CN117350518B - 一种智慧园区应急资源调度方法及系统 - Google Patents
一种智慧园区应急资源调度方法及系统 Download PDFInfo
- Publication number
- CN117350518B CN117350518B CN202311640182.4A CN202311640182A CN117350518B CN 117350518 B CN117350518 B CN 117350518B CN 202311640182 A CN202311640182 A CN 202311640182A CN 117350518 B CN117350518 B CN 117350518B
- Authority
- CN
- China
- Prior art keywords
- emergency
- characteristic
- resource
- acquiring
- sample
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 99
- 230000006870 function Effects 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000013468 resource allocation Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
Abstract
本发明提供了智慧园区应急资源调度方法及系统,涉及数据处理技术领域,该方法包括:在指定园区内,采集多个区域的多个应急历史数据和多个区域特征数据,分析获取多个区域的多个经验应急等级和多个特征应急等级;根据多个特征应急等级,设置多个应急资源约束条件和多个辅助应急约束条件,构建应急函数,对指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案;根据多个特征应急等级,优化获得经验最优资源调度方案,对特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对指定园区内的应急资源进行调度。本发明解决了现有技术中园区内应急资源调度分配不合理的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种智慧园区应急资源调度方法及系统。
背景技术
为了提升生产的高效性以及管理交流的便利性,提出了在工业园区内规划多个企业,能够达到上述效果。但是集中化的工业生产中,由于危险生产因素的富集,导致园区内出现生产安全事故的概率大于分布的多个企业出现生产安全事故的概率,在园区内布设应急资源,是保证安全生产的基础。
现有技术中一般依据相关安全标准进行应急资源的布设调度,没有基于企业的生产特点进行有针对性的应急资源分布调度,导致存在应急资源调度不合理,影响园区应急处理效果的技术问题。
发明内容
本申请提供了一种智慧园区应急资源调度方法及系统,用于针对解决现有技术中园区内存在应急资源调度不合理,影响园区应急处理效果的技术问题。
本申请的第一个方面,提供了一种智慧园区应急资源调度方法,所述方法包括:
在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案;
采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度。
本申请的第二个方面,提供了一种智慧园区应急资源调度系统,所述系统包括:
区域数据采集模块,用于在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
应急等级分析模块,用于根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
约束条件构建模块,用于根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
特征资源调度优化模块,用于根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
经验调度优化模块,用于根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案;
资源调度调整模块,采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度。
本申请的第三个方面,提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器内存储有计算机程序,所述计算机程序被所述处理器执行时实现第一方面中方法的步骤。
本申请的第四个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的技术方案通过在待进行应急资源调度的指定园区内,采集指定园区内的多个区域的多个应急历史数据和多个区域特征数据,根据多个应急历史数据和多个区域特征数据,分析获取多个区域的多个经验应急等级和多个特征应急等级,能够基于不同企业区域不同的特征数据,分析应急等级,作为进行应急资源调度的根据,然后根据多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件,并构建应急函数,对多个区域的调度分配方案进行优化,获取特征最优资源调度方案,能够提升根据多个企业区域特征进行应急资源调度的准确性和合理性,还根据多个经验应急等级,对指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案,对特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对指定园区内的应急资源进行调度。本申请通过结合园区内各企业区域的特征数据以及历史应急数据,进行应急等级的分析以及应急资源调度分布的优化处理,且考虑多种应急情况,提升应急资源调度分布的合理性、智能性和可靠性,还通过特定的优化方法,提升优化的全局性,达到了提升园区内应急资源调度分配的合理性和园区应急处理效果的技术效果。
附图说明
图1为本申请提供的一种智慧园区应急资源调度方法流程示意图;
图2为本申请提供的一种智慧园区应急资源调度方法中获取多个应急历史数据和多个区域特征数据的流程示意图;
图3为本申请提供的一种智慧园区应急资源调度方法中优化获取特征最优资源调度方案的流程示意图;
图4为本申请提供的一种智慧园区应急资源调度系统的结构示意图。
图5为本申请实施例示例性计算机设备的结构示意图。
附图标记说明:区域数据采集模块11,应急等级分析模块12,约束条件构建模块13,特征资源调度优化模块14,经验调度优化模块15,资源调度调整模块16,计算机设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种智慧园区应急资源调度方法及系统,用于针对解决现有技术中园区内存在应急资源调度不合理,影响园区应急处理效果的技术问题。
实施例一
如图1所示,本申请提供了一种智慧园区应急资源调度方法,所述方法包括:
S101:在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
本申请实施例中,指定园区为待进行应急资源调度的工业园区,例如可为任意的分布有多家企业的工业园区。
应急资源可包括工业园区内用于应对生产事故、自然灾害等准备的资源,例如可为应对园区内火灾的应急资源,例如灭火器、防火门、消防头盔、呼吸器等。
本申请实施例中,指定园区内包括待进行调度分配至多个企业所处区域的应急资源,基于本申请实施例提供的方法进行计算分配调度,具体对应急资源的数量进行计算分配调度。多个企业所处区域即为多个区域。
采集指定园区内的多个区域的多个应急历史数据和多个区域特征数据,应急历史数据包括区域在历史时间内出现应急事件的记录数据,区域特征数据包括区域内与应急事件发生相关的特征数据。通过采集多个应急历史数据和多个区域特征数据,分别分析多个区域可能发生的应急事件的规模,作为进行应急资源调度分配的基础。
如图2所示,本申请实施例提供的方法中的步骤S101包括:
采集所述指定园区内多个区域在历史时间内的应急事件记录,获取多个应急事件记录,每个应急事件信息内包括应急事件规模信息;
根据多个应急事件记录,计算获得多个应急历史数据;
采集所述多个区域的电路特征信息、高温特征信息、材质特征信息,获得多个区域特征数据。
本申请实施例中,基于指定园区内多个区域在历史时间内的应急事件记录,来采集获取多个应急事件记录。不同企业由于各种复杂因素的影响,例如生产工艺等,导致出现应急事件的概率不同,通过历史数据来反映多个区域出现应急事件的平均规模。
具体可基于指定园区内的应急事件记录日志,采集获取多个应急事件记录,其中,每个应急事件记录日志内包括一个区域在历史时间内的多个应急事件信息,每个应急事件信息内包括应急事件规模信息,即记录的应急事件的规模信息,例如可基于1-10的等级对历史时间内的应急事件规模进行记录,进而获取应急事件规模信息,等级越高,应急事件规模越大。
根据多个应急事件记录,计算获得多个应急历史数据。示例性的,计算每个应急事件记录内多个应急事件信息的均值,获得多个应急事件规模信息均值。
可选地,还可根据每个应急事件记录内应急事件信息的数量,与多个应急事件记录内应急事件信息的数量的均值的比值,对多个应急事件规模信息均值进行乘积计算修正,获得修正后的多个应急事件规模信息均值,作为多个应急历史数据。
其中,应急历史数据包括一等级值,一个区域的应急事件记录内应急事件信息越多,且应急事件规模信息越大,则获得的应急历史数据越大,能够反映一个区域历史事件内发生应急事件的规模情况。
进一步的,采集多个区域与发生应急事件相关的特征信息,示例为与火灾应急事件相关的特征信息,例如电路特征信息、高温特征信息、材质特征信息,电路特征信息例如为高压电路数量和长度,高温特征信息例如为作业温度大于温度阈值的区域数量和温度,材质特征信息例如为建筑材质等,获得多个区域特征数据。
S102:根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
本申请实施例中,根据该多个应急历史数据和多个区域特征数据,将多个应急历史数据作为多个区域内发生应急事件的经验数据,分别分析多个区域发生应急事件的应急事件等级,应急事件等级表征多个区域发生应急事件的规模和概率,规模和概率越大。
本申请实施例提供的方法中的步骤S102包括:
在进行样本数据采集的多个样本园区内,采集多个样本应急历史数据、多个样本区域特征数据;
根据所述多个样本应急历史数据、多个样本区域特征数据,分析获取样本经验应急等级集合和样本特征应急等级集合;
分别采用所述多个样本应急历史数据和样本经验应急等级集合、多个样本区域特征数据和样本特征应急等级集合,基于智能体模型,训练更新获取应急等级分类器,其中,应急等级分类器包括经验应急分析分支和特征应急分析分支;
采用所述应急等级分类器,对所述多个应急历史数据和多个区域特征数据进行分析,获得所述多个区域的多个经验应急等级和多个特征应急等级。
本申请实施例中,在进行样本数据采集的多个样本园区内,多个样本园区即与该指定园区产业相近的其他的多个园区,采集样本园区内不同区域的多个样本应急历史数据、多个样本区域特征数据,具体可基于前述内容中方法进行采集和处理。
根据该多个样本应急历史数据、多个样本区域特征数据,分别分析获取样本经验应急等级集合和样本特征应急等级集合。可基于应急处理技术领域内的技术人员进行评估获取,也可处理获取。示例性的,计算每个样本应急历史数据和多个样本应急历史数据的均值的比值,对经验应急等级的中位数进行乘积计算和取整,获得样本经验应急等级,例如该中位数为5。如此,获取样本经验应急等级集合和样本特征应急等级集合。
分别采用多个样本应急历史数据和样本经验应急等级集合、以及多个样本区域特征数据和样本特征应急等级集合,基于智能体模型,例如基于现有技术中的前馈神经网络模型,构建应急等级分类器,应急等级分类器包括经验应急分析分支和特征应急分析分支,其输入数据分别为应急历史数据和区域特征数据,输出数据分别为经验应急等级和特征应急等级。
分别采用多个样本应急历史数据和样本经验应急等级集合、以及多个样本区域特征数据和样本特征应急等级集合,训练更新获取应急等级分类器内的经验应急分析分支和特征应急分析分支,基于监督训练,更新经验应急分析分支和特征应急分析分支内的网络参数,直到收敛。其中,收敛要求可为准确率达到80%。
基于收敛的应急等级分类器,对当前多个区域的多个应急历史数据和多个区域特征数据进行输入分析,获得多个区域的多个经验应急等级和多个特征应急等级,作为进行应急资源调度分配的根据。本申请实施例通过采用机器学习,根据多个区域的数据分析获取应急等级,提升处理效率以及准确性。
S103:根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
本申请实施例中,由于特征应急等级基于区域特征数据分析获得,在理论上更为准确地反映多个区域发生应急事件的规模以及概率。首先基于多个特征应急等级,进行应急资源的调度分配。
本申请实施例基于优化手段,对多个区域的应急资源调度方案进行寻优优化,提升调度的合理性和准确性。其中,首先根据多个特征应急等级,设置获取对多个区域的应急资源进行调度的多个应急资源约束条件,以及基于预设辅助应急条件,设置获取多个辅助应急约束条件,作为对应急资源调度方案进行优化的约束。
其中,预设辅助应急条件为某一个区域内企业出现应急事件且应急资源失效无法使用时,基于邻近的区域的应急资源进行辅助应急处理的条件。
本申请实施例提供的方法中的步骤S103包括:
在进行样本数据采集的多个样本园区内,获取特征应急等级阈值和应急资源阈值;
根据所述多个特征应急等级和特征应急等级阈值,对所述应急资源阈值进行计算调整,获得多个修正应急资源阈值;
将所述多个区域调度分配的应急资源不少于所述多个修正应急资源阈值,作为所述多个应急资源约束条件;
基于预设辅助应急条件,设置获取多个辅助应急约束条件,其中,每个辅助应急约束条件包括每个中心区域邻近的若干个邻近区域调度分配的应急资源之和大于该中心区域的修正应急资源阈值,该预设辅助应急条件为邻近的邻近区域为中心区域提供应急资源进行应急。
本申请实施例中,在进行样本数据采集的多个样本园区内,处理获取多个样本区域进行应急资源调度分配的平均特征应急等级和平均应急资源,例如平均应急资源数量,获得特征应急等级阈值和应急资源阈值。
根据指定园区内多个区域的多个特征应急等级和特征应急等级阈值,分别计算比值,采用比值对应急资源阈值进行乘积计算调整,获得多个修正应急资源阈值,特征应急等级越大,则修正后的越大,且每个修正应急资源阈值需要大于相关应急事件安全标准,即大于至少要满足的应急资源准备数量。
进一步的,将多个区域调度分配的应急资源分别不少于多个修正应急资源阈值,作为对多个区域的应急资源调度分配进行优化的多个应急资源约束条件,在优化过程中需满足多个应急资源约束条件。
本申请实施例中,还基于预设辅助应急条件,设置获取多个辅助应急约束条件。其中,每个辅助应急约束条件包括每个区域作为中心区域时,邻近的若干个邻近区域调度分配的应急资源之和大于该中心区域的修正应急资源阈值,预设辅助应急条件为中心区域的应急资源失效无法使用,邻近的邻近区域为中心区域提供应急资源进行应急。
邻近的邻近区域根据中心区域的位置进行确定,例如中心区域在东西南北四个方向上最邻近的四个区域。若中心区域在指定园区内的某一方向上不存在邻近区域,则以实际存在的邻近区域的数量为准。例如某一区域作为中心区域时在指定园区内的东方向上不存在其他企业区域,则该中心区域包括三个邻近区域。
通过设置该多个应急资源约束条件和多个辅助应急约束条件,对应急资源调度方案优化进行约束,能够保证多个区域的应急资源满足最低的应急需求,保证应急资源调度的可靠性。
S104:根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
本申请实施例中,根据该多个特征应急等级,构建应急函数,用于在对多个区域的应急资源调度方案的优化过程中,评价方案优劣,提升调度优化的准确性。
结合应急函数、多个应急资源约束条件和多个辅助应急约束条件,对指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化,以多个趋向中心作为寻优引导方向,提升优化质量。
本申请实施例提供的方法中的步骤S104包括:
根据上述的多个特征应急等级,构建应急函数,如下式:
;
其中,erg为应急适应度,和为权重,可基于本领域技术人员进行设置,例如
分别为0.6和0.4,T为多个区域的数量,为根据多个特征应急等级的大小分配的第i个区
域的权重,例如计算每个特征应急等级和T个特征应急等级之和的比值作为权重,为第i
个区域调度分配的应急资源分配值,例如为应急资源分配规模,为第i个区域的修正应急
资源阈值,为第i个区域作为中心区域的若干个邻近区域的总应急资源分配值,即若干
个邻近区域的应急资源分配值之和。
基于该应急函数进行应急资源调度方案适应度的计算评价,能够获取应急资源调度分配较为均衡可靠,适用于具有不同特征数据的区域的应急资源调度方案。
根据该应急函数作为目标函数,结合上述多个应急资源约束条件和多个辅助应急约束条件,对指定园区的应急资源在多个区域的调度分配方案进行优化。
如图3所示,本申请实施例提供的方法中的步骤S104还包括:
获取所述指定园区内的总应急资源量,根据所述多个区域的应急资源分配值进行随机分配组合,获得应急调度优化空间;
在所述应急调度优化空间内随机生成满足所述多个应急资源约束条件和多个辅助应急约束条件的多个初始方案;
基于所述应急函数,计算获取多个初始方案的多个初始适应度,并划分获得X个趋向中心和Y个优化主体,X和Y为大于1的整数;
计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化;
在优化达到优化收敛条件时,输出应急适应度最大的趋向中心,获得所述特征最优资源调度方案。
本申请实施例中,获取指定园区内待进行分配的总应急资源量,对多个区域的应急资源分配值进行随机分配和组合,能够获取多个区域进行应急资源分配的分配区间,作为应急调度优化空间。
在应急调度优化空间内随机生成满足多个应急资源约束条件和多个辅助应急约束条件的多个区域的应急资源分配值,获得多个初始方案。
基于应急函数,根据多个初始方案内多个区域的应急资源分配值,计算获取多个初始方案的多个初始适应度,并按照多个初始适应度的大小进行划分,将前X个较大的初始适应度对应的X个初始方案作为X个趋向中心,后Y个较小的初始适应度对应的Y个初始方案作为Y个优化主体,X和Y为大于1的整数,X和Y的和即为多个初始方案的数量,X小于Y。X和Y的数量可基于本领域技术人员进行设置。例如,X为3,Y为20。
分别计算Y个优化主体和X个趋向中心的距离,能够获得Y个距离集合,每个距离集合内包括X个距离。计算距离可基于计算两个初始方案内的多个区域的应急资源分配值的差值之和,作为距离。可选的,还可基于多个特征应急等级的大小,对多个差值进行加权计算求和,作为距离。
基于该Y个距离集合,分别以距离最小的趋向中心,即最近趋向中心,作为优化方向,获得Y个优化方向,进行Y个优化主体和X个趋向中心进行迭代优化。
本申请实施例提供的方法中的步骤“计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化”,还包括:
分别以靠近X个趋向中心为调整方向,采用调整步长,对Y个优化主体内的初始方案进行调整,获得Y个更新方案;
计算Y个更新方案的应急适应度,与所述X个趋向中心的适应度进行比较,对X个趋向中心和Y个优化主体进行更新;
计算更新后的Y个优化主体与X个趋向中心的距离,分别以最近的趋向中心为优化方向,继续进行迭代优化。
本申请实施例中,分别以靠近X个趋向中心为调整方向,即调整初始方案内多个区域的应急资源分配值并接近X个趋向中心内多个区域的应急资源分配值为方向,采用调整步长,对Y个优化主体内的初始方案进行调整,获得Y个更新方案,需要保证调整后的Y个更新方案满足多个应急资源约束条件和多个辅助应急约束条件,否则,则重新随机生成新的初始方案。在优化更新过程中,不对趋向中心内的应急资源调度方案进行调整。
示例性地,该调整步长为调整每个区域内应急资源分配值的步长,可基于本领域技术人员进行设置,例如可为1%-5%。
基于应急函数,计算调整更新后的Y个更新方案的应急适应度,分别与X个趋向中心的应急适应度进行比较,对X个趋向中心和Y个优化主体进行更新。其中,判断是否存在优化主体的更新方案的适应度大于趋向中心的应急适应度,若存在,则将应急适应度最大的优化主体更新替代为趋向中心,将趋向中心更新替代为优化主体,进行后续的优化。若不存在,则不对Y个优化主体和X个趋向中心进行更新替代,直接进行后续的优化。
基于判别更新替代后的Y个优化主体与X个趋向中心,计算更新后的Y个优化主体内的更新方案与X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体内的更新方案继续进行更新迭代优化。
基于上述的方法的步骤,继续进行迭代优化,直到优化达到优化收敛条件。示例性地,该优化收敛条件可优化次数达到预设优化次数阈值,例如为50次。
在优化达到优化收敛条件时,在最终的X个趋向中心内的X个应急资源调度方案内,输出应急适应度最大的趋向中心内的应急资源调度方案,获得特征最优资源调度方案,作为基于多个区域的区域特征数据,进行应急资源调度优化处理的最优解。
本申请实施例中,基于多个区域的区域特征数据,分析获取特征应急等级,并构建应急函数和优化条件,进行园区内应急资源调度方案的优化分析,获取特征最优资源调度方案,能够提升应急资源调度的可靠性、合理性和准确性,并提升应急资源调度分配后园区内的应急事件处理的安全性。
S105:根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案;
本申请实施例中,基于前述内容中步骤S102-S104的方法,根据该多个经验应急等级,替代多个特征应急等级,构建多个应急资源约束条件、多个辅助应急约束条件,以及应急函数,进行多个区域的应急资源调度方案的优化,获取经验最优资源调度方案。
其中,仅将多个经验应急等级替代为多个特征应急等级,进行经验最优资源调度方案的优化处理,其他方法步骤与前述内容中相同,在此不再赘述。
S106:采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度。
本申请实施例中,采用基于多个应急历史数据优化获取的该经验最优资源调度方案,对上述的特征最优资源调度方案进行补偿调整,获得最优资源调度方案,该最优资源调度方案为基于多个应急历史数据和多个区域特征数据综合分析获得的应急资源调度方案,进一步提升了应急资源调度的可靠性和准确性。
其中,由于多种复杂因素的影响,导致多个企业区域出现应急时间的概率和规模和多个区域特征数据的关联并非线性,因此,基于多个企业区域出现应急事件的历史经验数据,进行应急资源调度方案的优化和补偿调整,提升应急预案调度的全面性。
本申请实施例提供的方法中的步骤S106包括:
根据所述经验最优资源调度方案结合所述特征最优资源调度方案内的多个应急资源分配值,修正计算获得所述最优资源调度方案。
本申请实施例中,根据该经验最优资源调度方案结合特征最优资源调度方案内多个区域的多个应急资源分配值,修正计算获得所述最优资源调度方案。
示例性地,对该经验最优资源调度方案和特征最优资源调度方案内,多个区域的应急资源分配值进行加权计算,获得多个加权应急资源分配值,作为该最优资源调度方案。
可选的,加权计算的权重可基于本领域技术人员进行设置,例如经验最优资源调度方案内的应急资源分配值的权重为0.3,特征最优资源调度方案内的应急资源分配值的权重为0.7。
综上所述,本申请实施例至少具有如下技术效果:
本申请提供的技术方案通过在待进行应急资源调度的指定园区内,采集指定园区内的多个区域的多个应急历史数据和多个区域特征数据,根据多个应急历史数据和多个区域特征数据,分析获取多个区域的多个经验应急等级和多个特征应急等级,能够基于不同企业区域不同的特征数据,分析应急等级,作为进行应急资源调度的根据,然后根据多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件,并构建应急函数,对多个区域的调度分配方案进行优化,获取特征最优资源调度方案,能够提升根据多个企业区域特征进行应急资源调度的准确性和合理性,还根据多个经验应急等级,对指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案,对特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对指定园区内的应急资源进行调度。本申请通过结合园区内各企业区域的特征数据以及历史应急数据,进行应急等级的分析以及应急资源调度分布的优化处理,且考虑多种应急情况,提升应急资源调度分布的合理性、智能性和可靠性,还通过特定的优化方法,提升优化的全局性,达到了提升园区内应急资源调度分配的合理性和园区应急处理效果的技术效果。
实施例二
基于与前述实施例中一种智慧园区应急资源调度方法相同的发明构思,如图4所示,本申请提供了一种智慧园区应急资源调度系统,实施例一中的一种智慧园区应急资源调度方法的具体阐述,对于该智慧园区应急资源调度系统也同样适用,其中,所述系统包括:
区域数据采集模块11,用于在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
应急等级分析模块12,用于根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
约束条件构建模块13,用于根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
特征资源调度优化模块14,用于根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
经验调度优化模块15,用于根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案;
资源调度调整模块16,采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度。
进一步地,所述区域数据采集模块11还用于实现以下功能:
采集所述指定园区内多个区域在历史时间内的应急事件记录,获取多个应急事件记录,每个应急事件信息内包括应急事件规模信息;
根据多个应急事件记录,计算获得多个应急历史数据;
采集所述多个区域的电路特征信息、高温特征信息、材质特征信息,获得多个区域特征数据。
进一步地,所述应急等级分析模块12还用于实现以下功能:
在进行样本数据采集的多个样本园区内,采集多个样本应急历史数据、多个样本区域特征数据;
根据所述多个样本应急历史数据、多个样本区域特征数据,分析获取样本经验应急等级集合和样本特征应急等级集合;
分别采用所述多个样本应急历史数据和样本经验应急等级集合、多个样本区域特征数据和样本特征应急等级集合,基于智能体模型,训练更新获取应急等级分类器,其中,应急等级分类器包括经验应急分析分支和特征应急分析分支;
采用所述应急等级分类器,对所述多个应急历史数据和多个区域特征数据进行分析,获得所述多个区域的多个经验应急等级和多个特征应急等级。
进一步地,所述约束条件构建模块13还用于实现以下功能:
在进行样本数据采集的多个样本园区内,获取特征应急等级阈值和应急资源阈值;
根据所述多个特征应急等级和特征应急等级阈值,对所述应急资源阈值进行计算调整,获得多个修正应急资源阈值;
将所述多个区域调度分配的应急资源不少于所述多个修正应急资源阈值,作为所述多个应急资源约束条件;
基于预设辅助应急条件,设置获取多个辅助应急约束条件,其中,每个辅助应急约束条件包括每个中心区域邻近的若干个邻近区域调度分配的应急资源之和大于该中心区域的修正应急资源阈值,所述预设辅助应急条件为邻近的邻近区域为中心区域提供应急资源进行应急。
进一步地,所述特征资源调度优化模块14还用于实现以下功能:
根据所述多个特征应急等级,构建应急函数,如下式:
;
其中,erg为应急适应度,和为权重,T为多个区域的数量,为根据多个特
征应急等级的大小分配的第i个区域的权重,为第i个区域调度分配的应急资源分配值,为第i个区域的修正应急资源阈值,为第i个区域作为中心区域的若干个邻近区域的
总应急资源分配值;
根据所述应急函数,结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化。
进一步地,所述特征资源调度优化模块14还用于实现以下功能:
获取所述指定园区内的总应急资源量,根据所述多个区域的应急资源分配值进行随机分配组合,获得应急调度优化空间;
在所述应急调度优化空间内随机生成满足所述多个应急资源约束条件和多个辅助应急约束条件的多个初始方案;
基于所述应急函数,计算获取多个初始方案的多个初始适应度,并划分获得X个趋向中心和Y个优化主体,X和Y为大于1的整数;
计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化;
在优化达到优化收敛条件时,输出应急适应度最大的趋向中心,获得所述特征最优资源调度方案。
其中,计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化,还包括:
分别以靠近X个趋向中心为调整方向,采用调整步长,对Y个优化主体内的初始方案进行调整,获得Y个更新方案;
计算Y个更新方案的应急适应度,与所述X个趋向中心的适应度进行比较,对X个趋向中心和Y个优化主体进行更新;
计算更新后的Y个优化主体与X个趋向中心的距离,分别以最近的趋向中心为优化方向,继续进行迭代优化。
进一步地,所述资源调度调整模块16还用于实现以下功能:
根据所述经验最优资源调度方案结合所述特征最优资源调度方案内的多个应急资源分配值,修正计算获得所述最优资源调度方案。
实施例三
如图5所示,基于与前述实施例中一种智慧园区应急资源调度方法相同的发明构思,本申请还提供了一种计算机设备300,所述计算机设备300包括存储器301和处理器302,所述存储器301内存储有计算机程序,所述计算机程序被所述处理器302执行时实现实施例一种方法的步骤。
该计算机设备300包括:处理器302、通信接口303、存储器301。可选的,计算机设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read only memory,EEPROM)、只读光盘(compactdiscread only memory,CD ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种智慧园区应急资源调度方法。
实施例四
基于与前述实施例中一种智慧园区应急资源调度方法相同的发明构思,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现实施例一中方法的步骤。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.一种智慧园区应急资源调度方法,其特征在于,所述方法包括:
在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案,其中,根据所述多个经验应急等级,替代多个特征应急等级,构建多个应急资源约束条件、多个辅助应急约束条件,以及应急函数,进行多个区域的应急资源调度方案的优化,获取经验最优资源调度方案;
采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度;
其中,根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级,包括:
在进行样本数据采集的多个样本园区内,采集多个样本应急历史数据、多个样本区域特征数据;
根据所述多个样本应急历史数据、多个样本区域特征数据,分析获取样本经验应急等级集合和样本特征应急等级集合;
采用所述多个样本应急历史数据和样本经验应急等级集合,基于智能体模型,训练更新获取经验应急分析分支,以及采用多个样本区域特征数据和样本特征应急等级集合,基于智能体模型,训练更新获取特征应急分析分支,获得应急等级分类器,其中,所述应急等级分类器包括所述经验应急分析分支和所述特征应急分析分支;
采用所述应急等级分类器,对所述多个应急历史数据和多个区域特征数据进行分析,获得所述多个区域的多个经验应急等级和多个特征应急等级;
其中,根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件,包括:
在进行样本数据采集的多个样本园区内,获取特征应急等级阈值和应急资源阈值;
根据所述多个特征应急等级和特征应急等级阈值,对所述应急资源阈值进行计算调整,获得多个修正应急资源阈值;
将所述多个区域调度分配的应急资源不少于所述多个修正应急资源阈值,作为所述多个应急资源约束条件;
基于预设辅助应急条件,设置获取多个辅助应急约束条件,其中,每个辅助应急约束条件包括每个中心区域的若干个邻近区域调度分配的应急资源之和大于该中心区域的修正应急资源阈值,所述预设辅助应急条件为邻近区域为中心区域提供应急资源进行应急;
其中,所述应急函数如下式:
;
其中,erg为应急适应度,和/>为权重,T为多个区域的数量,/>为根据多个特征应急等级的大小分配的第i个区域的权重,/>为第i个区域调度分配的应急资源分配值,/>为第i个区域的修正应急资源阈值,/>为第i个区域作为中心区域的若干个邻近区域的总应急资源分配值;
其中,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,包括:
获取所述指定园区内的总应急资源量,根据所述多个区域的应急资源分配值进行随机分配组合,获得应急调度优化空间;
在所述应急调度优化空间内随机生成满足所述多个应急资源约束条件和多个辅助应急约束条件的多个初始方案;
基于所述应急函数,计算获取多个初始方案的多个初始适应度,并划分获得X个趋向中心和Y个优化主体,X和Y为大于1的整数,X个趋向中心为最大的X个初始适应度对应的初始方案;
计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化;
在优化达到优化收敛条件时,输出应急适应度最大的趋向中心,获得所述特征最优资源调度方案。
2.根据权利要求1所述的方法,其特征在于,所述在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据,包括:
采集所述指定园区内多个区域在历史时间内的应急事件记录,获取多个应急事件记录,每个应急事件信息内包括应急事件规模信息;
根据多个应急事件记录,计算获得多个应急历史数据;
采集所述多个区域的电路特征信息、高温特征信息、材质特征信息,获得多个区域特征数据。
3.根据权利要求1所述的方法,其特征在于,所述分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化,包括:
分别以靠近X个趋向中心为调整方向,采用调整步长,对Y个优化主体内的初始方案进行调整,获得Y个更新方案;
计算Y个更新方案的应急适应度,与所述X个趋向中心的适应度进行比较,对X个趋向中心和Y个优化主体进行更新;
计算更新后的Y个优化主体与X个趋向中心的距离,分别以最近的趋向中心为优化方向,继续进行迭代优化。
4.根据权利要求1所述的方法,其特征在于,所述采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,包括:
根据所述经验最优资源调度方案结合所述特征最优资源调度方案内的多个应急资源分配值,修正计算获得所述最优资源调度方案。
5.一种智慧园区应急资源调度系统,其特征在于,所述系统包括:
区域数据采集模块,用于在待进行应急资源调度的指定园区内,采集所述指定园区内的多个区域的多个应急历史数据和多个区域特征数据;
应急等级分析模块,用于根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级;
约束条件构建模块,用于根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件;
特征资源调度优化模块,用于根据所述多个特征应急等级,构建应急函数,并结合所述多个应急资源约束条件和多个辅助应急约束条件,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,其中,优化过程中,基于多个趋向中心进行迭代优化;
经验调度优化模块,用于根据所述多个经验应急等级,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获得经验最优资源调度方案,其中,根据所述多个经验应急等级,替代多个特征应急等级,构建多个应急资源约束条件、多个辅助应急约束条件,以及应急函数,进行多个区域的应急资源调度方案的优化,获取经验最优资源调度方案;
资源调度调整模块,采用所述经验最优资源调度方案,对所述特征最优资源调度方案进行补偿调整,获得最优资源调度方案,对所述指定园区内的应急资源进行调度;
其中,根据所述多个应急历史数据和多个区域特征数据,分析获取所述多个区域的多个经验应急等级和多个特征应急等级,包括:
在进行样本数据采集的多个样本园区内,采集多个样本应急历史数据、多个样本区域特征数据;
根据所述多个样本应急历史数据、多个样本区域特征数据,分析获取样本经验应急等级集合和样本特征应急等级集合;
采用所述多个样本应急历史数据和样本经验应急等级集合,基于智能体模型,训练更新获取经验应急分析分支,以及采用多个样本区域特征数据和样本特征应急等级集合,基于智能体模型,训练更新获取经验应急分析分支和特征应急分析分支,获得应急等级分类器,其中,所述应急等级分类器包括所述经验应急分析分支和所述特征应急分析分支;
采用所述应急等级分类器,对所述多个应急历史数据和多个区域特征数据进行分析,获得所述多个区域的多个经验应急等级和多个特征应急等级;
其中,根据所述多个特征应急等级,设置获取多个应急资源约束条件,并基于预设辅助应急条件,设置获取多个辅助应急约束条件,包括:
在进行样本数据采集的多个样本园区内,获取特征应急等级阈值和应急资源阈值;
根据所述多个特征应急等级和特征应急等级阈值,对所述应急资源阈值进行计算调整,获得多个修正应急资源阈值;
将所述多个区域调度分配的应急资源不少于所述多个修正应急资源阈值,作为所述多个应急资源约束条件;
基于预设辅助应急条件,设置获取多个辅助应急约束条件,其中,每个辅助应急约束条件包括每个中心区域的若干个邻近区域调度分配的应急资源之和大于该中心区域的修正应急资源阈值,所述预设辅助应急条件为邻近区域为中心区域提供应急资源进行应急;
其中,所述应急函数如下式:
;
其中,erg为应急适应度,和/>为权重,T为多个区域的数量,/>为根据多个特征应急等级的大小分配的第i个区域的权重,/>为第i个区域调度分配的应急资源分配值,/>为第i个区域的修正应急资源阈值,/>为第i个区域作为中心区域的若干个邻近区域的总应急资源分配值;
其中,对所述指定园区的应急资源在多个区域的调度分配方案进行优化,获取特征最优资源调度方案,包括:
获取所述指定园区内的总应急资源量,根据所述多个区域的应急资源分配值进行随机分配组合,获得应急调度优化空间;
在所述应急调度优化空间内随机生成满足所述多个应急资源约束条件和多个辅助应急约束条件的多个初始方案;
基于所述应急函数,计算获取多个初始方案的多个初始适应度,并划分获得X个趋向中心和Y个优化主体,X和Y为大于1的整数,X个趋向中心为最大的X个初始适应度对应的初始方案;
计算所述Y个优化主体和X个趋向中心的距离,分别以最近的趋向中心为优化方向,对Y个优化主体和X个趋向中心进行迭代优化;
在优化达到优化收敛条件时,输出应急适应度最大的趋向中心,获得所述特征最优资源调度方案。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器内存储有计算机程序,所述计算机程序被所述处理器执行时实现权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640182.4A CN117350518B (zh) | 2023-12-04 | 2023-12-04 | 一种智慧园区应急资源调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640182.4A CN117350518B (zh) | 2023-12-04 | 2023-12-04 | 一种智慧园区应急资源调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117350518A CN117350518A (zh) | 2024-01-05 |
CN117350518B true CN117350518B (zh) | 2024-03-29 |
Family
ID=89365241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311640182.4A Active CN117350518B (zh) | 2023-12-04 | 2023-12-04 | 一种智慧园区应急资源调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117350518B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062649A (zh) * | 2020-01-02 | 2020-04-24 | 深圳云谷星辰信息技术有限公司 | 一种产业智慧园区应急管理系统 |
CN111739618A (zh) * | 2020-04-30 | 2020-10-02 | 卫宁健康科技集团股份有限公司 | 用于灾害现场的调度方法、系统、电子设备和存储介质 |
WO2021184333A1 (zh) * | 2020-03-20 | 2021-09-23 | 华为技术有限公司 | 多媒体数据存储方法、装置、设备、存储介质及程序产品 |
WO2021212654A1 (zh) * | 2020-04-24 | 2021-10-28 | 平安科技(深圳)有限公司 | 物理机资源分配模型的获取方法、装置和计算机设备 |
CN114048966A (zh) * | 2021-10-26 | 2022-02-15 | 中国石油大学(华东) | 一种多层级的化工园区应急资源区域协同调度优化方法 |
CN114492953A (zh) * | 2022-01-06 | 2022-05-13 | 重庆科技学院 | 突发公共事件拉动集结应急资源布局优化决策方法、系统 |
CN117094546A (zh) * | 2023-10-19 | 2023-11-21 | 北京数易科技有限公司 | 一种基于大数据的智慧应急救援指挥方法、系统和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200143499A1 (en) * | 2018-11-07 | 2020-05-07 | AAA NOrthern California, Nevada & Utah | Systems and methods for geographic resource distribution and assignment |
-
2023
- 2023-12-04 CN CN202311640182.4A patent/CN117350518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062649A (zh) * | 2020-01-02 | 2020-04-24 | 深圳云谷星辰信息技术有限公司 | 一种产业智慧园区应急管理系统 |
WO2021184333A1 (zh) * | 2020-03-20 | 2021-09-23 | 华为技术有限公司 | 多媒体数据存储方法、装置、设备、存储介质及程序产品 |
WO2021212654A1 (zh) * | 2020-04-24 | 2021-10-28 | 平安科技(深圳)有限公司 | 物理机资源分配模型的获取方法、装置和计算机设备 |
CN111739618A (zh) * | 2020-04-30 | 2020-10-02 | 卫宁健康科技集团股份有限公司 | 用于灾害现场的调度方法、系统、电子设备和存储介质 |
CN114048966A (zh) * | 2021-10-26 | 2022-02-15 | 中国石油大学(华东) | 一种多层级的化工园区应急资源区域协同调度优化方法 |
CN114492953A (zh) * | 2022-01-06 | 2022-05-13 | 重庆科技学院 | 突发公共事件拉动集结应急资源布局优化决策方法、系统 |
CN117094546A (zh) * | 2023-10-19 | 2023-11-21 | 北京数易科技有限公司 | 一种基于大数据的智慧应急救援指挥方法、系统和介质 |
Non-Patent Citations (1)
Title |
---|
多目标多约束应急物资调度优化的仿真研究;吴波;《计算机仿真》;第30卷(第4期);435-438页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117350518A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rowe et al. | Managerial decision making | |
CN109787915B (zh) | 网络访问的流量控制方法、装置、电子设备及存储介质 | |
CN112988538B (zh) | 人工智能开发平台监控告警数据预测方法、装置及介质 | |
CN113706295A (zh) | 基于数据分析的催收案件分配方法、装置、设备及介质 | |
CN116205355B (zh) | 电力负荷的预测方法、装置以及存储介质 | |
CN117350518B (zh) | 一种智慧园区应急资源调度方法及系统 | |
CN111597343A (zh) | 一种基于app的智能化用户职业判断方法、装置和电子设备 | |
CN114595970A (zh) | 资源调度智能决策方法、装置、电子设备及存储介质 | |
CN112686433B (zh) | 快递数量的预测方法、装置、设备及存储介质 | |
Gutman et al. | The application of the fuzzy set theory to counting a regional innovative development indicators: The case of the Yamal region of the Russian Federation | |
CN111738824A (zh) | 一种账务数据处理方式筛选方法、装置及系统 | |
CN116029491B (zh) | 一种电力调度管理系统及其控制方法 | |
CN115277789B (zh) | 一种梯级水电站安全防护系统及方法 | |
CN114064413B (zh) | 容器组调控方法、装置及电子设备 | |
CN106447302A (zh) | 一种智能分单方法 | |
CN116191449A (zh) | 用户电力负荷实时调度方法及系统、电子设备、存储介质 | |
CN112559191B (zh) | 动态部署gpu资源的方法、装置和计算机设备 | |
CN115529315A (zh) | 一种云边协同系统 | |
CN112363831B (zh) | 风控处理方法、装置、计算机设备和存储介质 | |
CN111783487B (zh) | 一种读卡器设备的故障预警方法及装置 | |
CN115225986A (zh) | 一种osu带宽自适应调整的方法和装置 | |
Guan et al. | Advanced load forecast with hierarchical forecasting capability | |
Kyfyak et al. | Measuring entrepreneurship determinants: empirical analysis | |
CN109544309A (zh) | 基于智能决策的预算执行率预测方法、装置、计算机设备 | |
van't Ooster et al. | Sensitivity analysis of a stochastic discrete event simulation model of harvest operations in a static rose cultivation system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |