技术领域
[0001] 本
发明涉及突发事件应急
风险决策方法研究领域，更具体地，涉及一种应急救援站点选址与分配方法及系统。
背景技术
[0002] 我国位于环太平洋
地震带和亚欧地震带交汇处，地震多、强度大、分布广、
震源浅，是世界上受地震灾害影响最为严重的国家之一。据统计，20世纪中国共发生6级以上地政650多次：其中里氏7级地震100次，8级以上地震10次；地震导致的死亡人数达61万多人，约占世界地震死亡总人数的36％，占世界首位。事实上，根据灾后救援经验，地震发生后存在一个“黄金72小时”，若能在这段时间内展开及时、科学的救援，将大大提高伤员的存活率。
[0003] 目前，应急救援站点选址与分配优化方法主要是应对日常情况下的紧急医疗救援，现有的应急救援车辆的选址和分配方法没有针对大规模地震灾害下产生的伤员数量激增，现有应急车辆、医院等设施可能面临资源不足，需要重新对应急救援站点进行选址与分配，同
时针对现有医院容量不足等问题建立新的医疗中心。此外，现有的研究很少综合考虑实际问题中的应急救援站点的总成本约束，站点容量约束、应急救援车辆数量约束，应急车辆的可用性等。因此，为满足震后应急救援站点选址与分配并实现应急救援迅速响应，同时确定医疗中心
位置，又能综合考虑各种约束条件，实现快速救援响应、高效的应急救援分配的应急车辆站点的选址与分配方法。
发明内容
[0004] 针对
现有技术的
缺陷，本发明的目的在于解决现有的应急救援车辆的选址和分配方法没有针对大规模地震灾害下产生的伤员数量激增，现有应急车辆、医院等设施可能面临资源不足的情况的解决方案的技术问题。
[0005] 为实现上述目的，第一方面，本发明提供一种应急救援站点选址与分配方法，包括以下步骤：
[0006] 步骤S1，确定应急救援站点的相关信息；所述相关信息包括：受灾点的位置、各个应急救援站点的位置、医院位置、医疗中心的位置以及各个应急救援站点的车辆容量；
[0007] 其中，所述应急救援站点用于向受灾点提供车辆，所述车辆用于将受灾点的伤员运输到医院或者医疗中心；
[0008] 步骤S2，根据所述相关信息，构建应急救援站点选址和分配模型，以在兼顾受灾点伤员等待时间和应急救援站点的车辆运输至受灾点所用时间的前提下，选择合适的应急救援站点向各个受灾点分
配对应数量的车辆；所述选址和分配模型包括：各个受灾点伤员的平均等待时间总和，以及应急救援站点的车辆运输至所有受灾点的时间总和；
[0009] 其中，伤员的等待时间为伤员从在受灾点成为伤员开始至被运输到医院或者医疗中心的时间；
[0010] 步骤S3，采用模拟
退火算法嵌套
遗传算法对步骤S2中模型进行求解；
[0011] 步骤S4，重复步骤S3，直至各个受灾点伤员的平均等待时间到达预设时间范围内；
[0012] 步骤S5，输出应急救援站点选址与分配方案，以确定应急救援站点与受灾点的分配关系，以及各个应急救援站向各个受灾点的车辆分配数量。
[0013] 可选地，所述应急救援站点选址和分配模型，满足如下预设条件：伤员优先运输至最近的医院或医疗中心
治疗，如果最近的医院或医疗中心容量不足，则送至次近的医院或者医疗中心。
[0014] 可选地，所述应急救援站点选址和分配模型为：
[0015]
[0016] 其中， 为各个受灾点伤员平均等待时间总和， 为应急救援站点的车辆运输至受灾点所用时间总和；xit表
示t时刻受灾点i分配的应急救援车辆数量，pit表示t时刻受灾点i应急救援车辆的可用概率；λit，μit表示t时刻从受灾点i伤员平均产生速率和服务速率，xijt表示t时刻受灾点i是否被分配给应急救援站点j，τij为受灾点i与应急救援站点j之间的距离。
[0017] 可选地，所述受灾点伤员平均产生速率根据受灾点的受灾情况和受灾点的人口分布情况确定；
[0018] 所述受灾点的服务速率根据车辆从应急救援站点出发到达受灾点时间、车辆在受灾点的
停留时间、车辆将伤员从受灾点运输至医院或医疗中心的时间确定。
[0019] 可选地，所述步骤S3具体包括如下步骤：
[0020] 步骤S31，采用外层模拟退火算法优化选择应急救援站点的位置，以满足震后应急救援站点预算的要求；
[0021] 其中，所有应急救援站点的开设成本总和应小于应急救援站点的总预算；
[0022] 步骤S32，采用内层遗传算法优化选择应急救援站点分配的车辆数量、受灾点与应急救援站点的分配关系、受灾点的应急车辆数量，以满足应急救援站点容量、应急救援站点所有车辆总数量要求；将步骤S32确定的分配结果代入步骤S31的外层模拟退火算法，计算应急救援站点选址和分配模型的目标函数。
[0023] 可选地，所述步骤S31具体包括如下步骤：
[0024] S311，对外层模拟退火算法初始化，设置模拟退火算法基本参数：初始
温度T0，冷却终止温度Tk，温度衰减系数ε，内循环次数K，当前温度T等于初始温度；
[0025] S312，产生初始可行解x，代入下层遗传算法中得到初始效用函数值f(x)，令最优解等于初始可行解，最优值等于初始效用函数值；
[0026] S313，根据
迭代规则产生新解x′，计算新解的效用函数值f(x′)；
[0027] S314，若新解f(x′)优于初始解f(x)，则令最优解等于新解，最优值等于新解的效用函数值，否则根据Metropolis准则决定是否接受新解；接受新解的概率P：
[0028]
[0029] 其中T为当前温度；
[0030] S315，如果达到内循环次数K迭代次数，进入下一步，否则返回步骤S314；
[0031] S316，如果当前温度T达到结束温度，则返回最优解，否则降温，当前温度T＝ε*T，返回步骤S314。
[0032] 可选地，所述步骤S32具体包括如下步骤：
[0033] S321，对内层遗传算法初始化，设置遗传算法基本参数：种群大小K，最大迭代次数N，交叉概率pc，变异概率pm；
[0034] S322，初始化遗传算法的种群：根据模拟退火算法得的应急救援站点选址的解，初始化K遗传算法个体作为初始种群P；
[0035] S323，计算种群每个个体的适应度值，得到最优个体和最优个体值；
[0036] S325，保留种群优势个体至下一代种群；
[0037] S324，通过遗传算法轮盘赌选择种群中个体；
[0038] S325，交叉产生下一代种群个体；
[0039] S326，变异得到新的种群，并更新最优个体和最优个体值；
[0040] S327，如果达到最大迭代次数N，则返回最优解，否则返回步骤S324。
[0041] 第二方面，本发明提供一种应急救援站点选址与分配系统，包括：
[0042] 信息确定单元，用于确定应急救援站点的相关信息；所述相关信息包括：受灾点的位置、各个应急救援站点的位置、医院位置、医疗中心的位置以及各个应急救援站点的车辆容量；其中，所述应急救援站点用于向受灾点提供车辆，所述车辆用于将受灾点的伤员运输到医院或者医疗中心；
[0043] 模型构建单元，用于根据所述相关信息，构建应急救援站点选址和分配模型，以在兼顾受灾点伤员等待时间和应急救援站点的车辆运输至受灾点所用时间的前提下，选择合适的应急救援站点向各个受灾点分配对应数量的车辆；所述选址和分配模型包括：各个受灾点伤员的平均等待时间总和，以及应急救援站点的车辆运输至所有受灾点的时间总和；其中，伤员的等待时间为伤员从在受灾点成为伤员开始至被运输到医院或者医疗中心的时间；
[0044] 模型求解单元，用于采用模拟退火算法嵌套遗传算法对选址和分配模型进行求解；重复求解选址和分配模型，直至各个受灾点伤员的平均等待时间到达预设时间范围内；输出应急救援站点选址与分配方案，以确定应急救援站点与受灾点的分配关系，以及各个应急救援站向各个受灾点的车辆分配数量。
[0045] 可选地，所述应急救援站点选址和分配模型，满足如下预设条件：伤员优先运输至最近的医院或医疗中心治疗，如果最近的医院或医疗中心容量不足，则送至次近的医院或者医疗中心。
[0046] 可选地，所述应急救援站点选址和分配模型为：
[0047]
[0048] 其中， 为各个受灾点伤员平均等待时间总和， 为应急救援站点的车辆运输至受灾点所用时间总和；xit表
示t时刻受灾点i分配的应急救援车辆数量，pit表示t时刻受灾点i应急救援车辆的可用概率；λit，μit表示t时刻从受灾点i伤员平均产生速率和服务速率，xijt表示t时刻受灾点i是否被分配给应急救援站点j，τij为受灾点i与应急救援站点j之间的距离。
[0049] 总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
[0050] 本发明提供一种应急救援站点选址与分配方法及系统，在震后应急救援站点选址与分配过程中，不仅考虑应急救援车辆特点，而且针对震后的需求不确定情况生成多周期模型，每个周期中应急救援站点选址与分配根据需求变动会改变。同时针对大规模地震灾害下产生的伤员数量激增，现有应急车辆、医院等设施可能面临资源不足，考虑应急救援站点进行选址外，还考虑医疗中心的选址。此外，现有的研究很少综合考虑实际问题中的应急救援站点的总成本约束，站点容量约束、应急救援车辆数量约束，应急车辆的可用性等。
[0051] 本发明提供一种应急救援站点选址与分配方法及系统，针对震后应急救援车辆选址与分配问题构建数学模型，并设计基于模拟退火算法和遗传算法相结合的嵌套算法，能够实现震后应急救援站点选址与分配并实现应急救援迅速响应，对减少震后人员伤亡有重大意义。
附图说明
[0052] 图1为本发明提供的基于模拟退火算法与遗传算法的震后应急救援站点选址与分配方法流程示意图；
[0053] 图2为本发明提供的基于模拟退火算法与遗传算法的震后应急救援站点选址与分配方法中算法
流程图；
[0054] 图3为本发明提供的基于模拟退火算法与遗传算法的震后应急救援站点选址与分配方法中算法求解收敛图；
[0055] 图4为本发明提供的考虑等级差异的应急避难所选址和资源分配方法中案例分析中应急救援站点选址与分配结果示意图；
[0056] 图5为本发明提供的应急救援站点选址与分配系统架构图。
具体实施方式
[0057] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及
实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0058] 为了克服现有技术中应急管理中对于应急救援站点选址与分配规划的不足，提供了一种基于模拟退火与遗传算法的震后应急救援站点选址与分配方法，该方法结合常规应急救援车辆选址与分配模型的建模思路，考虑震后需求激增，现有的应急救援车辆与现有的医疗设施可能面临的资源不足情况，对震后应急救援站点选址与分配问题进行建模，并设计嵌套算法对模型进行求解。本发明用于提升应急救援站点选址与分配方法的准确性和合理性，实现对受灾点伤员的救援快速响应，对减少震后人员伤亡有重大意义。
[0059] 为了实现上述目的，本发明采用的技术方案是：基于模拟退火与遗传算法的震后应急救援站点选址与分配方法，如图1所示，包括如下步骤：
[0060] S1，获取震后受灾点位置信息、根据受灾点受灾情况及人口分布情况估计受灾点伤员产生速率、备选应急救援站点位置、可用医院位置、潜在医疗中心位置、应急救援站点容量、用于建设应急救援站点的预算、应急救援车辆数量、各备选应急救援站点与受灾点间的运输时间、受灾点与医院间的运输时间等信息；
[0061] S2，根据获取的相关信息，构建震后应急救援站点选址与分配模型；考虑应急救援站点选址与分配问题时，考虑到实际问题中的应急救援站点的总成本约束，站点容量约束、应急救援车辆数量约束，应急车辆的可用性等的重要性，构建了震后应急救援站点选址与分配模型。模型利用排队论考虑应急救援车辆可用性。
[0062] 考虑应急救援车辆可用性具体如下：将受灾区域聚类到I个受灾点，每个受灾点配有若干应急救援车辆，共有K辆应急救援车辆；应急救援车辆仅有2种状态：繁忙或空闲；根据受灾点伤员产生速率，受灾点分配的应急车辆数量，受灾点应急车辆服务速率，运用排队论可以计算出每个受灾点伤员平均等待时间；
[0063] 该模型遵循以下假设：
[0064] 假设1.受灾点位置已知且被聚类。每个需求点仅能被一个应急救援站点
覆盖。
[0065] 假设2.应急救援站点潜在选址点已知且每个应急救援站点有容量限制。
[0066] 假设3.医疗中心的潜在选址点已知。
[0067] 假设4.每辆应急救援车辆一次仅能携带一名受伤人员。本发明中仅针对重伤和中度伤害的患者。
[0068] 假设5.在每周期开始阶段，应急救援站点选址点，每个应急救援站点分配的应急救援车辆数量，每个受灾点分配的应急救援车辆数量，应急救援站点与受灾点之间的分配关系。
[0069] 假设6.在每个时期，应急救援车辆从应急救援站点出发到达受灾点，将受伤人员送至医院或医疗中心。如果应急救援车辆不可用，则受伤人员进入队列等待应急救援车辆。
[0070] 假设7.受伤人员优先送至最近医院或医疗中心治疗，如果最近医院或医疗中心容量不足，则送至次近医院或医疗中心。
[0071] 假设8.受灾点需求产生速率相互独立且为泊松分布，服务速率相互独立且符合指数分布。
[0072] 模型的目标函数如下：
[0073]
[0074] 约束条件：
[0075]
[0076]
[0077]
[0078]
[0079]
[0080]
[0081]
[0082]
[0083]
[0084]
[0085]
[0086] 目标函数(1)由两部分组成，一部分为每个受灾点伤员平均等待时间总和，另一部分为应急救援站点到受灾点的响应时间总和；xit表示t时刻受灾点i分配的应急救援车辆数量，pit表示t时刻受灾点i应急救援车辆可用概率；λit，μit表示t时刻从受灾点i伤员平均产生速率和服务速率，xijt表示t时刻受灾点i是否被分配给应急救援站点j，τij为受灾点i与应急救援站点j之间的距离。其中，受灾点伤员平均产生速率根据具体灾情状况、卫星图片观察到的受灾点的受灾情况和受灾点的人口
密度情况确定；受灾点服务速率根据车辆从应急救援站点出发到达受灾点时间、车辆在受灾点的停留时间、车辆将伤员从受灾点运输至医院或医疗中心的时间确定。
[0087] 其中，I表示受灾点的集合，J表示应急救援站点的集合，T表示所有周期的集合。
[0088] 约束(2)表示在t时刻在受灾点i应急救援车辆的可用概率，其中λit表示t时刻在受灾点i的伤员平均产生速率，μit表示在t时刻在受灾点i的伤员平均服务速率，xit表示t时刻受灾点i分配的应急救援车辆数量；约束(3)确保开设应急救援站点的成本不超过预算，其中yjt表示t时刻是否在潜在应急救援站点j开设应急救援站点，fj表示在潜在应急救援站点j开设应急救援站点的成本，Mt表示t时刻开设应急救援站点的总预算；约束(4)和约束(5)表示救护车总量限制，其中xit表示t时刻受灾点i分配的应急救援车辆数量，zjt表示t时刻应急救援站点j分配的应急救援车辆数量，K表示应急救援车辆总数量。
[0089] 约束(6)表示应急救援站点分配给受灾点的应急救援车辆数量不超过应急救援站点的应急救援车辆总数量，其中zjt表示t时刻应急救援站点j分配的应急救援车辆数量，xit表示t时刻受灾点i分配的应急救援车辆数量，xijt表示t时刻受灾点i是否被应急救援站点覆盖；约束(7)每个受灾点仅分配给一个应急救援站点，其中xijt表示t时刻受灾点i是否被应急救援站点覆盖；约束(8)表示应急救援站点的应急救援车辆数量不超过应急救援站点的容量限制，其中zjt表示t时刻应急救援站点j分配的应急救援车辆数量，Cj表示应急救援站点j的最大容量；约束(9)表示仅当应急救援站点开设时才能被分配应急救援车辆，其中yjt表示t时刻是否在潜在应急救援站点j开设应急救援站点，zjt表示t时刻应急救援站点j分配的应急救援车辆数量，M表示一个足够大的整数；约束(10)和约束(11)为决策变量的0-1与整数约束。
[0090] S3，采用模拟退火算法嵌套遗传算法对所述S2中模型进行求解；图2模拟退火算法嵌套遗传算法流程图。图3为模拟退火算法嵌套遗传算法适应度收敛曲线，其中横轴为迭代次数、纵轴为适应度值。
[0091] 模拟退火算法嵌套遗传算法的求解的具体步骤为：
[0092] 模拟退火算法的参数设置如表1所示。
[0093] 表1.模拟退火参数
[0094]
[0095] S31，外层模拟退火算法用于优化应急救援站点的位置，以满足震后应急救援站点预算的要求；模拟退火算法嵌套遗传算法的求解的具体步骤为：
[0096] S311，算法初始化，设置模拟退火算法基本参数：初始温度T0，冷却终止温度Tk，温度衰减系数ε，内循环次数K，当前温度T等于初始温度。
[0097] S312，产生初始可行解x，代入下层遗传算法中得到初始效用函数值f(x)，令最优解等于初始可行解，最优值等于初始效用函数值；初始解产生：对每个潜在应急救援站点j∈J，J＝{1,2,3,…,j,…,n}，其中n为潜在应急救援站点总数，初始解代表应急救援站点选址的可行解。
[0098] 初始解为一系列0-1变量代表是否该应急救援站点开放。可行解由向量表示：Y＝{y1,y2,…,yj,…,yn}，其中yj为二进制变量(0,1)并且n为潜在应急救援站点总数。例如：考虑一个有五个潜在应急救援站点的选址，一个可行解为：{1,0,0,1,0}，其中开放的站点为站点1和站点4。
[0099] S313，根据迭代规则产生新解x′，计算新解的效用函数值f(x′)；
[0100] S314，若新解f(x′)优于初始解f(x)，则令最优解等于新解，最优值等于新解的效用函数值，否则根据Metropolis准则决定是否接受新解。接受新解的概率：
[0101]
[0102] 其中T为当前温度；
[0103] S315，如果达到内循环次数K迭代次数，进入下一步，否则返回S314；
[0104] S316，如果当前温度T达到结束温度，则返回最优解，否则降温，当前温度T＝ε*T，返回S314。
[0105] 新解的产生：产生领域新解，从潜在应急救援站点随机选择一个站点并改变它的状态。例如：考虑一个有五个潜在应急救援站点的选址，一个可行解为{1,0,0,1,0}，领域可行解可以是{0,1,0,1,0}，其中开放的站点为站点2与站点4。
[0106] S32，内层遗传算法用于优化应急救援站点分配的车辆数量、受灾点与应急站点的分配关系、受灾点的应急车辆数量，以满足应急救援站点容量、应急救援车辆总数量等要求；分配结果代入外层算法，计算整体目标函数。
[0107] 遗传算法的参数设置如表2所示：
[0108] 表2.遗传算法参数
[0109]
[0110] S321，算法初始化，设置遗传算法基本参数：种群大小K，最大迭代次数N、交叉概率pc，变异概率pm；
[0111] S322，初始化遗传算法的种群：根据模拟退火算法得的应急救援站点选址的解，初始化K遗传算法个体作为初始种群P。
染色体设计：对于每个需求点i∈I和每个被选择开放的应急救援站点j∈N，其中I＝{1,2,3,…,i,…,m}and N＝{1,2,3,…,j,…,n}，m为受灾点的总数量，n为开放的应急车辆站点的数量。遗传算法中染色体代表分配给受灾点的应急救援车辆数量以及受灾点被应急救援站点的覆盖情况，染色体被设计为：X＝{x1,x2,x3,…,xm}{x′1,x′2,x′3,…,x′m}，前m个基因代表分配给受灾点的应急救援车辆数量，前m个基因的都为0到K的整数，其中K为总的应急救援车辆数量。例如：x1＝5表示受灾点1分配的应急救援车辆数量为5。后m个基因代表受灾点被应急救援站点的覆盖情况，每个基因的范围为1到N的整数,其中N为开放的应急车辆站点的数量。例如：x′1＝2表示受灾点1被应急救援站点2所覆盖。
[0112] S323，计算种群每个个体的适应度值，得到最优个体和最优个体值；
[0113] S325，保留种群优势个体至下一代种群；
[0114] S324，通过遗传算法轮盘赌选择种群中个体；
[0115] S325，交叉产生下一代种群个体；
[0116] S326，变异得到新的种群，并更新最优个体和最优个体值；
[0117] S327，如果达到最大迭代次数N，则返回最优解，否则返回S324。
[0118] S4，根据步骤S3中结果，分析各个受灾点伤员平均等待时间。确定医疗中心选址；重复所述S3至各个受灾点伤员平均等待时间均到达合理范围；确定医疗中心位置：使用迭代
框架来确定医疗中心的位置。首先，解决救援车辆站点选址与问题，得到每个受灾点伤员平均等待时间。在距离受灾点伤员等待时间较长的地区最近的潜在医疗中心点开设医疗中心。加入医疗中心后再次求解救援车辆站点选址与问题，并开设了新的临时医院，直到所有受灾点的伤员平均等待时间到达合理范围为止。
[0119] S5，输出应急救援站点位置及其分配方案，确定应急救援站点位置，医疗中心位置、应急救援站点分配到的车辆数量，应急救援站点与受灾点的分配关系。图4为实例分配结果，其中横坐标为经度、纵坐标为纬度，圆形点表示受灾点位置，方形代表应急救援站点位置，连线为应急救援站点与受灾点的分配关系。
[0120] 图5为本发明提供的应急救援站点选址与分配系统架构图，如图5所示，包括：信息确定单元510、模型构建单元520以及模型求解单元530。
[0121] 信息确定单元510，用于确定应急救援站点的相关信息；所述相关信息包括：受灾点的位置、各个应急救援站点的位置、医院位置、医疗中心的位置以及各个应急救援站点的车辆容量；其中，所述应急救援站点用于向受灾点提供车辆，所述车辆用于将受灾点的伤员运输到医院或者医疗中心；
[0122] 模型构建单元520，用于根据所述相关信息，构建应急救援站点选址和分配模型，以在兼顾受灾点伤员等待时间和应急救援站点的车辆运输至受灾点所用时间的前提下，选择合适的应急救援站点向各个受灾点分配对应数量的车辆；所述选址和分配模型包括：各个受灾点伤员的平均等待时间总和，以及应急救援站点的车辆运输至所有受灾点的时间总和；其中，伤员的等待时间为伤员从在受灾点成为伤员开始至被运输到医院或者医疗中心的时间；
[0123] 模型求解单元530，用于采用模拟退火算法嵌套遗传算法对选址和分配模型进行求解；重复求解选址和分配模型，直至各个受灾点伤员的平均等待时间到达预设时间范围内；输出应急救援站点选址与分配方案，以确定应急救援站点与受灾点的分配关系，以及各个应急救援站向各个受灾点的车辆分配数量。
[0124] 可选地，所述应急救援站点选址和分配模型，满足如下预设条件：伤员优先运输至最近的医院或医疗中心治疗，如果最近的医院或医疗中心容量不足，则送至次近的医院或者医疗中心。
[0125] 可选地，所述应急救援站点选址和分配模型为：
[0126]
[0127] 其中， 为各个受灾点伤员平均等待时间总和， 为应急救援站点的车辆运输至受灾点所用时间总和；xit表
示t时刻受灾点i分配的应急救援车辆数量，pit表示t时刻受灾点i应急救援车辆的可用概率；λit，μit表示t时刻从受灾点i伤员平均产生速率和服务速率，xijt表示t时刻受灾点i是否被分配给应急救援站点j，τij为受灾点i与应急救援站点j之间的距离。
[0128] 具体地，上述各个单元的功能可参见前述方法实施例中的详细介绍，在此不做赘述。
[0129] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
