CN115081731B - 一种基于海域事故特点的应急资源优化配置方法 - Google Patents

Abstract

本发明公开一种基于海域事故特点的应急资源优化配置方法，包括以下步骤：S1：获取海域内海上交通事故信息，基于所述海上交通事故信息划分出事故易发区域；S2：确定海域相对通航风险评价指标，并基于改进的TOPSIS方法对各事故易发区域进行风险评价，划分得到事故高风险区域；S3：将事故进行分类，并计算各类事故发生时的应急救援时间和成本，进而建立应急救援船舶配置规划模型；S4：求解所述应急救援船舶配置规划模型，得到最优的应急救援船舶配置方案；S5：在最优的应急救援船舶配置方案的基础上，结合各事故易发区域的风险值，基于引力模型构建得到应急救援物资配置方案。

Description

一种基于海域事故特点的应急资源优化配置方法

技术领域

本发明涉及应急资源配置决策领域，具体为一种基于海域事故特点的应急资源优化配置方法。

背景技术

海上交通事故具有不确定性，即人们无法对未发生的事故的发生地点与时间等信息进行准确预测，也无法从事前预防方面根绝事故的发生，因此事后的应急救援便显得尤为重要。及时、合理的海上应急救援是海上人命财产安全保障工作的最后一道防线，是降低海上事故损失的有效措施。而在事故发生后，及时为事故点提供准确、充足的应急救援物资是提高应急救援工作成功率，增强地方应急救援能力的前提与基础。

但应急资源的配置也不是愈多则愈优的事情，溢出的应急救援资源不仅会占据基地储备空间，还会增加储备管理成本，造成资源的浪费，因此，需要在保障各事故区域需求的前提下，降低资源的闲置率。另外，由于各个地区、各个地区的各个阶段的通航风险隐患与状况均存在不同，导致其应急资源配置方案存在一定差异，因此对于当前海峡船舶通行密度不断增加、交通流发生改变的新形势，亟需寻找出适应于当下海峡通航风险特性与安全形势的应急救援资源配置方案。

经检索，公开号为CN111539590A的中国专利于2020年8月14日公开了一种基于后悔理论的应急资源配置优化方法，涉及交通事故下应急决策方法，包括获取规划区域交通事故数据、应急资源点地理位置、需求资源种类、数量等相关数据；根据获取的相关信息，采用改进的事故频率法排查规划区域内的事故多发点(即事故黑点)；根据已计算出的事故黑点可能发生事故的概率，建立以响应时间最小的随机规划模型，并采用遗传算法对该模型进行求解，获得初始应急资源配置方案集；根据初始方案集，构建基于后悔理论的应急资源配置优化决策模型，对比每个方案的响应时间、成本以及需求属性，选择后悔值最小的方案。

在针对海域事故的救援过程中，应急救援点配置的船舶的种类和数量对于救援的效率有明显的影响，因此，在对应急救援物资进行配置前，应先确定应急救援船舶配置方案；但是在上述技术方案中，未考虑不同类型和数量的交通工具对救援效率的影响，不能适用于海域事故救援的应急资源配置，因此有必要设计一种基于海域事故特点的应急资源优化配置方法。

发明内容

为克服上述现有技术的不足，本发明提供一种基于海域事故特点的应急资源优化配置方法，根据海上事故易发区域和事故类型，确定各救援点船舶的配置方案，根据各救援点的船舶配置方案进一步确定各救援点的物资配置方案。

本发明是通过以下技术方案予以实现的：

一种基于海域事故特点的应急资源优化配置方法，包括以下步骤：

S1：获取海域内海上交通事故信息，基于所述海上交通事故信息划分出事故易发区域；所述海域内海上交通事故信息包括至少三年以上的海上交通事故数据；

S2：确定海域相对通航风险评价指标，并基于改进的TOPSIS方法对各事故易发区域进行风险评价，划分得到事故高风险区域；海域相对通航风险评价是一个多属性决策问题，涉及到多个指标，通常包括水文气象等自然因素、人为因素、船舶因素、航道条件等一级指标，大风天数、能见度不良天数、船主性质、船舶流量、船舶密度、船舶航速、障碍物情况、特殊区域等二级指标；

S3：将事故根据应急需求的差异进行分类，并计算各类事故发生时的应急救援时间和成本；以总应急救援时间和总应急救援成本为目标，以高风险区域多重覆盖、应急救援响应时间阈值为约束条件建立应急救援船舶配置规划模型；海上交通事故具有多种类型，分为多个等级，对于不同的事故，其应急处置方式、所需的应急救援力量会存在一定差异，但同时，由于海上交通事故具有规律可研性的特点，即可以针对某个区域特定时间段内的总体事故情况进行研究，从时间、空间等多维度对事故发生类型、发生频率等进行有效和充分的统计与分析，并可通过事故调查报告中的应急处置情况将事故根据应急需求的不同进行分类，从而基于海上交通事故的发生类型、发生概率、需求类型等特点选择合理的应急救援船舶配置方案，使得应急救援资源可以发挥其应有的作用，最大程度地减少事故带来的损失；

所述应急救援船舶配置规划模型具体为：

式(1)、式(2)表示该模型的目标函数，式(1)要求为在所有事故中的总应急救援时间最小，式(2)要求为在所有事故中的总成本最小，等式右边的第一项船舶日常运营成本，第二项为应急调度成本，式(3)为应急调度成本的各类子项，分别为船舶固定出港、燃油和营运三项成本；式(4)表示在所有码头i配置的任意r类型船总和不得大于r类型船的最大艘数；式(5)表示在任意码头i配置的所有r类型船总和不得大于码头i可供停靠的最大泊位数；式(6)表示在任意事故区域j发生任意事故s时，从任意码头i派出的r类型船的数量不得大于该码头i停靠的r类型船的总数；式(7)表示在任意事故区域j发生任意事故s时，从任意码头i派出的任意r类型船的到达时间都要小于应急响应时间最长阈值；式(8)表示对于所有不参与救援的船舶，应急救援时间为0(M是一个极大值,M＝9999999999)；式(9)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船的救援时间都要小于应急救援时间最长阈值；式(10)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的人命救助能力之和大于事故类型s发生时需要的总人命救助能力；式(11)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的安全管控能力之和大于事故类型s发生时需要的总安全管控能力；式(12)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的拖带能力之和大于事故类型s发生时需要的总拖带能力；式(13)表示针对任意高风险事故区域j⁺，至少被两个码头i所覆盖。

式中：I＝{i|i＝1,2,…,u}——应急船舶可停靠码头集合；J＝{j|j＝1,2,…,p}——事故易发区域集合；J⁺＝{j⁺|j⁺＝1,2,…,e}——高风险区域集合；R＝{r|r＝1,2,…,o}——应急船舶种类集合；S＝{s|s＝1,2,…,w}——事故类型集合；

为船型r的日常运营成本；

为船型r的固定出港成本；

为船型r的每小时耗油成本；

为船型r的每小时应急成本；v_r为船型r的船速；

为船型r每小时可提供的人命救助能力；

为船型r每小时可提供的安全管控能力；

为船型r每小时可提供的拖带能力；

为事故类型s发生时需要的总人命救助能力；

为事故类型s发生时需要的总安全管控能力；

为事故类型s发生时需要的总拖带能力；d_ij表示事故区域j距离可停靠码头i的距离；g_sj表示事故s在事故区域j发生的频数；b_i表示码头i可供停靠的最大泊位数；l_r表示船舶类型r的最大艘数；T表示模型计算周期；t_h表示应急响应时间最长阈值(即船舶抵达事故点可花费的最长时间)；T_s表示应急救援时间最长阈值(即船舶抵达事故点后展开救援可花费的最长时间)；

x_ir表示码头i上所停靠的r船型的数量，定义N⁺为非负整数，其中x_ir∈N⁺，

y_sj,ir表示在j区域发生事故s时，从码头i派出的救助的r型船的数量，定义N⁺为非负整数，其中y_sj,ir∈N⁺，

λ_sj,ir表示在j区域发生事故s时，从码头i是否派出了r型船进行救助，其中λ_sj,ir＝min{y_sj,ir,1}，

t_sj,ir表示船舶类型r从码头i前往事故s区域j路程上所需时间，

若在j区域发生事故s时，没有从码头i派出r型船进行救助，则t_sj,ir＝0；

表示从码头i出发的r类型船舶在处理区域j中发生的事故s花费的救援时间。

而针对高风险地区，需要其至少被两个码头覆盖。覆盖的概念为码头中至少有一艘船舶能够在应急到达时间最长阈值内到达事故区域。

表示码头i是否配备了船型r，其中

表示船舶类型r从码头i前往高风险区域j⁺路程上所需时间，

表示从码头i前往高风险区域j⁺所需最短时间，

表示高风险区域j⁺是否被码头i覆盖，

S4：求解所述应急救援船舶配置规划模型，得到最优的应急救援船舶配置方案；

S5：在最优的应急救援船舶配置方案的基础上，结合各事故易发区域的风险值，基于引力模型构建得到应急救援物资配置方案。

在上述技术方案中，先根据多年事故信息划分出事故易发区域，将事故易发区域作为应急救援资源需求点，进一步计算各事故易发区的风险值，根据风险值筛选出事故高风险区域，根据事故易发区域风险大小和事故类型，建立应急救援船舶配置规划模型，进而求解应急救援船舶配置规划模型，得到各船舶可停靠码头(应急救援点)的最优的应急救援船舶配置方案，在应急救援船舶配置方案的基础上，计算各应急救援点的应急救援能力，构建应急救援物资的配置方案模型，求解模型得到应急物资配置方案。

进一步地，所述S1包括以下步骤：

S101：获取海域一段时间内的所有海上交通事故信息，提取各事故点的经纬度坐标，绘制出海域内海上交通事故空间分布图；

S102：基于最小圆覆盖的思想，在海域内海上交通事故空间分布图上绘制出若干圆覆盖于事故点上，以区分各聚类区域，一个圆代表一个聚类区域，每个聚类区域内至少包含两个事故点；

S103：将S102所得的不等圆数量作为聚类数，不等圆的各圆心作为聚类中心，运用K-means均值聚类法得到最终的海上事故易发区域空间划分结果。

获取的海域内的海上交通事故信息越多，划分出的事故易发区域越全面和准确，通常需要获取至少3年以上时间内的海上交通事故信息，所述海上交通事故信息包含事故发生地点的经纬度坐标；提取各事故发生位置的经纬度坐标数据，绘制得到海上交通事故空间分布图；进而采用最小圆覆盖算法在海上交通事故空间分布图上覆盖若干不等圆，每个圆至少覆盖两个事故点，未处于任意圆内的事故点为事故“噪声点”，对于事故噪声点，在图中将其去除；采用K-means均值聚类法得到最终的海上事故易发区域空间划分结果，即可得到海域内的事故易发区域。

进一步地，所述S2具体包括以下步骤：

S201：确定海域相对通航风险评价指标；

S202：基于层次分析法确定各评价指标的主观权重向量，具体为：根据专家、航海从业人员、海上安全监管人员等人员对于选取指标重要性的意向调查结果，取所述意向调查结果的几何平均值，从而得到指标重要性判断矩阵X＝(x_ij)_n×n；计算判断矩阵X各行元素的几何平均值

其中，n为指标个数；x_ij表示判断矩阵中第i行第j列的元素；

将

归一化得到w_i：

计算判断矩阵的最大特征根λ_max：

其中，w＝(w₁,w₂,...,w_n)^T为权向量；

利用以下公式分别求得单层析排序与总层次排序的CR值：

其中，CI为一致性指标；RI为随机一致性指标；

若CR<0.1，则判断矩阵具有一致性，进而确定主观权重向量W₁＝(w₁,w₂,...,w_n)，其中w_n为第n个相对通航风险评价指标的主观权重。

S203：基于熵权法确定各评价指标的客观权重向量，具体为：

假设待评价对象个数为m，相对通航风险评价指标个数为n，则通过对每个对象的各个相对通航风险评价指标进行赋值，得到初始评价矩阵A＝(a_ij)_m×n，将其正向化与标准化处理后得到标准化矩阵C＝(c_ij)_m×n；

其中，a_ij和c_ij分别表示初始评价矩阵和标准化评价矩阵中第i行第j列的元素；

根据标准矩阵C计算第j个指标所占第i个评价对象的比重f_ij：

计算各评价指标所含的信息熵值e_j：

计算各评价指标的熵权w_j：

即得到由熵权法确定的各指标的客观权重向量W₂＝(w_j)^T,j＝1,2,...,n。

S204：根据各评价指标的主观权重向量和客观权重向量，采用改进博弈论方法确定组合权重向量，得到组合权重向量矩阵，具体过程如下：

对所述主观权重向量W₁和客观权重向量W₂进行线性组合赋权；

基于博弈论思想，建立如下组合系数方程组：

其中，a₁和a₂为组合系数，即分别为主观权重和客观权重在组合权重中所占的比重；

上述方程组是基于传统博弈论思想，所求得的组合系数可能为负，因此，为保证线性组合系数为正，对所述组合系数进行优化改进，得到以下改进博弈论模型：

通过构建拉格朗日函数并求偏导：

其中，λ为拉格朗日乘数；

对所得结果进行归一化处理，可得改进博弈论模型求得的组合权重系数如下：

将

代入下式可求得组合权重向量为：

其中，

和

分别表示改进后归一化的主观权重和客观权重在组合权重中所占的比重。

S205：基于组合权重向量矩阵，采用改进的TOPSIS方法计算各事故易发区的风险值，具体过程如下：

(1)假设待评价对象个数为m，通航风险评价指标个数为n，针对每个事故易发区域的每个指标进行赋值，得到评价矩阵A＝(a_ij)_m×n：

(2)根据各指标对于风险大小的影响关系判定指标属性，对于逆向指标，利用下式进行指标正向化处理，得到正向化矩阵B＝(b_ij)_m×n

(3)根据下式对指标进行标准化处理，得到标准化矩阵C＝(c_ij)_m×n：

式中：

为各列指标数据的均值；

结合权重矩阵W^*，得到加权规范化矩阵D＝(d_ij)_m×n

d_ij＝c_ij×w_s(1≤i≤m,1≤j≤n,1≤s≤n)

(4)根据标准化矩阵与加权规范化矩阵，分别确定用于马氏距离计算与灰色关联度计算的最大、最小风险集：

其中，C⁺、C^-分别为根据标准化矩阵确定基于马氏距离计算与灰色关联度计算得到的最大风险集和最小风险集；D⁺、D^-分别为根据加权规范化矩阵确定基于马氏距离计算与灰色关联度计算得到的最大风险集和最小风险集；

(5)利用马氏距离计算公式，得到各事故易发区域与最大风险集、最小风险集间的马氏距离：

式中：

且

Σ为样本协方差矩阵。

(6)根据下式计算各事故易发区域与最大风险集、最小风险集关于各指标的灰色关联系数：

式中：ρ为分辨率；

利用下式计算各事故易发区域与最大风险集、最小风险集的灰色关联度：

(7)将标准化后的马氏距离与灰色关联度进行线性组合，形成组合距离与

和

式中：α与β分别为组合系数，且α+β＝1；

(8)根据下式求得域与最大风险各区集的贴近度CC_i，将CC_i作为各事故易发区域的相对通航风险值。相对通航风险值越大，即表示事故易发区域区域相对通航风险越高：

式中：0≤CC_i≤1；

S206：计算各事故易发区的相对通航风险平均值，将所述相对通航风险平均值作为风险阈值

判断各事故易发区域风险值是否超过所述相对通航风险平均值，若是，则该区域为事故高风险区域。

进一步地，所述S201中的评价指标包括3个因素层，分别为：

交通因素：包括船舶流量、船舶平均密度、船舶密度离散度；船舶因素：包括船舶类型、船舶航速；航道因素：包括特殊区域影响、航道特殊点个数、障碍物个数。

其中，船舶流量为换算标准船流量，即将船舶按照船长换算系数表进行换算后，再进行统计；统计船舶密度的单位为海图上每一经度与每一纬度所围成的网格。

进一步地，所述S4中采用遗传算法求解应急救援船舶配置规划模型。遗传算法能在全局进行强有力的搜索优化，具有搜索随机性、自适应性和求解并行性等特点，是目前最具影响力的启发式算法之一。但为了保证遗传算法具有较高的搜索效率，在使用该算法进行模型求解时，需要做到以下三点：

1)采取合理的编码方式，以减少算法运行的复杂程度和保证搜索结果尽可能最优；2)设计合适的目标函数用于衡量个体对环境的适应能力；3)根据问题的类型，合理的选择遗传算法中的选择、交叉等方法。

进一步地，所述S5具体包括以下步骤：

S501：计算应急救援站点的应急救援能力，具体为：通过计算各个应急救援站点所配备的应急救援船舶的综合应急能力来表征各站点的应急救援能力的大小，计算公式如下：

且

式中：ρ_i表示应急救援站点i的应急救援能力；c_r表示第r类船舶所具有的综合应急救援能力，x_ir表示应急救援站点i所配置的应急救援船型r的总艘数，o表示共有o种应急救援船舶。

表示第r类船舶的第t类应急能力大小，β_t表示第t类应急能力所占比重，z表示共有z种应急能力。

S502：基于引力模型构建基于应急物资配置的概率分配模型，具体过程如下：在应急救援任务中，时间因素一般为首要因素，因此基于应急救援物资的配置问题所建立的引力模型，β取值为2，k取值为1，并用ρ_i表示应急救援站点i的应急救援能力，以事故区域j的相对通航风险大小CC_j来表征事故区域j的应急物资需求比例，则可得到基于应急物资配置的概率分配模型表述如下：

式中：ρ_i表示应急救援站点i的应急救援能力；CC_j表示事故易发区域j的应急救援物资需求比例，在本研究中用各区域的相对通航风险值来表征，可通过对各事故区域进行通航风险评价得到；d_ij为站点i与事故区域j之间的距离。

S503：计算应急救援点的应急物资储备比例，得到应急救援物资配置方案，具体如下：

对于某个站点在一段时间内所应配备的应急物资数量应根据其提供救援的事故区域的需求量来衡量，将该站点所为各个事故区域所提供的物资数量进行求和，则为该站点应急物资所需的最小储备量：

式中：E_i表示应急救援站点所需的应急物资最小储备量；

设应急救援站点共u个，对各个站点的最小储备量进行归一化，可得到各应急救助站点所应配置物资的比例e_i：

进一步地，S102还包括：根据聚类结果从事故点中筛选出噪声点，并将噪声点剔除。

与现有技术相比，本发明的有益效果在于：

本发明提供的一种基于海域事故特点的应急资源优化配置方法，通过事故信息划分出事故易发区域，将事故易发区域作为应急救援资源需求点，计算各事故易发区的风险值，根据风险值筛选出事故高风险区域，根据区域风险大小和事故类型，建立并求解应急救援船舶配置规划模型，得到各应急救援点的最优的应急救援船舶配置方案，进一步计算各应急救援点的应急救援能力，构建应急救援物资的配置方案模型，求解模型得到应急物资配置方案。本发明充分考虑了海上交通事故及救援方式的特点，在优化各救援点的船舶配置方案的基础上，针对不同区域的事故风险大小和事故风险类型，得到应急资源优化配置方案，根据本发明提供的方法得到的应急资源优化方案更加全面、合理和准确，能有效的提升救援能力，且避免了救援资源物资的浪费。

附图说明

图1为根据本发明实施例的方法流程图；

图2为根据本发明实施例的应急救援船配置方案评价指标体系示意图；

图3为根据本发明实施例的染色体交叉示意图；

图4为根据本发明实施例的遗传算法流程图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

如图1，本实施例为一种基于海域事故特点的应急资源优化配置方法，包括以下步骤：

S1：获取海域内海上交通事故信息，基于所述海上交通事故信息划分出事故易发区域；具体过程如下：

S101：获取海域一段时间内的所有海上交通事故信息，提取各事故点的经纬度坐标，利用ArcGis软件绘制出海域内海上交通事故空间分布图；

S102：利用最小圆覆盖算法在海域内海上交通事故空间分布图上绘制出若干不等圆覆盖于事故点上；

S103：将S102所得的不等圆数量作为聚类数，不等圆的各圆心作为聚类中心，运用K-means均值聚类法得到最终的海上事故易发区域空间划分结果。

本实施例根据海口海事局所公开的2012年至2020年九年间琼州海峡的应急搜救统计资料，共提取可利用的事故61起，将其经纬度导入ArcGIS软件，得到琼州海峡海口辖区海上事故空间分布图；

在海上事故空间分布图上绘制出若干不等的可覆盖事故点的最小圆，对琼州海峡海上事故易发区域实现初步划分，得到1个孤立事故点，将其剔除后，即可得到11个事故易发区域，分别为P₁-P₁₁，每个圆的圆心所在位置即为事故事发区域的初始聚类中心；

利用Matlab软件，输入聚类数与初始聚类中心坐标等其他参数，对海域各个事故坐标点进行K-means聚类，得到最终的琼州海峡海上事故易发区域，各事故易发区域的相关信息如表1所示。

表1事故易发区域的相关信息

S2：确定海域相对通航风险评价指标，并基于改进的TOPSIS方法对各事故易发区域进行风险评价，划分得到事故高风险区域；具体包括以下步骤：

S201：确定海域相对通航风险评价指标，本实施例中海域相对通航风险指标及其含义如表2所示；

表2海域相对通航风险指标及其含义

S202：基于层次分析法确定各评价指标的主观权重向量，具体为：

根据专家、航海从业人员、海上安全监管人员等人员对于选取指标重要性的意向调查结果，取其几何平均值得到指标重要性判断矩阵X＝(x_ij)_n×n；计算判断矩阵X各行元素的几何平均值

其中，n为指标个数；x_ij表示判断矩阵中第i行第j列的元素；

将

归一化得到w_i：

计算判断矩阵的最大特征根λ_max：

其中，w＝(w₁,w₂,...,w_n)^T为权向量；

利用以下公式分别求得单层析排序与总层次排序的CR值：

其中，CI为一致性指标；RI为随机一致性指标；

若CR<0.1，则判断矩阵具有一致性，进而确定主观权重向量W₁＝(w₁,w₂,...,w_n)；

S203：基于熵权法确定各评价指标的客观权重向量，具体为：

通过船讯网、宝船网、海口海事局等渠道，观测、获取相关指标数据，并根据所收集的资料，整理得到各事故易发区域的初始评价矩阵A如下：

因为本实施例所选取的指标均为正向化指标，因此无需再进行指标数据正向化处理，仅需结合表3，根据以下公式计算得到标准化矩阵C如下所示。

(1)根据标准化矩阵C计算第j个指标所占第i个评价对象的比重f_ij：

(2)计算各评价指标所含的信息熵值ej:

(3)计算各评价指标的熵权wj：

(4)得到由熵权法得到的客观权重向量W₂＝(w_j)^T,j＝1,2,...,n；

S204：根据各评价指标的主观权重向量和客观权重向量，采用改进博弈论方法确定组合权重向量，得到组合权重向量矩阵，具体过程如下：

对所述主观权重向量W₁和客观权重向量W₂进行线性组合赋权；

基于博弈论思想，建立如下组合系数方程组：

其中，a₁和a₂为组合系数，即分别为主观权重和客观权重在组合权重中所占的比重；

上述方程组是基于传统博弈论思想，所求得的组合系数可能为负，因此，为保证线性组合系数为正，对所述组合系数进行优化改进，得到以下改进博弈论模型：

通过构建拉格朗日函数并求偏导：

其中，λ为拉格朗日乘数；

对所得结果进行归一化处理，可得改进博弈论模型求得的组合权重系数如下：

将

代入下式可求得组合权重向量为：

本实施例得到的各权重如表3所示：

表3评价指标所得权重

S205：基于组合权重向量矩阵，采用改进的TOPSIS方法计算各事故易发区的风险值，具体过程如下：

(1)假设待评价对象个数为m，指标个数为n，首先根据所获取的数据资料及专家意见，针对每个事故易发区域的每个指标进行赋值，得到评价矩阵A＝(a_ij)_m×n；

(2)根据各指标对于风险大小的影响关系判定指标属性，对于逆向指标，利用下式进行指标正向化处理，得到正向化矩阵B＝(b_ij)_m×n：

(3)根据下式对指标进行标准化处理，得到标准化矩阵C＝(c_ij)_m×n：

式中：

为各列指标数据的均值；

结合权重矩阵W^*，得到加权规范化矩阵D＝(d_ij)_m×n

d_ij＝c_ij×w_s(1≤i≤m,1≤j≤n,1≤s≤n)

(4)根据标准化矩阵与加权规范化矩阵，分别确定用于马氏距离计算与灰色关联度计算的最大、最小风险集：

其中，C⁺、C^-分别为根据标准化矩阵确定基于马氏距离计算与灰色关联度计算得到的最大风险集和最小风险集；D⁺、D^-分别为根据加权规范化矩阵确定基于马氏距离计算与灰色关联度计算得到的最大风险集和最小风险集；

表4标准化矩阵与加权规范矩阵的最大、最小风险集

(5)利用马氏距离计算公式，得到各事故易发区域与最大风险集、最小风险集间的马氏距离：

式中：

且

Σ为样本协方差矩阵。

(6)根据下式计算各事故易发区域与最大风险集、最小风险集关于各指标的灰色关联系数：

式中：ρ为分辨率；

利用下式计算各事故易发区域与最大风险集、最小风险集的灰色关联度：

本实施例各区域与最大、最小风险集的马氏距离及灰色关联度结果见表5：

表5各区域与最大、最小风险集的马氏距离及灰色关联度

(7)将标准化后的马氏距离与灰色关联度进行线性组合，形成组合距离

与

式中：α与β分别为组合系数，且α+β＝1。本实施例取α＝β＝0.5。

(8)根据下式求得域与最大风险各区集的贴近度CC_i，将CC_i作为各事故易发区域的相对通航风险值。相对通航风险值越大，即表示事故易发区域区域相对通航风险越高：

式中：0≤CC_i≤1。

本实施例中相对通航风险评价计算结果见表6。

表6基于改进TOPSIS的相对通航风险评价计算结果

S206：根据表6可得，共识别出11个事故易发区域，事故易发区域的风险阈值为0.495，通过将各区域的相对通航风险值与风险阈值进行比较，可得到存在两处高风险区域P6、P2。

S3：将事故根据应急需求的差异进行分类，并计算各事故发生时的应急救援时间和成本，以总应急救援时间和总应急救援成本为目标、以高风险区域多重覆盖、应急救援响应时间阈值为约束条件建立应急救援船舶配置规划模型，具体为：

事故发生时的应急救援时间和成本与救援船舶的类型有较大的相关性，本实施例根据海口辖区目前水域所停靠的应急救援船舶的尺寸、吨位、航速、功能等性能特点，将所有船舶分为7类，具体分类方式如表7所示，各类船舶的性能参数见表8。

表7辖区应急救援船舶分类表

表8各类应急救援船舶的性能参数

基于2012年-2020年海口辖区的海上事故数据，及部分可公开的事故调查报告，将最短应急响应时间阈值t_h设为3小时，同时将各事故根据其发生特点与应急需求特点，分为以下几类，其中各类事故所需的各项应急救援能力大小及事故应急救援时间阈值根据以往事故应急救援情况进行经验赋值。具体事故分类及其相关参数设置如表9所示。

表9事故分类及其相关参数设置

其中，事故类型S1是指重大碰撞、重大风灾类事故，该类事故应急时间较长，且所需人命救助能力及安全管控能力极大；事故类型S2是指较大碰撞类事故，该类事故同样需要较大的人命救助与安全管控能力；事故类型S3是指较大火灾类事故，该类事故需要一定的人命救助能力与安全管控能力，且为了控制其影响范围，该类事故的应急救援时长阈值不应太长；事故类型S4是指存在人员落水，需要进行人命救助的倾覆、自沉类事故；事故类型S5是指遇险船员在遭遇事故后，弃船逃生或者被周边船舶救起，因此不需要应急救援船舶提供人命救助，但需要执法船艇前往事故现场进行监察的各个事故；事故类型S6是指仅需要提供人命救助的一般碰撞事故；事故类型S7是指船上人员遭遇意外或者突发疾病，需要救助船舶紧急接送的各个事故；事故类型S8是指一般搁浅事故，该类事故需要较大的拖带能力；事故类型S9是指小型搁浅事故；事故类型S10是指小型失火事故，该类事故虽后果较小，应急时长一般较短，但所需人命救助与安全管控能力并不低。

救援过程中救援点与事故点之间的距离也是影响救援的重要因素之一，因此在建立应急救援船舶配置规划模型时，需要获取救援点的位置信息，本实施例中将海口海事局辖区水域内的三大港口——马村港港区、新海港港区与海口港港区的码头作为可供应急救援船舶停靠的备选码头。并将目前应急救援船舶所停靠的经纬度坐标，作为各个备选码头的地理坐标位置。通过在船讯网上的距离计算工具绘制各个备选码头至各个事故区域中心的最短折线距离，可得到距离参数的各项数值(单位：海里)，如表11所示。同时根据各码头现有泊位容量情况及其泊位使用情况综合确定各备选码头的可供应急救援船舶停靠的泊位数量上限(单位：个)，见表10。

表10备选码头可停靠泊位容量

表11备选码头与事故区域间的距离

本实施例中应急救援船舶配置规划模型具体为：

式(1)、式(2)表示该模型的目标函数，式(1)要求为在所有事故中的总应急救援时间最小，式(2)要求为在所有事故中的总成本最小，等式右边的第一项船舶日常运营成本，第二项为应急调度成本，式(3)为应急调度成本的各类子项，分别为船舶固定出港、燃油和营运三项成本；式(4)表示在所有码头i配置的任意r类型船总和不得大于r类型船的最大艘数；式(5)表示在任意码头i配置的所有r类型船总和不得大于码头i可供停靠的最大泊位数；式(6)表示在任意事故区域j发生任意事故s时，从任意码头i派出的r类型船的数量不得大于该码头i停靠的r类型船的总数；式(7)表示在任意事故区域j发生任意事故s时，从任意码头i派出的任意r类型船的到达时间都要小于应急响应时间最长阈值；式(8)表示对于所有不参与救援的船舶，应急救援时间为0(M是一个极大值,M＝9999999999)；式(9)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船的救援时间都要小于应急救援时间最长阈值；式(10)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的人命救助能力之和大于事故类型s发生时需要的总人命救助能力；式(11)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的安全管控能力之和大于事故类型s发生时需要的总安全管控能力；式(12)表示在任意事故区域j发生任意事故s时，从任意码头i派出的所有r类型船在救援时间内的拖带能力之和大于事故类型s发生时需要的总拖带能力；式(13)表示针对任意高风险事故区域j⁺，至少被两个码头i所覆盖。

式中：I＝{i|i＝1,2,…,u}——应急船舶可停靠码头集合；J＝{j|j＝1,2,…,p}——事故易发区域集合；J⁺＝{j⁺|j⁺＝1,2,…,e}——高风险区域集合；R＝{r|r＝1,2,…,o}——应急船舶种类集合；S＝{s|s＝1,2,…,w}——事故类型集合；

为船型r的日常运营成本；

为船型r的固定出港成本；

为船型r的每小时耗油成本；

为船型r的每小时应急成本；v_r为船型r的船速；

为船型r每小时可提供的人命救助能力；

为船型r每小时可提供的安全管控能力；

为船型r每小时可提供的拖带能力；

为事故类型s发生时需要的总人命救助能力；

为事故类型s发生时需要的总安全管控能力；

为事故类型s发生时需要的总拖带能力；d_ij表示事故区域j距离可停靠码头i的距离；g_sj表示事故s在事故区域j发生的频数；b_i表示码头i可供停靠的最大泊位数；l_r表示船舶类型r的最大艘数；T表示模型计算周期；t_h表示应急响应时间最长阈值(即船舶抵达事故点可花费的最长时间)；T_s表示应急救援时间最长阈值(即船舶抵达事故点后展开救援可花费的最长时间)；

x_ir表示码头i上所停靠的r船型的数量，定义N⁺为非负整数，其中x_ir∈N⁺，

y_sj,ir表示在j区域发生事故s时，从码头i派出的救助的r型船的数量，定义N⁺为非负整数，其中y_sj,ir∈N⁺，

λ_sj,ir表示在j区域发生事故s时，从码头i是否派出了r型船进行救助，其中λ_sj,ir＝min{y_sj,ir,1}，

t_sj,ir表示船舶类型r从码头i前往事故s区域j路程上所需时间，

若在j区域发生事故s时，没有从码头i派出r型船进行救助，则t_sj,ir＝0；

表示从码头i出发的r类型船舶在处理区域j中发生的事故s花费的救援时间。

而针对高风险地区，需要其至少被两个码头覆盖。覆盖的概念为码头中至少有一艘船舶能够在应急到达时间最长阈值内到达事故区域。

表示码头i是否配备了船型r，其中

表示船舶类型r从码头i前往高风险区域j⁺路程上所需时间，

(M是一个极大值,M＝9999999999)；

表示从码头i前往高风险区域j⁺所需最短时间，

表示高风险区域j⁺是否被码头i覆盖，

S4：采用遗传算法求解应急救援船舶配置规划模型，得到最优的应急救援船舶配置方案。遗传算法的求解过程如图4所示。

基于事故特点的应急救援船舶配置优化是一个多目标混合整数非线性规划问题，存在多个目标，且由于目标之间存在冲突无法比较，所以很难找到一个解使得所有目标函数同时达到最优。因此需要寻找一个Pareto最优解(非支配解)，使得除去此解外的其他解无法在改进任何目标函数的同时不削弱至少一个其他目标函数。本文根据应急救援船配置的特点，以应急救援时间最短和动态调度维护成本最小化为多目标，设计以多目标遗传算法为核心的模型求解方法，具体内容包括：

(1)编码设计：本模型的编码共有两层，第一层用于解决应急救援船配置问题，第二层用于解决当具体事故发生时，在所选择的站点配船方案下各船舶实施应急救援的情况，即船舶应急救援策略。双层编码的好处在于能够在第一层算法搜索配船方案的同时，最大限度地搜索每个配船方案下船舶的应急救援策略，从而达到兼顾救援时间和救援成本的全局应急救援船优化配置方案。

具体的编码方法如下：

已知有i个码头可以用来停靠应急救援船舶，共有r种类型的船总计n艘，随机生成初始种群，种群大小设置为X，用实数0和1来进行表示染色体，比如个体[010……011]，基因所在的位置代表在第i个码头是否有r种类型的船停泊，实数1表示停泊，反之则用0来表示；同时加入判断条件1，若在第i个码头停泊的船舶总数量超过该码头的容量，则淘汰该染色体并重新生成一条，直到初始种群满足X条染色体为止。

从上述的种群中选择一条染色体，进行第二层遗传算法编码，选择所有事故中每艘船选择前往的地方，在本模型中每艘船在每次事故中可能会出发救援，也可能不出发救援。用二进制字符串a₁,a₂,a₃,...,a_n分别代表各个事故，则二进制字符串a上面的每一位二进制数都可以视为遗传基因，基因所在的位置代表在j区域发生s事故时，在第i个码头的一艘船是否参与救援，实数1表示参与救援，反之则用0来表示。同时加入判断条件2，若从任意码头i派出的r类型船的数量大于该码头停靠的r类型船的总数，则淘汰该染色体并重新生成一条，直到初始种群满足X条染色体为止。

(2)适应度函数：在当前环境中的个体的适应能力用适应度函数来体现，若个体的适应能力越强，则表示此个体所代表的问题的解越优，并且此个体的优秀基因越有可能被传递到后代。遗传算法中适应度对最终的优化结果有直接的影响，因此适应度函数在设定时应当遵循以下三个原则：

1)适应度函数的设计要具有科学性且应保持与求解目标的一致性；

2)适应度函数的计算不宜太复杂，以免加重运算负担；

3)适应度函数应具有连续性，且其所表示的值为一个单一的正值或者为零。

应急救援船配置结果以站点船舶组合方案的方式给出，由于在同一个站点船舶组合方案下会有多种救援船出发的策略，目标的取值范围由救援船出发的策略所决定。因此存在多个站点船舶组合方案相同而出船策略不同的相似解，将Pareto解集根据船舶组合方案分组后即可得到多个方案以及方案对应各项指标。为了评价应急救援船配置方案的合理性和可行性，建立如图2所示的应急救援船配置方案评价指标体系。

评价准则包括救援应急时效性和配置方案成本，救援应急时效性是指事故发生时救援船舶到达时间与救援时间之和，配置方案成本则包括日常维护成本和事故发生时应急调度成本两方面所能提供的调整范围。最终方案的选择由评价指标权重和方案指标评价值共同确定。假设根据分组后的非支配解数据得到的方案指标评价值矢量为b＝(b₁₁,b₂₁,b₂₂)，评价指标权重矢量为W＝(w₁₁,w₂₁,w₂₂)，则单次方案的总得分为下式所示，

通过计算船舶应急救援策略的总成本，并取其倒数作为适应度值，数值越大就代表该染色体的适应度越高。取应急救援策略中的最优方案的适应度作为全局应急救援船优化配置的适应度，数值越大就代表该染色体的适应度越高。

(3)遗传操作：

1)个体选择的方法

针对上下两层规划方法，本研究均采用轮盘赌法来选择种群的个体。其基本思想是，将当前种群里面的所有个体的适应度的值逐个相加得到它们和，将个体对应的适应度值与它们的和之比作为其被所占比例，适应度值所占比例越高的个体越容易在选择操作时被选中，它们的优秀基因也越有机会进入下一代。

2)加入精英保留法

为了加快遗传算法的优化速度，同时也为了保障最优解的存在，本研究在上下两层规划方法中均采用了精英保留策略，即将最优的个体直接全部复制到迭代后的下一个种群中，并将新种群当中最差的一个种群个体淘汰。遗传算法中使用精英保留策略的主要目的就是为了使群体当中最优的个体不至于被淘汰，虽然最优的个体已经具有较高的概率进化到下一种群了，但是使用精英保留策略可以更好保证进化的稳定性。

3)染色体交叉的方法

本文中所采用的染色体交叉方法是双点交叉法。其基本步骤为在两条父代染色体中随机地选取任意两个切点，使两个切点之间的基因进行交换。其操作方法可表示为图3。

本实施例得到的最优应急救援船舶配置方案见表12，

表12应急救援船舶配置方案

S5：在最优的应急救援船舶配置方案的基础上，结合各事故易发区域的风险值，基于引力模型构建得到应急救援物资配置方案，具体包括以下步骤：

S501：计算应急救援站点的应急救援能力，具体为：

通过计算各个应急救援站点所配备的应急救援船舶的综合应急能力来表征各站点的应急救援能力的大小，如下式所示：

且

式中：c_r表示第r类船舶所具有的综合应急救援能力，x_ir表示应急救援站点i所配置的应急救援船型r的总艘数，o表示共有o种应急救援船舶。

表示第r类船舶的第t类应急能力大小，β_t表示第t类应急能力所占比重，z表示共有z种应急能力。

S502：基于引力模型构建基于应急物资配置的概率分配模型，具体过程如下：

在应急救援任务中，时间因素一般为首要因素，因此基于应急救援物资的配置问题所建立的引力模型，β取值为2，k取值为1，并用ρ表示应急救援站点的应急救援能力，以事故区域j的相对通航风险大小CC_j来表征事故区域j的应急物资需求比例，则可得到基于应急物资配置的概率分配模型表述如下：

式中：ρ_i表示应急救助站点i的应急救援能力，根据公式(4-2)可计算得到；CC_j表示事故区域j的应急救援物资需求比例，在本研究中用各区域的相对通航风险值来表征，可通过对各事故区域进行通航风险评价得到；d_ij为站点i与事故区域j之间的距离。

S503：计算应急救援点的应急物资储备比例，得到应急救援物资配置方案，具体过程如下：

对于某个站点在一段时间内所应配备的应急物资数量应根据其提供救援的事故区域的需求量来衡量，将该站点所为各个事故区域所提供的物资数量进行求和，则为该站点应急物资所需的最小储备量。如下式所示。

式中：E_i表示应急救援站点所需的应急物资最小储备量；

设应急救援站点共u个，对各个站点的最小储备量进行归一化，可得到各应急救助站点所应配置物资的比例e_i：

本实施例得到的应急救援物资配置方案见表13。

表13优化后各站点对各区域的应急救援物资相对分配量

此时各码头附近的应急救助站点所需配置的应急物资比例分别为：e_i＝{0.202,0.386,0.412},i＝1,2,3。同样以医疗救助包的配置为例，对结果进行分析：若通过需求预测与分析，得到海口海事局辖区水域未来一年时间内进行海上应急救援任务需消耗医疗救助包总量为10000份，则马村港港区附近的应急救援站点在该年内应配备医疗救助包2020份，新海港港区附近的应急救援站点在该年内应配备医疗救助包3860份，海口港港区附近的应急救援站点在该年内应配备医疗救助包4120份。可见，通过对应急救援船舶进行优化配置研究，其应急救援物资的分布也相对更为均匀了。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。

Claims (4)

1.一种基于海域事故特点的应急资源优化配置方法，其特征在于，包括以下步骤：

S1：获取海域内海上交通事故信息，基于所述海上交通事故信息划分出事故易发区域；所述S1包括以下步骤：

S101：获取海域一段时间内的所有海上交通事故信息，提取各事故点的经纬度坐标，绘制出海域内海上交通事故空间分布图；

S102：利用最小圆覆盖算法在海域内海上交通事故空间分布图上绘制出若干不等圆覆盖于事故点上；

S103：将S102所得的不等圆数量作为聚类数，不等圆的各圆心作为聚类中心，运用K-means均值聚类法得到最终的海上事故易发区域空间划分结果；

S2：确定海域相对通航风险评价指标，并基于改进的TOPSIS方法对各事故易发区域进行风险评价，划分得到事故高风险区域；所述S2具体包括以下步骤：

S201：确定海域相对通航风险评价指标；所述评价指标包括3个因素层，分别为：

交通因素：包括船舶流量、船舶平均密度、船舶密度离散度；

船舶因素：包括船舶类型、船舶航速；

航道因素：包括特殊区域影响、航道特殊点个数、障碍物个数

S202：基于层次分析法确定各评价指标的主观权重向量；

S203：基于熵权法确定各评价指标的客观权重向量；

S204：根据各评价指标的主观权重向量和客观权重向量，采用改进博弈论方法确定组合权重向量，得到组合权重向量矩阵；

S205：基于组合权重向量矩阵，采用改进的TOPSIS方法计算各事故易发区的风险值；具体过程如下：

(1)针对针对每个事故易发区域的每个指标进行赋值，得到评价矩阵；

(2)根据各指标对于风险大小的影响关系判定指标属性；

(3)对指标进行标准化处理，得到标准化矩阵和加权规范化矩阵；

(4)根据标准化矩阵与加权规范化矩阵，分别确定用于马氏距离计算与灰色关联度计算的最大、最小风险集；

(5)利用马氏距离计算公式，得到各事故易发区域与最大风险集、最小风险集间的马氏距离；

(6)计算各事故易发区域与最大风险集、最小风险集关于各指标的灰色关联系数；

(7)将标准化后的马氏距离与灰色关联度进行线性组合；

(8)计算得到各事故易发区域的相对通航风险值；

S206：计算各事故易发区的风险值平均值，将所述风险值平均值作为阈值，判断各事故易发区域风险值是否超过所述风险值平均值，若是，则该区域为事故高风险区域；

S3：将事故根据应急需求的差异进行分类，并计算各类事故发生时的应急救援时间和成本；以总应急救援时间和总应急救援成本为目标，以高风险区域多重覆盖、应急救援响应时间阈值为约束条件建立应急救援船舶配置规划模型；

S4：求解所述应急救援船舶配置规划模型，得到最优的应急救援船舶配置方案；

S5：在最优的应急救援船舶配置方案的基础上，结合各事故易发区域的风险值，基于引力模型构建得到应急救援物资配置方案。

2.根据权利要求1所述的一种基于海域事故特点的应急资源优化配置方法，其特征在于，所述S4中采用遗传算法求解应急救援船舶配置规划模型。

3.根据权利要求1所述的一种基于海域事故特点的应急资源优化配置方法，其特征在于，所述S5具体包括以下步骤：

S501：计算应急救援站点的应急救援能力；

S502：基于引力模型构建基于应急物资配置的概率分配模型；

S503：计算应急救援点的应急物资储备比例，得到应急救援物资配置方案。

4.根据权利要求2所述的一种基于海域事故特点的应急资源优化配置方法，其特征在于，所述S102还包括，根据聚类结果从事故点中筛选出噪声点，并将噪声点剔除。

Images