号1和2的点之间能连通,可生成路段;编号3和2的点之间不连通,不能生成路段。通过该路段覆盖矩阵可以得到每条连通路段所连接的点编号,进而可索引到该点的空地属性以及坐标位置信息。
表7可连通路段覆盖矩阵
点编号 | 1 | 2 | 3 | 4 | ... |
1 | 1 | 1 | 1 | 1 | ... |
2 | 1 | 1 | 0 | 0 | ... |
3 | 1 | 0 | 1 | 1 | ... |
4 | 1 | 0 | 1 | 1 | ... |
... | ... | ... | ... | ... | ... |
S4:生成路径集合。通过集覆盖模型求解,尽满足所有受灾点被覆盖的要求,选择路段覆盖矩阵中可连接的路段,形成历经出救点-受灾点(联运点)-医院或者出救点-受灾点-转运点-医院的多条路径,从而构成路径集合。从表8中,我们可以看出覆盖受灾点8的连通路径共有3条,分别为D2、D3和D4,其中,D2路径由依次连接的编号为1、3、5、7、8、10、14和15的设施点或受灾点构成。
表8覆盖受灾点的连通路径
S5:确定可选路径集合D。S4生成的覆盖受灾点的路径集合中的路径,只能表示该条路径可通行,但并不代表该路径可用于应急救援,进一步的,还判断各条路径中出救点至受灾点的响应时间以及出救点至最近医院路段对应的应急运输时间是否能满足所设置的时间阈值,即应急医疗响应时间阈值TR和应急运输时间阈值TH,若满足,则表明该覆盖路段可选,覆盖矩阵中对应路段的值仍为1;若不满足,则表明该覆盖路段不可选,将覆盖矩阵中对应路段的值改设为0。通过以上方法,对S4生成的路径集合中的各路径依次判定,删除表9中不符合要求的路径,得到可选路径集合D={D1,D3,D4,D5...},其中,D5为D2的子路径,即D2生成环,经计算可知D2救援时间超过应急运输时间阈值45min,该路径被删除。
表9可选路径
根据可选路径集合D,对路段覆盖矩阵进一步更新,将删除的路径中不会被其它可选路径使用的路段也删除掉,即在路段覆盖矩阵中找到该路段,并将该路段值更改为0,得到表10所式的可选路段覆盖矩阵,表10中点1和点2之间的路段不可选,路段值更改为0。
表10可选路段覆盖矩阵
S6:确定预选址集合S并求得最大建设成本B。对可选路段覆盖矩阵中值为1所对应的行列项,对应得出可选覆盖路段连接的设施点和受灾点,也就是可选路径集合对应的可选路段覆盖矩阵中所包含的设施点的集合即为预选址集合S。根据预选址集合S中各类型点的数量和建设成本求得整个救援区域的最大建设成本B。
实施例中,预选址集合S={1,3,4,5,7,8,13,14,15,18,19,20...},其中,空侧出救点10个,受灾点(联运点)15个,地侧出救点18个,转运点20个。根据预选址集合S以及已知的各设施点建设成本,即可得整个救援区域的最大建设成本B=204.56万元
S7:确定调度方式矩阵A。将S6确定的预选址集合S与最大建设成本B代入最大覆盖模型,以成本作为约束,保证各受灾点都能被覆盖的前提下,选取到达该受灾点的最优路径,去除冗余的可选路径。若可选路径需要删除,则用于生成该路径的全部覆盖路段都需要删除,在覆盖矩阵中对应的值改为0,若可选路径被选为最优路径,最优路径所含的所有覆盖路段保留,即可选路段覆盖矩阵中对应的值仍为1,并得到最优路段覆盖矩阵。依次判定各受灾点对应的最优路径,最终得到四种类型的点到受灾点对应的调度方式矩阵A。
表11最优路径
实施例中,结合表11可得,D3和D4都是覆盖的受灾点8,到达医院点100,而D3所耗时间更长,则该路径予以删除,同时将路段覆盖矩阵中需删除的路段值更新为0。依次判定后得到最优路径,构成最优路径的路段即为最优路段,在可选路段覆盖矩阵中进一步更新,从而得到如表12所示的最优路段覆盖矩阵。
表12最优路段覆盖矩阵
进一步的,基于得到的最优路段覆盖矩阵,并结合连接各最优路段点的空地属性得到调度方式矩阵A。调度方式矩阵A按路段中与受灾连接的点的类型不同,包括以下四种:
1)空侧调度方式矩阵,即空侧出救点-受灾点的调度方式矩阵。
由10个空侧出救点,对应生成10行,同时对应于15个受灾点,生成10×15的矩阵Ahj:
2)地侧调度方式矩阵,即地侧出救点-受灾点的调度方式矩阵。
由18个地侧出救点,对应生成18行,同时对应于15个受灾点,生成18×15的矩阵Aaj:
3)空地联运调度方式矩阵,即联运点-受灾点的调度方式矩阵。
本发明对联运点的定义可得,联运点可视为特殊的受灾点。当有15个受灾点时,即有潜在的15个联运点,因此对应生成15行,并分别对应于15个受灾点,生成15×15的矩阵Aahlj,如式(26)所示,基于一一对应的特殊性,该矩阵呈对角矩阵形式,且每一行、每一列最多只能出现一个值为1:
4)空地转运调度方式矩阵,即转运点-受灾点的调度方式矩阵。
由20个转运点,对应生成20行,同时对应于15个受灾点,生成20×15的矩阵Aahrj,如式(27)所示:
值得说明的是,每一个具体的受灾点可以被0个、1个或多个出救点所覆盖,因此,在四种调度矩阵中表现为每一列可出现多行值为1。若受灾点没有被出救点覆盖到,被认为不能被救助,所以在评价模型时有覆盖率这个指标参数,理论上来说,百分百的覆盖是比较少的,因此,在选址规划时应尽可能增加响应覆盖面积率。
S8:确定最优选址集合G,并求得最终建设成本。由调度方式矩阵A中,获得值为1所对应的行列得出最优路径中涉及到的各类型点的集合,结合S1生成的点信息索引表表1,最终得到最优选址方案G,包括选择的点的编号、类型、空地属性、地理坐标、占地面积以及应配备的运输工具,具体可根据需求列出,如表13所示,本方法还针对特殊的联运点得到两组选址结果对比方案。进一步,根据对最优选址方案中的设施点的建设成本求得整个救援区域的最终建设成本,得到应急医疗救援体系最终的设施建设成本156.72万元,此处的成本计算方法与S6中所述相同,不再赘述。
表13选址结果坐标表(θ=0.5)
对该具体实施例得出的结果分析如下:
(1)模型对比分析
在目标应急救援区域规模不同、预设出救点数目不同、应急医疗救援时间阈值不同情况下,为了评估本发明所提模型的有效性,从模型实用性和模型求解能力两个角度,共提出了六项指标与Erdemir等所提模型进行对比定量分析:覆盖率、建设成本、平均救援时间、最大救援时间、平均计算时间和优化率。运用数据采用相同的评价求解方法对Erdemir等所提模型进行结算,结果见表14。
表14二阶段模型性能比较
由表14可知,本发明所提出的模型相较于Erdemir等所提出的救援选址模型,对目标区域的应急响应覆盖率近似,但大大降低了目标应急救援区域的建设成本;同时,由于联运方式可以简化转运方式中的转运步骤,缩减了转运时间与转运所产生的二次装卸载时间,因此在平均救援时间和最大救援时间上,都得到了更小的数值,以上四个指标都体现了联运方式不需要预先设置转运点的优越性与经济性。
对于模型求解,平均计算时间与模型的优化率也都有所提升,这是由于调度方式的增加,造成解的搜索目标范围增大,结合本发明所提的改进的贪婪算法(Greedy),即在选址调度之前,对每个设施点进行属性判断的步骤,将实际问题数学模型化的过程,平均计算时间差值相差不大,总体不超过5s,在图4对所提算法与CPLEX分别解算的选址结果进行了直观的可视化表示。
需要特别说明的是,由于案例规模较小,覆盖目标应急医疗救援区域的预算成本也很有限,因此选址结果以地侧出救点为主。运用本发明提出的基于调度方式预处理改进的贪婪算法,平均优化率为18.2%,平均计算时间为15.8s,而单纯运用CPLEX优化器时,平均求解时间可达30min。此外,由于受灾点数目也很小,由贪婪算法和CPLEX求解的最优解有显著的差异。但值得说明的一点是,即使是规模非常小的案例,运用CPLEX求解仍需耗费大量时间,进而证明本发明提出的基于调度方式预处理改进的贪婪算法的高效性与优越性。
(2)运输方式对比分析
针对本发明所提出的特殊联运点,借助eclipse平台编写Java程序,并调用CPLEX优化器工具箱,对本发明所提的两阶段模型进行求解,得到含联运和不含联运的两种选址覆盖模型结果见表15和表16。其中,θ表示纯空侧联合覆盖方式所占比例(比例参数),设施点选址个数根据其对应的属性值一一列出,并且分别得到空侧覆盖率和备份覆盖率的覆盖率数值。
表15选址覆盖模型结果(含联运方式)
表16选址覆盖模型结果(不含联运方式)
对比表15和表16可以发现,当调节θ值时,每张表都可以对应得到三行不同数据结果值;而当θ值相同时,两张表由于出救点属性的不同而产生了较大差异。因此,从横向(θ值相等)和纵向(θ值不等)两个维度进行阐释。
横向:首先,比较两张表对应行的数值,即θ值相等时,可以发现表15的覆盖率均大于表16的覆盖率,即含联运方式的选址覆盖更为完全;其次,由于联运点的配置,转运点的选址数目也有一定的减少,这可以大大降低目标应急医疗救援区域的设施配置成本;最后,联运点的导向作用,也使得救援方式偏向于联运和转运的方式,进而拉动空侧调度方式的配比。对于应急医疗救援的背景,这可极大程度地缩短救援时间,具有重要意义。
纵向:对于同一张表,可以通过调节比例参数θ值来实现。当θ值越趋近于1时,空侧出救点被选的概率增大,应急医疗救援的方式向空运倾斜,进而使得一次覆盖率数值增大;而当θ值趋近于下限值0时,空侧覆盖方式所占比例大大减小,甚至会出现只有地侧应急救援的情况,集中在第一次完成目标应急医疗救援区域的覆盖;当θ值处于两个临界值中间时,含地面车辆的调度方式才对空侧调度覆盖起到了补偿覆盖的作用,且空侧、地侧、联运和转运四种方式都有配比,应急医疗的救援方式才显得均衡化。
此外,需特别说明的是,尽管θ的取值范围为[0,1],但当极限θ=0时,程序中将会把θ值设定为0.01,该调整是为了在第二阶段模型中,防止出现无空地联运或转运方式优先级为0的情况,使得调度方式只有空运和转运,以此更符合实际地调节四种运输方式的比例。因为,在一般情况下会优先选择空侧,但空侧运输成本较高,所以设立θ参数进行调节,可以理解为该参数是空侧运输方式在系统内所占的比例,由规划决策者确定。
将θ值设置为0.5,排除极端情况进行具体案例的分析,由于应急救援的调度方式不同,出救点的数量、属性、分布情况都体现出差异。通过求解所得,各设施点的属性值及其二维坐标已列于表13,同时,图5和图6进行了直观的可视化表示。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于空地协同医疗救援的设施点预选址方法,其特征在于,
S0:预先设置目标应急医疗救援区域中相关参数:包括设施点和受灾点的数量、空地属性和建设成本,设施点、受灾点和医院的地理坐标和地理特征,航空器起降最小净空面积和运行速度,地面车辆的运行速度,最佳治疗时间阈值和应急医疗响应时间阈值;其中,所述设施点包括出救点和转运点,受灾点同时也是联运点,空地属性包括空侧和地侧,转运点和医院均为空侧属性;
S1:建立包括出救点、转运点、受灾点和医院的编号、类型、地理坐标与占地面积的点信息索引表;
S2:根据出救点和受灾点的地理特征及航空器的起降最小净空面积来判断其所具有的空地属性,即判断出救点和受灾点为空侧或地侧,并生成点空地属性表;
S3:根据实际路网状况确定任意两点间的路段是否连通,构建点到点的可连通路段覆盖矩阵;
S3中,构建点到点的可连通路段覆盖矩阵,具体包括:定义矩阵标题行与标题列为所有类型点编号,矩阵值即为两点间是否生成路段,根据实际路网状况确定任意两点间的路段是否连通,若路段连通,则路段值取1,反之取0;
S4:通过集覆盖模型求解,在可连通路段覆盖矩阵中选择可连接的路段以形成多条可响应受灾点的路径,并构成可连通路径集合,其中,响应受灾点的路径是指可连通出救点-受灾点-医院或者出救点-受灾点-转运点-医院的路径;
S4中,空地协同调度选址集覆盖模型的目标函数表示如下:
其中,cA表示设置一个地侧出救点所需成本;δa为0-1逻辑变量,表示是否采用地侧调度方式,若采用,该值取为1,反之取0;CH表示设置一个空侧出救点所需成本;δh为0-1逻辑变量,表示是否采用空侧调度方式,若采用,该值取为1,反之取0;CR表示设置一个空地转运点所需成本,δr为0-1逻辑变量,表示是否采用转运调度方式,若采用,该值取为1,反之取0;当且仅当特定调度方式被采用,即逻辑变量取值为1时,才会产生对应调度方式下的设施建设成本;wahrj、wahlj分别表示受灾点j被覆盖的设施点为转运点r、联运点l的逻辑变量,ε表示为拉格朗日乘子,以求得目标函数取到极值时各个变量的解;
空地协同调度选址集覆盖模型的约束条件如下:
δahr=δaδhδr (6)
δahl=δaδhδl (7)
其中,第一组0-1逻辑变量whj、waj、wahrj、wahlj表示受灾点j被覆盖的设施点的属性,分别代表空侧出救点h、地侧出救点a、转运点r和联运点l,若受灾点j被某种出救点所覆盖,则对应的逻辑开关变量取值为1,反之取为0;第二组0-1逻辑变量Ahj、Aaj、Aahrj和Aahlj,表示在特定受灾点j,空侧、地侧、空地转运以及空地联运调度方式是否可用,若可用,则对应的逻辑开关变量取值为1,反之取为0;第三组逻辑变量δa、δh、δr、δl分别表示是否配置航空器、地面车辆、转运点与联运点,若采用,该值取为1,反之取0;第四组0-1逻辑变量δahr、δahl分别表示转运方式和联运方式是否成立,若成立,该值取为1,反之取0;式(2)~式(5)为空地协同选址调度模型的集覆盖约束,保证对于目标应急医疗救援区域所有的受灾点j被空侧、地侧、空地联运和空地转运中的至少一种调度方式所覆盖;式(2)确保对于被空侧出救点覆盖的受灾点j,有可选且选中空侧调度方式;式(3)确保对于被地侧出救点覆盖的受灾点j,有可选且选中地侧、空地转运或空地联运的调度方式;式(4)表示受灾点j被空侧覆盖时需一架航空器,被地侧覆盖时需两辆地面车辆的数量约束;式(5)实现了空地联运与空地转运方式的切换,当Aahlj为0时,Aahrj才取为1,反之亦然;式(6)和式(7)为转运点与联运点成立的约束条件,式(6)表明当可供航空器着陆的转运点、航空器和车辆资源都具备时,转运方式才成立,即当且仅当δa、δh、δr都为1时,δahr才取值为1;式(7)为联运点δahl的成立约束条件,与式(6)分析方法相同;式(8)~式(11)为确保空地联运覆盖的一组约束条件,对于被空地联运方式覆盖的受灾点j,式(8)~式(10)分别有可选且选中对应地面车辆、航空器与联运点,式(11)确保当wahl取值为1时,δa、δh、δahl都必取值为1,使得空地联运覆盖方式成立;同理,约束条件(12)~(15)为确保空地转运覆盖方式成立的一组约束条件,分析方法与式(8)~式(11)相同,对于空地转运方式覆盖的受灾点j,式(12)~式(14)分别有可选且选中对应地面车辆、航空器与转运点;式(15)确保当wahr取值为1时,δa、δh、δahr都必取值为1,使得空地转运覆盖方式成立;
S5:根据出救点至受灾点的应急医疗响应时间阈值TR和出救点至医院路段的应急运输时间阈值TH,在可连通路径集合中确定响应受灾点的可选路径并生成可选路径集合D,同时,更新可连通路段覆盖矩阵并得到可选路段覆盖矩阵;
S6:将可选路段覆盖矩阵中连接所有可选路段的点的集合确定为预选址集合S,根据预选址集合S中点的数量和建设成本求得目标应急医疗救援区域的最大建设成本B;
S7:将预选址集合S与最大建设成本B代入最大覆盖模型,以成本作为约束,保证各受灾点都能被覆盖的前提下,依次判定响应各受灾点的最优路径,去除冗余的可选路径,保留最优路径所包含的所有路段,更新可选路段覆盖矩阵并得到最优路段覆盖矩阵,同时确定各类型点到受灾点的调度方式矩阵A;
S7中,空地协同调度选址最大覆盖模型的目标函数表示如下:
其中,对于特定受灾点j,其权重设为wj;xj、yj为一组0-1逻辑变量,若该受灾点被空侧调度方式所覆盖,xj取值为1,否则为0;若由备份覆盖方式进行覆盖,则yj取值为1,否则为0;θ与(1-θ)分别表示空侧覆盖和备份覆盖所占的比例,备份覆盖是指除空侧覆盖外的覆盖方式,包括地侧覆盖、空地联运覆盖和空地转运覆盖;ε表示为拉格朗日乘子,以求得目标函数取到极值时各个变量的解,用于平衡受灾点的成本差异;
空地协同调度选址模型最大覆盖模型的约束条件如下:
zj=whjyj (19)
其中,式(17)是对各种应急调度方式总成本的计算,保证目标应急医疗救援体系内,航空器、地面车辆和转运点的设施建设成本不大于空地联运调度选址集覆盖模型所得的最优函数值,即最大成本;式(18)为空地联运调度选址最大覆盖模型的约束条件,对于任意受灾点j,若xj取值为1,则该受灾点能够被至少被四种覆盖方式的一种响应;式(19)用于定义备份覆盖的可用性,当且仅当设施点为空侧属性且需转运时,该值取为1,否则为0;约束条件(20)保证了当备份覆盖可用时,必有空侧出救点与对应航空器使得空侧调度方式成立;式(21)~式(23)为成立的一组线性约束条件,当受灾点j由备份覆盖时,式(21)表明必有一个空侧出救点进行响应,式(22)表明必有空侧调度方式进行覆盖,式(23)确保当zj取值为1时,空侧出救点参数whj与空侧调度方式选择参数yj都必取值为1,否则不成立,即备份覆盖不可用;其中,自变量zj是为了约束数学模型而设立的,取值只能为0或1,确保在多次覆盖时必会包含航空器;
S8:由最优路段覆盖矩阵获得连接最优路段的点的集合,结合点信息索引表后即可得到最优选址集合G;再根据最优选址集合G中设施点的数量和建设成本计算目标应急医疗救援区域的最终建设成本。
2.如权利要求1所述的选址方法,其特征在于,S3具体包括:
定义矩阵标题行与标题列为所有类型点的编号,矩阵值即为两点所连路段的路段值,
根据实际路网状况确定任意两点间的路段是否连通,若路段连通,则路段值取1,反之取0,依次判定后得到可连通路段覆盖矩阵。
3.如权利要求1所述的选址方法,其特征在于,S5具体包括:
S51:结合预先设置的航空器和地面车辆的运行速度以及设施点和受灾点的地理坐标,计算各条可连通路段的时间参数数值,包括任意“出救点—受灾点”的运输时间集合tij以及“受灾点—医院”的运输时间集合确定航空器和地面车辆对应的装载时间集合Bi1与卸载时间集合Bi2;空地转运方式还需计算“出救点—转运点”的转运时间tir,“受灾点—转运点”的转运时间集合以及“转运点—医院”的转运时间集合
S52:基于S51的计算结果以及应急医疗响应时间阈值TR和应急运输时间阈值TH,判断可连通路径集合中的可连通路径是否能满足所设置的时间阈值,若满足,则表明该路径可选,覆盖矩阵中对应路段的值仍为1,作为可选路径;若不满足,则表明该路径不可选,将覆盖矩阵中对应路段的值改设为0,从而得到所有响应受灾点的可选路径并生成可选路径集合D,对可连通路段覆盖矩阵进行更新并得到可选路段覆盖矩阵。
4.如权利要求1所述的选址方法,其特征在于,在S8中,通过设定空侧调度方式在四种调度方式中所占比例的参数θ来平衡各调度方式之间的比例,以满足成本计划的要求。
5.如权利要求4所述的选址方法,其特征在于,S8的计算方式如下:
S81:设置覆盖系数CCj,当受灾点未被覆盖时,CCj=1;当受灾点被空侧覆盖时,CCj=0;当受灾点被地侧、联运或转运覆盖时,CCj=1-θ;
S82:设置初始总成本c=0,初始总覆盖率Q(G)=0,计算空侧、地侧、联运或转运覆盖的单位价格率ratio(i)=Q(i)/c(i),其中,c(i)是指每次迭代后的建设成本;w(j)是受灾点j在路网中的权重;Q(i)为当配置航空器或地面车辆或空地联合时,所能覆盖受灾点的数目乘以权重w(j);
S83:当单位价格率ratio(i)达到最大值时,定义其所对应的方案为k,需配置航空器或地面车辆或空地联合的成本为ck;若c+ck≤B,则将方案k纳入最优选址方案,总覆盖率由原来的Q(G)增加为Q(G)+Q(k),并删除k所连接的受灾点,以去除冗余的调度覆盖。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711487304.5A CN108229741B (zh) | 2017-12-30 | 2017-12-30 | 一种基于空地协同医疗救援的设施点预选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711487304.5A CN108229741B (zh) | 2017-12-30 | 2017-12-30 | 一种基于空地协同医疗救援的设施点预选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108229741A CN108229741A (zh) | 2018-06-29 |
CN108229741B true CN108229741B (zh) | 2021-08-06 |
Family
ID=62646361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711487304.5A Active CN108229741B (zh) | 2017-12-30 | 2017-12-30 | 一种基于空地协同医疗救援的设施点预选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108229741B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977066B (zh) * | 2019-03-08 | 2020-12-15 | 北京交通大学 | 属地智慧应急投送一体机 |
CN110046760B (zh) * | 2019-04-10 | 2022-06-14 | 武汉理工大学 | 一种考虑受灾点需求紧迫性的医疗救援点选址方法 |
CN110940338A (zh) * | 2019-10-23 | 2020-03-31 | 浩亚信息科技有限公司 | 航空医疗最佳路径选取方法及存储介质 |
CN111325469B (zh) * | 2020-02-21 | 2023-04-28 | 东南大学 | 一种用于急救车及人员的智能调度方法及集成系统 |
CN111612252B (zh) * | 2020-05-21 | 2023-06-13 | 苏州大学 | 大规模应急设施的自动选址方法、装置及可读存储介质 |
CN116822761B (zh) * | 2023-03-14 | 2024-02-02 | 北京人人平安科技有限公司 | 面向森林防火的空地一体化救援车辆路径优化方法 |
CN117912254B (zh) * | 2024-03-19 | 2024-05-31 | 山东高速股份有限公司 | 一种高速公路空地检测协同布设方法、设备及介质 |
CN118411204B (zh) * | 2024-06-24 | 2024-08-20 | 山东交通学院 | 一种基于空地协同的城市末端共配中心选址方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542359A (zh) * | 2012-01-09 | 2012-07-04 | 吉林大学 | 一种多目标应急救援资源布局及配置优化方法 |
CN104853363A (zh) * | 2015-04-07 | 2015-08-19 | 浙江工业大学 | 监测无线传感网节点监测面积覆盖率的方法 |
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 |
CN105319969A (zh) * | 2015-07-27 | 2016-02-10 | 李翔宇 | 无人机协同对地覆盖系统 |
CN106951994A (zh) * | 2017-03-21 | 2017-07-14 | 武汉理工大学 | 一种海上应急救援站点的选址方法 |
-
2017
- 2017-12-30 CN CN201711487304.5A patent/CN108229741B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542359A (zh) * | 2012-01-09 | 2012-07-04 | 吉林大学 | 一种多目标应急救援资源布局及配置优化方法 |
CN104853363A (zh) * | 2015-04-07 | 2015-08-19 | 浙江工业大学 | 监测无线传感网节点监测面积覆盖率的方法 |
CN105319969A (zh) * | 2015-07-27 | 2016-02-10 | 李翔宇 | 无人机协同对地覆盖系统 |
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 |
CN106951994A (zh) * | 2017-03-21 | 2017-07-14 | 武汉理工大学 | 一种海上应急救援站点的选址方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108229741A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229741B (zh) | 一种基于空地协同医疗救援的设施点预选址方法 | |
Ghelichi et al. | Logistics for a fleet of drones for medical item delivery: A case study for Louisville, KY | |
CN110782086B (zh) | 一种用于救援的带无人机车辆配送路径优化方法及系统 | |
Shavarani et al. | Application of hierarchical facility location problem for optimization of a drone delivery system: a case study of Amazon prime air in the city of San Francisco | |
Farvolden et al. | Subgradient methods for the service network design problem | |
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
CN112330983B (zh) | 不正常航班一体化智能恢复方法 | |
Mejia‐Argueta et al. | Multicriteria optimization approach to deploy humanitarian logistic operations integrally during floods | |
CN107833002A (zh) | 基于协同多目标算法的多级低碳物流配送网络规划方法 | |
CN112270517B (zh) | 一种基于变权风险的危险化学品多仓库车辆路径优化方法 | |
Zhang et al. | An air-ground cooperative scheduling model considering traffic environment and helicopter performance | |
Huang et al. | Supply distribution center planning in UAV-based logistics networks for post-disaster supply delivery | |
Mardanya et al. | Solving bi-level multi-objective transportation problem under fuzziness | |
Iliopoulou et al. | Route planning for a seaplane service: The case of the Greek Islands | |
CN110895749A (zh) | 一种用于应急物流的定位-路径规划方法 | |
Jenatabadi et al. | The determination of load factors in the airline industry | |
Li et al. | A bi-level planning approach of logistics unmanned aerial vehicle route network | |
Fang et al. | Multi-objective emergency scheduling for geological disasters | |
Wan et al. | Congested multimodal transit network design | |
CN116432883A (zh) | 一种双目标应急物资运送优化方法、系统及设备 | |
CN106228243A (zh) | 地铁车辆段回库股道安排方法 | |
CN115470613A (zh) | 一种考虑航空器性能差异的空地协同调度方法 | |
Ye et al. | A two-stage scheduling method for global humanitarian logistics in large-scale disaster response | |
Madleňák et al. | The optimization approach of postal transportation network based on uncapacitated fixed charge location model in conditions of Slovak Republic | |
Chung et al. | Multiobjective dynamic length genetic algorithm to solve the emergency logistic problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |