CN114971061A - 一种应急救援基地选址优化方法 - Google Patents

一种应急救援基地选址优化方法 Download PDF

Info

Publication number
CN114971061A
CN114971061A CN202210656059.0A CN202210656059A CN114971061A CN 114971061 A CN114971061 A CN 114971061A CN 202210656059 A CN202210656059 A CN 202210656059A CN 114971061 A CN114971061 A CN 114971061A
Authority
CN
China
Prior art keywords
rescue
base
rescue base
disaster
point
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
CN202210656059.0A
Other languages
English (en)
Inventor
金佩剑
葛素伶
娄胜阳
李杭
许金融
鲁鑫
范鹏震
崔永祥
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.)
Jilin Jianzhu University
Original Assignee
Jilin Jianzhu University
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 Jilin Jianzhu University filed Critical Jilin Jianzhu University
Priority to CN202210656059.0A priority Critical patent/CN114971061A/zh
Publication of CN114971061A publication Critical patent/CN114971061A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种应急救援基地选址优化方法，该方法为：对需要选址备灾救援基地的区域进行自然灾害风险等级划分；确定区域内备灾救援基地选址的重要影响因素，并计算出权重值；利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型；按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点；在隐藏事故点范围内遴选前沿救援基地；将选出的前沿救援基地引入建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地。本发明确保应急管理工作的高效性、专业性，救援时最大程度减轻灾害风险。

Description

一种应急救援基地选址优化方法
技术领域
本发明属于区域应急管理技术领域，具体涉及一种应急救援基地选址优化方法。
背景技术
区域应急救援基地选址模型研究的目的在于，建立健全区域范围内应急物资储备标准，加强城市防洪、排水防涝、生命线系统抢修、应急供水、生活保障等应急物资和装备储备，结合各地风险和灾情特点，补充储备品种、增加储备数量。完善中央、地方救灾物资储备库体系，加快形成国家、省、市、县四级救灾物资储备网络；加强应急物资保障能力建设，为我国各级省市区域，尤其是经济、文化和人口集中的复杂城市架构面临突发事件时，可以中央调控、及时有效开展跨区域救援任务，普遍适用于各级事故救援的要求。
目前国内外关于地理信息系统GIS技术大多运用在城市规划上，但对于区域范围风险评估及应急灾害方面的研究还相对较少，已有的研究大多数是自然灾害中单类灾害的，无法综合区域结构可能导致的复杂性，没有多类灾害齐发、二次事故诱发的情况；同时在应急救援基地选址方面也比较侧重于备灾救援基地的研究，结合中国民众“一方有难，八方支援”，考虑到灾害发生后储备物资和各方救援力量向受灾前线的运输，更需要靠近第一现场的前沿救援基地，为抢险救援争取更大时效。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足，提供了一种应急救援基地选址优化方法，该选址优化方法科学、实用有效，充分考虑隐藏二次灾害和衍生灾害发生对前沿救援基地的影响，有效地持续改进区域应急基地管理工作，确保应急管理工作的高效性；帮助提高区域备灾救灾时应急救援预案的专业化水平；便于国家和地方各级政府应急救援工作的及时调控和资源共享；便于在灾害事故来临之际，协调各方资源，减少最低伤害，在最大程度上减轻灾害风险，为推动经济社会高质量发展提供强有力的支撑。
为解决上述技术问题，本发明采用的技术方案是：一种应急救援基地选址优化方法，其特征在于：该方法包括：
S1、对需要选址备灾救援基地的区域进行自然灾害风险等级划分；
S2、确定所述区域内备灾救援基地选址的重要影响因素，作为区域备灾救援基地选址因子，并计算出所述区域备灾救援基地选址因子的权重值；
S3、基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型；
S4、按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点；
S5、以满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；所述前沿救援基地包括一次覆盖救援基地和二次覆盖救援基地；
S6、将S5中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地。
优选地，S1中对需要选址备灾救援基地的区域进行自然灾害风险等级划分，具体包括：
S101、通过查找阅读相关的参考文献和国家自然灾害类分级标准要求，综合分析需要选址备灾救援基地的区域内自然灾害类型，所述自然灾害类型包括地震、海啸、火山喷发、洪涝、干旱、飓风、雪灾、雷暴和传染病等；
S102、在进行区域风险评价时，从分析传统的风险评价和网格分析的缺点入手，利用GIS进行风险综合指标评价，通过网络提取所述区域范围内气象、水文、道路交通、用地性质等相关数据进行标准归一化分析，并收集历年自然灾害事故点进行空间密度分析，得到灾害的发生与降水、气候之间的关系，综合获取风险评价数据，从而建立风险发生概率评价指标体系，运用多个指标量化计算出所述区域的风险发生概率和损失程度两个因素，结合工业安全中的风险矩阵分析法(LS)得出区域风险值，并根据风险值结合《中华人民共和国突发事件应对法》中相关规定，将区域自然灾害风险划分为一级、二级、三级和四级，并分别用红色、橙色、黄色和蓝色表示。
优选地，S2中所述区域内备灾救援基地选址的重要影响因素包括城市规划方面的因素和自然条件下的因素，所述城市规划方面的因素包括土地利用、产业空间布局、交通条件、建筑、与区域风险等级对应的距离和人口密度，自然条件下的因素包括地质地貌条件、水源保护和生态安全；
根据打分法和层次分析法计算得到区域备灾救援基地选址因子的权重值，通过ArcMAP软件输入上述因素的属性数据，并利用软件空间分析中的权重加成得到各因素空间适宜性分析图。
优选地，S3中基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型，具体包括：
S301、将所述区域的安全规划的主干道、次干道、国道、铁路、支路、城际铁路、高速公路以及主要的交叉路口进行各自的缓冲区分析，得到道路缓冲图层；
S302、运用GIS的叠加分析法将所述道路缓冲图层与所述区域的行政区划图层叠加，拓扑成由多个小多边形组合的细分的区域图层，每一个小多边形组合的细分的区域图层对应一个小区域，以便在选址时对各个小区域进行分析；
S303、运用GIS的叠加分析法将所述区域的土地利用规划图层与可利用土地区域图层叠加，找出可利用土地与规划工业用地的叠合部分区域，并显示出在叠合部分区域中的地形、地貌以及可达性，选出适宜安置区域；
S304、根据区域备灾救援基地的选址原则，运用GIS的叠加分析法将所述适宜安置区域的图层与区域附近的一、二类居住用地、医疗机构、商业用地、避灾疏散场地、消防址、重要建筑物等机构图层叠加，利用GIS的网络分析技术，确定各机构的服务半径，以选出适合布置备灾救援基地的一个或若干个可行域，供选址分析利用；
S305、根据对区域备灾救援基地选址的原则，对选出适合布置备灾救援基地的可行域进行调整，排除不符合选址规范和区域风险等级的划分的可行域，将所有适合布置备灾救援基地的可行域集合后构建成区域备灾救援基地选址模型。
优选地，S4中按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点，具体包括：
基于所选区域的范围面积、事故隐患点、损失严重程度等条件，综合可搜集历史灾害资料和现场抽样调查两种方法，选择随机抽样调查法，在保证统计精度的前提下减少抽样点数量，最终得到抽样点个数及其对应序号，以此作为研究区域内模拟的随机隐藏事故点；
对所述区域进行分区随机抽样，分区原则为S1区域风险分级结果，根据不同等级区域内建筑物统计单元的集中程度，将相同等级区域按照建筑物统计单元的密集程度划分为几个小的区域，从每个小区域轮流进行随机抽样，直到抽样方差达到精度要求停止抽样。
优选地，S5中满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，具体包括：
在所述区域内选择前沿救援基地，既需要根据救援时物资需求和可能引起供应变化的失效风险，合理配置出一次覆盖救援基地，以满足在前沿救援基地一次覆盖下的救援范围的物资需求；又需要合理规划救援区域的二次覆盖基地，以加强救援基地的协同保障能力，确保二次覆盖下保障能力最大化；
表4集合、参数和变量
Figure BDA0003687785290000051
Figure BDA0003687785290000061
S501、定义一次覆盖救援基地：对于某救援需求点i，将距离其最近的前沿救援基地作为它的直接对应保障单位，即一次覆盖救援基地，用0-1决策变量yij表示；在实际救援过程中，物资的消耗是具有连续性和周期性的，二次灾害和衍生事故随时可能发生，为保证救援的及时性和有效性，所有需求点的一次覆盖救援基地应满足第一波次的物资需求量，既满足约束条件：
Figure BDA0003687785290000062
S502、定义二次覆盖救援基地：对于某救援需求点i，将能够覆盖到它且不是距离最近的前沿救援基地作为它的备用保障单位，即二次覆盖救援基地，用0-1决策变量zij表示；在后续灾害救援过程中，一次覆盖救援基地在隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效，二次覆盖救援基地的作用是作为备用保障单位与一次覆盖救援基地形成协同保障，以应对一次覆盖救援基地发生损坏失效而难以继续保障的情形，以此需满足约束条件：
Figure BDA0003687785290000063
S503、选址模型：
所有需求点对应的一次覆盖救援基地的失效风险概率总和Z1为：
Figure BDA0003687785290000064
所有需求点对应的二次覆盖救援基地的失效风险概率总和Z2为：
Figure BDA0003687785290000065
建立前沿救援基地选址模型：
minZ＝αZ1+(1-α)Z2 (5)
Figure BDA0003687785290000071
Figure BDA0003687785290000072
Figure BDA0003687785290000073
Figure BDA0003687785290000074
Figure BDA0003687785290000075
Figure BDA0003687785290000076
Figure BDA0003687785290000077
Figure BDA0003687785290000078
Figure BDA0003687785290000079
Figure BDA00036877852900000710
Figure BDA00036877852900000711
其中，式(5)表示以二次交叉覆盖点的失效风险和最小为目标，ɑ表示权重因子；式(6)-(8)为一次覆盖基本约束条件，表示需求点i需保证在其一次覆盖救援基地的保障范围内，且此一次覆盖救援基地是与其距离最近的前沿救援基地；式(9)即为约束条件式(1)；式(10)、(11)为二次覆盖基本约束条件，表示需求点i需保证在其二次覆盖救援基地的保障范围内，且此二次覆盖救援基地不是与其距离最近的前沿救援基地；式(12)即为约束条件式(2)；式(13)表示某备选点作为一次覆盖救援基地，负责直接保障的所有需求点的前期物资需求预测量不能超过其预置物资量；式(14)其表示作为一次覆盖救援基地和二次覆盖救援基地的某备选点负责保障的所有需求点的平均物资需求预测量不能超过其调运能力；式(15)、(16)表示某备选点作为一次或二次覆盖救援基地的前提是此备选点被选中。
优选地，S5中在满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；具体包括：
计划在隐藏事故点范围内遴选的b个前沿救援基地备选点内选择其中一些备选点，建设或改造成具有一定灾时救援能力、储存能力和转运能力的前沿救援基地，用以保障a个事故受灾区域，根据备选点的建设位置、现有能力、建设或改造时限等，可以确定在各备选点配置的前沿救援基地的保障范围半径、预置物资量、调运能力，以及与各作战区域之间的路网距离；
以不考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形a，从满足救援需求的角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形a下前沿救援基地选址备选点；
情形a下的前沿救援基地选址模型为：
minZ＝αZ1+(1-α)Z2，其中α＝1；
一次覆盖救援基地选址原问题，用IP表示，引入拉格朗日乘子λ、μ、π，对约束条件式(6)、(7)、(12)进行松弛，得到对应的拉格朗日问题，用LR表示，即：
Figure BDA0003687785290000081
令
Figure BDA0003687785290000082
γij＝(1-α)δj-πiRj(1-δj)，则LR问题可以表示为
Figure BDA0003687785290000091
对于给定的拉格朗日乘子λ、μ、π，上述LR问题的目标函数式为原问题提供了一个下界，而LR对偶问题是通过寻找最优拉格朗日乘子得到的IP的最大下界，构造LR对偶问题LD，定义如下：
Figure BDA0003687785290000092
如果不考虑满足一次覆盖救援物资量问题，即不考虑约束条件(9)、(11)，备选点j对应的子问题LRj为：
Figure BDA0003687785290000093
每个备选点j都有两种状态：xj＝0，表示不在备选点j处配置一次覆盖救援基地；xj＝1，表示在备选点j处配置一次覆盖救援基地；由于j的每个状态对目标函数的贡献度是不同的，选择使目标函数值最小的状态作为j的状态，并以此确定决策变量yij和zij的值，具体步骤如下：
当xj＝0时，yij＝zij＝0，满足LRj的所有约束条件，则对目标函数式(19)的贡献度
Figure BDA0003687785290000095
当xj＝1时，即在备选点j处配置一次覆盖救援基地，此时子问题LRj即为目标函数式(19)是简单的线性规划问题，解出(y1j，y2j，...，yij)和(z1j，z2j，...，zij)，进而可以求出
Figure BDA0003687785290000094
以考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形b，从失效风险最小角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形b下下前沿救援基地选址备选点；
情形b下的前沿救援基地选址模型为：
minZ＝αZ1+(1-α)Z2，其中α根据灾害发生的级别进行取值，灾害级别越高α取值越大；
在考虑约束条件式(9)、(11)的情况下，显然xj＝0的情况不符合要求，只需考虑xj＝1的情况；
根据上述方法可以得到xj、yij和zij(i∈I，j∈J)的值，设选中的备选点集合为J1，未选中的备选点集合为J2，即xj(j∈J1)＝1，xj(j∈J2)＝0，首先进行如下变换：
(3)对于某i和j，若yij＝zij＝1，则设置zij＝0；
(4)对于某i，若∑j∈JyijMj(1-δj)＜Di，此情况可能出现两种情况；第一，选取原来未选中但能满足此需求点i的一次救援物资需求量的备选点j，将此j作为i的一次覆盖点；第二，在未选中的备选点中，没有能够满足此需求点的一次救援物资需求量的备选点，就在已选中的备选点中选取能够满足i的一次救援需求量的备选点j，将此j作为i的一次覆盖，同时将i的初始一次覆盖点作为j负责的初始需求点；
通过上述变换，可以重新确定xj、yij和zij(i∈I，j∈J)的值，将xj、yij作为已知条件，代入LR问题中求得zij的值，进而得到IP问题的下界ZLR；
在求解LR问题得到的可行性选址方案(xj、yij，zij)，缺少另一个上界解作为IP问题的最优解。将求解LR问题获得的可行解中的xj值作为已知条件，IP问题变成0-1背包问题。首先，确定一次覆盖点，优先满足一次救援需求量大的需求点，将距离最近且保障覆盖范围足够的备选点作为一次覆盖点，求出yij的值；然后，将xj、yij作为已知条件，代入IP问题中求得zij的值，根据目标函数式(5)可以得到IP问题的上界Z；
为提高拉格朗日松弛算法的性能，结合贪婪搜索发来加强上界解，贪婪搜索法是基于xj值的变化，xj的取值有0和1两种情况，0表示不选中备选点j，1表示选择中备选点j；因此对每个xj取值存在两种可能的状态变化：0→1和1→0，分别表示备选点j从未选中转化为选中状态和从选中状态转化为未选中状态，对一个节点进行状态转化得到一组新的xj值，继续将xj值作为已知条件，利用上述方法得到对应的上界值；
将情形a下前沿救援基地选址备选点和情形b下前沿救援基地选址备选点汇总，得到前沿救援基地选址备选点。
优选地，S6中将S7中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地，具体包括：
将S5中的事故受灾区域及选出的前沿救援基地的相关经纬度坐标通过ArcGIS导入S3区域备灾救援基地选址模型中适合布置备灾救援基地的可行域的底图中，通过备选点相对应的经纬度数据表格，选择与适合布置备灾救援基地的可行域地图一致的地理坐标系，设定X选择经度、Y选择纬度，导出excel表格中经纬度坐标数据，新建为点图层在适合布置备灾救援基地的可行域的底图上显示。
本发明与现有技术相比具有以下优点：
1、本发明旨在通过调查分析区域内基础数据，科学评估区域内自然灾害综合风险等级，形成科学实用的区域应急救援基地选址模型，有效的持续改进区域应急基地管理工作，确保应急管理工作的高效性；帮助提高区域备灾救灾时应急救援预案的专业化水平；便于国家和地方各级政府应急救援工作的及时调控和资源共享；便于在灾害事故来临之际，协调各方资源，减少最低伤害，在最大程度上减轻灾害风险，为推动经济社会高质量发展提供强有力的支撑。
下面通过附图和实施例对本发明的技术方案做进一步的详细说明。
附图说明
图1为本发明实施例1公开的一种应急救援基地选址优化的流程示意图。
具体实施方式
实施例1
如图1所示，本实施例公开一种应急救援基地选址优化方法，该方法包括：
S1、对需要选址备灾救援基地的区域进行自然灾害风险等级划分；
S2、确定所述区域内备灾救援基地选址的重要影响因素，作为区域备灾救援基地选址因子，并计算出所述区域备灾救援基地选址因子的权重值；
S3、基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型；
S4、按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点；
S5、以满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；所述前沿救援基地包括一次覆盖救援基地和二次覆盖救援基地；
S6、将S7中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地。
本实施例中，S1中对需要选址备灾救援基地的区域进行自然灾害风险等级划分，具体包括：
S101、通过查找阅读相关的参考文献和国家自然灾害类分级标准要求，综合分析需要选址备灾救援基地的区域内自然灾害类型，所述自然灾害类型包括地震、海啸、火山喷发、洪涝、干旱、飓风、雪灾、雷暴和传染病等；
S102、在进行区域风险评价时，从分析传统的风险评价和网格分析的缺点入手，利用GIS进行风险综合指标评价，通过网络提取所述区域范围内气象、水文、道路交通、用地性质等相关数据进行标准归一化分析，并收集历年自然灾害事故点进行空间密度分析，得到灾害的发生与降水、气候之间的关系，综合获取风险评价数据，从而建立风险发生概率评价指标体系，运用多个指标量化计算出所述区域的风险发生概率和损失程度两个因素，结合工业安全中的风险矩阵分析法(LS)得出区域风险值，并根据风险值结合《中华人民共和国突发事件应对法》中相关规定，将区域自然灾害风险划分为一级、二级、三级和四级，并分别用红色、橙色、黄色和蓝色表示。
表1区域灾害风险等级划分
风险级别 危害度 发生概率 风险颜色
Ⅰ 高 高 红色
Ⅱ 高 低 橙色
Ⅲ 低 高 黄色
Ⅳ 低 低 蓝色
本实施例中，在区域备灾救援基地选址设计中，影响选址方案的因素种类繁多，然后从众多因素中挑选出对选址造成影响较大主要因素去进行分析，区域备灾救援基地选址因子的合理与否直接影响到选址优化的结果。根据区域备灾救援基地选址的原则以及要求，将重要的因子进行比较分析，并参考阅读相关文献以及根据区域范围内的地形情况，选定S2中所述区域内备灾救援基地选址的重要影响因素包括城市规划方面的因素和自然条件下的因素，所述城市规划方面的因素包括土地利用、产业空间布局、交通条件、建筑、与区域风险等级对应的距离和人口密度，自然条件下的因素包括地质地貌条件、水源保护和生态安全；
(1)城市规划
土地利用：人类通过一定的活动，利用土地的属性来满足自身需要的过程。
产业空间布局：围绕社会的可持续发展、资源能源的有效利用，高度重视资源保护与合理开发，强化资源集约利用，逐步形成资源节约型的经济发展模式。
交通条件：是指某地区(点)与外界进行人员来往(客运)和物质交流(货运)的方便程度。
与区域风险等级对应的距离：对于Ⅰ、Ⅱ风险区域覆盖，一般在5-10公里以内；对于Ⅲ、Ⅳ风险区域覆盖，一般在15-20公里以内。
人口密度：单位面积土地上居住的人口数。是反映某一地区范围内人口疏密程度的指标。
(2)自然条件
地质地貌条件：指不同地质构造和不同岩层的差别抗蚀力所表现出来的地貌。
水源保护：在该区域内严格禁止进行对水质水量产生不利影响的一切活动。
生态安全：生态系统完整性和健康的整体水平，尤其是指生存与发展的不良风险最小以及不受威胁的状态。
根据打分法和层次分析法计算得到区域备灾救援基地选址因子的权重值，通过ArcMAP软件输入上述因素的属性数据，并利用软件空间分析中的权重加成得到各因素空间适宜性分析图。
具体包括：运用层次分析法对区域备灾救援基地选址影响因子进行综合分析，考虑区域备灾救援基地规划规范在理论上的知识。首先确定各个因素和各子因子之间的相互隶属关系，然后依据影响区域备灾救援基地选址因素和子因子的重要性不同再进行评判，通过专家分析并结合实际经验，可以得到各选址指标因素集U及指标权重集，运用层次分析法把得到的构造判断矩阵计算相对重要性权值做定量分析，将选址影响因子的权值叠加，得出重大危险源选址分析模型。
表2层次分析法(AHP)的判断矩阵标度及其含义
标度 含义
1 两个因素同等重要
3 一个因素比另一个因素稍微重要
5 一个因素比另一个因素明显重要
7 一个因素比另一个因素强烈重要
9 一个因素比另一个因素极端重要
2、4、6、8 表示重要程度判断之间的过渡性
通过设定的指数标度对n个指标A1，A2，…，An(n＝1，2，3……)进行比较，得到层次分析模型的判断矩阵A：
Figure BDA0003687785290000151
在判断矩阵A＝aij中，元素aij表示i与j的相对重要程度之比，即：
Figure BDA0003687785290000152
其中i，j＝1，2，……，n。
在建立判断矩阵A＝aij后，计算相对权重值。通常采用以下方式：
①确定基于影响因素的判断矩阵A＝aij
②对判断A按列进行规范化：
Figure BDA0003687785290000153
③按行相加得到行向量：
Figure BDA0003687785290000154
④将行向量正规化，即为权重向量：
Figure BDA0003687785290000155
权重向量为：
W＝[W1 W2 … Wn]T (6)
⑤求解A的最大特征值：
Figure BDA0003687785290000161
式中，
Figure BDA0003687785290000162
是矩阵A右乘向量W得到的列向量AW中的第i个元素。
对于求得的需要进行可靠性检验，计算指标C·I：
Figure BDA0003687785290000163
当A为满足完全一致性条件时，λmax＝n，当A偏离不大时，λmax略大于n，一致性指标见表3。
表3平均一致性随机指标
Figure BDA0003687785290000164
计算一致性比例：
Figure BDA0003687785290000165
当一致性比例小于等于0.1时，A的一致性结论被认为是正确的，否则应该重新调整判断矩阵中的元素，直至一致性符合为止。
本实施例中，基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型，具体包括：
S301、将所述区域的安全规划的主干道、次干道、国道、铁路、支路、城际铁路、高速公路以及主要的交叉路口进行各自的缓冲区分析，得到道路缓冲图层；
S302、运用GIS的叠加分析法将所述道路缓冲图层与所述区域的行政区划图层叠加，拓扑成由多个小多边形组合的细分的区域图层，每一个小多边形组合的细分的区域图层对应一个小区域，以便在选址时对各个小区域进行分析；
S303、运用GIS的叠加分析法将所述区域的土地利用规划图层与可利用土地区域图层叠加，找出可利用土地与规划工业用地的叠合部分区域，并显示出在叠合部分区域中的地形、地貌以及可达性，选出适宜安置区域；
S304、根据区域备灾救援基地的选址原则，运用GIS的叠加分析法将所述适宜安置区域的图层与区域附近的一、二类居住用地、医疗机构、商业用地、避灾疏散场地、消防址、重要建筑物等机构图层叠加，利用GIS的网络分析技术，确定各机构的服务半径，以选出适合布置备灾救援基地的一个或若干个可行域，供选址分析利用；
S305、根据对区域备灾救援基地选址的原则，对选出适合布置备灾救援基地的可行域进行调整，应结合规划区域范围内行政区划、河流、地形条件、道路网结构等，排除不符合选址规范和区域风险等级的划分的可行域，例如，不宜建在中心城区主干道附近、穿过名胜古迹、跨越河流、过境铁路线等等；最后将所有适合布置备灾救援基地的可行域集合后构建成区域备灾救援基地选址模型。
本实施例中，S4中按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点，具体包括：
基于所选区域的范围面积、事故隐患点、损失严重程度等条件，综合可搜集历史灾害资料和现场抽样调查两种方法，选择随机抽样调查法，在保证统计精度的前提下减少抽样点数量，最终得到抽样点个数及其对应序号，以此作为研究区域内模拟的随机隐藏事故点；
对所述区域进行分区随机抽样，分区原则为S1区域风险分级结果，根据不同等级区域内建筑物统计单元的集中程度，将相同等级区域按照建筑物统计单元的密集程度划分为几个小的区域，从每个小区域轮流进行随机抽样，直到抽样方差达到精度要求停止抽样。
具体分区随机抽样的过程为：将所选区域I划分为Y个小区域。区域y内建筑统计单元集合表示为
Figure BDA0003687785290000171
其中，Ny为y内统计单元总数。定义抽样总次数为M，抽样统计精度为ε。
分区随机抽样程序如下：
(1)如果
Figure BDA0003687785290000181
则在区域y执行1次随机抽样。
(2)得到新的计算抽样矩阵，计算第m次、m-1次和抽样所得破坏比方差：
Figure BDA0003687785290000182
是否不小于ε，如果否，则停止抽样，M＝m；如果是，则转(3)。
(3)y＝y+1，m＝m+1，转入(1)。
本实施例中，S5中满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，具体包括：
在所述区域内选择前沿救援基地，既需要根据救援时物资需求和可能引起供应变化的失效风险，合理配置出一次覆盖救援基地，以满足在前沿救援基地一次覆盖下的救援范围的物资需求；又需要合理规划救援区域的二次覆盖基地，以加强救援基地的协同保障能力，确保二次覆盖下保障能力最大化；
表4集合、参数和变量
Figure BDA0003687785290000183
Figure BDA0003687785290000191
S501、定义一次覆盖救援基地：对于某救援需求点i，将距离其最近的前沿救援基地作为它的直接对应保障单位，即一次覆盖救援基地，用0-1决策变量yij表示；在实际救援过程中，物资的消耗是具有连续性和周期性的，二次灾害和衍生事故随时可能发生，为保证救援的及时性和有效性，所有需求点的一次覆盖救援基地应满足第一波次的物资需求量，既满足约束条件：
Figure BDA0003687785290000192
S502、定义二次覆盖救援基地：对于某救援需求点i，将能够覆盖到它且不是距离最近的前沿救援基地作为它的备用保障单位，即二次覆盖救援基地，用0-1决策变量zij表示；在后续灾害救援过程中，一次覆盖救援基地在隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效，二次覆盖救援基地的作用是作为备用保障单位与一次覆盖救援基地形成协同保障，以应对一次覆盖救援基地发生损坏失效而难以继续保障的情形，以此需满足约束条件：
Figure BDA0003687785290000201
S503、选址模型：
所有需求点对应的一次覆盖救援基地的失效风险概率总和Z1为：
Figure BDA0003687785290000202
所有需求点对应的二次覆盖救援基地的失效风险概率总和Z2为：
Figure BDA0003687785290000203
建立前沿救援基地选址模型：
minZ＝αZ1+(1-α)Z2 (5)
Figure BDA0003687785290000204
Figure BDA0003687785290000205
Figure BDA0003687785290000206
Figure BDA0003687785290000207
Figure BDA0003687785290000208
Figure BDA0003687785290000209
Figure BDA00036877852900002010
Figure BDA00036877852900002011
Figure BDA00036877852900002012
Figure BDA00036877852900002013
Figure BDA00036877852900002014
其中，式(5)表示以二次交叉覆盖点的失效风险和最小为目标，ɑ表示权重因子；式(6)-(8)为一次覆盖基本约束条件，表示需求点i需保证在其一次覆盖救援基地的保障范围内，且此一次覆盖救援基地是与其距离最近的前沿救援基地；式(9)即为约束条件式(1)；式(10)、(11)为二次覆盖基本约束条件，表示需求点i需保证在其二次覆盖救援基地的保障范围内，且此二次覆盖救援基地不是与其距离最近的前沿救援基地；式(12)即为约束条件式(2)；式(13)表示某备选点作为一次覆盖救援基地，负责直接保障的所有需求点的前期物资需求预测量不能超过其预置物资量；式(14)其表示作为一次覆盖救援基地和二次覆盖救援基地的某备选点负责保障的所有需求点的平均物资需求预测量不能超过其调运能力；式(15)、(16)表示某备选点作为一次或二次覆盖救援基地的前提是此备选点被选中。
本实施例中，S5中在满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；具体包括：
计划在隐藏事故点范围内遴选的b个前沿救援基地备选点内选择其中一些备选点，建设或改造成具有一定灾时救援能力、储存能力和转运能力的前沿救援基地，用以保障a个事故受灾区域，根据备选点的建设位置、现有能力、建设或改造时限等，可以确定在各备选点配置的前沿救援基地的保障范围半径、预置物资量、调运能力，以及与各作战区域之间的路网距离；
以某连续5年受灾救援中的需求数据为算例，根据专家经验和历史演习、救援数据综合统计可以确定在不确定灾害发生条件时，在各备选点处配置的前沿救援基地的保障能力降低比率δj；以不考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形a,以考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形b，情形b下前沿救援基地选址备选点的数量多于不情形a下前沿救援基地选址备选点，这是由于前沿补给基地的调运能力由于失效风险的存在而有所降低(在约束条件中已有体现)，为了减少潜在的失效可能性，进行情形a的选址时从满足需求的角度制定了选址方案，进行情形b的选址时则从失效风险最小角度制定了选址方案。
以不考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形a，从满足救援需求的角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形a下前沿救援基地选址备选点；
情形a下的前沿救援基地选址模型为：
minZ＝αZ1+(1-α)Z2，其中α＝1；
一次覆盖救援基地选址原问题，用IP表示，引入拉格朗日乘子λ、μ、π，对约束条件式(6)、(7)、(12)进行松弛，得到对应的拉格朗日问题，用LR表示，即：
Figure BDA0003687785290000221
令
Figure BDA0003687785290000222
γij＝(1-α)δj-πiTj(1-δj)，则LR问题可以表示为
Figure BDA0003687785290000223
对于给定的拉格朗日乘子λ、μ、π，上述LR问题的目标函数式为原问题提供了一个下界，而LR对偶问题式通过寻找最优拉格朗日乘子得到的IP的最大下界，构造LR对偶问题LD，定义如下：
Figure BDA0003687785290000224
如果不考虑满足一次覆盖救援物资量问题，即不考虑约束条件(9)、(11)，备选点j对应的子问题LRj为：
Figure BDA0003687785290000231
每个备选点j都有两种状态：xj＝0，表示不在备选点j处配置一次覆盖救援基地；xj＝1，表示在备选点j处配置一次覆盖救援基地；由于j的每个状态对目标函数的贡献度是不同的，选择使目标函数值最小的状态作为j的状态，并以此确定决策变量yij和zij的值，具体步骤如下：
当xj＝0时，yij＝zij＝0，满足LRj的所有约束条件，则对目标函数式(19)的贡献度
Figure BDA0003687785290000233
当xj＝1时，即在备选点j处配置一次覆盖救援基地，此时子问题LRj即为目标函数式(19)是简单的线性规划问题，解出(y1j，y2j，...，yij)和(z1j，z2j，...，zij)，进而可以求出
Figure BDA0003687785290000232
以考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形b，从失效风险最小角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形b下前沿救援基地选址备选点；
情形b下的前沿救援基地选址模型为：
minZ＝αZ1+(1-α)Z2，其中α根据灾害发生的级别进行取值，灾害级别越高α取值越大；
在考虑约束条件式(9)、(11)的情况下，显然xj＝0的情况不符合要求，只需考虑xj＝1的情况；
根据上述方法可以得到xj、yij和zij(i∈I，j∈J)的值，设选中的备选点集合为J1，未选中的备选点集合为J2，即xj(j∈J1)＝1，xj(j∈J2)＝0，首先进行如下变换：
(5)对于某i和j，若yij＝zij＝1，则设置zij＝0；
(6)对于某i，若∑j∈JyijMj(1-δj)＜Di，此情况可能出现两种情况；第一，选取原来未选中但能满足此需求点i的一次救援物资需求量的备选点j，将此j作为i的一次覆盖点；第二，在未选中的备选点中，没有能够满足此需求点的一次救援物资需求量的备选点，就在已选中的备选点中选取能够满足i的一次救援需求量的备选点j，将此j作为i的一次覆盖，同时将i的初始一次覆盖点作为j负责的初始需求点；
通过上述变换，可以重新确定xj、yij和zij(i∈I，j∈J)的值，将xj、yij作为已知条件，代入LR问题中求得zij的值，进而得到IP问题的下界ZLR；
在求解LR问题得到的可行性选址方案(xj、yij，zij)，缺少另一个上界解作为IP问题的最优解。将求解LR问题获得的可行解中的xj值作为已知条件，IP问题变成0-1背包问题。首先，确定一次覆盖点，优先满足一次救援需求量大的需求点，将距离最近且保障覆盖范围足够的备选点作为一次覆盖点，求出yij的值；然后，将xj、yij作为已知条件，代入IP问题中求得zij的值，根据目标函数式(5)可以得到IP问题的上界Z；
为提高拉格朗日松弛算法的性能，结合贪婪搜索发来加强上界解，贪婪搜索法是基于xj值的变化，xj的取值有0和1两种情况，0表示不选中备选点j，1表示选择中备选点j；因此对每个xj取值存在两种可能的状态变化：0→1和1→0，分别表示备选点j从未选中转化为选中状态和从选中状态转化为未选中状态，对一个节点进行状态转化得到一组新的xj值，继续将xj值作为已知条件，利用上述方法得到对应的上界值；
将情形a下前沿救援基地选址备选点和情形b下前沿救援基地选址备选点汇总，得到前沿救援基地选址备选点，通过算法得出前沿救援基地选址备选点相对应的经纬度坐标，并建立excle数据表格。
本实施例中，S6中将S7中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地；具体包括：
将S6中的事故受灾区域及前沿救援基地相关经纬度坐标通过ArcGIS导入S3区域备灾救援基地选址模型中适合布置备灾救援基地的可行域的底图中，通过备选点相对应的经纬度数据表格，选择与适合布置备灾救援基地的可行域地图一致的地理坐标系，设定X选择经度、Y选择纬度，导出excel表格中经纬度坐标数据，新建为点图层在适合布置备灾救援基地的可行域的底图上显示。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。

Claims (8)

1.一种应急救援基地选址优化方法，其特征在于：该方法包括：
S1、对需要选址备灾救援基地的区域进行自然灾害风险等级划分；
S2、确定所述区域内备灾救援基地选址的重要影响因素，作为区域备灾救援基地选址因子，并计算出所述区域备灾救援基地选址因子的权重值；
S3、基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型；
S4、按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点；
S5、以满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；所述前沿救援基地包括一次覆盖救援基地和二次覆盖救援基地；
S6、将S5中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地。
2.根据权利要求1所述的一种基于机器视觉的相马方法，其特征在于，S1中对需要选址备灾救援基地的区域进行自然灾害风险等级划分，具体包括：
S101、通过查找阅读相关的参考文献和国家自然灾害类分级标准要求，综合分析需要选址备灾救援基地的区域内自然灾害类型，所述自然灾害类型包括地震、海啸、火山喷发、洪涝、干旱、飓风、雪灾、雷暴和传染病等；
S102、在进行区域风险评价时，从分析传统的风险评价和网格分析的缺点入手，利用GIS进行风险综合指标评价，通过网络提取所述区域范围内气象、水文、道路交通、用地性质等相关数据进行标准归一化分析，并收集历年自然灾害事故点进行空间密度分析，得到灾害的发生与降水、气候之间的关系，综合获取风险评价数据，从而建立风险发生概率评价指标体系，运用多个指标量化计算出所述区域的风险发生概率和损失程度两个因素，结合工业安全中的风险矩阵分析法得出区域风险值，并根据风险值结合《中华人民共和国突发事件应对法》中相关规定，将区域自然灾害风险划分为一级、二级、三级和四级，并分别用红色、橙色、黄色和蓝色表示。
3.根据权利要求1或2所述的一种应急救援基地选址优化方法，其特征在于，S2中所述区域内备灾救援基地选址的重要影响因素包括城市规划方面的因素和自然条件下的因素；
根据打分法和层次分析法计算得到区域备灾救援基地选址因子的权重值，通过ArcMAP软件输入上述因素的属性数据，并利用软件空间分析中的权重值加成得到各因素空间适宜性分析图。
4.根据权利要求1或2所述的一种应急救援基地选址优化方法，其特征在于，S3中基于S2中计算出区域备灾救援基地选址因子的权重值，利用地理信息系统空间分析选出适合布置备灾救援基地的可行域，通过适合布置备灾救援基地的可行域建立区域备灾救援基地选址模型，具体包括：
S301、将所述区域的安全规划的主干道、次干道、国道、铁路、支路、城际铁路、高速公路以及主要的交叉路口进行各自的缓冲区分析，得到道路缓冲图层；
S302、运用GIS的叠加分析法将所述道路缓冲图层与所述区域的行政区划图层叠加，拓扑成由多个小多边形组合的细分的区域图层，每一个小多边形组合的细分的区域图层对应一个小区域，以便在选址时对各个小区域进行分析；
S303、运用GIS的叠加分析法将所述区域的土地利用规划图层与可利用土地区域图层叠加，找出可利用土地与规划工业用地的叠合部分区域，并显示出在叠合部分区域中的地形、地貌以及可达性，选出适宜安置区域；
S304、根据区域备灾救援基地的选址原则，运用GIS的叠加分析法将所述适宜安置区域的图层与区域附近的一、二类居住用地、医疗机构、商业用地、避灾疏散场地、消防址、重要建筑物等机构图层叠加，利用GIS的网络分析技术，确定各机构的服务半径，以选出适合布置备灾救援基地的一个或若干个可行域，供选址分析利用；
S305、根据对区域备灾救援基地选址的原则，对选出适合布置备灾救援基地的可行域进行调整，排除不符合选址规范和区域风险等级的划分的可行域，将所有适合布置备灾救援基地的可行域集合后构建成区域备灾救援基地选址模型。
5.根据权利要求1或2所述的一种应急救援基地选址优化方法，其特征在于，S4中按照自然灾害风险等级将所述区域划分成多个小区域，通过随机抽样初选出所述区域内的隐藏事故点，具体包括：
基于所选区域的范围面积、事故隐患点、损失严重程度等条件，综合可搜集历史灾害资料和现场抽样调查两种方法，选择随机抽样调查法，在保证统计精度的前提下减少抽样点数量，最终得到抽样点个数及其对应序号，以此作为研究区域内模拟的随机隐藏事故点；
对所述区域进行分区随机抽样，分区原则为S1区域风险分级结果，根据不同等级区域内建筑物统计单元的集中程度，将相同等级区域按照建筑物统计单元的密集程度划分为几个小的区域，从每个小区域轮流进行随机抽样，直到抽样方差达到精度要求停止抽样。
6.根据权利要求1或2所述的一种应急救援基地选址优化方法，其特征在于，S5中满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，具体包括：
在所述区域内选择前沿救援基地，既需要根据救援时物资需求和可能引起供应变化的失效风险，合理配置出一次覆盖救援基地，以满足在前沿救援基地一次覆盖下的救援范围的物资需求；又需要合理规划救援区域的二次覆盖基地，以加强救援基地的协同保障能力，确保二次覆盖下保障能力最大化；
表 集合、参数和变量
Figure FDA0003687785280000041
Figure FDA0003687785280000051
S501、定义一次覆盖救援基地：对于某救援需求点i，将距离其最近的前沿救援基地作为它的直接对应保障单位，即一次覆盖救援基地，用0-1决策变量yij表示；在实际救援过程中，物资的消耗是具有连续性和周期性的，二次灾害和衍生事故随时可能发生，为保证救援的及时性和有效性，所有需求点的一次覆盖救援基地应满足第一波次的物资需求量，既满足约束条件：
Figure FDA0003687785280000052
S502、定义二次覆盖救援基地：对于某救援需求点i，将能够覆盖到它且不是距离最近的前沿救援基地作为它的备用保障单位，即二次覆盖救援基地，用0-1决策变量zij表示；在后续灾害救援过程中，一次覆盖救援基地在隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效，二次覆盖救援基地的作用是作为备用保障单位与一次覆盖救援基地形成协同保障，以应对一次覆盖救援基地发生损坏失效而难以继续保障的情形，以此需满足约束条件：
Figure FDA0003687785280000053
S503、选址模型：
所有需求点对应的一次覆盖救援基地的失效风险概率总和Z1为：
Figure FDA0003687785280000054
所有需求点对应的二次覆盖救援基地的失效风险概率总和Z2为：
Figure FDA0003687785280000055
建立前沿救援基地选址模型：
min Z＝αZ1+(1-α)Z2 (5)
Figure FDA0003687785280000056
Figure FDA0003687785280000057
Figure FDA0003687785280000061
Figure FDA0003687785280000062
Figure FDA0003687785280000063
Figure FDA0003687785280000064
Figure FDA0003687785280000065
Figure FDA0003687785280000066
Figure FDA0003687785280000067
Figure FDA0003687785280000068
Figure FDA0003687785280000069
其中，式(5)表示以二次交叉覆盖点的失效风险和最小为目标，ɑ表示权重因子；式(6)-(8)为一次覆盖基本约束条件，表示需求点i需保证在其一次覆盖救援基地的保障范围内，且此一次覆盖救援基地是与其距离最近的前沿救援基地；式(9)即为约束条件式(1)；式(10)、(11)为二次覆盖基本约束条件，表示需求点i需保证在其二次覆盖救援基地的保障范围内，且此二次覆盖救援基地不是与其距离最近的前沿救援基地；式(12)即为约束条件式(2)；式(13)表示某备选点作为一次覆盖救援基地，负责直接保障的所有需求点的前期物资需求预测量不能超过其预置物资量；式(14)其表示作为一次覆盖救援基地和二次覆盖救援基地的某备选点负责保障的所有需求点的平均物资需求预测量不能超过其调运能力；式(15)、(16)表示某备选点作为一次或二次覆盖救援基地的前提是此备选点被选中。
7.根据权利要求6所述的一种应急救援基地选址优化方法，其特征在于，S5中在满足受灾区域保障能力最大化为选择所述区域的前沿救援基地的约束条件，在S4中选出的隐藏事故点范围内遴选前沿救援基地，用以保障事故受灾区域；具体包括：
计划在隐藏事故点范围内遴选的b个前沿救援基地备选点内选择其中一些备选点，建设或改造成具有一定灾时救援能力、储存能力和转运能力的前沿救援基地，用以保障a个事故受灾区域，根据备选点的建设位置、现有能力、建设或改造时限等，可以确定在各备选点配置的前沿救援基地的保障范围半径、预置物资量、调运能力，以及与各作战区域之间的路网距离；
以不考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形a，从满足救援需求的角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形a下前沿救援基地选址备选点；
情形a下的前沿救援基地选址模型为：
min Z＝αZ1+(1-α)Z2，其中α＝1；
一次覆盖救援基地选址原问题，用IP表示，引入拉格朗日乘子λ、μ、π，对约束条件式(6)、(7)、(12)进行松弛，得到对应的拉格朗日问题，用LR表示，即：
Figure FDA0003687785280000071
令
Figure FDA0003687785280000072
γij＝(1-α)δj-πiTj(1-δj)，则LR问题可以表示为
Figure FDA0003687785280000073
对于给定的拉格朗日乘子λ、μ、π，上述LR问题的目标函数式为原问题提供了一个下界，而LR对偶问题是通过寻找最优拉格朗日乘子得到的IP的最大下界，构造LR对偶问题LD，定义如下：
Figure FDA0003687785280000081
如果不考虑满足一次覆盖救援物资量问题，即不考虑约束条件(9)、(11)，备选点j对应的子问题LRj为：
Figure FDA0003687785280000082
每个备选点j都有两种状态：xj＝0，表示不在备选点j处配置一次覆盖救援基地；xj＝1，表示在备选点j处配置一次覆盖救援基地；由于j的每个状态对目标函数的贡献度是不同的，选择使目标函数值最小的状态作为j的状态，并以此确定决策变量yij和zij的值，具体步骤如下：
当xj＝0时，yij＝zij＝0，满足LRj的所有约束条件，则对目标函数式(19)的贡献度
Figure FDA0003687785280000083
当xj＝1时，即在备选点j处配置一次覆盖救援基地，此时子问题LRj即为目标函数式(19)是简单的线性规划问题，解出(y1j，y2j，...，yij)和(z1j，z2j，...，zij)，进而可以求出
Figure FDA0003687785280000084
以考虑隐藏二次灾害和衍生灾害发生下随时可能发生毁坏失效风险作为情形b，从失效风险最小角度对所述前沿救援基地选址模型使用拉格朗日松弛和贪婪搜索结合算法求解，获得情形b下下前沿救援基地选址备选点；
情形b下的前沿救援基地选址模型为：
min Z＝αZ1+(1-α)Z2，其中α根据灾害发生的级别进行取值，灾害级别越高α取值越大；
在考虑约束条件式(9)、(11)的情况下，显然xj＝0的情况不符合要求，只需考虑xj＝1的情况；
根据上述方法可以得到xj、yij和zij(i∈I，j∈J)的值，设选中的备选点集合为J1，未选中的备选点集合为J2，即xj(j∈J1)＝1，xj(j∈J2)＝0，首先进行如下变换：
(1)对于某i和j，若yij＝zij＝1，则设置zij＝0；
(2)对于某i，若∑j∈JyijMj(1-δj)＜Di，此情况可能出现两种情况；第一，选取原来未选中但能满足此需求点i的一次救援物资需求量的备选点j，将此j作为i的一次覆盖点；第二，在未选中的备选点中，没有能够满足此需求点的一次救援物资需求量的备选点，就在已选中的备选点中选取能够满足i的一次救援需求量的备选点j，将此j作为i的一次覆盖，同时将i的初始一次覆盖点作为j负责的初始需求点；
通过上述变换，可以重新确定xj、yij和zij(i∈I，j∈J)的值，将xj、yij作为已知条件，代入LR问题中求得zij的值，进而得到IP问题的下界ZLR；
在求解LR问题得到的可行性选址方案(xj、yij，zij)，缺少另一个上界解作为IP问题的最优解，将求解LR问题获得的可行解中的xj值作为已知条件，IP问题变成0-1背包问题；首先，确定一次覆盖点，优先满足一次救援需求量大的需求点，将距离最近且保障覆盖范围足够的备选点作为一次覆盖点，求出yij的值；然后，将xj、yij作为已知条件，代入IP问题中求得zij的值，根据目标函数式(5)可以得到IP问题的上界Z；
为提高拉格朗日松弛算法的性能，结合贪婪搜索发来加强上界解，贪婪搜索法是基于xj值的变化，xj的取值有0和1两种情况，0表示不选中备选点j，1表示选择中备选点j；因此对每个xj取值存在两种可能的状态变化：0→1和1→0，分别表示备选点j从未选中转化为选中状态和从选中状态转化为未选中状态，对一个节点进行状态转化得到一组新的xj值，继续将xj值作为已知条件，利用上述方法得到对应的上界值；
将情形a下前沿救援基地选址备选点和情形b下前沿救援基地选址备选点汇总，得到前沿救援基地选址备选点。
8.根据权利要求1或2所述的一种应急救援基地选址优化方法，其特征在于，S6中将S7中遴选出的前沿救援基地引入S3中建立区域备灾救援基地选址模型中，交叉重叠的地点作为所述区域优选出的备灾救援基地，具体包括：
将S5中的事故受灾区域及选出的前沿救援基地的相关经纬度坐标通过ArcGIS导入S3区域备灾救援基地选址模型中适合布置备灾救援基地的可行域的底图中，通过备选点相对应的经纬度数据表格，选择与适合布置备灾救援基地的可行域地图一致的地理坐标系，设定X选择经度、Y选择纬度，导出excel表格中经纬度坐标数据，新建为点图层在适合布置备灾救援基地的可行域的底图上显示。
CN202210656059.0A 2022-06-10 2022-06-10 一种应急救援基地选址优化方法 Pending CN114971061A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210656059.0A CN114971061A (zh) 2022-06-10 2022-06-10 一种应急救援基地选址优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210656059.0A CN114971061A (zh) 2022-06-10 2022-06-10 一种应急救援基地选址优化方法

Publications (1)

Publication Number Publication Date
CN114971061A true CN114971061A (zh) 2022-08-30

Family

ID=82962247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210656059.0A Pending CN114971061A (zh) 2022-06-10 2022-06-10 一种应急救援基地选址优化方法

Country Status (1)

Country Link
CN (1) CN114971061A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030354A (zh) * 2023-03-29 2023-04-28 东华理工大学南昌校区 一种基于遥感数据融合的地质灾害分析方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030354A (zh) * 2023-03-29 2023-04-28 东华理工大学南昌校区 一种基于遥感数据融合的地质灾害分析方法及系统

Similar Documents

Publication Publication Date Title
Ulutaş et al. Location selection for logistics center with fuzzy SWARA and CoCoSo methods
Peng et al. A GIS-based evaluation method of underground space resources for urban spatial planning: Part 1 methodology
Wen et al. Spatial effect of river landscape on housing price: An empirical study on the Grand Canal in Hangzhou, China
CN113487181B (zh) 城市化区域生态安全格局评估方法
KR20200058064A (ko) 부동산 관련 데이터 정보를 이용한 부동산 물건의 미래 예측 분석 서비스 제공 시스템 및 제공 방법
Chen et al. Investigating urbanization and its spatial determinants in the central districts of Guangzhou, China
Shenavr et al. Comparison of Multi-criteria evaluation (AHP and WLC approaches) for land capability assessment of urban development in GIS
Lai et al. Review of constraints and critical success factors of developing urban underground space
CN114971061A (zh) 一种应急救援基地选址优化方法
Ma et al. Incorporating multi-criteria suitability evaluation into multi-objective location–allocation optimization comparison for earthquake emergency shelters
Kim et al. Enhanced validity and reliability of spatial decision support systems (SDSS) for sustainable transportation decision-making
Kim et al. Safety map: Disaster management road network for urban resilience
Munasinghe et al. GIS application for finding the best residential lands in Ratnapura municipal council area of Sri Lanka
Fei et al. Research on the layout of urban disaster-prevention and risk-avoidance green space under the improvement of supply and demand match: The case study of the main urban area of Nanjing, China
Li et al. RAV model: Study on urban refined climate environment assessment and ventilation corridors construction
Wei et al. Spatio-temporal analysis of educational convenience in ethnic mountainous areas with road network constraints—A case study of Yunnan Province, China
Li et al. Decision‐Making on Reuse Modes of Abandoned Coal Mine Industrial Sites in Beijing Based on Environment‐Economy‐Society Matter‐Element Models
Liu et al. The objective and methodology of urban climate map for the city of Xiamen
Gharakhlou et al. Access Enhancement by Making Changes in the Route Network to Facilitate Rescue perations in Urban Disasters
Wang et al. Dual-objective pattern optimization method for land suitability zoning in mountain counties
Kaoje Application of Geographical Information System Techniques in Urban Flood Risk Assessment and Vulnerability Mapping. A Case Study of Cardiff, Wales
Sarvar et al. Optimum location of neighbourhood parks in Bonab city using analytic network process (ANP)
Kamal GIS and Site Suitability for Sustainable Residential Communities: Three case studies from the USA
Srinurak et al. Urban heritage as a key DRM for safer city: Comparing practical and policy focusing on ‘Denkenchiku’ideology to enhance CBDRM in historic city
Zhang et al. Research on regional economic development and natural disaster risk assessment under the goal of carbon peak and carbon neutrality: A case study in Chengdu-Chongqing economic circle

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