CN110197303B - 一种适应火灾动态变化的消防员救援调度方法 - Google Patents
一种适应火灾动态变化的消防员救援调度方法 Download PDFInfo
- Publication number
- CN110197303B CN110197303B CN201910463919.7A CN201910463919A CN110197303B CN 110197303 B CN110197303 B CN 110197303B CN 201910463919 A CN201910463919 A CN 201910463919A CN 110197303 B CN110197303 B CN 110197303B
- Authority
- CN
- China
- Prior art keywords
- fire
- disaster
- rescue
- firefighter
- key position
- 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 45
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 210000000349 chromosome Anatomy 0.000 claims description 103
- 108090000623 proteins and genes Proteins 0.000 claims description 38
- 230000035772 mutation Effects 0.000 claims description 14
- 230000009191 jumping Effects 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003252 repetitive effect Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 235000006629 Prosopis spicigera Nutrition 0.000 claims description 3
- 240000000037 Prosopis spicigera Species 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000011423 initialization method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 11
- 239000000463 material Substances 0.000 description 8
- 230000009471 action Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000002341 toxic gas Substances 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000109 continuous material Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/002—Generating a prealarm to the central station
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Emergency Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种适应火灾动态变化的消防员救援调度方法,建立权衡运输时间和受灾区域公平分配的优化模型,采用遗传算法解决消防员抵达时间短和平衡各受灾区域人员分配的问题;本发明还考虑到灾情存在动态变化,当消防员到达受灾区域后,随灾情变化救援任务也会实时发生变化,本发明方法还为每一个到达灾区的消防员实时分配救援任务,建立人员移动距离权重最小优化调度模型,采用遗传算法降低到达灾区的消防员移动救援路径,并对到达灾区的人员分配进行修正,不仅提高了整体救援效率,也使得救援调度分配更加合理,本发明是从传统救援到智能救援的重要转变,为救援省下宝贵的时间。
Description
技术领域:
本发明涉及应急救援信息技术领域,具体涉及一种适应火灾动态变化的消防员救援调度方法。
背景技术:
伴随着我国社会经济发展,城市火灾的发生往往造成较大的经济损失和人员伤亡。火灾发生后,现场出现大量的浓烟、毒气和烈火,浓烟、毒气和烈火的不受控,通信设施的瘫痪,人员的受伤和恐慌等情况,都会影响火灾的救援效率。例如2019年3月21日江苏盐城发生的响水化工企业爆炸事故共统计造成78人死亡,566人受伤,江苏省消防救援总队指挥中心在接到报警后共计派出35个中队、86辆消防车、389名消防员赶赴现场处置。由于其突发性强,事故灾难性极其严重,需调动的消防员车辆数量较多,采用传统人工分配调度方式势必效率低下,导致救援效率大打折扣。
目前国内外学者针对救援调度方法的研究主要侧重于从物资、车辆和消防员三个方面展开。在物资调度方面,部分学者侧重于研究救援物资多目标分配和调度优化方法,如张国富等人为解决多发放点之间潜在的应急救援物资调度冲突问题,提出一种基于带精英策略的非支配排序的遗传与蚁群优化的混合智能搜索方法,即采用改进蚁群优化中的信息素全局更新策略实现多个调度路径的同时优化。杨忠振等人针对应急资源分配问题,提出损失和救援开支费用最小的约束条件,建立资源分配模型。许胜铭等人引入伤亡性和经济性两个主要优化目标,构建一种在多出救点、多物资和多受灾点约束条件下的多目标应急物资调拨模型,并运用加权方法确定决策效用函数,在保证物资连续消耗的条件下,求解最优物资调度方案。Hongman Wang等人针对二维物资调度问题,提出运输时间最短和成本最短的多目标优化模型,对救援点进行降维处理后通过蚁群方法求解。然而上述方法都未考虑灾情随时间动态变化情况下的调度问题。
在车辆调度领域,部分学者侧重于以救援时间和车辆行驶距离的角度出发研究车辆的调度方法。如段满珍等人考虑避难点分配、路径规划、车辆容量和不确定通行能力,分析安全救援路线选择约束,建立不确定信息环境下疏散救援优化管控模型,并提出基于逆向搜索最短路径和正向反推安全路径的求解方法。A.Clarke等人提出基于风险并结合消防服务覆盖模型,采用进化方法解决消防定位和救援服务的问题。但是灾难救援调度不是常规的车辆路径优化,在救援行动中应尽可能将最小救援时间作为主要优化目标。
在消防员调度领域,滕金苹针对并发火灾的消防力量调派,以并发火灾总体灭火救援效果最优为目标,应用线性规划理论建立消防力量供大于求时的优化部署模型,给出了消防力量供求关系不平衡时的优化部署方案。Lei Lei等人引入一种基于数学规划的滚动水平启发式方法,对不同位置设立不同权重来求解分配调度问题。但是上述方法都是采用已知的静态火灾数据,没有考虑火灾动态变化情况。
发明内容:
为了实现火灾救援行动的时间成本最小,克服消防力量需求的动态变化、以及灾情随时间变化而变化的诸多不确定因素,本发明提供一种适应火灾动态变化的消防员救援调度方法。
为了达到上述目的,本发明所采用的技术方案为:
一种适应火灾动态变化的消防员救援调度方法,包括以下步骤:
1)对每个消防中心的每个消防员进行编号并划分成若干消防员小组,对消防中心的每辆消防车进行分配并与消防员小组建立一一对应关系;
2)获取火灾的发生位置,获取消防中心至火灾发生地之间路径的路况参数,计算路况权重和消防人员抵达受灾区的预测时间;根据火灾报警信息预估受灾区域需要的消防员小组数量和消防员数量;
其中路况权重RCW和消防人员抵达受灾区的预测时间计算方法如下:
(2.1)令消防中心Cj至受灾区域Fk的总路程具有n个路段,第i个路段长度为Di,根据所获得城市各路段的每分钟通行速度,并以交通指数计算最小时间单位L为间隔,计算第i个路段的当前时刻平均通行速度Vi t;将第i个路段在上一个月的平均通行时间作为路段期望通行时间Ti,通过公式(1)计算当前路段实际通行时间比RL;
(2.2)通过公式(2)计算行程时间比值F;
(2.3)通过公式(3)计算当前路段路况权重RCW;
(2.4)通过公式(4)计算消防员到受灾现场的总预测运输时间T;
其中,表示派往受灾区域k的消防中心j的消防员小组v运输过程的第i个路段;表示消防中心j的消防员小组v是否派往受灾区域k;当则表示消防中心j的消防员小组v派往受灾区域k;当则表示消防中心j的消防员小组v不派往受灾区域k;
3)建立受灾区域分配消防员小组数量的约束条件、建立消防车容纳消防员数量的约束条件、建立消防中心拥有消防车数量和消防员数量的约束条件,基于所有受灾区域分配到消防员小组的公平考虑,计算每个受灾区域需求消防员小组的需求方差;建立满足上述约束条件、并基于权衡运输时间和受灾区域公平分配的消防员运输调度模型;
4)根据所建立的消防员运输调度模型,采用遗传算法,获得派往每个受灾区域的消防员小组数量、到达受灾区域的时间、每个消防小组中消防员数量和编号、受灾区域的数量、受灾区域救援关键位置、受灾区域灭火关键位置、消防员抵达受灾区域位置信息;
5)建立灭火关键位置集合和救援关键位置集合,根据受灾区域救援关键位置、受灾区域灭火关键位置、消防员抵达受灾区域位置,建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型;建立分配位置与所需消防员数量的约束条件、建立灭火关键位置与所需消防员数量的约束条件、建立救援关键位置与所需消防员数量的约束条件;
6)将灭火关键位置集合与救援关键位置集合进行合并,形成关键位置总集合,初始化灭火关键位置权重和救援关键位置权重,采用遗传算法对消防员任务分配染色体进行初始化;以最小化人员位移距离为目标计算任务分配染色体的适应度值,并进行选择、交叉、变异操作获得下一代种群;
7)统计所有关键位置的实际调派人数,判断是否满足灭火关键位置与所需消防员数量的约束条件、以及救援关键位置与所需消防员数量的约束条件,若当前调派的消防员数量大于关键位置个数,且存在个别位置调派人员数量小于救援需求人数时,对任务分配染色体进行修正;
8)判断任务分配染色体的迭代是否满足终止条件,终止迭代后即可获得已经到达受灾区域的消防员调度方案,并判断该方案中关键位置与消防员人数是否满足约束条件,满足约束条件后将其位置相对权重值缩小;判断当前受灾区域是否有未到达的消防员小组,若有,令下一时刻到达的消防员小组为当前时刻的消防员小组,返回步骤6);若所有受灾区域均有到达,获得所有受灾区域所有消防人员的调度方案;
9)若某个关键位置上的救援任务完成,则删除该关键位置,将该关键位置原来所分配的消防员重新认定为未分配任务的消防员;当发现新的救援位置时,将新的救援位置添加到关键位置和权重中,计算每个未分配任务的消防员和新关键位置的适应度值,将适应度值最大的关键位置分配给待分配任务的消防员,直到所有受灾区域救援结束。
作为优化设置,所述步骤3)中建立的约束条件以及消防员运输调度模型具体方法如下:
(3.3)考虑到消防车辆容纳消防员的数量有限,令每一车辆至少需要1个以上的消防员数量,则获得如下约束条件:
(3.4)考虑到消防中心的消防车辆和消防员数量一定,获得如下约束条件:
(3.5)当城市中出现多起火灾事件时,困于消防力量的有限性,不能满足所有受灾区域的消防车辆数量和消防人数数量的需求时,应让所有受灾区域的消防小组分配尽可能公平,通过公式(9)计算每一个受灾区域的需求方差var;
其中,KC表示所有受灾区域车辆需求总数;
(3.6)建立权衡运输时间和受灾区域公平分配的优化模型如下:
minaT/Tyu+βvar/vyu (10)
s.t.公式(1)-(9)
a+β=1 (10.a)
其中,a表示车辆行驶时间因子,Tyu表示车辆行驶时间阈值,β表示公平因子,vyu表示公平方差阈值。
作为优化设置,所述步骤4)中采用遗传算法时先进行消防员运输染色体的初始化,初始化方法如下:设定初始化消防员运输种群中染色体个数为Mc,运输交叉概率为Pc,变异概率为Pm,迭代次数rc=0,最大迭代次数Rc,初始化Mc个满足约束条件(5)-(8)的消防员运输染色体;满足约束条件(5)-(8)的消防员运输染色体初始化如下:
(4.1)获知所有受灾区域k需要的车辆数每一个消防中心j的消防车辆数以及其拥有的消防员小组序号;生成一个3*V的矩阵,V表示当前的消防员小组数量;在第一行随机放置消防员小组编号,第二行放置消防员小组编号对应的消防中心编号,令k=1,集合S=空集;
(4.2)第三行根据每一个受灾区域k需要的消防员小组数生成个重复的受灾区域编号k,将其加入集合S;如果k≤K,其中K表示受灾区域的总个数,则k=k+1,重新跳到步骤(4.2),否则跳到步骤(4.3);
(4.3)如果集合S中元素个数小于v,则向集合S中添加0,使集合S中元素个数等于V;随后从中随机抽取V个不重复的元素,将其放置在第三行中,获得符合约束条件(5)和(7)的消防员小组编号不重复的消防员运输染色体;
(4.4)令每个消防小组具有最大个消防员,并组成v个元素都是的序列S1,重复执行以下操作:验证该序列S1是否满足约束条件(8),若不满足,则随机选择序列S1中大于1的元素,将其值减1,直至序列S1满足约束条件(8),同时该序列S1满足约束条件(6)。
作为优化设置,所述步骤4)中完成消防员运输染色体初始化后,以抵达时间成本最小和受灾区需求方差最小为运输染色体适应度,通过公式(11)计算每个消防员小组运输染色体的适应度值,并更新最优消防员小组运输染色体;
FitnessC(i)=1/(aT/Tyu+βvar/vyu) (11)。
作为优化设置,所述步骤4)中更新最优消防员小组运输染色体后,将当前消防员小组运输最优的运输染色体放入下一代种群,随后重复执行Mc-1次以下操作,直至下一代种群与当前种群规模大小一致:随机选择两个运输染色体,选择其中适应度较好的运输染色体放入当前选择种群;
(6.1)令当前操作序号i=0,从当前选择种群中选择运输染色体ic,随机生成[0,1]范围内的一个浮点数f;如果f<Pc,其中,Pc表示运输交叉概率,则随机从当前选择种群中选择另一个运输染色体,对该对运输染色体进行交叉操作,获得新的运输染色体,否则直接选择运输染色体ic为新的运输染色体;其交叉具体操作如下:
(6.2)产生两个小于运输染色体长度的随机正整数r1和r2,作为两运输染色体交叉段的基因起止位置;对基因起止位置中,第一行和第二行的基因数据进行交换,第三行保持不变,并获得根据两个运输染色体的交换基因位置,建立一一映射关系;
(6.3)检查交叉后两个运输染色体中是否存在重复的消防员小组调度编号,如果存在重复的数字编号,则选择交叉段外的重复基因,根据已获得的基因映射关系,替换成对应映射基因,若替换后仍存在重复冲突,则继续寻找和替换成当前基因对应的映射基因,直到运输染色体中不存在重复基因;
随机生成[0,1]范围内的一个浮点数f;当f<Pm,其中Pm表示变异概率,则对新的运输染色体进行变异操作;如果当前迭代次数不大于变异选择迭代次数阈值Tm,则采用非均匀变异方法,即对该运输染色体的第三行序列,重新对该序列进行初始化,跳到步骤(6.4),否则选择移动变异方法,即重复执行(tm-1)次操作,其中tm表示移动变异次数:随机指定两个基因位置,交换其基因码,跳到步骤(6.4);
(6.4)i=i+1;如果i≤Mc,跳到步骤(6.1),否则rc=rc+1,如果rc≤Rc,跳到更新最优消防员小组运输染色体步骤,否则获得所有消防员小组的调度方案,即派往每一个受灾区域的消防员小组数量和到达所有受灾区域的时间,每一个消防员小组中消防员的编号和数量;获知受灾区域个数K,受灾区域的救援关键位置和灭火关键位置,令受灾区域序号k=1,选择当前时刻到达的消防人员小组。
作为优化设置,所述步骤5)中,令灭火关键位置集合为G,救援关键位置集合为H,消防员位置集合即消防车辆抵达受灾区F的初始点设为E,wij表示消防员i匹配到位置j的指示符,当wij=1,则表示消防员i需要移动到位置j;根据灭火关键位置、救援关键位置和消防员位置,建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型如下:
其中,wij表示消防员i和关键位置j的匹配标志符,如果wij=1,则表示消防员i需要移动到关键位置j,否则不移动;||||代表两位置间的距离,pi X表示消防员i的位置,pj Y表示消防员需要匹配的关键位置j,gj表示关键位置j的优先级,其值越高,优先级越高;NY表示灭火关键位置的消防员的需求量,NX表示救援关键位置的消防员的需求量;式(12)表示所有消防员移动距离权重的最小函数,式(12.a)表示每一个消防员至少分配一个位置,式(12.b)表示灭火关键位置至少需要NY名消防员,式(12.c)表示救援关键位置至少需要NX名消防员。
作为优化设置,所述步骤6)中,选择受灾区域k,获知当前时刻到达的消防员小组中消防员编号和数量,将灭火关键位置集合Gk与救援关键位置集合Hk合并成关键位置总集合J=(Gk+Hk),初始化每一个灭火关键位置的权重,使其为集合Gk的元素个数与集合Hk的2倍元素个数之和的倒数,初始化每一个救援关键位置的权重为灭火关键位置的权重的2倍;
(8.1)初始化迭代次数rx=0,最大迭代次数Rx,初始化消防员任务分配种群的Mp个消防员任务分配染色体;其中消防员任务分配染色体初始化的具体步骤如下:
(8.2)令消防员任务分配染色体长度为其中为抵达受灾区域的消防员小组中消防员总人数;如果所有消防小组已经到达受灾区域k,则消防员任务分配染色体的长度为已抵达的消防员总人数,否则选择当前时刻达到的消防小组,令消防员任务分配染色体长度为该消防员小组中所有消防员人数的和;
(8.4)以最小化人员位移距离为目标,通过公式(13)计算任务分配染色体的适应度值,并进行选择、单点交叉、变异操作,获得下一代种群,
作为优化设置,所述步骤7)中,如果已调度的消防员不满足关键位置个数,则不进行修正;反之,若当前消防员数量大于关键位置个数,且存在其它位置调派人员数量小于救援需求人数时,即不满足约束条件(12.b)-(12.c),则循环执行以下操作,直至该任务分配染色体满足约束条件(12.b)-(12.c),不满足约束条件执行以下内容:统计所有关键位置的实际调派人数,将关键位置实际调派人员数量与救援需求人数的差值为最大的关键位置找出,从该位置随机抽取1人调派给救援需求人数不满足的关键位置。
作为优化设置,所述步骤8)中,rx=rx+1,如果rx≤Rx,跳到步骤(8.4),否则获得当前消防员小组中消防员救援调度方案,获得已经到达受灾区域k的消防员调度方案,并判断该方案中关键位置是否满足约束条件(12.b)-(12.c),如果满足,将其位置相对权重值缩小为原来的百分之一,否则不变化;如果当前受灾区域仍有未到达的消防员小组,获知下一时刻到达的消防员小组中消防员编号和数量,令下一时刻到达的消防员小组为当前时刻的消防员小组,跳到步骤(8.1),否则k=k+1,如果k≤K,跳到建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型的步骤,否则获得所有消防员的救援调度方案。
本发明所提供的救援调度方法中,提供了消防员的运输调度路径,解决了消防员的运输分配问题,提高了消防员的到达时间,平衡了各个受灾区域的人员分配;本发明还考虑到灾情存在动态变化,当消防员到达受灾区域后,随灾情的变化受灾区的救援任务也会实时发生变化,还为每一个到达灾区的消防员实时分配救援任务,降低消防员的移动路径,提高整体救援效率,使得救援调度分配更加合理,实现从传统救援到智能救援的重要转变,为救援省下宝贵的时间。
以下通过附图和具体实施方式对本发明做进一步阐述。
附图说明:
图1为本发明实施例中消防员救援调度方法的工作流程示意图。
具体实施方式:
本实施例公开一种适应火灾动态变化的消防员救援调度方法,如图1所示,主要步骤如下:
1)对每一个消防中心中的每一个消防员进行编号,将每一个消防中心中的消防员分组,并依次分配其消防中心中的每一辆消防车,建立一一对应关系,并启动服务器初始化和数据接收功能;
3)通过百度地图开源平台获取消防中心至受灾地之间路径的实时车速、道路拥堵等参数,计算各路段路况权重(Road condition weigh,RCW),计算运输消防员到受灾现场的总预测时间;其中RCW值和运输消防员到受灾现场的总预测时间的计算步骤如下:
(3.1)令消防中心Cj至受灾区域Fk的总路程具有n个路段,第i个路段长度为Di。根据百度地图开源平台获得城市各路段的每分钟通行速度,并以交通指数计算最小时间单位L(经验值10分钟)为间隔,计算第i个路段的当前时刻平均通行速度Vi t。将第i个路段在上一个月的平均通行时间作为第i个路段的期望通行时间Ti,通过公式(1)计算当前路段实际通行时间比RL。
(3.2)通过公式(2)计算行程时间比值F;
(3.3)通过公式(3)计算当前路段路况权重RCW;
(3.4)通过公式(4)计算消防员到受灾现场的总预测运输时间T;
其中,表示派往受灾区域k的消防中心j中消防员组v运输过程的第i个路段。表示消防中心j的消防员组v是否派往受灾区域k。当则表示消防中心j的消防员组v派往受灾区域k。当则表示消防中心j的消防员组v不派往受灾区域k。
4)建立消防员的运输调度模型,消防员的运输调度模型的建立方法包含如下步骤:
(4.1)将火情严重程度预估范围值Q依次从小到大划分为3个等级,分别为1表示轻量级财产损失,2表示重量级财产损失,3表示出现人员伤亡。根据报警人提供的现场信息对火场情况进行初步预判,获得火灾接警后的火情严重程度预估范围值Q。根据预估范围值Q,获得受灾区域k的需要消防员小组数和消防员数量
(4.3)考虑到消防车辆上容纳消防员的位置数量有限,令每一车辆至少需要1个以上的消防员数量,则获得如下约束条件:
(4.4)考虑到消防中心拥有的消防车辆和消防员数量一定,获得如下约束条件:
(4.5)当城市中出现多起火灾事件时,困于消防力量的有限性,不能满足所有受灾区域的消防车辆数量和消防人数数量的需求时,应让所有受灾区域的小组分配尽可能公平,通过公式(9)计算每一个受灾区域的需求方差var。
其中,KA表示所有受灾区域车辆需求总数。
(4.6)建立权衡运输时间和受灾区域公平分配的优化模型。
minaT/Tyu+βvar/vyu (10)
s.t.公式(1)-(9)
a+β=1 (10.a)
其中,a表示车辆行驶时间因子,Tyu表示车辆行驶时间阈值,β表示公平因子,vyu表示公平方差阈值。
5)初始化消防员运输种群中染色体个数为Mc,运输交叉概率为Pc,变异概率为Pm,迭代次数rc=0,最大迭代次数Rc等参数,初始化Mc个满足约束条件(5)-(8)的消防员运输染色体;满足约束条件(5)-(8)的消防员运输染色体初始化如下:
(5.1)获知所有受灾区域k需要的车辆数和每一个消防中心j的消防车辆数和其拥有的消防员小组序号;生成一个3*V的矩阵,V表示当前的消防员小组数量。在第一行随机放置消防员小组编号,第二行放置消防员小组编号对应的消防中心编号,令k=1,集合S=空集;
(5.2)第三行根据每一个受灾区域k需要的消防员小组数生成个重复的受灾区域编号k,将其加入集合S。如果k≤K,其中K表示受灾区域的总个数。则k=k+1,重新跳到步骤(5.2),否则跳到步骤(5.3);
(5.3)如果集合S中元素个数小于v,则向集合S中添加0,使集合S中元素个数等于V。随后从中随机抽取V个不重复的元素,将其放置在第三行中。获得符合约束条件(5)和(7)的消防员小组编号不重复的消防员运输染色体。
(5.4)令每个消防小组具有最大个消防员,并组成v个元素都是的该序列S1,重复执行以下操作:验证该序列S1是否满足约束条件(8),若不满足,则随机选择序列S1中大于1的元素,将其值减1,直至序列S1满足约束条件(8),同时该序列S1满足约束条件(6)。
6)以抵达时间成本最小和受灾区需求方差最小为运输染色体适应度,通过公式(11)计算每个消防员小组运输染色体的适应度值,更新最优消防员小组运输染色体;
FitnessC=1/(aT/Tyu+βvar/vyu) (11)
7)将当前消防员小组运输最优的运输染色体放入下一代种群,随后重复执行Mc-1次以下操作,直至下一代种群与当前种群规模大小一致:随机选择两个运输染色体,选择其中适应度较好的运输染色体放入当前选择种群;
8)令当前操作序号i=0,从当前选择种群中选择运输染色体ic,随机生成[0,1]范围内的一个浮点数f。如果f<Pc,其中,Pc表示运输交叉概率,则随机从当前选择种群中选择另一个运输染色体,对该对运输染色体进行交叉操作,获得新的运输染色体,否则直接选择运输染色体ic为新的运输染色体;其交叉具体操作如下:
(8.1)产生两个小于运输染色体长度的随机正整数r1和r2,作为两运输染色体交叉段的基因起止位置。对基因起止位置中,第一行和第二行的基因数据进行交换,第三行保持不变,并获得根据两个运输染色体的交换基因位置,建立一一映射关系;
(8.2)检查交叉后两个运输染色体中是否存在重复的消防员小组调度编号。如果存在重复的数字编号,则选择交叉段外的重复基因,根据已获得的基因映射关系,替换成对应映射基因,若替换后仍存在重复冲突,则继续寻找和替换成当前基因对应的映射基因,直到运输染色体中不存在重复基因。
9)随机生成[0,1]范围内的一个浮点数f。当f<Pm,其中Pm表示变异概率,则对新的运输染色体进行变异操作。如果当前迭代次数不大于变异选择迭代次数阈值Tm,则采用非均匀变异方法,即对该运输染色体的第三行序列,重新对该序列进行初始化,跳到步骤(10),否则选择移动变异方法,即重复执行(tm-1)次操作,其中tm表示移动变异次数:随机指定两个基因位置,交换其基因码。跳到步骤(10)。
10)i=i+1;如果i≤Mc,跳到步骤8),否则rc=rc+1,如果rc≤Rc,跳到步骤6),否则获得所有消防员小组的调度方案,即派往每一个受灾区域的消防员小组数量和到达所有受灾区域的时间,每一个消防员小组中消防员的编号和数量等。获知受灾区域个数K、受灾区域的救援关键位置和灭火关键位置等信息。令受灾区域序号k=1,选择当前时刻到达的消防人员小组。
11)令灭火关键位置集合为G,救援关键位置集合为H,消防员位置集合即消防车辆抵达受灾区F的初始点设为E,wij表示消防员i匹配到位置j的指示符。当wij=1,则表示消防员i需要移动到位置j。根据灭火关键位置、救援关键位置和消防员所处位置,建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型。其中,当前时刻消防小组中消防员移动距离权重最小的优化调度模型如下:
其中,wij表示消防员i和关键位置j的匹配标志符。如果wij=1,则表示消防员i需要移动到关键位置j,否则不移动。||||代表两位置间的距离,pi X表示消防员i的位置,pj Y表示消防员需要匹配的关键位置j,gj表示关键位置j的优先级,其值越高,优先级越高。NY表示灭火关键位置的消防员的需求量。NX表示救援关键位置的消防员的需求量。式(12)表示所有消防员移动距离权重的最小函数。式(12.a)表示每一个消防员至少分配一个位置。式(12.b)表示灭火关键位置至少需要NY名消防员。式(12.c)表示救援关键位置至少需要NX名消防员。
12)选择受灾区域k,获知当前时刻到达的消防员小组中消防员编号和数量,将灭火关键位置集合Gk与救援关键位置集合Hk合并成关键位置总集合J=(Gk+Hk),初始化每一个灭火关键位置的权重,使其为集合Gk的元素个数和集合Hk的2倍元素个数之和的倒数,初始化每一个救援关键位置权重为灭火关键位置的权重的2倍;
13)初始化迭代次数rx=0,最大迭代次数Rx等参数,初始化消防员任务分配种群的Mp个消防员任务分配染色体;其中消防员任务分配染色体初始化的具体步骤如下:
(13.1)令消防员任务分配染色体长度为其中为抵达受灾区域的消防员小组中消防员总人数。如果所有消防小组已经到达受灾区域k,则消防员任务分配染色体的长度为已抵达的消防员总人数,否则选择当前时刻达到的消防小组,令消防员任务分配染色体长度为该消防员小组中所有消防员人数的和。
14)以最小化人员位移距离为目标,通过公式(13)计算任务分配染色体的适应度值,并进行选择、单点交叉、变异等操作,获得下一代种群。
15)如果已调度的消防员不满足关键位置个数,不进行修正,反之,若当前消防员数量大于关键位置个数,且存在个别位置实际调派人员数量小于救援需求人数时,即不满足约束条件(12.b)-(12.c),则循环执行以下操作,直至该任务分配染色体满足约束条件(12.b)-(12.c),不满足约束条件执行内容:统计所有关键位置的实际调派人数,将关键位置实际调派人员数量与救援需求人数的差值为最大的关键位置找出,从该位置随机抽取1人调派给救援需求不满足的关键位置。
16)rx=rx+1,如果rx≤Rx,跳到步骤14),否则获得当前消防员小组中消防员救援调度方案。获得已经到达受灾区域k的消防员调度方案,并判断该方案中关键位置是否满足约束条件(12.b)-(12.c),如果满足,将其位置相对权重值缩小为原来的百分之一,否则不变化。如果当前受灾区域仍有未到达的消防员小组,获知下一时刻到达的消防员小组中消防员编号和数量,令下一时刻到达的消防员小组为当前时刻的消防员小组,跳到步骤13),否则k=k+1,如果k≤K,跳到步骤11),否则获得所有消防员的救援调度方案,跳到步骤17);
17)当某个关键位置上救援任务完成,删除该关键位置,将该位置原来分配的消防员重新认定为未分配任务的消防员。当发现新的救援位置时,则添加新的救援位置到关键位置和权重中,计算每一个未分配任务的人员和新关键位置的适应度值gjwij||pi X-pj Y||,将适应度值最大的关键位置分配给未分配任务的消防员,直到所有区域救援结束。
以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围中。
Claims (9)
1.一种适应火灾动态变化的消防员救援调度方法,其特征在于:包括以下步骤:
1)对每个消防中心的每个消防员进行编号并划分成若干消防员小组,对消防中心的每辆消防车进行分配并与消防员小组建立一一对应关系;
2)获取火灾的发生位置,获取消防中心至火灾发生地之间路径的路况参数,计算路况权重和消防人员抵达受灾区的预测时间;根据火灾报警信息预估受灾区域需要的消防员小组数量和消防员数量;
所述步骤2)中路况权重RCW和消防人员抵达受灾区的预测时间计算方法如下:
(2.1)令消防中心Cj至受灾区域Fk的总路程具有n个路段,第i个路段长度为Di,根据所获得城市各路段的每分钟通行速度,并以交通指数计算最小时间单位L为间隔,计算第i个路段的当前时刻平均通行速度Vi t;将第i个路段在上一个月的平均通行时间作为路段期望通行时间Ti,通过公式(1)计算当前路段实际通行时间比RL;
(2.2)通过公式(2)计算行程时间比值F;
(2.3)通过公式(3)计算当前路段路况权重RCW;
(2.4)通过公式(4)计算消防员到受灾现场的总预测运输时间T;
其中,表示派往受灾区域k的消防中心j的消防员小组v运输过程的第i个路段;表示消防中心j的消防员小组v是否派往受灾区域k;当则表示消防中心j的消防员小组v派往受灾区域k;当则表示消防中心j的消防员小组v不派往受灾区域k;
3)建立受灾区域分配消防员小组数量的约束条件、建立消防车容纳消防员数量的约束条件、建立消防中心拥有消防车数量和消防员数量的约束条件,基于所有受灾区域分配到消防员小组的公平考虑,计算每个受灾区域需求消防员小组的需求方差;建立满足上述约束条件、并基于权衡运输时间和受灾区域公平分配的消防员运输调度模型;
4)根据所建立的消防员运输调度模型,采用遗传算法,获得派往每个受灾区域的消防员小组数量、到达受灾区域的时间、每个消防小组中消防员数量和编号、受灾区域的数量、受灾区域救援关键位置、受灾区域灭火关键位置、消防员抵达受灾区域位置信息;
5)建立灭火关键位置集合和救援关键位置集合,根据受灾区域救援关键位置、受灾区域灭火关键位置、消防员抵达受灾区域位置,建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型;建立分配位置与所需消防员数量的约束条件、建立灭火关键位置与所需消防员数量的约束条件、建立救援关键位置与所需消防员数量的约束条件;
6)将灭火关键位置集合与救援关键位置集合进行合并,形成关键位置总集合,初始化灭火关键位置权重和救援关键位置权重,采用遗传算法对消防员任务分配染色体进行初始化;以最小化人员位移距离为目标计算任务分配染色体的适应度值,并进行选择、交叉、变异操作获得下一代种群;
7)统计所有关键位置的实际调派人数,判断是否满足灭火关键位置与所需消防员数量的约束条件、以及救援关键位置与所需消防员数量的约束条件,若当前调派的消防员数量大于关键位置个数,且存在个别位置调派人员数量小于救援需求人数时,对任务分配染色体进行修正;
8)判断任务分配染色体的迭代是否满足终止条件,终止迭代后即可获得已经到达受灾区域的消防员调度方案,并判断该方案中关键位置与消防员人数是否满足约束条件,满足约束条件后将其位置相对权重值缩小;判断当前受灾区域是否有未到达的消防员小组,若有,令下一时刻到达的消防员小组为当前时刻的消防员小组,返回步骤6);若所有受灾区域均有到达,获得所有受灾区域所有消防人员的调度方案;
9)若某个关键位置上的救援任务完成,则删除该关键位置,将该关键位置原来所分配的消防员重新认定为未分配任务的消防员;当发现新的救援位置时,将新的救援位置添加到关键位置和权重中,计算每个未分配任务的消防员和新关键位置的适应度值,将适应度值最大的关键位置分配给待分配任务的消防员,直到所有受灾区域救援结束。
2.根据权利要求1所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤3)中建立的约束条件以及消防员运输调度模型具体方法如下:
(3.3)考虑到消防车辆容纳消防员的数量有限,令每一车辆至少需要1个以上的消防员数量,则获得如下约束条件:
(3.4)考虑到消防中心的消防车辆和消防员数量一定,获得如下约束条件:
(3.5)当城市中出现多起火灾事件时,困于消防力量的有限性,不能满足所有受灾区域的消防车辆数量和消防人数数量的需求时,应让所有受灾区域的消防小组分配尽可能公平,通过公式(9)计算每一个受灾区域的需求方差var;
其中,KC表示所有受灾区域车辆需求总数;
(3.6)建立权衡运输时间和受灾区域公平分配的优化模型如下:
min aT/Tyu+βvar/vyu (10)
s.t.公式(1)-(9)
a+β=1 (10.a)
其中,a表示车辆行驶时间因子,Tyu表示车辆行驶时间阈值,β表示公平因子,vyu表示公平方差阈值。
3.根据权利要求1所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤4)中采用遗传算法时先进行消防员运输染色体的初始化,初始化方法如下:设定初始化消防员运输种群中染色体个数为Mc,运输交叉概率为Pc,变异概率为Pm,迭代次数rc=0,最大迭代次数Rc,初始化Mc个满足约束条件(5)-(8)的消防员运输染色体;满足约束条件(5)-(8)的消防员运输染色体初始化如下:
(4.1)获知所有受灾区域k需要的车辆数每一个消防中心j的消防车辆数以及其拥有的消防员小组序号;生成一个3*V的矩阵,V表示当前的消防员小组数量;在第一行随机放置消防员小组编号,第二行放置消防员小组编号对应的消防中心编号,令k=1,集合S=空集;
(4.2)第三行根据每一个受灾区域k需要的消防员小组数生成个重复的受灾区域编号k,将其加入集合S;如果k≤K,其中K表示受灾区域的总个数,则k=k+1,重新跳到步骤(4.2),否则跳到步骤(4.3);
(4.3)如果集合S中元素个数小于v,则向集合S中添加0,使集合S中元素个数等于V;随后从中随机抽取V个不重复的元素,将其放置在第三行中,获得符合约束条件(5)和(7)的消防员小组编号不重复的消防员运输染色体;
4.根据权利要求3所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤4)中完成消防员运输染色体初始化后,以抵达时间成本最小和受灾区需求方差最小为运输染色体适应度,通过公式(11)计算每个消防员小组运输染色体的适应度值,并更新最优消防员小组运输染色体;
FitnessC=1/(aT/Tyu+βvar/vyu) (11)。
5.根据权利要求4所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤4)中更新最优消防员小组运输染色体后,将当前消防员小组运输最优的运输染色体放入下一代种群,随后重复执行Mc-1次以下操作,直至下一代种群与当前种群规模大小一致:随机选择两个运输染色体,选择其中适应度较好的运输染色体放入当前选择种群;
(6.1)令当前操作序号i=0,从当前选择种群中选择运输染色体ic,随机生成[0,1]范围内的一个浮点数f;如果f<Pc,其中,Pc表示运输交叉概率,则随机从当前选择种群中选择另一个运输染色体,对该对运输染色体进行交叉操作,获得新的运输染色体,否则直接选择运输染色体ic为新的运输染色体;其交叉具体操作如下:
(6.2)产生两个小于运输染色体长度的随机正整数r1和r2,作为两运输染色体交叉段的基因起止位置;对基因起止位置中,第一行和第二行的基因数据进行交换,第三行保持不变,并获得根据两个运输染色体的交换基因位置,建立一一映射关系;
(6.3)检查交叉后两个运输染色体中是否存在重复的消防员小组调度编号,如果存在重复的数字编号,则选择交叉段外的重复基因,根据已获得的基因映射关系,替换成对应映射基因,若替换后仍存在重复冲突,则继续寻找和替换成当前基因对应的映射基因,直到运输染色体中不存在重复基因;
随机生成[0,1]范围内的一个浮点数f;当f<Pm,其中Pm表示变异概率,则对新的运输染色体进行变异操作;如果当前迭代次数不大于变异选择迭代次数阈值Tm,则采用非均匀变异方法,即对该运输染色体的第三行序列,重新对该序列进行初始化,跳到步骤(6.4),否则选择移动变异方法,即重复执行(tm-1)次操作,其中tm表示移动变异次数:随机指定两个基因位置,交换其基因码,跳到步骤(6.4);
(6.4)i=i+1;如果i≤Mc,跳到步骤(6.1),否则rc=rc+1,如果rc≤Rc,跳到更新最优消防员小组运输染色体步骤,否则获得所有消防员小组的调度方案,即派往每一个受灾区域的消防员小组数量和到达所有受灾区域的时间,每一个消防员小组中消防员的编号和数量;获知受灾区域个数K,受灾区域的救援关键位置和灭火关键位置,令受灾区域序号k=1,选择当前时刻到达的消防人员小组。
6.根据权利要求5所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤5)中,令灭火关键位置集合为G,救援关键位置集合为H,消防员位置集合即消防车辆抵达受灾区F的初始点设为E,wij表示消防员i匹配到位置j的指示符,当wij=1,则表示消防员i需要移动到位置j;根据灭火关键位置、救援关键位置和消防员位置,建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型如下:
其中,wij表示消防员i和关键位置j的匹配标志符,如果wij=1,则表示消防员i需要移动到关键位置j,否则不移动;|| ||代表两位置间的距离,pi X表示消防员i的位置,pj Y表示消防员需要匹配的关键位置j,gj表示关键位置j的优先级,其值越高,优先级越高;NY表示灭火关键位置的消防员的需求量,NX表示救援关键位置的消防员的需求量;式(12)表示所有消防员移动距离权重的最小函数,式(12.a)表示每一个消防员至少分配一个位置,式(12.b)表示灭火关键位置至少需要NY名消防员,式(12.c)表示救援关键位置至少需要NX名消防员。
7.根据权利要求6所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤6)中,选择受灾区域k,获知当前时刻到达的消防员小组中消防员编号和数量,将灭火关键位置集合Gk与救援关键位置集合Hk合并成关键位置总集合J=(Gk+Hk),初始化每一个灭火关键位置的权重,使其为集合Gk的元素个数与集合Hk的2倍元素个数之和的倒数,初始化每一个救援关键位置的权重为灭火关键位置的权重的2倍;
(8.1)初始化迭代次数rx=0,最大迭代次数Rx,初始化消防员任务分配种群的Mp个消防员任务分配染色体;其中消防员任务分配染色体初始化的具体步骤如下:
(8.2)令消防员任务分配染色体长度为其中为抵达受灾区域的消防员小组中消防员总人数;如果所有消防小组已经到达受灾区域k,则消防员任务分配染色体的长度为已抵达的消防员总人数,否则选择当前时刻达到的消防小组,令消防员任务分配染色体长度为该消防员小组中所有消防员人数的和;
(8.4)以最小化人员位移距离为目标,通过公式(13)计算任务分配染色体的适应度值,并进行选择、单点交叉、变异操作,获得下一代种群,
8.根据权利要求7所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤7)中,如果已调度的消防员不满足关键位置个数,则不进行修正;反之,若当前消防员数量大于关键位置个数,且存在其它位置调派人员数量小于救援需求人数时,即不满足约束条件(12.b)-(12.c),则循环执行以下操作,直至该任务分配染色体满足约束条件(12.b)-(12.c),不满足约束条件执行以下内容:统计所有关键位置的实际调派人数,将关键位置实际调派人员数量与救援需求人数的差值为最大的关键位置找出,从该位置随机抽取1人调派给救援需求人数不满足的关键位置。
9.根据权利要求8所述的一种适应火灾动态变化的消防员救援调度方法,其特征在于:所述步骤8)中,rx=rx+1,如果rx≤Rx,跳到步骤(8.4),否则获得当前消防员小组中消防员救援调度方案,获得已经到达受灾区域k的消防员调度方案,并判断该方案中关键位置是否满足约束条件(12.b)-(12.c),如果满足,将其位置相对权重值缩小为原来的百分之一,否则不变化;如果当前受灾区域仍有未到达的消防员小组,获知下一时刻到达的消防员小组中消防员编号和数量,令下一时刻到达的消防员小组为当前时刻的消防员小组,跳到步骤(8.1),否则k=k+1,如果k≤K,跳到建立当前时刻消防小组中消防员移动距离权重最小的优化调度模型的步骤,否则获得所有消防员的救援调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463919.7A CN110197303B (zh) | 2019-05-30 | 2019-05-30 | 一种适应火灾动态变化的消防员救援调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463919.7A CN110197303B (zh) | 2019-05-30 | 2019-05-30 | 一种适应火灾动态变化的消防员救援调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197303A CN110197303A (zh) | 2019-09-03 |
CN110197303B true CN110197303B (zh) | 2021-02-26 |
Family
ID=67753562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910463919.7A Active CN110197303B (zh) | 2019-05-30 | 2019-05-30 | 一种适应火灾动态变化的消防员救援调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197303B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619431B (zh) * | 2019-09-17 | 2022-03-25 | 浙江树人学院(浙江树人大学) | 一种救灾中防汛救援物资的车辆运输调度方法 |
CN110598946B (zh) * | 2019-09-20 | 2022-05-03 | 浙江树人学院(浙江树人大学) | 一种基于非支配人工蜂群的防汛物资救援分配方法 |
CN110751373B (zh) * | 2019-09-25 | 2022-08-16 | 哈尔滨哈工智慧嘉利通科技股份有限公司 | 一种用于应急救援的通信车调度方法、系统及通信车 |
CN110694217A (zh) * | 2019-10-09 | 2020-01-17 | 武汉德创天成科技发展有限公司 | 一种基于人工智能的灭火系统 |
CN111489067B (zh) * | 2020-03-27 | 2022-10-18 | 北京科技大学 | 一种基于动态区域分配的炼钢车间天车调度方法 |
CN111489089A (zh) * | 2020-04-14 | 2020-08-04 | 上海市地震局 | 一种震后救援人员四象限分配移动方法及模型 |
CN111784994B (zh) * | 2020-07-14 | 2021-11-30 | 中国民航大学 | 一种火灾检测方法及装置 |
CN112906952A (zh) * | 2021-02-04 | 2021-06-04 | 交通银行股份有限公司 | 一种银行流程任务智能调度系统 |
CN113487164A (zh) * | 2021-06-30 | 2021-10-08 | 武汉理工光科股份有限公司 | 一种消防救援力量智能调派方法、装置及存储介质 |
CN115938065B (zh) * | 2022-09-21 | 2023-09-15 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的消防车智能识别系统 |
CN116341853B (zh) * | 2023-03-27 | 2023-11-21 | 煤炭科学研究总院有限公司 | 基于多服务系统的消防车调度方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7898410B2 (en) * | 2007-08-16 | 2011-03-01 | Advanced First Responder Solutions, Llc | Firefighter response system |
CN103927584A (zh) * | 2014-04-17 | 2014-07-16 | 湖北欣纬应急科技有限公司 | 一种基于遗传算法的资源调度优化方法 |
CN109345091A (zh) * | 2018-09-17 | 2019-02-15 | 安吉汽车物流股份有限公司 | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 |
-
2019
- 2019-05-30 CN CN201910463919.7A patent/CN110197303B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7898410B2 (en) * | 2007-08-16 | 2011-03-01 | Advanced First Responder Solutions, Llc | Firefighter response system |
CN103927584A (zh) * | 2014-04-17 | 2014-07-16 | 湖北欣纬应急科技有限公司 | 一种基于遗传算法的资源调度优化方法 |
CN109345091A (zh) * | 2018-09-17 | 2019-02-15 | 安吉汽车物流股份有限公司 | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 |
Non-Patent Citations (2)
Title |
---|
What do firefighters desire from the next generation of personal protective equipment? Outcomes from an international survey;Joo-Young Lee et al.;《International Journal of Distributed Sensor Networks》;20151231;第53卷(第5期);全文 * |
浅谈灭火救援指挥智能化体系建设;王四清;《消防科学与技术》;20150911;第8卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110197303A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197303B (zh) | 一种适应火灾动态变化的消防员救援调度方法 | |
Rabbani et al. | Ambulance routing in disaster response considering variable patient condition: NSGA-II and MOPSO algorithms. | |
Chang et al. | Greedy-search-based multi-objective genetic algorithm for emergency logistics scheduling | |
Goerigk et al. | A comprehensive evacuation planning model and genetic solution algorithm | |
Haghani et al. | Simulation model for real-time emergency vehicle dispatching and routing | |
CN107679650A (zh) | 一种面向多受灾点‑多出救点的应急物资调度优化方法 | |
CN103489042B (zh) | 一种灾害应急决策系统路径优化的方法 | |
Ding et al. | Simulation-based optimization of emergency evacuation strategy in ultra-high-rise buildings | |
Caunhye et al. | A stochastic programming model for casualty response planning during catastrophic health events | |
CN109635510B (zh) | 铁路货车并行检修线设置方法 | |
CN108229741A (zh) | 一种基于空地协同医疗救援的设施点预选址方法 | |
CN115527369B (zh) | 一种空港枢纽大面积延误条件下的大客流预警与疏散方法 | |
CN109063949A (zh) | 一种基于超网络的化工园区集中区域应急物资调配方法 | |
CN115577900A (zh) | 一种应急救援调度推荐方法、系统及存储介质 | |
Chebbi et al. | Modeling on-demand transit transportation system using an agent-based approach | |
Liu et al. | Intelligent optimization method for the evacuation routes of dense crowds on cruise ships | |
Wang et al. | An optimal guidance strategy for fire evacuations: A hybrid modeling approach | |
CN112199747A (zh) | 基于排队网络的室内人员疏散方法和疏散系统 | |
Wang et al. | Simulation of multi-agent based cybernetic transportation system | |
CN110837950A (zh) | 一种rgv的动态调度方法 | |
Akwafuo et al. | Optimization models for emergency response and post-disaster delivery logistics: A review of current approaches | |
Nanjanath et al. | Decision and coordination strategies for robocup rescue agents | |
Bolat et al. | Optimal car dispatching for elevator groups using genetic algorithms | |
Granberg | Optimized dispatch of fire and rescue resources | |
Gelenbe et al. | Near-optimal emergency evacuation with rescuer allocation |
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 |