李攀， 周兆軍， 孫曉葉， 陳福明

(1.防災(zāi)科技學(xué)院信息工程學(xué)院, 三河 065201; 2.河北省地震災(zāi)害防御與風(fēng)險(xiǎn)評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室, 三河 065201; 3.防災(zāi)科技學(xué)院繼續(xù)教育學(xué)院, 三河 065201)

中國(guó)為地震多發(fā)國(guó)家,為挽救更多人的生命,減小人們的財(cái)產(chǎn)損失,國(guó)家非常重視災(zāi)害應(yīng)急救援工作。在2008年后,更加重視應(yīng)急物流管理制度的健全工作,完善了應(yīng)急物流預(yù)案,并提前儲(chǔ)備了對(duì)應(yīng)的帳篷、衣被、凈水設(shè)備和藥品等；定期開(kāi)展了應(yīng)急物流的宣傳和演習(xí)工作；在城市中分散建立了應(yīng)急物資庫(kù)；規(guī)劃了海陸空的運(yùn)輸替代路線等措施[1]。周愉峰等[2]提出一種整數(shù)編碼的混合遺傳算法,通過(guò)三角模糊數(shù)的期望值公式將模糊需求去模糊化,考慮設(shè)施中斷情景后,物流配送的情況,建立適用于震后救援初期的應(yīng)急設(shè)施選址-分配模型。Kaveh等[3]將應(yīng)急管理問(wèn)題,規(guī)劃為四大方面,應(yīng)急反應(yīng)規(guī)劃、大規(guī)模疏散、庇護(hù)所選址和設(shè)施選址,并歸納了不同技術(shù)路線上,啟發(fā)式優(yōu)化算法的模型及應(yīng)用。Zhao等[4]基于泊松混合模型,提出一種新的地震傷亡早期預(yù)測(cè)模型,同時(shí)模擬三種主要傷亡類型,有助于政府及時(shí)制定全面的救援方案。模型中引入了兩個(gè)新的協(xié)變量:“距離”和“余震”,這可以顯著改善模型預(yù)估成果。Yao等[5]基于新浪微博,提出了一種從微博文本中提取烈度信息的方法,包括搖晃、應(yīng)急反應(yīng)、情緒和可見(jiàn)損傷等社會(huì)感知,為地震烈度的快速評(píng)估提供支持。還提出了一個(gè)基于網(wǎng)格的校正方法,它綜合了熱強(qiáng)矩陣和基于地震衰減的模型,顯著降低了錯(cuò)誤識(shí)別率。

地震發(fā)生后,如何對(duì)受災(zāi)民眾進(jìn)行最快的救護(hù),如何快速進(jìn)行救災(zāi)物資配送,是應(yīng)急救援的首要任務(wù)。相關(guān)的學(xué)者們,針對(duì)以上問(wèn)題,進(jìn)行很多研究,構(gòu)建不同模型。李珍萍等[6]以家電企業(yè)配送與安裝物流作業(yè)問(wèn)題為場(chǎng)景,采用遺傳算法,優(yōu)化目配送與安裝兩種工作的車(chē)輛行駛路徑問(wèn)題,以總成本最小為目標(biāo),考慮配送車(chē)輛的軟時(shí)間窗約束與安裝車(chē)輛的服務(wù)水平約束,但車(chē)輛只能從同一地點(diǎn)出發(fā),返回同一地點(diǎn),極大約束了車(chē)輛流動(dòng)范圍。牟向偉等[7]使用量子進(jìn)化算法,針對(duì)末端配送任務(wù)分配問(wèn)題建立了一種考慮配送成本、資源利用率以及工作量配比差異的配送任務(wù)分配模型,但是配送能力在救援過(guò)程中不會(huì)發(fā)生變化,模型無(wú)法動(dòng)態(tài)更新?，F(xiàn)設(shè)計(jì)動(dòng)態(tài)變化的道路模型,及不同種類的車(chē)輛數(shù)據(jù),載重和運(yùn)力都不相同,目的就是解決實(shí)際面對(duì)的真實(shí)場(chǎng)景,發(fā)生的多維度問(wèn)題?？当蟮萚8]提出優(yōu)先鄰點(diǎn)交叉算子來(lái)改進(jìn)基于非支配解排序的遺傳算法,提高了局部搜索能力和收斂速度。采用了需求未滿足率來(lái)保證配送公平性,但是救援物資僅考慮一般生活物資,未能考慮應(yīng)急救援初期,是醫(yī)療物資和生活物資都急需,而且更重視醫(yī)療物資,需要合理分配任務(wù)的問(wèn)題。崔洪軍等[9]建立以最小化道路權(quán)值為目標(biāo),同時(shí)考慮車(chē)輛自身對(duì)道路條件約束的路徑規(guī)劃模型,對(duì)道路綜合權(quán)值的設(shè)計(jì)方案,為本文的網(wǎng)格化道路模型,提供了啟發(fā),本文在其基礎(chǔ)上綜合考慮路段長(zhǎng)度、道路等級(jí)、擁堵情況、路面狀況和路段坡度五個(gè)因素對(duì)路段綜合權(quán)值的影響。對(duì)道路及周邊建筑進(jìn)行了網(wǎng)格化管理及賦值,可以實(shí)時(shí)動(dòng)態(tài)反應(yīng)道路的通行狀況,安全系數(shù),及對(duì)未來(lái)通行能力進(jìn)行預(yù)測(cè),提前規(guī)避可能發(fā)生危險(xiǎn)和擁堵的道路,使得模型動(dòng)態(tài)的計(jì)算最優(yōu)解。

在面對(duì)重大自然災(zāi)害,應(yīng)急物資配送大多數(shù)采取道路可靠多目標(biāo)優(yōu)化方法[10],但是沒(méi)對(duì)物資的占用體積,重量,結(jié)合車(chē)輛的承載力進(jìn)行考慮,同時(shí)沒(méi)考慮到災(zāi)情是隨時(shí)間變化的,每個(gè)受災(zāi)點(diǎn)需要的物資也是不同的,物資需求未能考慮,物資配比問(wèn)題未加入考慮；道路路況是變化的,未加入考慮；針對(duì)車(chē)輛分配公平性和配送時(shí)間長(zhǎng)短,構(gòu)建多目標(biāo)優(yōu)化配送方法[11],但是考慮的要素是配送中心車(chē)輛充足,且車(chē)型相同,每輛車(chē)只執(zhí)行1次配送任務(wù),車(chē)輛的行駛速度不變,這種理想狀態(tài),在現(xiàn)實(shí)的災(zāi)區(qū)很難實(shí)現(xiàn),救災(zāi)初期,面臨的最大可能就是救援力量的缺乏,所以才需要合理安排時(shí)間和規(guī)劃路徑,實(shí)現(xiàn)最優(yōu)解決方案；針對(duì)受災(zāi)人數(shù)不確定、信息不暢通、基礎(chǔ)設(shè)施受損對(duì)后續(xù)災(zāi)害的造成影響等因素提出應(yīng)急配送方法[12]；還有學(xué)者[13]應(yīng)用改進(jìn)的蟻群算法和遺傳算法,提出應(yīng)急物資配送不同的思路和解決方案,但是從成本和客戶滿意度出發(fā),基于遺傳蟻群算法規(guī)劃了冷鏈配送路徑,但是只考慮了一個(gè)配送中心,和應(yīng)急救災(zāi)的邏輯有出入。配送的核心出發(fā)點(diǎn),時(shí)間,成本于大部分同類算法一致,增加了空置率的控制條件,可以相應(yīng)調(diào)節(jié)運(yùn)輸?shù)男?而蟻群算法的引入,也為最優(yōu)路徑搜索,提供了技術(shù)支撐。綜上所述,目前應(yīng)急物資配送領(lǐng)域的研究,主要基于配送時(shí)間最短、物資配送數(shù)量最大、配送成本考慮,對(duì)于道路的實(shí)時(shí)暢通擁堵情況和多因素綜合實(shí)時(shí)影響方面考慮較少。因此,針對(duì)中大型地震災(zāi)害發(fā)生時(shí),進(jìn)行救援規(guī)劃,提升救援組織能力,提出一種事先訓(xùn)練好的強(qiáng)化學(xué)習(xí)算法優(yōu)化模型,以挽救更多的受傷民眾為核心目標(biāo),可以提前演練可能出現(xiàn)的種種救援臨時(shí)狀況,讓算法系統(tǒng)學(xué)會(huì)不同情況的應(yīng)對(duì),在實(shí)時(shí)計(jì)算時(shí),只需導(dǎo)入相關(guān)數(shù)據(jù),即可快速求解出最優(yōu)配送路徑。不僅考慮災(zāi)情緊急時(shí)刻的物資短缺,車(chē)輛短缺情況,還引入動(dòng)態(tài)數(shù)據(jù),實(shí)時(shí)更新道路,交通,危險(xiǎn)建筑對(duì)配送路徑的阻礙關(guān)聯(lián),更新需求物資的變動(dòng),從醫(yī)療物資到生活物資；并引入獨(dú)特的緊急因子,用于判斷運(yùn)輸?shù)牟煌鄳?yīng)模式,以適應(yīng)從前期緊張到后期緩和的配送方式。并根據(jù)中國(guó)國(guó)情,在后期高速公路入庫(kù)引入新建的物資集散地概念,會(huì)導(dǎo)致物資從城外運(yùn)輸?shù)穆窂将@得更多解,從而大大優(yōu)化物資配送效率,提供運(yùn)力,單位時(shí)間內(nèi)滿足更多救災(zāi)物資需求,拯救更多民眾的生命。

1 問(wèn)題分析

假設(shè)城市對(duì)外交通運(yùn)輸能力(機(jī)場(chǎng)、鐵路和高速公路其中之一)沒(méi)有完全斷絕,可以滿足物資持續(xù)不斷運(yùn)輸進(jìn)入城市,同時(shí)城市本身的固定安置點(diǎn)和應(yīng)急安置點(diǎn)已被相關(guān)社區(qū)人員妥善管理,城市通訊在中斷后已基本恢復(fù)正常,可以更新應(yīng)急物資的需求,及時(shí)安排運(yùn)輸車(chē)輛和儲(chǔ)備倉(cāng)庫(kù)的物資調(diào)運(yùn)。城市內(nèi)部道路會(huì)受到余震、電力、熱力、燃?xì)狻⒔o排水或建筑倒塌造成損壞。因此,不同類型的道路會(huì)出現(xiàn)通行或擁堵等風(fēng)險(xiǎn)情況。根據(jù)城市中每條道路的損壞程度,可對(duì)每輛運(yùn)輸車(chē)、每種物資和每條線路進(jìn)行設(shè)計(jì),在規(guī)避風(fēng)險(xiǎn)道路同時(shí),實(shí)現(xiàn)運(yùn)送應(yīng)急物資車(chē)輛的最大化運(yùn)力。地震發(fā)生后初期,所運(yùn)送的物資中,醫(yī)療物資是最重要的,隨著救援的時(shí)間的延長(zhǎng),受災(zāi)人員的食品、衣服和臨時(shí)居住場(chǎng)所等需求量,將逐步超過(guò)醫(yī)療物資,成為主要的輸送物資。因此,本文中將應(yīng)急物資配送的過(guò)程分為3個(gè)主要階段。

(1)救援初始階段：應(yīng)急物資來(lái)源主要是城市本身的物資儲(chǔ)備倉(cāng)庫(kù),配送模型的模式是運(yùn)輸車(chē)輛在城市內(nèi)部循環(huán),運(yùn)輸車(chē)的數(shù)量,單位時(shí)間運(yùn)力最大程度,不能超出車(chē)輛數(shù)量、載重量和載重體積的限制；而且隨著時(shí)間進(jìn)展,物資儲(chǔ)備倉(cāng)庫(kù)的物資消耗速度是不同的,物資量根據(jù)實(shí)際不同物資的性質(zhì),不同需求量,實(shí)時(shí)進(jìn)行變化。

(2)救援中間階段：隨著對(duì)外連接道路的打通,在城市外接高速路口,機(jī)場(chǎng)或火車(chē)站的集散倉(cāng)庫(kù),會(huì)建立臨時(shí)物資集散地,物資的流向是外圍充足,內(nèi)部匱乏的階段,類似于一個(gè)盆地地形的水流流向的走勢(shì),由外向內(nèi)的漩渦形態(tài)。

(3)救援最終階段：由于前期重傷員及時(shí)得到救治或轉(zhuǎn)移,城市內(nèi)只存在輕傷員和普通群眾的階段,這時(shí)外援力量已經(jīng)足夠大,運(yùn)輸物資的壓力逐漸減輕,需要合理的安排運(yùn)輸車(chē)輛的數(shù)量、頻次和路線,為其他救援單位(如建筑、工程、水力和電力等)的往來(lái)減輕交通壓力。

根據(jù)以上分析,該算法模型需要使用的數(shù)據(jù)為：城市基礎(chǔ)靜態(tài)數(shù)據(jù),包括醫(yī)療機(jī)構(gòu)和危險(xiǎn)建筑或設(shè)施的信息；物資靜態(tài)數(shù)據(jù),包括儲(chǔ)備倉(cāng)庫(kù),主要分為醫(yī)療物資和生活物資等；高速路口、機(jī)場(chǎng)和火車(chē)站靜態(tài)數(shù)據(jù),用于建立臨時(shí)物資集散地,震后根據(jù)高速公路路網(wǎng)、火車(chē)站、城市機(jī)場(chǎng)周邊位置,可在第一時(shí)間興建外援物資集散地,可以實(shí)時(shí)輸送各種應(yīng)急物資,默認(rèn)外援物資集散地設(shè)置在高速公路與城市主干道連接處,火車(chē)站和機(jī)場(chǎng)周邊；災(zāi)民安置點(diǎn)靜態(tài)數(shù)據(jù),安置點(diǎn)主要提供需要生活物資和少量醫(yī)療物資；物資運(yùn)輸車(chē)輛靜態(tài)數(shù)據(jù),包括車(chē)輛的類型、車(chē)輛的體積和重量等信息,還有道路靜態(tài)數(shù)據(jù)包括道路的等級(jí)和路況等信息。

2 模型構(gòu)建

2.1 物資配比模型

為了使車(chē)輛裝配運(yùn)輸物資效率最大化,需要考慮車(chē)輛裝載物資類型、數(shù)量和大小進(jìn)行優(yōu)先級(jí)設(shè)置。地震發(fā)生時(shí),搶救人民群眾的生命是最重要的,因此醫(yī)療物資是優(yōu)先級(jí)別最高,其次是生活所需的各種物資,同時(shí)匯總物資倉(cāng)庫(kù)信息,運(yùn)送范圍的受災(zāi)人員安置點(diǎn)信息和最新物資數(shù)量等信息,具體處理步驟如下。

(1)設(shè)定λ為救援優(yōu)先級(jí)因子,取值范圍為0和1之間,當(dāng)λ=1時(shí),表示地震初期,受傷民眾較多,主要物資配送集中在醫(yī)療物資方面,當(dāng)前各項(xiàng)物資消耗快,剩余緊張,災(zāi)民增加過(guò)快,運(yùn)力嚴(yán)重不足,因此此情況下需要全力滿足醫(yī)療物資的運(yùn)輸。當(dāng)有空閑運(yùn)力時(shí),才能安排生活物資運(yùn)輸,而且以飲用水優(yōu)先,非常緊急時(shí)可以完全不配送食物；當(dāng)λ=0時(shí),表示當(dāng)前物資消耗速度不快,災(zāi)民增加速度慢,可以降低運(yùn)輸效率,所以配送物資的數(shù)量存在上調(diào)可能,即發(fā)出的物資甚至?xí)笥谛枨髷?shù)量。根據(jù)應(yīng)急救援的人為經(jīng)驗(yàn),規(guī)定當(dāng)λ>0.7時(shí),為運(yùn)輸緊急狀態(tài)；當(dāng)0.3<λ<0.7時(shí),為中等運(yùn)輸狀態(tài)；當(dāng)λ<0.3時(shí),為緩和運(yùn)輸狀態(tài)。

(2)設(shè)置物資權(quán)重系數(shù)Whi和Wli,分別為醫(yī)療物資權(quán)重和其他生活物資權(quán)重。

總物資權(quán)重為W={W1,W2,…,Wn},其中Wi為

Wi=Whi+Wli,i=1,2,…,n

(1)

根據(jù)震后現(xiàn)場(chǎng)受傷人員數(shù)量,應(yīng)急物資儲(chǔ)備數(shù)量及地震的破壞程度等綜合因素分析,物資權(quán)重的具體取值如下。

當(dāng)λ>0.7時(shí),Whi的取值范圍為0.8～1.0,Wli的取值范圍為0～0.2。

當(dāng)0.3<λ<0.7時(shí),Whi的取值范圍為0.5～0.8,Wli的取值范圍為0.2～0.5。

當(dāng)λ<0.3時(shí),Whi的取值范圍為0.3～0.5,Wli的取值范圍為0.5～0.7。

(3)設(shè)置通用物資包集合為:M={M1,M2,…,Mn},單個(gè)物資包為Mi,表達(dá)式為

Mi=Su1n1+Su2n2+…+Suini,i=1,2,…,n

(2)

式(2)中：Sui為第i個(gè)儲(chǔ)備物資包的體積和重量集合;n為根據(jù)需求進(jìn)行分配物資的數(shù)量。

假設(shè)總物資需求數(shù)為Ni,每輛車(chē)上裝配物資為

Tall=MiWhi+MiWli,i=1,2,…,n

(3)

根據(jù)各個(gè)物資點(diǎn)的需求,計(jì)算對(duì)應(yīng)的車(chē)型,所能規(guī)劃的物資包設(shè)計(jì),以最優(yōu)化方法為目的,盡可能先運(yùn)輸優(yōu)先級(jí)靠前的物資,這里采用優(yōu)先級(jí)因子λ參與,將需要的物資包種類先規(guī)劃出來(lái),然后規(guī)劃車(chē)輛,根據(jù)裝卸先進(jìn)后出的特點(diǎn),先配送物資后裝車(chē),并且在車(chē)子到達(dá)前,就需要發(fā)給倉(cāng)庫(kù)打包,然后車(chē)輛到達(dá)就直接裝箱,并按照裝卸順序進(jìn)行排列安裝。

2.2 道路狀況模型

本文中建立道路狀況模型,通過(guò)路況來(lái)進(jìn)行路徑計(jì)算,由于震后交通形勢(shì)復(fù)雜,道路中存在斷路、道路不通或者嚴(yán)重?fù)矶聠?wèn)題,不能直接使用曼哈頓距離。本文中添加道路運(yùn)載情況和危險(xiǎn)建筑等動(dòng)態(tài)數(shù)據(jù),在模型中考慮這些因素的影響。首先對(duì)城市基礎(chǔ)數(shù)據(jù)進(jìn)行網(wǎng)格化劃分,每個(gè)網(wǎng)格的屬性點(diǎn)數(shù)據(jù)由運(yùn)行通暢能力和安全系數(shù)等因素所決定,將這些參數(shù)進(jìn)行疊加就可以得到道路的運(yùn)行情況,然后車(chē)輛的最終運(yùn)輸路徑,采用迭代法進(jìn)行處理,預(yù)測(cè)結(jié)果不唯一。已知類曼哈頓距離方程D[14-15]為

D=|xi-xj|+|yi-yj|,i=1,2,…,n;

j=1,2,…,n

(4)

式(4)中：(xi,yi)為相鄰每個(gè)網(wǎng)格化點(diǎn)的坐標(biāo)。在此模型中引入路況因子β,該因子大小決定道路是否暢通,每條道路通暢與否由多個(gè)網(wǎng)格屬性合集決定：βall={β1,β2,…,βi}(i=1,2,…,n),其中,每項(xiàng)的計(jì)算公式為

(5)

式(5)中：w為道路的寬度；l為道路的等級(jí)；ɑ為實(shí)時(shí)道路擁堵?tīng)顩r因子；γ為道路的危險(xiǎn)性。

設(shè)置本路線通暢度C為

(6)

該算法可將附近所有可能產(chǎn)生的路徑,都遍歷迭代處理,計(jì)算每?jī)蓚€(gè)位置的多種運(yùn)輸路線。路線計(jì)算受網(wǎng)格狀態(tài)影響,不能通行的地方,不參與計(jì)算,不會(huì)產(chǎn)生規(guī)劃路徑。

3 算法設(shè)計(jì)與優(yōu)化

3.1 車(chē)輛運(yùn)行路徑模型優(yōu)化

運(yùn)輸車(chē)輛要將各種物資配送到各個(gè)目的地,因此本文主要研究圖層為醫(yī)療單位(H)圖層、物資倉(cāng)庫(kù)(S)圖層、受災(zāi)人員安置點(diǎn)(G)圖層、危險(xiǎn)建筑(B)圖層和臨時(shí)物資集散地(D)圖層共計(jì)4個(gè)圖層。在受災(zāi)初期,外來(lái)救援力量還沒(méi)有及時(shí)趕到受災(zāi)地進(jìn)行救援時(shí),可將本地倉(cāng)庫(kù)集合S進(jìn)行三角剖分,計(jì)算得出Voronoi圖,確定每個(gè)物資出發(fā)后所到達(dá)空間范圍,如圖1所示。

圖1 S集合的三角剖分Voronoi圖

隨著救援時(shí)間的推移,外來(lái)救援隊(duì)已到達(dá)城市高速路口、機(jī)場(chǎng)或者火車(chē)站等地,并建立臨時(shí)物資集散地,這時(shí)將物資數(shù)據(jù)集合S和臨時(shí)物資集散地集合D合并考慮,進(jìn)行三角剖分,所得到Voronoi圖如圖2所示,得到每個(gè)物資出發(fā)到達(dá)的新范圍。

圖2 S集合和D集合的三角剖分Voronoi圖

根據(jù)三角網(wǎng)剖分計(jì)算結(jié)果,所生成對(duì)應(yīng)的維諾圖,可以明確看出,每個(gè)S和D負(fù)責(zé)周邊救援點(diǎn)或醫(yī)院的范圍,及數(shù)量的構(gòu)成。這樣將整個(gè)城市配送模型問(wèn)題切割,變成每個(gè)單獨(dú)數(shù)據(jù)集合的解決模型。例如，S1倉(cāng)庫(kù)只需負(fù)責(zé)考慮配送范圍內(nèi)最近的G33、G32、G11、G38和G8的物資輸送。這樣構(gòu)建了當(dāng)前模型位置向量的集合。

S1配送范圍集合為{G33, G32, G11, G38, G8};

S2配送范圍集合為{H2, G17, G16, G19, G18, G1, G22, G23, G24, G21, G14};

S3配送范圍集合為{G41, G40, G36, G20};

S4配送范圍集合為{G34, G37, G15, G15, G37, G34};

S5配送范圍集合為{G10, G9, G12, G10, S5,G9};

S6配送范圍集合為{H1, H3, G39, G29, G7, G30, G3, G28,G5};

S7配送范圍集合為{G13, G6, G27, G25, G35, G3, G2, G4}。

此模型問(wèn)題的分解,有利于優(yōu)化算法的計(jì)算量,建立邏輯的判斷。類似于臨近搜索的思路,讓物資配送模型只考慮最近控制范圍的輸送。在后期臨時(shí)集散地建立后,每個(gè)向量集合也會(huì)產(chǎn)生相應(yīng)變動(dòng)。例如，G10將直接由D4負(fù)責(zé),而不再歸入S5的集合。同理,在遠(yuǎn)離城市中心的方向,G集合都將逐漸由Di(i=1,2,…,n)負(fù)責(zé),而城市原來(lái)已有的本地倉(cāng)庫(kù)的Si(i=1,2,…,n),越來(lái)越向中心方向輻射,只負(fù)責(zé)市中心區(qū)域的物資運(yùn)輸。

3.2 數(shù)據(jù)更新機(jī)制

由于該系統(tǒng)需要?jiǎng)討B(tài)計(jì)算配送路線,數(shù)據(jù)更新操作可設(shè)定30～60 min的時(shí)間間隔進(jìn)行1次更新,主要是對(duì)物資的需求更新、車(chē)輛運(yùn)行路徑的更新、運(yùn)載物資數(shù)量的更新、倉(cāng)庫(kù)物資數(shù)量的更新,新增或減少倉(cāng)庫(kù)的情況,危險(xiǎn)建筑的預(yù)警信息更新及危險(xiǎn)道路周邊道路的路況更新等方面。

常規(guī)的靜態(tài)數(shù)據(jù),只能表示道路的寬窄、物資的需求數(shù)量,及目的地位置,但是這些數(shù)據(jù)對(duì)于動(dòng)態(tài)變化的救援現(xiàn)場(chǎng)處理是遠(yuǎn)遠(yuǎn)不夠的。本文中動(dòng)態(tài)數(shù)據(jù),考慮了城市道路的變化,而此種變化,不僅僅是規(guī)劃道路時(shí)判斷道路是否擁堵、是否耗時(shí),而是這條道路的路邊,是否存在危險(xiǎn),并且動(dòng)態(tài)預(yù)測(cè),未來(lái)是否存在危險(xiǎn),這樣能及時(shí)規(guī)避路線,避免因?yàn)榻ㄖ虻刭|(zhì)等原因,導(dǎo)致的道路通行能力下降,就可以因此規(guī)避危險(xiǎn)道路,或是冒險(xiǎn)走風(fēng)險(xiǎn)最低的道路。

結(jié)合救援優(yōu)先級(jí)因子進(jìn)行估算,緊急時(shí)候,有些危險(xiǎn)程度低的路段也可嘗試通行,平時(shí)則盡量避開(kāi)。而且因?yàn)閿?shù)據(jù)是動(dòng)態(tài)發(fā)布的,根據(jù)動(dòng)態(tài)數(shù)據(jù)計(jì)算的道路通暢度,也是實(shí)時(shí)更新的,這樣導(dǎo)致規(guī)劃路線,是一直受后臺(tái)監(jiān)控,會(huì)隨著各項(xiàng)參數(shù)的動(dòng)態(tài)變化,而實(shí)時(shí)更新。

對(duì)比其他算法,只在發(fā)車(chē)前考慮道路的遠(yuǎn)近或路況,發(fā)車(chē)后遇到特殊情況,無(wú)法及時(shí)計(jì)算新的路線,無(wú)法安排新的任務(wù),只能人工解決,本身算法可大大提高處理問(wèn)題的效率。同時(shí),應(yīng)對(duì)突發(fā)的情況和后續(xù)救援力量的引入,可提供智能算法支持。現(xiàn)實(shí)中救災(zāi)點(diǎn)是可能突然變多的,倉(cāng)庫(kù)是可能枯竭的,所以分配任務(wù)的模式,會(huì)考慮這種突發(fā)狀況,及時(shí)變更車(chē)輛的運(yùn)輸路線,哪怕運(yùn)輸很少的物資到達(dá)新的救災(zāi)點(diǎn),也足以挽救最危險(xiǎn)的病人。

隨著時(shí)間推移,外界救援力量的加入,城市高速路口會(huì)建立臨時(shí)的物資集散地,這里可以認(rèn)為外界物資供應(yīng)充足,新的運(yùn)輸車(chē)輛也會(huì)作為因子加入計(jì)算,這是原有車(chē)輛的救援重心,就會(huì)被算法調(diào)整為救援市中心受災(zāi)嚴(yán)重地區(qū)為主,因?yàn)槭兄行氖峭饨缌α磕艿竭_(dá)最遠(yuǎn)的地方。整個(gè)城市的外圍,就不分配本地救災(zāi)車(chē)輛和倉(cāng)庫(kù),由臨時(shí)集散地派車(chē)救援,而熟悉城市狀況的本市人員和車(chē)輛,放在了受災(zāi)嚴(yán)重城市中心區(qū)域進(jìn)行救援,這種規(guī)劃使得后期救災(zāi)模型,將由內(nèi)而外的擴(kuò)展救援力量。

3.3 算法具體實(shí)現(xiàn)

通過(guò)前面分析,本文中采用強(qiáng)化學(xué)習(xí)[16-21]對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練,得出配送規(guī)劃模型,物資配送規(guī)劃模型核心就是在確保道路暢通的情況下,找到最短路徑,馬爾科夫決策過(guò)程(Markov decision process, MDP)[22]是一個(gè)由4個(gè)元素構(gòu)成的元組(SS,AA,TT,RR),其中SS是一個(gè)包含所有狀態(tài)的有限集合,AA是一個(gè)包含所有動(dòng)作的有限集合,TT是一個(gè)定義為T(mén)T:SS×AA×SS→[0,1]的轉(zhuǎn)換函數(shù),RR是獎(jiǎng)勵(lì)方程。在計(jì)算獎(jiǎng)勵(lì)方程的過(guò)程中，自定義4個(gè)因子,來(lái)計(jì)算每種不同規(guī)劃方案的獎(jiǎng)勵(lì),通過(guò)在配送規(guī)劃路徑中,賦予實(shí)際意義,來(lái)參與計(jì)算。

(1)Z因子為決策價(jià)值。根據(jù)每次運(yùn)輸物資救援的人數(shù)和裝車(chē)物資包的總數(shù)量,Z的計(jì)算公式為

Z=M1δ1+M2δ2+…+Miδi,

i=1,2,…,n

(7)

式(7)中：Mi為每次救援物資包的數(shù)量，δ為代表權(quán)重價(jià)值,即根據(jù)每個(gè)不同物資屬性分類,如當(dāng)前為緊急時(shí)刻,那么醫(yī)療物資的δ值為1.5,食品生活物資的價(jià)值為0.2。而普通時(shí)期,δ的價(jià)值相等,都是1；而安全時(shí),醫(yī)療物資的價(jià)值0.8,食品價(jià)值1.2。

(2)A因子為單位時(shí)間救援人數(shù)比。根據(jù)單位時(shí)間(每小時(shí))計(jì)算,每小時(shí)運(yùn)輸物資量和救援人數(shù),由于此處考慮了時(shí)間,因此會(huì)對(duì)后面模型中路程的選擇產(chǎn)生影響,判斷函數(shù)決定MDP找到最高效路徑的效率。A因子的計(jì)算式為

i=1,2,…,n

(8)

式(8)中：Tci為每次運(yùn)輸物資的數(shù)量；Tmi為每次匯總的運(yùn)輸時(shí)間；Wi為物資權(quán)重的總和[見(jiàn)式(1)]。

(3)U因子為救援物資覆蓋的人口平均比例?？伤愠雒總€(gè)救援點(diǎn),收貨物資的人口比例,歸納為一個(gè)集合Ut={U1,U2…,Un},用計(jì)算基尼系數(shù)[23-24]的公式,計(jì)算當(dāng)前集合的分配均衡度。即可得出覆蓋率Ur的公式為

(9)

(4)R因子為運(yùn)輸效率因子。

i=0,1,2,…,n

(10)

本文中提出強(qiáng)化學(xué)習(xí)優(yōu)化(reinforcement lear-ning optimization,RLO)模型的具體處理流程如下(圖3)。

圖3 RLO模型處理流程圖

(1)初始化靜態(tài)模型及參數(shù),根據(jù)設(shè)計(jì)的數(shù)據(jù)庫(kù)及數(shù)據(jù)模型,將某測(cè)試城市的數(shù)據(jù)導(dǎo)入。建立對(duì)應(yīng)的城市網(wǎng)格靜態(tài)信息,如城市的建筑靜態(tài)信息、道路靜態(tài)信息、存儲(chǔ)物資信息、救援點(diǎn)、儲(chǔ)備倉(cāng)庫(kù)的靜態(tài)信息。及前文提到的電力、水利、熱力、燃?xì)獾葦?shù)據(jù)信息,將城市網(wǎng)格化后的每個(gè)點(diǎn),賦予矢量數(shù)據(jù)含義。

(2)設(shè)置指定的緊急情況因子,此因子λ為人工指定,由現(xiàn)場(chǎng)的危急狀況決定,目前分為安全,普通,緊急三種狀態(tài),分別應(yīng)對(duì)了不同情況下的應(yīng)急措施及流程,同時(shí)為配送的物資配比,先后邏輯,決定了完全不同的算法邏輯。其中緊急情況下,以救生為主,普通情況下,以正常維持,安全情況下,目的以人群正常生活為主。

(3)實(shí)時(shí)傳輸,變化動(dòng)態(tài)數(shù)據(jù),將根據(jù)衛(wèi)星、電話、路邊監(jiān)控、其他部門(mén)數(shù)據(jù)庫(kù)匯總的信息,實(shí)時(shí)導(dǎo)入當(dāng)前模型庫(kù),主要包括裝載車(chē)輛上的衛(wèi)星定位信息,倉(cāng)庫(kù)中的物資儲(chǔ)量信息,道路擁堵信息,每個(gè)安置點(diǎn)的需求物資數(shù)量,各個(gè)危險(xiǎn)建筑的預(yù)警信息等。

(4)將所有數(shù)據(jù)映射到城市網(wǎng)格中,映射數(shù)據(jù),將不同意義的矢量數(shù)據(jù),映射到城市的每個(gè)網(wǎng)格點(diǎn),而每個(gè)車(chē)輛信息,及車(chē)載貨物信息,映射到對(duì)應(yīng)車(chē)輛的網(wǎng)格,每個(gè)安置點(diǎn)需求物資,映射到安置點(diǎn)的網(wǎng)格,每個(gè)危險(xiǎn)建筑的預(yù)警信息,映射到建筑周邊的道路網(wǎng)格。此時(shí)的數(shù)據(jù)及MDP中的狀態(tài)向量。

(5)根據(jù)需求,計(jì)算每輛車(chē)的裝載量,運(yùn)輸路線,采用迭代方法,規(guī)劃出大量的模型可供選擇(最大載重,最大體積和最大數(shù)量法),并將物資價(jià)值結(jié)合救援優(yōu)先級(jí)因子,計(jì)算每批次運(yùn)輸?shù)呢浳镒畲髢r(jià)值、覆蓋率等,即Z、A、U和R四個(gè)參數(shù)。此時(shí)的運(yùn)輸路徑,即MDP中的動(dòng)作函數(shù)。

(6)模擬測(cè)試,隨時(shí)更改物資需求、配比、救援優(yōu)先級(jí)因子、物資權(quán)重,已經(jīng)增加新的安置點(diǎn),新增臨時(shí)物資集散地,新增外界救援力量,并調(diào)整危險(xiǎn)建筑的狀態(tài),模擬電力、水利、燃?xì)獾仍O(shè)施發(fā)生危險(xiǎn)時(shí)候的情況,計(jì)算每個(gè)道路網(wǎng)格的路口因子β,并歸納路線通暢度C。這里種種條件的設(shè)置,增加的是MDP的轉(zhuǎn)換函數(shù),使其可以熟悉各種突發(fā)狀況。

(7)計(jì)算獎(jiǎng)勵(lì)方程,根據(jù)Z、A、U和R四個(gè)方向,求每種不同規(guī)劃方案的獎(jiǎng)勵(lì)。并讓機(jī)器通過(guò)計(jì)算每個(gè)路徑網(wǎng)格的實(shí)際坐標(biāo)距離,不僅求解路線的曼哈頓距離,還求出路線的實(shí)際運(yùn)行距離,預(yù)估運(yùn)輸時(shí)間。

(8)根據(jù)獎(jiǎng)勵(lì)方程,迭代求解,使得貝爾曼殘差最小化,同時(shí)滿足價(jià)值方程最高,即可以通過(guò)此自我驗(yàn)證,自我學(xué)習(xí)的過(guò)程,建立RLO模型,采用MDP方法測(cè)試各種震后救援應(yīng)急狀況。

(9)模型模擬連續(xù)運(yùn)轉(zhuǎn)幾百小時(shí),遍歷所有可能的情況,所有的突發(fā)條件,以及所有不同運(yùn)載運(yùn)力的變化,使得當(dāng)前模型的收斂效果好。根據(jù)機(jī)器性能不同,最終模型效率終能夠達(dá)到最高,實(shí)現(xiàn)了救災(zāi)運(yùn)輸高效,覆蓋,省時(shí)等特點(diǎn)。根據(jù)檢驗(yàn)?zāi)Ｐ偷姆植己瘮?shù),判斷貝爾曼殘差最小,當(dāng)前模型即可認(rèn)為訓(xùn)練完成。在應(yīng)急救援早期,外部的救援還無(wú)法及時(shí)趕到的情況下,通過(guò)本地應(yīng)急物資倉(cāng)庫(kù)配送路線如圖4所示。

圖4 基于物資倉(cāng)庫(kù)的配送路徑

當(dāng)救援達(dá)到中后期,外地物資源源不斷輸送,本地物資倉(cāng)庫(kù)和外地運(yùn)送臨時(shí)物資集散地都可以進(jìn)行物資配送,通過(guò)RLO改進(jìn)算法優(yōu)化后得到配送路線如圖5所示。

圖5 基于物資倉(cāng)庫(kù)和臨時(shí)物資集散地的配送路徑

4 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)測(cè)試樣本為物資倉(cāng)庫(kù)(S)數(shù)據(jù)共計(jì)7個(gè)樣本點(diǎn),臨時(shí)物資集散地?cái)?shù)據(jù)共計(jì)8個(gè)樣本點(diǎn),醫(yī)院數(shù)據(jù)為3個(gè)樣本點(diǎn),受災(zāi)人員安置點(diǎn)數(shù)據(jù)為41個(gè)樣本點(diǎn)和危險(xiǎn)建筑樣本點(diǎn)為6個(gè)。已知每個(gè)點(diǎn)具體坐標(biāo),可求出倉(cāng)庫(kù)、集散地、醫(yī)院和安置點(diǎn)之間的曼哈頓距離,根據(jù)曼哈頓距離,進(jìn)行強(qiáng)化學(xué)習(xí)優(yōu)化算法訓(xùn)練。強(qiáng)化學(xué)習(xí)的算法效率主要體現(xiàn)在優(yōu)化獎(jiǎng)勵(lì)方程,經(jīng)過(guò)若干訓(xùn)練迭代計(jì)算后,平均獎(jiǎng)勵(lì)方程結(jié)果越大該算法性能越好,因此進(jìn)行實(shí)驗(yàn)對(duì)比發(fā)現(xiàn),本文RLO改進(jìn)算法,在災(zāi)情早期的運(yùn)輸效率上,有明顯提高,并且能最大價(jià)值地配送急需物資,同時(shí)提供了對(duì)受災(zāi)人群的覆蓋率,總體上能夠解救更多的傷員(表1)。

表1 救援初期不同算法4因子數(shù)據(jù)對(duì)比

在救援中期,因?yàn)閮r(jià)值因子權(quán)重統(tǒng)一,無(wú)須判斷價(jià)值,只考慮救援效率和覆蓋率和運(yùn)輸效率時(shí),因?yàn)榕渲媚Ｊ娇紤]了動(dòng)態(tài)增加的外界救援力量,及臨時(shí)物資集散地的模式,所以使得運(yùn)輸力量得到最大程度挖掘,Z、A、U和R因子都有了大幅提高(表2)。

表2 救援中期不同算法4因子數(shù)據(jù)對(duì)比

在救援末期,救援力量大幅提高之后,每種算法的區(qū)別并不大,本方法判斷價(jià)值的A和U因子再次發(fā)揮作用,將生活物資的配送力量提高,并最大程度地覆蓋了全部受災(zāi)人群,而其他兩項(xiàng)指標(biāo)(Z和R因子),比起同類算法,提高幅度并不明顯(表3)。

表3 救援末期不同算法4因子數(shù)據(jù)對(duì)比

5 結(jié)論

本算法模型,在重大地震災(zāi)害發(fā)生時(shí),產(chǎn)生的救援規(guī)劃方案,救援組織能力,對(duì)比其他方法,得到了巨大提升,具體得到以下結(jié)論。

(1)采用事先訓(xùn)練好的強(qiáng)化學(xué)習(xí)模型優(yōu)化,可以提前演練可能出現(xiàn)的種種臨時(shí)狀況,讓AI學(xué)會(huì)不同情況的應(yīng)對(duì),真正需要計(jì)算的時(shí)候,只需要帶人數(shù)據(jù),快速求解即可。

(2)通過(guò)引入救援優(yōu)先級(jí)因子λ,物資權(quán)重因子δ等判斷條件,結(jié)合Z、A、U和R四大價(jià)值模型的函數(shù),使得救援方案,實(shí)現(xiàn)了高效快速地運(yùn)輸最急需物資,運(yùn)輸覆蓋人群高,覆蓋城市救災(zāi)點(diǎn)的范圍最高。

(3)本算法不同于常規(guī)方法,只考慮路程的遠(yuǎn)近,線路的通暢及運(yùn)輸過(guò)程的時(shí)間是否最短,是否最高效。而是從實(shí)際情況出發(fā),運(yùn)輸?shù)倪^(guò)程,不是目的,目的是盡早讓更多的受災(zāi)群眾,收到物資獲得救助。而不是以送達(dá)為終端目標(biāo)?，F(xiàn)實(shí)的生活中,貨物送達(dá)即為達(dá)標(biāo),貨物之后的使用效能,不在考慮范圍,而以本文邏輯,盡量讓物資的覆蓋率提高,讓有價(jià)值的物資優(yōu)先配送,讓單位時(shí)間獲救人數(shù)最高,同時(shí)兼顧運(yùn)輸效率,才是該配送方案優(yōu)化的核心思想。

(4)應(yīng)急救援,效率優(yōu)先,同時(shí)還要考慮到人員使用物資的效果,物資消耗有時(shí)間長(zhǎng)度,所以覆蓋率和單位時(shí)間人數(shù)比的兩個(gè)獎(jiǎng)勵(lì)函數(shù),對(duì)本算法有核心意義。不采用平均數(shù)算法,只送一個(gè)救災(zāi)點(diǎn),完全救助,但是其他地點(diǎn)苦等不至,大量傷亡產(chǎn)生,在最后匯總的數(shù)據(jù)中,是體現(xiàn)不出來(lái)的,都是一個(gè)獲救人數(shù)除以總?cè)藬?shù)的比例,但是現(xiàn)實(shí)中,如果能均衡調(diào)配,讓每個(gè)地方都獲得一部分物資,就能先救治最危重的傷病員,盡可能提高前期獲救人數(shù)的覆蓋范圍,從另一個(gè)角度,提高了物資運(yùn)輸效率,真正提高了運(yùn)輸效率,進(jìn)行更有效的救援。

(5)采用對(duì)每個(gè)建筑物的網(wǎng)格化管理,通過(guò)各個(gè)部門(mén)的綜合數(shù)據(jù)警示,提前預(yù)警即將發(fā)生危險(xiǎn)的建筑位置,及受影響的道路,為規(guī)避危險(xiǎn)路線,合理安排運(yùn)輸路徑,提供了數(shù)據(jù)支撐。也為突發(fā)情況,提供了算法方向的預(yù)先設(shè)計(jì),提前模擬特殊情況的發(fā)生,為真正情況下的反應(yīng),提供了算法基礎(chǔ)。

(6)加入各種動(dòng)態(tài)數(shù)據(jù),如外圍臨時(shí)集散地的建立,為整個(gè)數(shù)據(jù)的漩渦式模型配送,提供了數(shù)據(jù)支撐,救援永遠(yuǎn)是從外向內(nèi)的,外圍的數(shù)據(jù)加入,更使得原有奔波于市中心和市郊區(qū)的運(yùn)輸車(chē)隊(duì),全力以赴,集中到市中心的救援,而外圍市郊的救援規(guī)劃,交給了外界救援力量。這樣就更加合理的安排了運(yùn)輸路線,更快地實(shí)現(xiàn)對(duì)全市的救援覆蓋。