CN116151439A - 一种在城市中选址救灾物资储备站的方法 - Google Patents
一种在城市中选址救灾物资储备站的方法 Download PDFInfo
- Publication number
- CN116151439A CN116151439A CN202310048576.4A CN202310048576A CN116151439A CN 116151439 A CN116151439 A CN 116151439A CN 202310048576 A CN202310048576 A CN 202310048576A CN 116151439 A CN116151439 A CN 116151439A
- Authority
- CN
- China
- Prior art keywords
- value
- parameter
- address selection
- probability
- city
- 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
- 239000000463 material Substances 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 7
- 238000012876 topography Methods 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 3
- 239000000523 sample Substances 0.000 claims 2
- 230000004044 response Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010187 selection method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/24569—Query processing with adaptation to specific hardware, e.g. adapted for using GPUs or SSDs
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种在城市中选址救灾物资储备站的方法,所述方法包括:S1、输入待选择救灾物资储备站的城市的相关数据;S2、基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;所述数据特征包括:人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征;S3、基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站。
Description
技术领域
本发明涉及城市选址技术领域,尤其涉及一种在城市中选址救灾物资储备站的方法。
背景技术
地震、雪灾等突发性自然灾害近年来有着频繁化和复杂化的趋势,其突发性及危害性可对社会环境造成极大的负面影响。为降低突发性自然灾害给人类社会所造成的损失,灾难来临时的应急响应速度及响应措施就显得尤为重要。由于救灾物资储备站是灾后应急响应行动中的必不可少的重要设施,它的选址的合理性就显得更加关键。一个合理的救灾物资储备站不仅可以达到灾后的及时应急响应,还对安抚灾区群众情绪起着极大的作用。所以如何选取合理的救灾物资储备站以提高灾后应急响应速度是十分重要的。
目前关于选址决策问题的解决方案主要分成两类,分别是启发式选址决策方法和基于聚类算法的选址决策方法。启发式选址决策方法属于传统选址问题的常用方法,主要采用启发式算法来有效地进行解空间的搜索;基于聚类算法的选址决策方法提供了一个多层级均衡选址算法的思想,将所有的需求点划分为不重叠的配送范围,再使用重心法在各个配送范围内进行单配送中心选址,即将一个较大的选址问题划分成多个较小范围的选址问题进行解决。
中国专利“CN202110138907.4”提出了一种公共服务设施选址方法。此专利通过获取基本数据和筛选条件,并按照筛选条件筛选出符合条件的待选的选址点,再将这些待选的选址点进行二进制编码,利用多目标粒子群算法求解最优选址点。中国专利“CN202110554771.5”提出了一种基于人工智能和大数据的商场选址方法及系统。基于待建商场与现有商场的相似度和竞争关系得到待建商场的若干备选地址;获取现有商场和备选地址的商圈,并对商圈进行调整,基于调整前或调整后的商圈计算现有商场和备选地址的商圈特征得分;计算商圈特征权重;基于备选地址与现有商场间的距离、商圈特征的权重和得分计算现有商场对待建商场的斥力;基于斥力得到待建商场的若干优选地址,在优选地址中选择待建商场的最优地址。中国专利“CN202110138907.4”所提出的公共服务设施选址方法和中国专利“CN202110554771.5”所提出的基于人工智能和大数据的商场选址方法存在着相同的问题,他们都与大多数物流中心选址的方法一样,将经济成本作为选址的主要依据。而对于救灾物资储备站这种以人口覆盖率和灾后应急响应的时效性为导向的设施,不能够将经济成本作为选址的主要依据。此外,不同的城市有着不同的地理环境和基础设施构成,针对不同的城市结构应该提供相对应的选址方案,而目前现有的研究方案尚未将地理信息因素和城市内的基础设施空间位置信息因素对模型的影响纳入考虑范畴。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种在城市中选址救灾物资储备站的方法,其解决了现有技术中在对救灾物资储备站的选址过程中只考虑经济成本,从而所选出的救灾物资储备站不合适的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
本发明实施例提供一种在城市中选址救灾物资储备站的方法,所述方法包括:
S1、输入待选择救灾物资储备站的城市的相关数据;
S2、基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;所述数据特征包括:人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征;
S3、基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站;
所述预先设定的选址模型为:
P表示城市中m个区域的选址概率;P=(p1、p2、...pi...、pm)T;Pm表示m个区域中第i个区域被选定为救灾物资储备站的选址概率;
X为数据特征的矩阵,其中,X=(X1、X2、X3、X4、X5);
X1为人口数量特征;X2为城市道路网络结构特征;X3为市内基础设施空间位置信息特征;X4为地理信息特征;X5为城市POI数据特征;
w为所述预先设定的选址模型中所需训练的第一参数向量;
b为所述预先设定的选址模型中所需训练的第二参数向量;
b=(b1、b2、b3、b4、b5)T;w=(w1、w2、w3、w4、w5)T;
其中,b1、w1分别为与人口数量特征X1所对应的第一参数和第二参数;b2、w2分别为城市道路网络结构特征X2所对应的第一参数和第二参数;b3、w3分别为市内基础设施空间位置信息特征X3所对应的第一参数和第二参数;b4、w4分别为地理信息特征X4所对应的第一参数和第二参数;b5、w5分别为城市POI数据特征X5所对应的第一参数和第二参数。
优选地,
所述待选择救灾物资储备站的城市的相关数据包括:待选择救灾物资储备站的城市内行政区域划分结构、待选择救灾物资储备站的各行政区域人口数量情况、待选择救灾物资储备站的城市道路网络结构数据、待选择救灾物资储备站的城市基础设施位置信息、待选择救灾物资储备站的城市地形地貌信息。
优选地,
所述人口分布特征为城市内各行政区域的人口密度所属的预先划分的层次;
城市道路网络结构特征为城市各道路网络结构的节点间的最短距离;
市内基础设施空间位置信息特征为由城市内基础设施的地理位置所组成的连接图;
地理信息特征为城市的地形地貌信息;
城市POI数据特征为城市内的功能区域的划分信息。
优选地,所述S3具体包括:
S31、基于所述数据特征以及随机生成的第一参数向量w的第一初始值,第二参数向量b的第一初始值、第一参数向量w的第二初始值、第二参数向量b的第二初始值,采用所述预先设定的选址模型,分别获取选址概率的第一初始值、选址概率的第二初始值;
S32、基于选址概率的第一初始值、选址概率的第二初始值,分别采用预先设定计算策略获取与所述选址概率的第一初始值所对应的选址参数的第一数值,以及与所述选址概率的第二初始值所对应的选址参数的第二数值;
S33、比较所述选址参数的第一数值和所述选址参数的第二数值的大小,获取比较结果;
S34、若所述比较结果为所述选址参数的第一数值大于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第二初始值以及第二参数向量b的第二初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第二初始值的新值,进一步,基于所述选址概率的第二初始值的新值采用预先设定计算策略获取选址参数的第二数值新的数值,并重复步骤S33-S34,直至第一条件出现;
若所述比较结果为所述选址参数的第一数值小于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第一初始值以及第二参数向量b的第一初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第一初始值的新值,进一步,基于所述选址概率的第一初始值的新值采用预先设定计算策略获取选址参数的第一数值新的数值,并重复步骤S33-S34,直至第一条件出现;
S35、若第一条件出现,则获取当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,并基于当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,筛选所述城市中最优区域作为救灾物资储备站。
优选地,S32具体包括:
S32、基于选址概率的第一初始值、选址概率的第二初始值,分别采用预先设定计算策略获取与所述选址概率的第一初始值所对应的选址参数的第一数值,以及与所述选址概率的第二初始值所对应的选址参数的第二数值;
S321、分别选择选址概率的第一初始值中最大的前s个概率值所对应的区域、选址概率的第二初始值中最大的前s个概率值所对应的区域;
S322、采用公式(1)计算选址概率第一初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率和选址概率第二初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率;
ηcover表示选址概率第一初始值或选址概率第二初始值中最大的前s个概率值所对应的区域作为选址目标时所对应的人口覆盖率值;
其中,
coveri表示第i块地区作为选址时,这个选址所覆盖的人口数;
t表示城市中m个区域中第i个区域相邻的区域的个数;
personi表示城市中第i块地区的人口数;
personj表示与城市中第i块地区相邻的区域中第j块地区的人口数;
S322、采用公式(2)计算选址概率第一初始值和选址概率第二初始值所对应的物资调配总成本:
costi为城市中第i块地区的物资调配成本;
S323、基于选址概率的第一初始值和选址概率的第二初始值所对应的人口覆盖率以及物资调配总成本,采用公式(3),分别计算与所述选址概率的第一初始值所对应的选址参数第一数值,以及与所述选址概率的第二初始值所对应的选址参数第二数值;
优选地,
所述第一条件为当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值相等,或者,步骤S33-S34重复预先设定次数。
优选地,
所述预先设定次数大于等于200。
优选地,
预先设定的第一调整规则为梯度下降规则。
优选地,所述S35包括:
S351、若第一条件出现,则获取当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值分别所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值;
S352、并基于所述数据特征以及当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值,采用所述预先设定的选址模型,获取与第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值所对应的选址概率的平均值PA;
S353、基于所述选址概率的平均值PA采用预先设定计算策略获取所述选址概率的平均值PA所对应的选址参数的平均值;
S354、基于当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值以及选址参数的平均值,筛选所述城市中最优区域作为救灾物资储备站。
优选地,
所述城市中最优区域为所述当前的选址参数第一数值新的数值和当前的选址参数第一数值新的数值以及选址参数的平均值中数值最大的选取参数所对应的概率值最大的前k个区域;
其中1≤k≤3。
(三)有益效果
本发明的有益效果是:本发明的一种在城市中选址救灾物资储备站的方法,由于采用输入待选择救灾物资储备站的城市的相关数据;基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站,相对于现有技术而言,在选址时考虑了城市的人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征,使得所选出的城市的救灾物资储备站位置更为合适。
附图说明
图1为本发明的一种在城市中选址救灾物资储备站的方法流程图;
图2为实施例中沈阳市行政区域划分图;
图3为本发明实施例中步骤S3的具体示意图;
图4为按照本发明的一种在城市中选址救灾物资储备站的方法所筛选的效果图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
参见图1,一种在城市中选址救灾物资储备站的方法,所述方法包括:
S1、输入待选择救灾物资储备站的城市的相关数据。
所述待选择救灾物资储备站的城市的相关数据包括:待选择救灾物资储备站的城市内行政区域划分结构、待选择救灾物资储备站的各行政区域人口数量情况、待选择救灾物资储备站的城市道路网络结构数据、待选择救灾物资储备站的城市基础设施位置信息、待选择救灾物资储备站的城市地形地貌信息。
城市内行政区域划分结构,每个城市有着专属于自己的一个结构组成形态,而一个城市内部的天然划分就是该市的行政区域划分,该划分方式是对一座城市进行划分的最合理的方式。如图2所示,为沈阳市的行政区域划分图。
各行政区域人口数量情况,通过各个行政区域内的人口数量和该行政区域的占地面积可以求得该行政区域的一个人口稠密程度。根据人口稠密度可以将城市的各个行政区域分成“地广人稀”和“人员稠密”的不同区域。
城市道路网络结构数据,城市的道路网络结构可以反应城市内部各节点之间的连通关系,对城市空间结构进行抽象化,便于计算城市内各节点间的可达性关系。
城市基础设施位置信息,城市内部存在多种基础设施,这些基础设施在一定程度上有助于救灾物资储备站物资的调配工作的进行。
城市地形地貌信息,城市内的地形地貌会影响到物资的交通运输,对救灾物资储备站的响应速度产生较大的影响。
S2、基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;所述数据特征包括:人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征。
所述人口分布特征为城市内各行政区域的人口密度所属的预先划分的层次。本实施例中的人口分布特征是预先对各行政区域人口的密度进行聚类后,得到各个行政区域的人口密度的不同层次,有稀疏层次、常规层次和稠密层次。
城市道路网络结构特征为城市各道路网络结构的节点间的最短距离。
市内基础设施空间位置信息特征为由城市内基础设施的地理位置所组成的连接图。本实施例中城市内基础设施为消防栓、室内仓库等。
地理信息特征为城市的地形地貌信息。
城市POI数据特征为城市内的功能区域的划分信息。本实施例中功能区域包括工业区域、商业区域、住宅区域。
S3、基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站。
所述预先设定的选址模型为:
P表示城市中m个区域的选址概率;P=(p1、p2、...pi...、pm)T;Pm表示m个区域中第i个区域被选定为救灾物资储备站的选址概率。
X为数据特征的矩阵,其中,X=(X1、X2、X3、X4、X5)。
X1为人口数量特征;X2为城市道路网络结构特征;X3为市内基础设施空间位置信息特征;X4为地理信息特征;X5为城市POI数据特征。
w为所述预先设定的选址模型中所需训练的第一参数向量。
b为所述预先设定的选址模型中所需训练的第二参数向量。
b=(b1、b2、b3、b4、b5)T;w=(w1、w2、w3、w4、w5)T。
其中,b1、w1分别为与人口数量特征X1所对应的第一参数和第二参数;b2、w2分别为城市道路网络结构特征X2所对应的第一参数和第二参数;b3、w3分别为市内基础设施空间位置信息特征X3所对应的第一参数和第二参数;b4、w4分别为地理信息特征X4所对应的第一参数和第二参数;b5、w5分别为城市POI数据特征X5所对应的第一参数和第二参数。
参见图3,所述S3具体包括:
S31、基于所述数据特征以及随机生成的第一参数向量w的第一初始值,第二参数向量b的第一初始值、第一参数向量w的第二初始值、第二参数向量b的第二初始值,采用所述预先设定的选址模型,分别获取选址概率的第一初始值、选址概率的第二初始值。
S32、基于选址概率的第一初始值、选址概率的第二初始值,分别采用预先设定计算策略获取与所述选址概率的第一初始值所对应的选址参数的第一数值,以及与所述选址概率的第二初始值所对应的选址参数的第二数值。
本实施例的实际应用中,S32具体包括:
S321、分别选择选址概率的第一初始值中最大的前s个概率值所对应的区域、选址概率的第二初始值中最大的前s个概率值所对应的区域。
S322、采用公式(1)计算选址概率第一初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率和选址概率第二初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率。
ηcover表示选址概率第一初始值或选址概率第二初始值中最大的前s个概率值所对应的区域作为选址目标时所对应的人口覆盖率值。
其中,
coveri表示第i块地区作为选址时,这个选址所覆盖的人口数。
t表示城市中m个区域中第i个区域相邻的区域的个数。
personi表示城市中第i块地区的人口数。
personj表示与城市中第i块地区相邻的区域中第j块地区的人口数。
S322、采用公式(2)计算选址概率第一初始值和选址概率第二初始值所对应的物资调配总成本:
costi为城市中第i块地区的物资调配成本。
S323、基于选址概率的第一初始值和选址概率的第二初始值所对应的人口覆盖率以及物资调配总成本,采用公式(3),分别计算与所述选址概率的第一初始值所对应的选址参数第一数值,以及与所述选址概率的第二初始值所对应的选址参数第二数值。
S33、比较所述选址参数的第一数值和所述选址参数的第二数值的大小,获取比较结果。
S34、若所述比较结果为所述选址参数的第一数值大于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第二初始值以及第二参数向量b的第二初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第二初始值的新值,进一步,基于所述选址概率的第二初始值的新值采用预先设定计算策略获取选址参数的第二数值新的数值,并重复步骤S33-S34,直至第一条件出现。
本实施例中,预先设定的第一调整规则为梯度下降规则。
若所述比较结果为所述选址参数的第一数值小于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第一初始值以及第二参数向量b的第一初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第一初始值的新值,进一步,基于所述选址概率的第一初始值的新值采用预先设定计算策略获取选址参数的第一数值新的数值,并重复步骤S33-S34,直至第一条件出现。
本实施例中,所述第一条件为当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值相等,或者,步骤S33-S34重复预先设定次数。
具体的,所述预先设定次数大于等于200。
S35、若第一条件出现,则获取当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,并基于当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,筛选所述城市中最优区域作为救灾物资储备站。
在本实施例的实际应用中,所述S35包括:
S351、若第一条件出现,则获取当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值分别所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值。
S352、并基于所述数据特征以及当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值,采用所述预先设定的选址模型,获取与第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值所对应的选址概率的平均值PA。
S353、基于所述选址概率的平均值PA采用预先设定计算策略获取所述选址概率的平均值PA所对应的选址参数的平均值。
S354、基于当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值以及选址参数的平均值,筛选所述城市中最优区域作为救灾物资储备站。
参见图4,其中,所述城市中最优区域为所述当前的选址参数第一数值新的数值和当前的选址参数第一数值新的数值以及选址参数的平均值中数值最大的选取参数所对应的概率值最大的前k个区域。
其中1≤k≤3。
如图4所示,图中箭头的位置即为所筛选出的3个地区作为救灾物资储备站。
本实施例中的一种在城市中选址救灾物资储备站的方法,由于采用输入待选择救灾物资储备站的城市的相关数据;基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站,相对于现有技术而言,在选址时考虑了城市的人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征,使得所选出的城市的救灾物资储备站位置更为合适。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种在城市中选址救灾物资储备站的方法,其特征在于,所述方法包括:
S1、输入待选择救灾物资储备站的城市的相关数据;
S2、基于所述待选择救灾物资储备站的城市的相关数据,获取数据特征;所述数据特征包括:人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征;
S3、基于所述数据特征、预先设定的选址模型和预先设定规则,筛选所述城市中最优的区域作为该城市的救灾物资储备站;
所述预先设定的选址模型为:
P表示城市中m个区域的选址概率;P=(p1、p2、...pi...、pm)T;Pm表示m个区域中第i个区域被选定为救灾物资储备站的选址概率;
X为数据特征的矩阵,其中,X=(X1、X2、X3、X4、X5);
X1为人口数量特征;X2为城市道路网络结构特征;X3为市内基础设施空间位置信息特征;X4为地理信息特征;X5为城市POI数据特征;
w为所述预先设定的选址模型中所需训练的第一参数向量;
b为所述预先设定的选址模型中所需训练的第二参数向量;
b=(b1、b2、b3、b4、b5)T;w=(w1、w2、w3、w4、w5)T;
其中,b1、w1分别为与人口数量特征X1所对应的第一参数和第二参数;b2、w2分别为城市道路网络结构特征X2所对应的第一参数和第二参数;b3、w3分别为市内基础设施空间位置信息特征X3所对应的第一参数和第二参数;b4、w4分别为地理信息特征X4所对应的第一参数和第二参数;b5、w5分别为城市POI数据特征X5所对应的第一参数和第二参数。
2.根据权利要求1所述的方法,其特征在于,
所述待选择救灾物资储备站的城市的相关数据包括:待选择救灾物资储备站的城市内行政区域划分结构、待选择救灾物资储备站的各行政区域人口数量情况、待选择救灾物资储备站的城市道路网络结构数据、待选择救灾物资储备站的城市基础设施位置信息、待选择救灾物资储备站的城市地形地貌信息。
3.根据权利要求2所述的方法,其特征在于,
所述人口分布特征为城市内各行政区域的人口密度所属的预先划分的层次;
城市道路网络结构特征为城市各道路网络结构的节点间的最短距离;
市内基础设施空间位置信息特征为由城市内基础设施的地理位置所组成的连接图;
地理信息特征为城市的地形地貌信息;
城市POI数据特征为城市内的功能区域的划分信息。
4.根据权利要求3所述的方法,其特征在于,所述S3具体包括:
S31、基于所述数据特征以及随机生成的第一参数向量w的第一初始值,第二参数向量b的第一初始值、第一参数向量w的第二初始值、第二参数向量b的第二初始值,采用所述预先设定的选址模型,分别获取选址概率的第一初始值、选址概率的第二初始值;
S32、基于选址概率的第一初始值、选址概率的第二初始值,分别采用预先设定计算策略获取与所述选址概率的第一初始值所对应的选址参数的第一数值,以及与所述选址概率的第二初始值所对应的选址参数的第二数值;
S33、比较所述选址参数的第一数值和所述选址参数的第二数值的大小,获取比较结果;
S34、若所述比较结果为所述选址参数的第一数值大于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第二初始值以及第二参数向量b的第二初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第二初始值的新值,进一步,基于所述选址概率的第二初始值的新值采用预先设定计算策略获取选址参数的第二数值新的数值,并重复步骤S33-S34,直至第一条件出现;
若所述比较结果为所述选址参数的第一数值小于所述选址参数的第二数值,则按照预先设定的第一调整规则调整所述第一参数向量w的第一初始值以及第二参数向量b的第一初始值,获取第一参数向量w的新数值、第二参数向量b的新数值,并基于所述数据特征以及所述第一参数向量w的新数值、第二参数向量b的新数值,采用所述预先设定的选址模型,获取与所述第一参数向量w的新数值、第二参数向量b的新数值所对应的选址概率的第一初始值的新值,进一步,基于所述选址概率的第一初始值的新值采用预先设定计算策略获取选址参数的第一数值新的数值,并重复步骤S33-S34,直至第一条件出现;
S35、若第一条件出现,则获取当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,并基于当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值分别所对应的第一参数向量w的新数值、第二参数向量b的新数值,筛选所述城市中最优区域作为救灾物资储备站。
5.根据权利要求4所述的方法,其特征在于,S32具体包括:
S32、基于选址概率的第一初始值、选址概率的第二初始值,分别采用预先设定计算策略获取与所述选址概率的第一初始值所对应的选址参数的第一数值,以及与所述选址概率的第二初始值所对应的选址参数的第二数值;
S321、分别选择选址概率的第一初始值中最大的前s个概率值所对应的区域、选址概率的第二初始值中最大的前s个概率值所对应的区域;
S322、采用公式(1)计算选址概率第一初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率和选址概率第二初始值中最大的前s个概率值所对应的区域所对应的人口覆盖率;
ηcover表示选址概率第一初始值或选址概率第二初始值中最大的前s个概率值所对应的区域作为选址目标时所对应的人口覆盖率值;
其中,
coveri表示第i块地区作为选址时,这个选址所覆盖的人口数;
t表示城市中m个区域中第i个区域相邻的区域的个数;
personi表示城市中第i块地区的人口数;
personj表示与城市中第i块地区相邻的区域中第j块地区的人口数;
S322、采用公式(2)计算选址概率第一初始值和选址概率第二初始值所对应的物资调配总成本:
costi为城市中第i块地区的物资调配成本;
S323、基于选址概率的第一初始值和选址概率的第二初始值所对应的人口覆盖率以及物资调配总成本,采用公式(3),分别计算与所述选址概率的第一初始值所对应的选址参数第一数值,以及与所述选址概率的第二初始值所对应的选址参数第二数值;
6.根据权利要求5所述的方法,其特征在于,
所述第一条件为当前的选址参数的第一数值新的数值和当前的选址参数的第二数值新的数值相等,或者,步骤S33-S34重复预先设定次数。
7.根据权利要求6所述的方法,其特征在于,
所述预先设定次数大于等于200。
8.根据权利要求7所述的方法,其特征在于,
预先设定的第一调整规则为梯度下降规则。
9.根据权利要求8所述的方法,其特征在于,所述S35包括:
S351、若第一条件出现,则获取当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值分别所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值;
S352、并基于所述数据特征以及当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值所对应的第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值,采用所述预先设定的选址模型,获取与第一参数向量w的新数值的平均值、第二参数向量b的新数值的平均值所对应的选址概率的平均值PA;
S353、基于所述选址概率的平均值PA采用预先设定计算策略获取所述选址概率的平均值PA所对应的选址参数的平均值;
S354、基于当前的选址参数第一数值新的数值和当前的选址参数第二数值新的数值以及选址参数的平均值,筛选所述城市中最优区域作为救灾物资储备站。
10.根据权利要求9所述的方法,其特征在于,
所述城市中最优区域为所述当前的选址参数第一数值新的数值和当前的选址参数第一数值新的数值以及选址参数的平均值中数值最大的选取参数所对应的概率值最大的前k个区域;
其中1≤k≤3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310048576.4A CN116151439A (zh) | 2023-01-31 | 2023-01-31 | 一种在城市中选址救灾物资储备站的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310048576.4A CN116151439A (zh) | 2023-01-31 | 2023-01-31 | 一种在城市中选址救灾物资储备站的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116151439A true CN116151439A (zh) | 2023-05-23 |
Family
ID=86355649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310048576.4A Pending CN116151439A (zh) | 2023-01-31 | 2023-01-31 | 一种在城市中选址救灾物资储备站的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116151439A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057492A (zh) * | 2023-10-13 | 2023-11-14 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
CN117078102A (zh) * | 2023-08-28 | 2023-11-17 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于空间匹配度的区域粮食安全保障能力定量化评价方法 |
-
2023
- 2023-01-31 CN CN202310048576.4A patent/CN116151439A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078102A (zh) * | 2023-08-28 | 2023-11-17 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于空间匹配度的区域粮食安全保障能力定量化评价方法 |
CN117078102B (zh) * | 2023-08-28 | 2024-05-17 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于空间匹配度的区域粮食安全保障能力定量化评价方法 |
CN117057492A (zh) * | 2023-10-13 | 2023-11-14 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
CN117057492B (zh) * | 2023-10-13 | 2024-02-02 | 合肥工业大学 | 基于概率最大覆盖模型的应急船舶救援基地选址优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116151439A (zh) | 一种在城市中选址救灾物资储备站的方法 | |
Bao et al. | Spatial analysis of bikeshare ridership with smart card and POI data using geographically weighted regression method | |
Wilmot et al. | Comparison of alternative trip generation models for hurricane evacuation | |
CN109446186B (zh) | 一种基于移动轨迹的社会关系判断方法 | |
CN109840452A (zh) | 一种栅格覆盖场景自动识别方法及装置 | |
CN107872808A (zh) | 一种wlan站址预测分析方法及装置 | |
CN106780262B (zh) | 一种考虑城市道路网络约束的同位模式发现方法及装置 | |
CN112954623B (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
CN114926098B (zh) | 基于移动定位数据的城乡生活圈快速划定方法及其系统 | |
Alexiou et al. | A classification of multidimensional open data for urban morphology | |
Dragićević et al. | Urban geosimulations with the Logic Scoring of Preference method for agent-based decision-making | |
Lyu et al. | Procedural modeling of urban layout: population, land use, and road network | |
Haghpanah et al. | Optimal shelter location-allocation during evacuation with uncertainties: a scenario-based approach | |
Ward et al. | An optimized cellular automata approach for sustainable urban development in rapidly urbanizing regions | |
CN109840611B (zh) | 一种综合业务接入区定容定址处理方法及装置 | |
Loibl et al. | Simulation of Polycentric Urban Growth Dynamics Through Agents: Modle concept, application, result and validation | |
Nouri et al. | Comparing multi-criteria decision-making (MCDM) tool and Huff model to determine the most appropriate method for selecting mountain tourism sites. | |
CN113269379A (zh) | 房屋资产等级的确定方法、装置、存储介质和计算机设备 | |
Diappi et al. | Improved understanding of urban sprawl using neural networks | |
CN116070738A (zh) | 基于轨迹预测的城市移动充电桩的迁移方法和系统 | |
CN117079124B (zh) | 一种基于社群差异化的城乡景观意象量化及提升方法 | |
Dong et al. | The spectral dimension of human mobility | |
Wong et al. | The development and calibration of a Lowry model with multiple market segments | |
Jega | Estimating population surfaces in areas where actual distributions are unknown: dasymetric mapping and pycnophylactic interpolation across different spatial scales | |
Adam et al. | Revisiting urban models with information and communication technology data? Some examples from Brussels |
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 |