CN113807686A - 一种多目标海上应急资源调配方法及装置 - Google Patents
一种多目标海上应急资源调配方法及装置 Download PDFInfo
- Publication number
- CN113807686A CN113807686A CN202111039639.7A CN202111039639A CN113807686A CN 113807686 A CN113807686 A CN 113807686A CN 202111039639 A CN202111039639 A CN 202111039639A CN 113807686 A CN113807686 A CN 113807686A
- Authority
- CN
- China
- Prior art keywords
- accident
- rescue
- emergency
- resource allocation
- historical
- 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
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000006870 function Effects 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种多目标海上应急资源调配方法及装置,其方法包括:建立历史事故数据库,所述历史事故数据库包括历史事故数据;建立应急资源调配模型;基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案。本发明根据历史事故数据对事故数量进行预测,以确定应急资源调配方案,可对事故进行提前感知,应急资源调配方案也更具客观性,提高了海上搜救行动的效率。
Description
技术领域
本发明涉及海上应急资源调配技术领域,具体涉及一种多目标海上应急资源调配方法及装置。
背景技术
海上应急资源调配是海上搜救行动的重要一环,海上搜救行动的效率高低,很大程度上取决于应急资源调配的精准与否。现阶段海上应急资源调配方法主要可分为两种,一种是主动应急资源调配方法,另一种是被动应急资源调配方法。
被动应急资源调配方法需在事故发生后,获取事故的准确信息后给出合理的应急资源调配方案,主动海上应急资源调配方面则发展滞后,通常是根据专家经验进行调配。
被动应急资源调配方法存在以下缺点:只能被动等待事故发生后再应急资源的调配,响应速度较慢,缺少对事故的提前感知,导致应急资源调配不及时,进而造成海上搜救行动效率低下的技术问题。主动海上应急资源调配方法存在以下缺点:根据专家经验进行调配缺乏客观性,导致应急资源调配方案不可靠,进而造成海上搜救行动效率低下的技术问题。
发明内容
有鉴于此,有必要提供一种多目标海上应急资源调配方法及装置,用以解决现有技术中存在的无法对事故进行提前感知,导致应急资源调配不及时以及由于专家经验缺乏客观性,导致应急资源调配方案不可靠,从而导致海上搜救行动效率低下的技术问题。
为了解决上述技术问题,本发明提供了一种多目标海上应急资源调配方法,包括:
建立历史事故数据库,所述历史事故数据库包括历史事故数据;
建立应急资源调配模型;
基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案。
在一些可能的实施例中,所述历史事故数据包括各个历史事故的历史事故类型、历史事故位置以及历史事故消耗资源。
在一些可能的实施例中,所述基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点,包括:
构建神经网络,并根据所述神经网络和所述历史事故数据预测在阈值时间段内发生事故的所述事故数量;
基于统计分析法,根据所述历史事故数据确定所述多种事故类型数量占比以及所述多种资源消耗量;
基于聚类算法,根据所述各个历史事故的历史事故位置确定所述多个事故中心点。
在一些可能的实施例中,所述根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案,包括:
根据所述多个事故中心点确定多个救援点;
根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量、所述多个事故中心点以及所述多个救援点确定应急资源调配方案。
在一些可能的实施例中,所述多个事故中心点包括第一事故中心点,所述多个救援点包括与所述第一事故中心点对应的第一救援点;所述根据所述多个事故中心点确定多个救援点包括:
确定所述第一事故中心点到多个港口的多个距离;
确定所述多个港口中与所述第一事故中心点距离最小的港口为所述第一救援点。
在一些可能的实施例中,所述应急资源调配模型包括目标函数和约束条件;所述建立应急资源调配模型包括:
以最小化海上搜救时间、最小化应急资源部署成本、最大化水域安全系数为目标建立所述目标函数;
根据所述目标函数建立所述约束条件。
在一些可能的实施例中,所述目标函数为:
ω1+ω2+ω3=1,ω1,ω2,ω3∈(0,1)
Xjq=[Yje/Ye,th],e∈E,j∈J
式中,F为资源分配函数;I为救援点集合;J为事故中心点集合;K为应急物资种类集合;ω1为第一权重;θ1为第一量纲;ω2为第二权重;θ2为第二量纲;ω3为第三权重;θ3为第三量纲;Rik为第i个救援点实际分配的k类应急物资的数量;Ck为k类应急物资的单位成本;Tij为救援点i在事故中心点j的响应时间系数;dij为救援点i与事故中心点j的距离;G为救援船舶分配函数;Q为救援船舶类型集合;Xjq为事故中心点j所需要的q类救援船舶的数量;Qbg为每艘船舶一年所需的维护费用;Xi为救援点i所分配的救援船舶类型数量;E为事故类型集合;Yje为预测事故中心点j可能发生的e类事故的数量;Ye,th为预测事故中心点j可能发生的e类事故的阈值;[]为向上取整。
在一些可能的实施例中,所述约束条件包括应急物资约束、船舶数量第一约束、船舶数量第二约束以及船舶数量第三约束;
所述应急资源约束为:
Yik≤Rik≤RCik,i∈I,k∈K
式中,Yik为预测救援点i所需要的k类应急物资的数量;RCik为救援点i所能存储的k类应急物资的最大值;
所述船舶数量第一约束为:
式中,Xiq为救援点i所分配的q类救援船舶的数量;XCi为救援点i所能停靠的最大救援船舶数量;
所述船舶数量第二约束为:
式中,Uq为能够使用的救援船舶总数;
所述船舶数量第三约束为:
Xjq≥YNj,q∈Q,j∈J
式中,YNj为预测事故中心点可能发生的事故种类。
在一些可能的实施例中,所述多目标海上应急资源调配方法还包括:
确定多种评价指标;
根据所述多种评价指标对所述应急资源调配方案进行评价。
另一方面,本发明还提供一种多目标海上应急资源调配装置,包括:
历史事故数据库建立单元,用于建立历史事故数据库,所述历史事故数据库包括历史事故数据;
资源调配模型建立单元,用于建立应急资源调配模型;
历史事故数据处理单元,用于基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
应急资源调配方案生成单元,用于根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案。
采用上述实施例的有益效果是:本发明提供的多目标海上应急资源调配方法,相比于现有技术中的被动应急资源调配方法,根据历史事故数据预测事故数量,以确定应急资源调配方案,可实现对事故的提前感知,提高了应急资源调配方法的及时性;相比于现有技术中的主动应急资源调配方法,本发明对历史事故数据进行了有效利用,根据历史事故数据对事故数量进行预测,进而确定应急资源调配方案,相比于专家经验,更具客观性,从而可提高应急资源调配方案的可靠性,因此,可实现提高海上搜救行动效率的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的多目标海上应急资源调配方法的一个实施例流程示意图;
图2为本发明图1中S103的一个实施例流程示意图;
图3为本发明图1中S104的一个实施例流程示意图;
图4为本发明图3中S301的一个实施例流程示意图;
图5为本发明图1中S102的一个实施例流程示意图;
图6为本发明提供的对应急资源调配方案进行评价的一个实施例流程示意图;
图7为本发明提供的多目标海上应急资源调配装置的一个实施例结构示意图;
图8为本发明提供的电子设备的一个实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种多目标海上应急资源调配方法及装置,以下分别进行说明。
图1为本发明提供的多目标海上应急资源调配方法的一个实施例流程示意图,如图1所示,多目标海上应急资源调配方法包括:
S101、建立历史事故数据库,历史事故数据库包括历史事故数据;
S102、建立应急资源调配模型;
S103、基于历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
S104、根据应急资源调配模型、事故数量、多种事故类型、多种资源消耗量以及多个事故中心点确定应急资源调配方案。
与现有技术相比,本发明实施例提供的多目标海上应急资源调配方法,相比于现有技术中的被动应急资源调配方法,根据历史事故数据预测事故数量,以确定应急资源调配方案,可实现对事故的提前感知,提高了应急资源调配方法的及时性;相比于现有技术中的主动应急资源调配方法,本发明实施例提供的多目标海上应急资源调配方法对历史事故数据进行了有效利用,根据历史事故数据对事故数量进行预测,进而确定应急资源调配方案,相比于专家经验,更具客观性,从而可提高应急资源调配方案的可靠性,因此,可实现提高海上搜救行动效率的技术效果。
在本发明的一些实施例中,步骤S103中的阈值时间段可为1周、1个月或1年等。
其中,步骤S101具体为:根据历史事故数据建立历史事故数据库。即:在建立历史事故数据库之前应当收集历史事故数据,具体地:收集待分配应急资源水域内已发生的海上事故的历史事故数据。
其中,历史事故数据的时间跨度可根据实际情况进行调整,例如:可以是1周、1个月或1年的历史事故数据,在此不做具体限定。
需要说明的是:历史事故数据库可根据新发生的事故进行实时更新。
在本发明的一些实施例中,历史事故数据包括各个历史事故的历史事故类型、历史事故位置以及历史事故消耗资源。
具体地:历史事故消耗资源可包括历史事故消耗资源类型以及各类型的事故消耗资源的数量。
在本发明的具体实施例中,历史事故消耗资源为救援船舶和应急物资。
在本发明的一些实施例中,如图2所示,步骤S103包括:
S201、构建神经网络,并根据神经网络和历史事故数据预测在阈值时间段内发生事故的事故数量;
S202、基于统计分析法,根据历史事故数据确定多种事故类型数量占比以及多种资源消耗量;
S203、基于聚类算法,根据各个历史事故的历史事故位置确定多个事故中心点。
其中,步骤S202中的多种事故类型数量占比为多种事故类型中每一种事故类型的数量占事故总数量的比例。
本发明实施例通过聚类算法确定多个事故中心点,可将距离较近的事故位置看作一个事故中心点,对事故位置进行降维,可简化多目标海上应急资源调配方法的复杂度。
在本发明的一些实施例中,如图3所示,步骤S104包括:
S301、根据多个事故中心点确定多个救援点;
S302、根据应急资源调配模型、事故数量、多种事故类型、多种资源消耗量、多个事故中心点以及多个救援点确定应急资源调配方案。
本发明实施例通过确定多个救援点,可将应急资源提前部署在多个救援点,从而进一步提高海上搜救行动的效率。
在本发明的具体实施例中,多个事故中心点包括第一事故中心点,多个救援点包括与第一事故中心点对应的第一救援点;如图4所示,步骤S301包括:
S401、确定第一事故中心点到多个港口的多个距离;
S402、确定多个港口中与第一事故中心点距离最小的港口为第一救援点。
本发明实施例通过将与事故中心点距离最近的港口设为救援点,在发生事故时,可快速将应急资源调配至事故中心点,从而进一步提高海上搜救行动的效率。
在本发明的一些实施例中,应急资源调配模型包括目标函数和约束条件;如图5所示,步骤S102包括:
S501、以最小化海上搜救时间、最小化应急资源部署成本、最大化水域安全系数为目标建立目标函数;
S502、根据目标函数建立约束条件。
本发明实施例通过以最小化海上搜救时间、最小化应急资源部署成本、最大化水域安全系数为目标建立目标函数,最后得到的应急资源调配方案则满足海上搜救时间最小、应急资源部署成本最低、水域安全系数最大的技术效果。
相比于现有技术中的以单一优化目标建立目标函数,本发明实施例通过基于三个目标建立的目标函数,得到的应急资源调配方案更加合理。
在本发明的一些实施例中,目标函数为:
ω1+ω2+ω3=1,ω1,ω2,ω3∈(0,1)
Xjq=[Yje/Ye,th],e∈E,j∈J
式中,F为资源分配函数;I为救援点集合;J为事故中心点集合;K为应急物资种类集合;ω1为第一权重;θ1为第一量纲;ω2为第二权重;θ2为第二量纲;ω3为第三权重;θ3为第三量纲;Rik为第i个救援点实际分配的k类应急物资的数量;Ck为k类应急物资的单位成本;Tij为救援点i在事故中心点j的响应时间系数;dij为救援点i与事故中心点j的距离;G为救援船舶分配函数;Q为救援船舶类型集合;Xjq为事故中心点j所需要的q类救援船舶的数量;Qbg为每艘船舶一年所需的维护费用;Xi为救援点i所分配的救援船舶类型数量;E为事故类型集合;Yje为预测事故中心点j可能发生的e类事故的数量;Ye,th为预测事故中心点j可能发生的e类事故的阈值;[]为向上取整。
其中,资源分配函数包括三部分,第一部分是应急物资调配的成本函数;第二部分是响应时间函数;第三部分是水域安全指数函数。救援船舶分配函数包括两部分,第一部分为救援船舶维护成本函数,第二部分为救援船舶分配合理性函数,即距离事故中心点越近的救援点所分配的救援船舶种类越多。
在本发明的一些实施例中,约束条件包括应急物资约束、船舶数量第一约束、船舶数量第二约束以及船舶数量第三约束;
应急资源约束为:
Yik≤Rik≤RCik,i∈I,k∈K
式中,Yik为预测救援点i所需要的k类应急物资的数量;RCik为救援点i所能存储的k类应急物资的最大值;
应急资源约束的具体含义是:每个救援点所存储的各类应急资源需要在满足预测数量的情况下又不超过救援点的存储量上限。
船舶数量第一约束为:
式中,Xiq为救援点i所分配的q类救援船舶的数量;XCi为救援点i所能停靠的最大救援船舶数量;
船舶数量第一约束的具体含义是:各救援点的救援船舶数量不能超过停靠数量的上限。
船舶数量第二约束为:
式中,Uq为能够使用的救援船舶总数;
船舶数量第二约束的具体含义是:总共分配的救援船舶数量应小于实际拥有的救援船舶总数。
船舶数量第三约束为:
Xjq≥YNj,q∈Q,j∈J
式中,YNj为预测事故中心点可能发生的事故种类。
船舶数量第三约束的具体含义是:各事故中心点的救援船舶类型数量应当不少于该事故中心点所预测发生的事故类型数量。
为了对应急资源调配方案进行有效评价,在本发明的一些实施例中,如图6所示,在步骤S104之后还包括:
S601、确定多种评价指标;
S602、根据多种评价指标对应急资源调配方案进行评价。
通过设置多种评价指标对应急资源调配方案进行评价,可以客观的评价应急资源调配方案,以便于工作人员对应急资源调配方案进行优化。
在本发明的一些实施例中,多种评价指标包括:预算使用率、预算短缺量、应急资源使用率、应急资源短缺量、事故中心点安全指数、救援船舶使用率以及救援船舶短缺量。具体地:预算使用率、应急资源使用率、事故中心点安全指数及救援船舶使用率越高,应急资源调配方案越合理;预算短缺量、应急资源短缺量以及救援船舶短缺量越小,应急资源调配方案越合理。
具体地,预算使用率为:
Sk为实际使用的k类物资的数量;BG为总预算。
其中,预算短缺量为:
其中,应急资源使用率为:
其中,应急资源短缺量为:
其中,事故中心点安全指数为:
其中,救援船舶使用率为:
式中,Sq为实际使用q类救援船舶的数量。
其中,救援船舶短缺量为:
通过上述多种评价指标即可对应急资源调配方案的合理性进行评价。
为了更好实施本发明实施例中的多目标海上应急资源调配方法,在多目标海上应急资源调配方法基础之上,对应的,如图7所示,本发明实施例还提供了一种多目标海上应急资源调配装置700,包括:
历史事故数据库建立单元701,用于建立历史事故数据库,历史事故数据库包括历史事故数据;
资源调配模型建立单元702,用于建立应急资源调配模型;
历史事故数据处理单元703,用于基于历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
应急资源调配方案生成单元704,用于根据应急资源调配模型、事故数量、多种事故类型、多种资源消耗量以及多个事故中心点确定应急资源调配方案。
上述实施例提供的多目标海上应急资源调配装置700可实现上述多目标海上应急资源调配方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述多目标海上应急资源调配方法实施例中的相应内容,此处不再赘述。
如图8所示,本发明还相应提供了一种电子设备800。该电子设备800包括处理器801、存储器802及显示器803。图8仅示出了电子设备800的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器802在一些实施例中可以是电子设备800的内部存储单元,例如电子设备800的硬盘或内存。存储器802在另一些实施例中也可以是电子设备800的外部存储设备,例如电子设备800上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器802还可既包括电子设备800的内部储存单元也包括外部存储设备。存储器802用于存储安装电子设备800的应用软件及各类数据。
处理器801在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器802中存储的程序代码或处理数据,例如本发明中的多目标海上应急资源调配方法。
显示器803在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器803用于显示在电子设备800的信息以及用于显示可视化的用户界面。电子设备800的部件801-803通过系统总线相互通信。
在一实施例中,当处理器801执行存储器802中的多目标海上应急资源调配程序时,可实现以下步骤:
建立历史事故数据库,历史事故数据库包括历史事故数据;
建立应急资源调配模型;
基于历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
根据应急资源调配模型、事故数量、多种事故类型、多种资源消耗量以及多个事故中心点确定应急资源调配方案。
应当理解的是:处理器801在执行存储器802中的多目标海上应急资源调配程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面相应方法实施例的描述。
进一步地,本发明实施例对提及的电子设备800的类型不做具体限定,电子设备800可以为手机、平板电脑、个人数字助理(personal digital assistant,PDA)、可穿戴设备、膝上型计算机(laptop)等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备,诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是,在本发明其他一些实施例中,电子设备800也可以不是便携式电子设备,而是具有触敏表面(例如触控面板)的台式计算机。
相应地,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质用于存储计算机可读取的程序或指令,程序或指令被处理器执行时,能够实现上述各方法实施例提供的方法步骤或功能。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于计算机可读存储介质中。其中,计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上对本发明所提供的多目标海上应急资源调配方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种多目标海上应急资源调配方法,其特征在于,包括:
建立历史事故数据库,所述历史事故数据库包括历史事故数据;
建立应急资源调配模型;
基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案。
2.根据权利要求1所述的多目标海上应急资源调配方法,其特征在于,所述历史事故数据包括各个历史事故的历史事故类型、历史事故位置以及历史事故消耗资源。
3.根据权利要求2所述的多目标海上应急资源调配方法,其特征在于,所述基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点,包括:
构建神经网络,并根据所述神经网络和所述历史事故数据预测在阈值时间段内发生事故的所述事故数量;
基于统计分析法,根据所述历史事故数据确定所述多种事故类型数量占比以及所述多种资源消耗量;
基于聚类算法,根据所述各个历史事故的历史事故位置确定所述多个事故中心点。
4.根据权利要求1所述的多目标海上应急资源调配方法,其特征在于,所述根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案,包括:
根据所述多个事故中心点确定多个救援点;
根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量、所述多个事故中心点以及所述多个救援点确定应急资源调配方案。
5.根据权利要求4所述的多目标海上应急资源调配方法,其特征在于,所述多个事故中心点包括第一事故中心点,所述多个救援点包括与所述第一事故中心点对应的第一救援点;所述根据所述多个事故中心点确定多个救援点包括:
确定所述第一事故中心点到多个港口的多个距离;
确定所述多个港口中与所述第一事故中心点距离最小的港口为所述第一救援点。
6.根据权利要求1所述的多目标海上应急资源调配方法,其特征在于,所述应急资源调配模型包括目标函数和约束条件;所述建立应急资源调配模型包括:
以最小化海上搜救时间、最小化应急资源部署成本、最大化水域安全系数为目标建立所述目标函数;
根据所述目标函数建立所述约束条件。
7.根据权利要求6所述的多目标海上应急资源调配方法,其特征在于,所述目标函数为:
ω1+ω2+ω3=1,ω1,ω2,ω3∈(0,1)
Xjq=[Yje/Ye,th],e∈E,j∈J
式中,F为资源分配函数;I为救援点集合;J为事故中心点集合;K为应急物资种类集合;ω1为第一权重;θ1为第一量纲;ω2为第二权重;θ2为第二量纲;ω3为第三权重;θ3为第三量纲;Rik为第i个救援点实际分配的k类应急物资的数量;Ck为k类应急物资的单位成本;Tij为救援点i在事故中心点j的响应时间系数;dij为救援点i与事故中心点j的距离;G为救援船舶分配函数;Q为救援船舶类型集合;Xjq为事故中心点j所需要的q类救援船舶的数量;Qbg为每艘船舶一年所需的维护费用;Xi为救援点i所分配的救援船舶类型数量;E为事故类型集合;Yje为预测事故中心点j可能发生的e类事故的数量;Ye,th为预测事故中心点j可能发生的e类事故的阈值;[]为向上取整。
8.根据权利要求7所述的多目标海上应急资源调配方法,其特征在于,所述约束条件包括应急物资约束、船舶数量第一约束、船舶数量第二约束以及船舶数量第三约束;
所述应急资源约束为:
Yik≤Rik≤RCik,i∈I,k∈K
式中,Yik为预测救援点i所需要的k类应急物资的数量;RCik为救援点i所能存储的k类应急物资的最大值;
所述船舶数量第一约束为:
式中,Xiq为救援点i所分配的q类救援船舶的数量;XCi为救援点i所能停靠的最大救援船舶数量;
所述船舶数量第二约束为:
式中,Uq为能够使用的救援船舶总数;
所述船舶数量第三约束为:
Xjq≥YNj,q∈Q,j∈J
式中,YNj为预测事故中心点可能发生的事故种类。
9.根据权利要求1所述的多目标海上应急资源调配方法,其特征在于,所述多目标海上应急资源调配方法还包括:
确定多种评价指标;
根据所述多种评价指标对所述应急资源调配方案进行评价。
10.一种多目标海上应急资源调配装置,其特征在于,包括:
历史事故数据库建立单元,用于建立历史事故数据库,所述历史事故数据库包括历史事故数据;
资源调配模型建立单元,用于建立应急资源调配模型;
历史事故数据处理单元,用于基于所述历史事故数据预测在阈值时间段内发生事故的事故数量,并确定多种事故类型数量占比、与多种事故类型一一对应的多种资源消耗量以及多个事故中心点;
应急资源调配方案生成单元,用于根据所述应急资源调配模型、所述事故数量、所述多种事故类型、所述多种资源消耗量以及所述多个事故中心点确定应急资源调配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039639.7A CN113807686A (zh) | 2021-09-06 | 2021-09-06 | 一种多目标海上应急资源调配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039639.7A CN113807686A (zh) | 2021-09-06 | 2021-09-06 | 一种多目标海上应急资源调配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807686A true CN113807686A (zh) | 2021-12-17 |
Family
ID=78940465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111039639.7A Pending CN113807686A (zh) | 2021-09-06 | 2021-09-06 | 一种多目标海上应急资源调配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807686A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114461937A (zh) * | 2022-01-25 | 2022-05-10 | 中远海运科技股份有限公司 | 船舶事故应急资源搜索方法及系统 |
US20230013684A1 (en) * | 2021-07-08 | 2023-01-19 | International Business Machines Corporation | Calculating entity location assignments within an environment |
CN116258286A (zh) * | 2023-05-16 | 2023-06-13 | 山东双百电子有限公司 | 一种具有区域协调优化功能的系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376375A (zh) * | 2014-11-13 | 2015-02-25 | 中国人民解放军海军工程大学 | 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置系统的多目标组合优化配置方法 |
CN112308430A (zh) * | 2020-11-03 | 2021-02-02 | 集美大学 | 一种海上船舶溢油事故多物资应急调度方法 |
-
2021
- 2021-09-06 CN CN202111039639.7A patent/CN113807686A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376375A (zh) * | 2014-11-13 | 2015-02-25 | 中国人民解放军海军工程大学 | 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法 |
CN110188960A (zh) * | 2019-06-03 | 2019-08-30 | 中国人民解放军国防科技大学 | 一种海上溢油事故应急处置系统的多目标组合优化配置方法 |
CN112308430A (zh) * | 2020-11-03 | 2021-02-02 | 集美大学 | 一种海上船舶溢油事故多物资应急调度方法 |
Non-Patent Citations (2)
Title |
---|
张文芬等: ""基于小波神经网络的海上突发事件应急资源动态需求预测"", 《运筹与管理》, vol. 24, no. 4, pages 198 - 205 * |
朱小林等: ""海上应急资源调度多目标模型优化"", 《中国航海》, vol. 42, no. 1, pages 56 - 62 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230013684A1 (en) * | 2021-07-08 | 2023-01-19 | International Business Machines Corporation | Calculating entity location assignments within an environment |
CN114461937A (zh) * | 2022-01-25 | 2022-05-10 | 中远海运科技股份有限公司 | 船舶事故应急资源搜索方法及系统 |
CN114461937B (zh) * | 2022-01-25 | 2024-03-22 | 中远海运科技股份有限公司 | 船舶事故应急资源搜索方法及系统 |
CN116258286A (zh) * | 2023-05-16 | 2023-06-13 | 山东双百电子有限公司 | 一种具有区域协调优化功能的系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807686A (zh) | 一种多目标海上应急资源调配方法及装置 | |
CN101405677B (zh) | 自适应电源管理 | |
CN102521154B (zh) | 用于创建低功率区域的动态存储器分配和重新定位 | |
CN102571746B (zh) | 一种面向云计算环境侧通道攻击防御的虚拟机部署方法 | |
CN104376875B (zh) | 存储设备寿命预测、确定方法及装置 | |
CN108038040A (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
US20140257907A1 (en) | Generating a capacity schedule for a facility | |
CN111950738A (zh) | 机器学习模型优化效果评估方法、装置、终端及存储介质 | |
Akbari et al. | A maritime search and rescue location analysis considering multiple criteria, with simulated demand | |
CN110363094A (zh) | 一种船只异常行为识别方法、装置及终端设备 | |
CN103852633B (zh) | 需量反应判断装置及其需量反应判断方法 | |
CN114781766B (zh) | 水文站点的水文信息预测方法、装置、设备及存储介质 | |
CN108769162A (zh) | 分布式消息均衡处理方法、装置、电子设备、存储介质 | |
Li et al. | Online Data-Stream-Driven Distributionally Robust Optimal Energy Management for Hydrogen-Based Multimicrogrids | |
CN115169681A (zh) | 水上应急资源配置优化方法、装置、电子设备及存储介质 | |
CN1313558A (zh) | 在数据处理系统中基于所需电池寿命的计算机电源管理 | |
CN112816663A (zh) | 防洪工程的黄河堤坝土质含水量监测方法及装置 | |
CN117037482A (zh) | 道路交通运行状态实时感知方法、系统、设备及存储介质 | |
CN115271821A (zh) | 网点分布处理方法、装置、计算机设备及存储介质 | |
CN115712551A (zh) | 一种高性能计算应用的性能监测装置及系统 | |
Zhang et al. | Determination of early warning time window for bottleneck resource buffer | |
CN109685367A (zh) | 异常用水电的检测方法、装置和终端设备 | |
CN114118769A (zh) | 一种内河充换电站选址定容规划方法、装置及设备 | |
US20070198624A1 (en) | Using a Document Model to Create and Maintain Dynamic Mathematic Representations Through Problem Spaces | |
CN111626485A (zh) | 一种区域建筑能源系统的负荷预测系统及方法 |
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 |