CN116452035A - 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 - Google Patents
基于网络抗毁性的社区生活物资供应韧性评估方法及系统 Download PDFInfo
- Publication number
- CN116452035A CN116452035A CN202310303405.1A CN202310303405A CN116452035A CN 116452035 A CN116452035 A CN 116452035A CN 202310303405 A CN202310303405 A CN 202310303405A CN 116452035 A CN116452035 A CN 116452035A
- Authority
- CN
- China
- Prior art keywords
- community
- toughness
- supply
- data
- network
- 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 91
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 103
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000011664 signaling Effects 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 235000013311 vegetables Nutrition 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 244000183278 Nephelium litchi Species 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 210000001640 nerve ending Anatomy 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/0639—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
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (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
本发明公开了一种基于网络抗毁性的社区生活物资供应韧性评估方法及系统，所述方法包括：获取目标区域的数据并进行预处理；对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到社区韧性排序；建立供应点间的联系，构建生活物资供需网络；根据社区韧性排序，逐一找到所有社区所对应的供应点并制定攻击策略；根据攻击策略对供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。本发明可以实现对社区韧性的评估并识别出面向生活物资供应短缺风险的低韧性社区。
Description
技术领域
本发明涉及一种基于网络抗毁性的社区生活物资供应韧性评估方法、系统、计算机设备及存储介质，属于大数据应用于社区韧性量化度量的领域。
背景技术
社区韧性是社区在内外部复杂环境系统中，充分调动可利用资源，快速应对和适应风险灾害的冲击，并恢复居民生活稳态的能力。当城市突发公共卫生、暴雨台风等风险事件时，社区作为城市基本单元与神经末梢，对物资需求变化极其敏感。其往往导致城市局部地区物资需求的迅速增长，使得低韧性社区面临着生活必需品供应不足的巨大风险。因此，在面向生活物资供应短缺风险构建城市社区韧性评估模型、识别低韧性社区对提升现代化治理能力与保障居民福祉具有重要意义。现有研究从系统与方法上看，较少研究将社区置于复杂城市网络来评估社区韧性。现有研究中代表性的社区韧性模型几乎没有模型从复杂网络科学探讨社区韧性在城市系统中的关联。
发明内容
有鉴于此，本发明提供了一种基于网络抗毁性的社区生活物资供应韧性评估方法、系统、计算机设备及存储介质，其借助手机信令等多源数据构建社区韧性评价指标体系与城市生活物资供应网络，结合网络抗毁性算法在社区韧性指标分析基础上制定网络攻击策略，最后赋予权重得到社区韧性评估结果，从而实现对社区韧性的评估并识别出面向生活物资供应短缺风险的低韧性社区。
本发明的第一个目的在于提供一种基于网络抗毁性的社区生活物资供应韧性评估方法
本发明的第二个目的在于提供一种基于网络抗毁性的社区生活物资供应韧性评估系统。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种基于网络抗毁性的社区生活物资供应韧性评估方法，所述方法包括：
获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略；
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
进一步的，所述根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序，具体包括：
根据基础行政数据，对目标区域进行网格化处理，并对网格编号；
根据社区自组织能力、社区人口构成和社区基础设施，构建社区韧性评价指标体系，所述社区自组织能力对应的指标包括非通勤人流变化率，所述社区人口构成对应的指标包括人口数量、老年人比例和人均消费能力，所述社区基础设施对应的指标包括商超数量；
从手机信令数据中获取非通勤人流变化率、人口数量、老年人比例和人均消费能力，以及从POI数据中获取商超数量，对社区韧性评价指标体系进行初步评价，并将五项指标的相应数据与空间上对应的网格链接；
将五项指标对应网格的值进行归一化处理并排序，得到各指标下的社区韧性排序。
进一步的，所述建立供应点间的联系，采用手机信令数据，构建生活物资供需网络，具体包括：
基于引力模型，计算任意两个供应点之间的服务联系度矩阵，建立供应点之间的联系；
根据供应点之间的联系，采用手机信令数据中的人迹数据，构建生活物资供需网络，所述生活物资供需网络用于计算供应点的常态服务人口量。
进一步的，所述供应点的常态服务人口量计算过程如下：
根据供应点栅格ID对市场服务购菜人员量进行求和，通过平均家庭人数指标对服务人数进行扩样，根据年鉴数据进行进一步校准，得到常态服务人口量，如下式：
Zserve＝σ·α·θ·Zb
其中，Zserve为供应点常态服务人口量，σ为校正系数，α为平均家庭人数指标，θ为前往供应点出行中购买生活必需品类物资的比例。
进一步的，所述根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响，具体包括：
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，每个供应点能承载的最大负载量为Limax，当供应点i的负载超过容量的一定倍数时，供应点i超载而成为失效节点，缺失服务量为Si，如下式：
Limax＝Li·α
Si＝Lr-Limax
其中，Limax为供应点i可承载的最大负载量；α为超载系数；Li为供应点i的常态节点服务量，Si表示供应点i的缺失服务量；Lr为供应点i的突发事件下的实际负荷量；
当供应点i受到攻击失效时，将缺失服务量按照一定的重分配规则由周围供应点承担，如下式：
其中，Lij表示供应点i分配给供应点j的负载；Rj表示供应点j的剩余容量；Rk表示节点k的剩余容量；I表示与供应点i关联供应点的集合；
当供应点i过载且周围供应点均过载时，供应点i上的超额负载将无法分配，划定为缺失服务量，同时供应点i与周围供应点的联系失效，当网络中不再增加缺失服务量时，网络级联效应结束，对全局网络效率进行检测，从而测度社区韧性指标对整体供应网络抗毁性的影响，如下式：
其中，E为全局网络效率；dij为从供应点i到供应点j的最短距离；n为初始供应网络中供应点的总数。
进一步的，所述根据全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果，具体包括：
根据蓄意攻击后的全局网络效率，基于熵权法赋予社区韧性指标权重；
根据各社区韧性指标权重和各社区韧性指标值，综合评价社区韧性，得到社区韧性评估结果。
进一步的，所述根据蓄意攻击后的全局网络效率，基于熵权法赋予社区韧性指标权重，具体包括：
以蓄意攻击后的全局网络效率曲线变化斜率作为指标进行计算，通过仿真模拟计算社区韧性指标权重，所述全局网络效率曲线变化斜率的计算公式如下：
其中，K为斜率，y为全局网络效率，共有n个供应点；
对斜率数据进行标准化处理，计算公式如下：
其中，Pij为标准化后的斜率数据，K为斜率；
对斜率数据进行归一化处理，计算公式如下：
计算信息熵，计算公式为：
其中，Ei为计算的信息熵，Tij为归一化后的斜率数据；
通过信息熵计算得到社区韧性指标权重，计算公式如下：
其中，Wi为社区韧性指标权重，Ei为计算的信息熵。
本发明的第二个目的可以通过采取如下技术方案达到：
一种基于网络抗毁性的社区生活物资供应韧性评估系统，所述系统包括：
获取模块，用于获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
初步评价模块，用于根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
网络构建模块，用于建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
策略制定模块，用于根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略；
测度模块，用于根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
综合评价模块，用于根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
本发明的第三个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现上述的社区生活物资供应韧性评估方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的社区生活物资供应韧性评估方法。
本发明相对于现有技术具有如下的有益效果：
本发明从复杂网络的视角出发，构建社区韧性评价指标体系与城市生活物资供应网络，结合网络抗毁性算法制定攻击策略，最后通过熵权法赋予权重进行计算，对潜在供应保障不足的低韧性社区进行识别；通过社区韧性评估方法进行成活物资供应短缺风险的识别，将有助于构建城市复杂巨系统中社区韧性与其他子系统的网络联系，为社区韧性提升的规划建设提供研究基础和方法论实验，对提升现代化治理能力与保障居民福祉具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的基于网络抗毁性的社区生活物资供应韧性评估方法的流程图。
图2为本发明实施例1的广州六区行政区。
图3为本发明实施例1的社区非通勤人流变化率韧性评价结果。
图4为本发明实施例1的社区人口数量韧性评价结果。
图5为本发明实施例1的社区老年人比例韧性评价结果。
图6为本发明实施例1的社区人均消费能力韧性评价结果。
图7为本发明实施例1的社区商超数量韧性评价结果。
图8为本发明实施例1的“人口数量-韧性排序.csv”列表页面图。
图9为本发明实施例1的供应点间的联系图。
图10为本发明实施例1的供需网络图。
图11为本发明实施例1的“供需网络.csv”列表页面图。
图12为本发明实施例1的网络级联失效仿真步骤图。
图13a～图13e为本发明实施例1的五项指标的全局网络效率图。
图14为本发明实施例1的基于社区韧性设计的全局网络效率图。
图15为本发明实施例1的复杂网络视角下社区韧性评估结果。
图16为本发明实施例2的基于网络抗毁性的社区生活物资供应韧性评估系统的结构框图。
图17为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，基于本发明中的实施例，本领域普通技术人员在没有作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。
实施例1：
本实施例以广州市中心六区——海珠区、番禺区、荔湾区、越秀区、白云区和天河区为例，提供了一种基于网络抗毁性的社区生活物资供应韧性评估方法。
如图1所示，本实施例的社区生活物资供应韧性评估方法包括以下步骤：
S101、获取目标区域的数据并进行预处理。
本实施例中，目标区域的数据可以手机信令数据、POI(Point of Interest)数据，其中手机信令数据手机信令OD(Origin-Destination，OD)数据，POI数据包括社区位置点、生活物资供应点数据，除此之外，还可以包括城市道路数据和基础行政数据，各种数据通过通过多源数据开放平台获取，具体说明如下：
S1011、获取并预处理手机信令数据。
本实施采用的手机信令数据来自中国联通智慧足迹DaaS平台(包括用户出行、驻留与用户属性等)，本实施例选取了广州市中心六区的城市空间(天河区、荔湾区、越秀区、黄埔区、白云区)于2021年6月和9月的OD数据，具体如下：
网格匹配：利用ArcGIS平台将广州市六区划分为500m*500m网格导入Daas平台，以网格为最小单元进行数据统计。
数据获取与筛选：通过编写SQL语言代码，获取OD数据，包括出发网格的编号(o_id)、到达网格的编号(d_id)、出行目的(ptype)、出行人数(usum)等数据列。为避免双向OD和通勤OD干扰，通过SQL语言在平台进行单向非通勤OD筛选：O为市场，ptype为0(到访)，D为社区，ptype为1(居住)。
根据运营商市场占有率进行扩样，获得扩样常住人口，具体而言，扩样常住人口数据等于移动常住人口乘以扩样系数；扩样系数计算公式如下：
其中，S为扩样系数，Mi为M城市的运营商市场占有率，Mj为其移动电话普及率。
对数据栅格尺度差异化处理：通过Python将OD数据的社区D点数据落到1000m栅格的尺度上，统计各栅格单元人口，并以栅格中心点作为社区位置，助于简化数据进行供需网络建立与可视化。
对供应点服务量数据扩容：由于家庭中买菜人员购买生活物资来服务整个家庭人口，通过广州市平均家庭人数指标对各市场栅格的OD通行量进行扩容，得到各市场较准确的人口服务量。
S1012、获取并预处理POI数据。
本实施例通过百度API申请与python爬虫爬取2022年供应点与需求点POI数据。选取的范围为广州市中心六区的城市空间，供应点数据主要为肉菜市场、超市、便利店等POI，共计20945个。需求点数据为住宅区、宿舍两类POI，共计31263个。
对在空间中重复的供应、需求点数据进行清洗，将出现格式错误、重复、内容为空等情况的无效数据删去。
将供应点POI数据在GIS中通过基于空间位置与500m栅格进行连接，得到含有市场的栅格数据，简化数据量便于后续的数据处理。
S1013、获取并预处理城市道路数据。
通过OpenStreetMap获取本实施例范围内2022年的路网数据，包括省道、县道、乡镇道路、行人道路和其他道路。通过Arcpy进行单线化处理，并将路网.shp文件导入ArcGIS软件，进行路网打断与拓扑检查后，利用“网络分析”扩展模块来完成广州六区的路网构建
S1014、获取并预处理基础行政数据。
从国家地理信息公共服务平台(http://www.ngcc.cn/ngcc/)获取，主要包括2022年广州市市域、行政区的行政边界。在ArcGIS中选取广州六区作为研究范围，如图2所示。
S102、根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序。
进一步地，该步骤S102具体包括：
S1021、根据基础行政数据，对目标区域进行网格化处理，并对网格编号。
本实施例根据S1014中广州六区的行政边界，对目标区域进行网格化处理，并对网格编号，具体地，提取广州市的行政边界导入ArcGIS软件，创建500m*500m网格面要素覆盖全行政边界并依据边界进行裁剪，并进行编号。
S1022、根据社区自组织能力、社区人口构成和社区基础设施，构建社区韧性评价指标体系。
本实施例从社区自组织能力、社区人口构成、社区基础设施这三个维度衡量社区韧性，构建社区韧性评价指标体系，社区自组织能力、社区人口构成和社区基础设施，社区自组织能力对应的指标包括非通勤人流变化率，社区人口构成对应的指标包括人口数量、老年人比例和人均消费能力，社区基础设施对应的指标包括商超数量，如下表1所示。
表1社区韧性指标表
S1023、从手机信令数据中获取非通勤人流变化率、人口数量、老年人比例和人均消费能力，以及从POI数据中获取商超数量，对社区韧性评价指标体系进行初步评价，并将五项指标的相应数据与空间上对应的网格链接。
参照社区韧性的概念、特征以及相关学术研究，从社区自组织能力、社区人口构成、社区基础设施三个维度构建社区韧性评价指标体系，分别体现自组织性、冗余性与稳健性、适应性特征。
社区自组织能力是社区自治能力和居民抵抗风险能动性的体现，强调系统自身能够通过完善社会网络、促进有效领导、建立地方信任、加强各方合作等途径重新对自身进行组织。本实施例中选择非通勤人流变化指标来衡量，相对于通勤人流，非通勤人流在时间和空间分布上都较灵活，需求变化影响相比通勤人流而言小，而工作时间灵活也能起到更好社区自组织能力；其中，非通勤人流数量来源于手机信令数据中主要在社区内活动的人流数据。
社区人口构成在本实施例中包括人口密度、老年人比例、人均消费能力三个指标。因典型老旧社区具有流动人口多、老龄化现象突出等灾害脆弱性特征，且人均消费能力则在一定程度上代表着社区社会资本力量；其中，人口密度为手机信令数据中的人口数量数据与占地面积的商；老年人比例指标选取了60岁以上老年人站网格总人口的比例；人均消费能力选取手机信令数据中的网格人均话费数据。
社区基础设施的指标在本实施例中选择了商超POI点的密度，可体现设施布局的合理性及完备性，强调具有一定的富余程度来适应外部扰动及变化，确保突发灾害时整个系统不至于彻底瘫痪，有可替代的供应点等。
本实施例中，对社区韧性评价指标体系进行初步评价，并将五项指标的相应数据与空间上对应的网格链接，具体包括：
1)使用ArcGIS空间链接功能，将非通勤人流变化率链接进S1021得到的网格中，并进行可视化，如图3所示。
2)使用ArcGIS空间链接功能，将60以上老年人比例数据链接进S1021得到的网格中，并进行可视化，如图4所示。
3)使用ArcGIS空间链接功能，将人口数量数据链接进S1021得到的网格中，并进行可视化，如图5所示。
4)使用ArcGIS空间链接功能，将人均话费数据链接进S1021得到的网格中，并进行可视化，如图6所示。
5)使用ArcGIS空间链接功能，将商超POI数据链接进S1021得到的网格中，并统计网格中POI数量，如图7所示。
S1024、将五项指标对应网格的值进行归一化处理并排序，得到各指标下的社区韧性排序。
具体地，将五项指标对应网格的值进行在Excel中归一化处理并排序，归一化公式如下：
其中，x表示某一个值，xmin表示数据集中的最小值，xmax表示数据集中的最大值，将x的值映射到0-1的范围内。
输出各指标下的社区韧性排序结果，得到“非通勤人流变化率-韧性排序.csv”、“人口数量-韧性排序.csv”、“老年人比例--韧性排序.csv”、“人均消费能力-韧性排序.csv”、“商超数量-韧性排序.csv”五个文件；以“人口数量-韧性排序.csv”为例，其表格页面如图8所示。
S103、建立供应点间的联系，采用手机信令数据，构建生活物资供需网络。
本实施例的生活物资供需网络是供应点与需求点之间的网络，供应网络是供应点之间的网络，分别用于计算供应点的常态服务人口量与供应点间的联系程度，该步骤S103具体包括：
S1031、基于引力模型，计算任意两个供应点之间的服务联系度矩阵，建立供应点之间的联系。
本实施例基于引力模型，利用Excel计算任意供应点x和供应点y之间的服务联系度矩阵，由此来剔除服务联系度较弱节点间的联系，具体公式为：
其中，Wxy为任意供应点x和y之间的联系度，Cx为供应点x的服务量，Cy为供应点y的服务量，dxy为供应点x和供应点y之间的路网距离，由数据预处理中的O-D成本分析得到。
设置门槛值W0＝1，当Wxy<W0时，即认为供应点x和供应点y之间不存在物资调度的联系，将OD成本矩阵中相应的供应点x和供应点y之间的值设为0(无联系)，其他值保留不变，由此得到最短距离矩阵。
通过ArcGIS对供应点间的联系进行可视化，结果如图9所示。
S1032、根据供应点之间的联系，采用手机信令数据中的人迹数据，构建生活物资供需网络。
社区韧性在城市生活物资供需网络中能被更精准地关注，使用手机信令数据中的人迹数据来构建城市中真实的供需关系，具体如下：
首先，通过ArcGIS将供、需点数据与500m精度网格进行空间链接，使其带有网格ID信息。然后，在手机信令数据的单向非通勤OD中进一步筛选出供、需网格间的OD，即为前往市场等供应点购物物资的市民的出行轨迹。最后，将数据处理为供需网格间的OD矩阵，并在GIS构建基于真实人群轨迹的生活物资供需网络，该生活物资供需网络是一个空间模型。
本实施例中，供应点的常态服务人口量计算过程如下：
根据供应点栅格ID对市场服务购菜人员量进行求和，通过平均家庭人数指标对服务人数进行扩样，根据年鉴数据进行进一步校准，得到常态服务人口量，如下式：
Zserve＝σ·α·θ·Zb
其中，Zserve为供应点常态服务人口量，σ为校正系数，α为平均家庭人数指标，θ为前往供应点出行中购买生活必需品类物资的比例。
通过ArcGIS对供需网络的联系进行可视化，结果如图10所示，并将属性表导出，转化为表格形式，得到“供需网络.csv”文件，如图11所示。
S104、根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略。
本实施例根据步骤S102得到的社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略，具体如下：
S1041、通过python读取“非通勤人流变化率-韧性排序.csv”、“人口数量-韧性排序.csv”、“老年人比例--韧性排序.csv”、“人均消费能力-韧性排序.csv”、“商超数量-韧性排序.csv”五个文件。
S1042、通过python读取“供需网络.csv”。
S1043、通过供需关系找到该评价指标下韧性从低到高的社区所对应的主要供应点。
以“人口数量-韧性排序.csv”为例，调用python，pandas库，使用merge方法，根据“id”属性将“供需网络.csv”连接到“人口数量-韧性排序.csv””，按顺序分别筛选每一个低韧性社区对应的主要供应点。以第一个低韧性社区为例，该社区对应的“id”为“3716”，其对应的主要供应点为“usum”数值最大的供应点，因此确定该供应点作为人口数量指标下的第一个被攻击的点。同理，按低韧性社区排序确定第2、3、4……n个低韧性社区对应的主要供应点，加入排序在后的低韧性社区对应的主要供应点已被确定为排序在前的低韧性社区对应的主要供应点，则选择“usum”值为第二大的供应点，同理，如果该点也已被确定过，则按照“usum”数值大小往下确定，最终生成“人口数量”指标下的供应点攻击顺序，即生成“人口数量-供应点攻击顺序.csv”。
其他四个指标的韧性排序文件按S1043步骤的操作执行，最终分别生成“非通勤人流变化率-供应点攻击顺序.csv”、“老年人比例-供应点攻击顺序.csv”、“人均消费能力-供应点攻击顺序.csv”、“商超数量-供应点攻击顺序.csv”，按照此顺序供给即确定了攻击策略。
S105、根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响。
基于Matlab进行供应网络仿真模拟，综合运用python、Excel对过程数据进行处理，主要基于级联失效的算法对负载进行重分配，最终计算得到各韧性指标的低韧性社区的主要供应点被攻击后的全局网络效率E，具体如下：
S1051、在Matlab中分别读取“非通勤人流变化率-供应点攻击顺序.csv”、“人口数量-供应点攻击顺序.csv”、“老年人比例-供应点攻击顺序.csv”、“人均消费能力-供应点攻击顺序.csv”、“商超数量-供应点攻击顺序.csv”。
S1052、在Matlab中读取“供需网络.csv”。
S1053、蓄意攻击下节点失效。
根据攻击策略依次攻击供应点，每个供应点能承载的最大负载量为Limax，当供应点i的负载超过容量的一定倍数时，供应点i超载而成为失效节点，缺失服务量为Si，如下式：
Limax＝Li·α
Si＝Lr-Limax
其中，Limax为供应点i可承载的最大负载量；α为超载系数；Li为供应点i的常态节点服务量，Si表示供应点i的缺失服务量；Lr为供应点i的突发事件下的实际负荷量。
S1054、负载重分配。
当供应点i受到攻击失效时，将缺失服务量按照一定的重分配规则由周围供应点承担，按照供应点j剩余容量与超载节点周围所有关联供应点剩余容量之和的比值，来将失效供应点i的负载疏散给相邻关联供应点j，重分配负载量公式如下：
其中，Lij表示供应点i分配给供应点j的负载；Rj表示供应点j的剩余容量；Rk表示节点k的剩余容量；I表示与供应点i关联供应点的集合。
S1055、级联效应结束，评价全局网络效率。
当供应点i过载且周围节点均过载时，供应点i上的超额负载将无法分配，划定为缺失服务量，同时其与周围节点的联系失效；当网络中不再增加缺失服务量时，网络级联效应结束，程序依次攻击下一个供应点；本实施例用全局网络效率来评价供应网络受到蓄意攻击后韧性变化，其通常用来反应整个网络中节点与节点之间连接的难易程度，公式如下：
其中，E为全局网络效率；dij为从供应点i到供应点j的最短距离；n为初始供应网络中供应点的总数。
S1056、基于Matlab进行供应网络抗毁性仿真模拟，按照攻击策略逐点对网络进行攻击，网络级联失效仿真步骤如图12所示。
本实施例以“人口数量-供应点攻击顺序.csv”为例，例如，第一个被攻击的供应点“id”为3716，当该点被攻击时，该点的生活物资负载＝0，该供应点原本的生活物资负载量将按照原始荷载的比例转移至其周围的几个供应点，负载转移后，对各个供应点的供应状态进行判断，加入某一“id”为3916的供应点承接了生活物资负载量后，该点不超过其本身的最大负载量，则标记为超载运行且未失效。当该点已经超过其本身的最大负载量，则为失效节点，同理，该失效节点的生活物资负载再次转移到周边其他供应点，直到网络中不存在新增过载供应点，记录“id”为3716的供应点被攻击后的全局网络效率E′。
S1057、按照下一个攻击顺序，对第二个供应点进行攻击，重复上述S1056的操作，记录该供应点被攻击后的全局网络效率E″；以此类推，供给第三个供应点后得到全局网络效率E″′，循环往复，直到网络中所有供应点都被攻击过。
S1058、其他四个指标的韧性排序文件按S1056、S1057步骤的操作执行.最终分别生成“人口数量-全局网络效率.csv”“非通勤人流变化率-全局网络效率.csv”、“老年人比例-全局网络效率.csv”、“人均消费能力-全局网络效率.csv”、“商超数量-全局网络效率.csv”。
S1059、通过python的matplotlib库对攻击后的全局网络效率进行折线图的可视化，最后得到五项指标的全局网络效率图和基于社区韧性设计的全局网络效率图，如图13a～图13e和图14所示。
S106、根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
该步骤S106具体包括：
S1061、根据蓄意攻击后的全局网络效率，基于熵权法赋予社区韧性指标权重。
本实施例以蓄意攻击后的全局网络效率曲线变化斜率作为指标进行计算，通过仿真模拟计算社区韧性指标权重，全局网络效率曲线变化斜率的计算公式如下：
其中，K为斜率，y为全局网络效率，共有n个供应点。
对斜率数据进行标准化处理，计算公式如下：
其中，Pij为标准化后的斜率数据，K为斜率；
对斜率数据进行归一化处理，计算公式如下：
计算信息熵，计算公式为：
其中，Ei为计算的信息熵，Tij为归一化后的斜率数据；
通过信息熵计算得到社区韧性指标权重，计算公式如下：
其中，Wi为社区韧性指标权重，Ei为计算的信息熵。
本实施例的供应保障视角下社区韧性指标权重下表2所示。
表2供应保障视角下社区韧性指标权重
S1062、根据各社区韧性指标权重和各社区韧性指标值，综合评价社区韧性，得到社区韧性评估结果。
根据S102得到的各社区韧性指标值fi，S1061得到的社区韧性指标权重wi，综合评价社区韧性，并生成“低韧性社区评价.csv”，计算公式如下：
式中，F表示社区韧性评价值；wi表示指标权重；fi表示指标值，fi根据指标对韧性的正负影响取对应﹢/﹣。
在ArcGIS软件中，通过添加数据，将“低韧性社区评价.csv”导入ArcGIS。通过右键渔网图层，选择“连接和关联”，选择“连接”，在弹出的“连接数据”对话框内，选择“id”作为该图层中连接将基于的字段，选择“低韧性社区评价.csv”作为要连接到此图层的表，从而将该表格上的社区韧性评价值F的数据“连接”到渔网图层。在ArcGIS中进行可视化操作，得到社区韧性评估结果图，如图15所示。低韧性社区是指韧性评价值低于设定值的社区。通过综合计算得到社区韧性评价值F后，在ArcGIS中通过自然间断点分级法将社区韧性综合评分划分为5类，设定韧性评价值＜0.0101953的社区为低韧性社区。至此完成对广州六区的社区韧性评估与低韧性社区识别。
应当注意，尽管以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图16所示，本实施例提供了一种基于网络抗毁性的社区生活物资供应韧性评估系统，该系统包括获取模块1601、初步评价模块1602、网络构建模块1603、策略制定模块1604、测度模块1605和综合评价模块1606，各个模块的具体功能如下：
获取模块1601，用于获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据。
初步评价模块1602，用于根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序。
网络构建模块1603，用于建立供应点间的联系，采用手机信令数据，构建生活物资供需网络。
策略制定模块1604，用于根据社区韧性排序，在生活物资供需网络中逐一找到韧性从低到高的所有社区所对应的供应点并制定攻击策略。
测度模块1605，用于根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
综合评价模块1606，用于根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
需要说明的是，本实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供了一种计算机设备，如图17所示，其包括通过系统总线1701连接的处理器1702、存储器、输入装置1703、显示器1704和网络接口1705，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质1706和内存储器1707，该非易失性存储介质1706存储有操作系统、计算机程序和数据库，该内存储器1707为非易失性存储介质中的操作系统和计算机程序的运行提供环境，处理器1702执行存储器存储的计算机程序时，实现上述实施例1的社区生活物资供应韧性评估方法，如下：
获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略；
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
实施例4：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时，实现上述实施例1的社区生活物资供应韧性评估方法，如下：
获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
根据社区韧性排序，在生活物资供需网络中逐一找到韧性从低到高的所有社区所对应的供应点并制定攻击策略；
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Python、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明从复杂网络的视角出发，构建社区韧性评价指标体系与城市生活物资供应网络，结合网络抗毁性算法制定攻击策略，最后通过熵权法赋予权重进行计算，对潜在供应保障不足的低韧性社区进行识别；通过社区韧性评估方法进行成活物资供应短缺风险的识别，将有助于构建城市复杂巨系统中社区韧性与其他子系统的网络联系，为社区韧性提升的规划建设提供研究基础和方法论实验，对提升现代化治理能力与保障居民福祉具有重要意义。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。
Claims (10)
1.一种基于网络抗毁性的社区生活物资供应韧性评估方法，其特征在于，所述方法包括：
获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略；
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
2.根据权利要求1所述的社区生活物资供应韧性评估方法，其特征在于，所述根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序，具体包括：
根据基础行政数据，对目标区域进行网格化处理，并对网格编号；
根据社区自组织能力、社区人口构成和社区基础设施，构建社区韧性评价指标体系，所述社区自组织能力对应的指标包括非通勤人流变化率，所述社区人口构成对应的指标包括人口数量、老年人比例和人均消费能力，所述社区基础设施对应的指标包括商超数量；
从手机信令数据中获取非通勤人流变化率、人口数量、老年人比例和人均消费能力，以及从POI数据中获取商超数量，对社区韧性评价指标体系进行初步评价，并将五项指标的相应数据与空间上对应的网格链接；
将五项指标对应网格的值进行归一化处理并排序，得到各指标下的社区韧性排序。
3.根据权利要求1所述的社区生活物资供应韧性评估方法，其特征在于，所述建立供应点间的联系，采用手机信令数据，构建生活物资供需网络，具体包括：
基于引力模型，计算任意两个供应点之间的服务联系度矩阵，建立供应点之间的联系；
根据供应点之间的联系，采用手机信令数据中的人迹数据，构建生活物资供需网络，所述生活物资供需网络用于计算供应点的常态服务人口量。
4.根据权利要求3所述的社区生活物资供应韧性评估方法，其特征在于，所述供应点的常态服务人口量计算过程如下：
根据供应点栅格ID对市场服务购菜人员量进行求和，通过平均家庭人数指标对服务人数进行扩样，根据年鉴数据进行进一步校准，得到常态服务人口量，如下式：
Zserve＝σ·α·θ·Zb
其中，Zserve为供应点常态服务人口量，σ为校正系数，α为平均家庭人数指标，θ为前往供应点出行中购买生活必需品类物资的比例。
5.根据权利要求1所述的社区生活物资供应韧性评估方法，其特征在于，所述根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响，具体包括：
根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，每个供应点能承载的最大负载量为Limax，当供应点i的负载超过容量的一定倍数时，供应点i超载而成为失效节点，缺失服务量为Si，如下式：
Limax＝Li·α
Si＝Lr-Limax
其中，Limax为供应点i可承载的最大负载量；α为超载系数；Li为供应点i的常态节点服务量，Si表示供应点i的缺失服务量；Lr为供应点i的突发事件下的实际负荷量；
当供应点i受到攻击失效时，将缺失服务量按照一定的重分配规则由周围供应点承担，如下式：
其中，Lij表示供应点i分配给供应点j的负载；Rj表示供应点j的剩余容量；Rk表示节点k的剩余容量；I表示与供应点i关联供应点的集合；
当供应点i过载且周围供应点均过载时，供应点i上的超额负载将无法分配，划定为缺失服务量，同时供应点i与周围供应点的联系失效，当网络中不再增加缺失服务量时，网络级联效应结束，对全局网络效率进行检测，从而测度社区韧性指标对整体供应网络抗毁性的影响，如下式：
其中，E为全局网络效率；dij为从供应点i到供应点j的最短距离；n为初始供应网络中供应点的总数。
6.根据权利要求1所述的社区生活物资供应韧性评估方法，其特征在于，所述根据全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果，具体包括：
根据蓄意攻击后的全局网络效率，基于熵权法赋予社区韧性指标权重；
根据各社区韧性指标权重和各社区韧性指标值，综合评价社区韧性，得到社区韧性评估结果。
7.根据权利要求6所述的社区生活物资供应韧性评估方法，其特征在于，所述根据蓄意攻击后的全局网络效率，基于熵权法赋予社区韧性指标权重，具体包括：
以蓄意攻击后的全局网络效率曲线变化斜率作为指标进行计算，通过仿真模拟计算社区韧性指标权重，所述全局网络效率曲线变化斜率的计算公式如下：
其中，K为斜率，y为全局网络效率，共有n个供应点；
对斜率数据进行标准化处理，计算公式如下：
其中，Pij为标准化后的斜率数据，K为斜率；
对斜率数据进行归一化处理，计算公式如下：
计算信息熵，计算公式为：
其中，Ei为计算的信息熵，ij为归一化后的斜率数据；
通过信息熵计算得到社区韧性指标权重，计算公式如下：
其中，Wi为社区韧性指标权重，Ei为计算的信息熵。
8.一种基于网络抗毁性的社区生活物资供应韧性评估系统，其特征在于，所述系统包括：
获取模块，用于获取目标区域的数据并进行预处理，所述数据包括手机信令数据、POI数据、城市道路数据和基础行政数据；
初步评价模块，用于根据预处理后的数据，对目标区域进行网格划分，构建社区韧性评价指标体系，对社区韧性评价指标体系进行初步评价，得到各指标下的社区韧性排序；
网络构建模块，用于建立供应点间的联系，采用手机信令数据，构建生活物资供需网络；
策略制定模块，用于根据社区韧性排序，在生活物资供需网络中逐一找到所有社区所对应的供应点并制定攻击策略；
测度模块，用于根据攻击策略对生活物资供需网络的供应点进行蓄意攻击，对全局网络效率进行检测，从而测度社区韧性评价指标对整体供应网络抗毁性的影响；
综合评价模块，用于根据蓄意攻击后的全局网络效率，赋予各社区韧性指标权重，结合各社区韧性指标值，以综合评价社区韧性，得到社区韧性评估结果。
9.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-7任一项所述的社区生活物资供应韧性评估方法。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的社区生活物资供应韧性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310303405.1A CN116452035A (zh) | 2023-03-27 | 2023-03-27 | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310303405.1A CN116452035A (zh) | 2023-03-27 | 2023-03-27 | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116452035A true CN116452035A (zh) | 2023-07-18 |
Family
ID=87131344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310303405.1A Pending CN116452035A (zh) | 2023-03-27 | 2023-03-27 | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116452035A (zh) |
Cited By (1)
| 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 |
-
2023
- 2023-03-27 CN CN202310303405.1A patent/CN116452035A/zh active Pending
Cited By (2)
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Musa et al. | A review of geospatial-based urban growth models and modelling initiatives | |
| Cavallaro et al. | Assessment of urban ecosystem resilience through hybrid social–physical complex networks | |
| CN108446293A (zh) | 一种基于城市多源异构数据构建城市画像的方法 | |
| Hu et al. | Detecting and analyzing mobility hotspots using surface networks | |
| CN111401692B (zh) | 一种度量城市空间功能紧凑度的方法 | |
| CN113139760B (zh) | 基于风雨大数据的台风风险综合评估方法及系统 | |
| CN110689055B (zh) | 一种顾及格网单元属性分级的跨尺度统计指标空间化方法 | |
| Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
| CN111161887A (zh) | 基于人口迁徙大数据的流行病疫区返程人群规模预测方法 | |
| CN116452035A (zh) | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 | |
| CN110956305A (zh) | 城市空间预测模型的建立方法及城市空间预测系统 | |
| Alam et al. | GIS-based seismic damage estimation: case study for the City of Kelowna, BC | |
| Monrat et al. | A belief rule based flood risk assessment expert system using real time sensor data streaming | |
| CN115393148A (zh) | 自然资源用数据监测系统、监测方法、设备、介质及终端 | |
| Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
| CN115239156A (zh) | 城镇化指标对水系结构的影响警示方法 | |
| Miah et al. | Exploring the nexus between land cover change dynamics and spatial heterogeneity of demographic trajectories in rapidly growing ecosystems of south Asian cities | |
| Vega-Oliveros et al. | From spatio-temporal data to chronological networks: An application to wildfire analysis | |
| Sun et al. | Quantitative models for interdependent functionality and recovery of critical infrastructure systems | |
| CN110210774A (zh) | 滑坡风险评价方法及系统 | |
| CN116721781B (zh) | 虫媒传染病传播风险的预测方法、装置、电子设备及介质 | |
| CN116362606A (zh) | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 | |
| Mubea et al. | Spatial effects of varying model coefficients in urban growth modeling in Nairobi, Kenya | |
| Gu et al. | Planning scale flood risk assessment and prediction in ultra-high density urban environments: The case of Hong Kong | |
| CN115860213A (zh) | 多情景城市应急采样场所选址优化方法、系统、设备及介质 |
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 |