【《应急设施动态选址实例分析案例》5400字】

应急设施动态选址实例分析案例目录TOC\o"1-3"\h\u29554应急设施动态选址实例分析案例 147881.1实例背景 129231.2应急设施选址要求 2229151.3模型介绍 2213611.1.1需求预测模型 2210491.1.2应急设施选址模型 411761.4参数设置 5174091.4.1需求预测参数 566961.4.2应急设施选址参数 5211841.5测试过程与结果分析 6202841.6敏感性分析 1183671.7结果分析 11为验证论文建立的新冠疫情下应急设施选址模型在实际突发疫情情况下的应急救援效果，以2020年新型冠状病毒为疫情背景进行算例测试。参考国家卫生健康委员会公布的疫情数据及其他相关文献与报告提供的人口数据和疫情数据，进行一系列合理地推算及估计，对模型涉及的参数及输入数据进行设置。我们以MicrosoftWindows10操作系统作为测试平台，以MATLAB2018a软件为开发环境，利用MATLAB程序，在IntelCorei5-7300HQ2.5GHzCPU，8GBRAM的PC上，将前述参数及数据输入并执行程序进行运算。经过多次运算，首先对所得结果进行分析，再调整模型涉及的参数，进行敏感性分析，比较不同的参数设置对模型结果的影响。1.1实例背景大规模非常规突发事件会造成巨大的人员伤亡和财产损失。有效应对这类突发事件，需要大量应急服务设施(消防、医疗)同时投入到应急救援工作中。而事发当地或周边地区的应急服务设施的选址一般是按照应对常规突发事件的标准进行布局设计，由于重大突发事件具有破坏性强，需要的应急服务设施数量大、种类多等特点，传统的应急设施布局已不能有效应对重大突发事件。论文以2020年我国的新型冠状病毒肺炎疫情相关数据为基础进行验证。中国土地面积广袤，人口将近14亿，一旦发生疫情，未加以控制，就会造成严重后果，2020年初新冠疫情爆发，中国政府倾全国之力控制住了疫情。论文选取中国31个省会城市作为实例，数据通过参考相关文献并且进行合理的推算假设得出来，主要包括需求预测参数和应急物流网络相关参数等。1.2应急设施选址要求高东耶与刘新华认为，应急物流是指各类突发事件中对物资、人员、资金的需求进行紧急保障的一种特殊物流活动[30]。并就应急物流总结了几点特点，即应急物流与普通物流相比，应急物流更要求突发性、弱经济性、非常规性和不确定性等。由于应急物流大多是针对难以预测、突如其来的传染病、自然灾害等非常规事件构建的，因此应急物流也相应的具有突发性，这就使得普通物流的设计体系在应急物流体系中难以匹配，要针对应急物流自身设计出可以满足其独特目标的应急物流体系；而突发的自然灾害、传染病等，会造成不同地区受灾情况不同，不同地区的人口稠密程度，也会影响到应急物资的需求多少，这些不确定性因素，造成了应急物流随之具有不确定性；应急物流配送的是应急物资，讲求事件和效率的最优，因此必然会在权衡之下相对放弃一部分成本的要求，经济性较一般物流来说会比较弱，这和一般物流追求利润最大化的目标是不同的；追求的目标不同，运作方式也会随之改变，应急物流的运作方式与一般物流的运作方式相比之下更为灵活，具有非常规性。应急问题中最显著的特点是强时效性。突发事件造成的损失与事件持续时间成正相关关系，应急服务到达时间越早，损失越小，即应急服务设施距离需求点越近，服务越及时，损失则越小。因根据应急物流突发性、弱经济性、非常规性和不确定性的特点，这就要求应急设施相对应的，要能够应对突发情况，及时响应需求、在合理经济范围内考虑到配送效率最大化、能应对非常规情况、对于不确定性需求，能及时做出调整等。1.3模型介绍1.1.1需求预测模型该模型假设在疫情发生地区的总人数为N，由于人口出生率和人口死亡率在长期时间内才会对人口总数产生影响，所以对于出生和死亡不做考虑，而且考虑到疫情时期特殊的“封城”政策，所以也不考虑人口流动的情况。考虑到新型冠状病毒肺炎存在14天的潜伏期，且有采取隔离措施，人群之间没有明确差异，即新冠病毒感染无年龄、性别等偏好性，易感者与感染者的个体在人群中是均匀混合的，同时也不考虑感染后未就医自行痊愈的特殊情况，对国家卫生健康委员会公布的疫情数据进行统计、分析，确定出新冠疫情中传染率、死亡率、转阳率转阴率等相关参数。E：新型冠状病毒肺炎的潜伏者D：新型冠状病毒肺炎死亡患者人数I：新型冠状病毒肺炎感染人数S：新型冠状病毒肺炎易感人数R：新型冠状病毒肺炎康复者人数N：地区总人口r：康复率β：易感者被感染者感染的概率β1∝：潜伏者转化为感染者的概率ｒ：每日每人接触到的人数可以得到传染病动力学模型如图3-1所示：图3-1SEIR模型概念图根据传染病模型中SEIR模型公式，得到SEIR模型如下：dSdtdEdtdIdtdRdt易知，当给定感染者、潜伏者、患者、康复者、死亡人数的初始值时和接触患者、潜伏者的传染概率、每个患者、潜伏者平均每天接触的人数、潜伏者的转阴率和转阳率、患者康复概率和死亡率这些参数，便可以对新型冠状病毒肺炎传播情况进行预测。同时假定，每位住院的感染者需要1个单位的应急物资，即应急物资需求为εεt1.1.2应急设施选址模型模型首先假设：应急设施的应急物资可以满足需求点的需求。每一个需求点只能由一个应急设施进行应急物资的配送，不存在多对多的情况。为了便于计算，不考虑从配送网点到需求点的费用，其余不予考虑。(公式3-6)为目标函数，意为需求和距离的乘积最小。(公式3-7)是0-1变量，表示i需求点由j配送点配送时，值为1，即一个需求点只由一个配送点进行配送。(公式3-8)确保需求点的需求量都能由应急设施满足。(公式3-9)规定被选为应急设施的数量为q。(公式3-10)表示确保需求点在应急设施可以服务的范围内。参数集合：I：所选的区域内的需求点i的集合，I={1，2，3，…，31}J：应急设施j的集合εtL：表示需求点到最近配送点的距离M：0-1变量，当需求点i由应急设施j负责配送时，M=1，否则为0S：选定应急设施服务距离上限N：0-1变量，被选为应急设施时，值为1，否则为0q：应急设施数量则建立如下0-1混合整数规划模型：minF=i∈Ij∈JMj∈JNJ∈MLij≤S1.4参数设置1.4.1需求预测参数根据国家卫生健康委员会/发布的新型冠状病毒肺炎相关数据，得出需求预测相关参数如表3-1所示：表3-1需求预测模型相关参数康复率r易感者被感染者感染的概率β易感者被潜伏者感染的概率β潜伏者转化为感染者的概率∝0.950.090.0550.23数据来源：国家卫生健康委员会/1.4.2应急设施选址参数论文选取我国2020年疫情数据作为相关数值参考模拟，故将全国31个省市自治区的省会城市坐标（未计入我国港澳台地区）作为需求点，假设需要其中6个城市作为应急设施选址地，进行实例验证。论文所用坐标全部来来源于CHN相对坐标系，结果如表3-2所示：表3-2全国31个省市坐标及编号（未计入我国港澳台地区）省会城市坐标编号本省常住人口（万人）占全国人口比重（％）北京[3639,1315]11961.241.4天津[3712,1399]21291.870.92石家庄[3488,1535]37185.425.13上海[4177,2244]42301.921.64广州[3439,3201]510432.057.45银川[2788,1491]6630.140.45南京[3918,2179]77866.095.61长春[4312,790]82745.281.96杭州[4061,2370]95442.691.88哈尔滨[4386,570]103831.42.7沈阳[4196,1044]114374.631.12成都[2545,2357]128041.755.74武汉[3507,2376]135721.774.09西安[3077,1970]143732.742.67西宁[2381,1676]15562.670.4重庆[2769,2492]162884.622.06长沙[3394,2643]176570.084.69郑州[3429,1908]189402.996.71福州[4029,2838]193689.422.6昆明[2370,2975]204596.681.28呼和浩特[3238,1229]212470.631.76南昌[3676,2578]224456.781.18贵阳[2778,2826]233474.862.48合肥[3780,2212]245950.054.25海口[3140,3557]26867.150.62太原[3326,1556]273571.212.55济南[3715,1678]289579.276.8续表：省会城市坐标编号本省常住人口（万人）所占全国人口比重(％)乌鲁木齐[1332,695]292181.581.56拉萨[1304,2312]30300.220.21兰州[2562,1756]312557.531.8数据来源：CHN相对坐标系、第六次人口普查数据各省需求量即为不同周期的感染者人数同各省人数所占全国人口比重的乘积。1.5测试过程与结果分析根据需求预测模型参数，输入到MATLAB中，得到不同周期感染者人数如图3-2、表3-3所示、将不同周期的每一个感染者都看作有一份需求量，按照人口比重分配给31省市如表3-4所示图3-2各周期预测数据如表3-3所示：表3-3不同周期新冠肺炎感染者人数周期第一周期第二周期第三周期第四周期第五周期新冠累计感染者（人）442606688024220438344由于第五、六周期已经控制住了疫情发展，需求量较低，故只考虑前四周期的需求，按照31个省市自治区所占人口比重将需求量进行分配，如表3-4：表3-431个省市各周期需求量编号省会城市坐标第一周期第二周期第三周期第四周期1北京[3639,1315]62093633961续表：编号省会城市坐标第一周期第二周期第三周期第四周期2天津[3712,1399]407615223403石家庄[3488,1535]2271343112422254上海[4177,2244]7261097397725广州[3439,3201]3297498318043276银川[2788,1491]199301109207南京[3918,2179]2483375213592468长春[4312,790]8671311475869杭州[4061,2370]1717259594017010哈尔滨[4386,570]1195180665411811沈阳[4196,1044]1381208775613712成都[2545,2357]25413839139025213武汉[3507,2376]6209363396114西安[3077,1970]1810273599117915西宁[2381,1676]1182178664711716重庆[2769,2492]177268971817长沙[3394,2643]91213784999018郑州[3429,1908]20763137113620619福州[4029,2838]29704488162529420昆明[2370,2975]1151173963011421呼和浩特[3238,1229]1452219479414422南昌[3676,2578]77911774267723贵阳[2778,2826]1407212777013924合肥[3780,2212]1098165960110925南宁[2935,3240]18812842102918626海口[3140,3557]133201731327太原[3326,1556]2744151502728济南[3715,1678]11291705618112续表：29乌鲁木齐[1332,695]30104548164729830拉萨[1304,2312]69010433786831兰州[2562,1756]9314051930拉萨[1304,2312]69010433786831兰州[2562,1756]93140519整理出条形图如图3-3所示：图3-3省市各周期需求（部分）论文所使用的人工免疫算法的具体执行如下：每一个选址的方案都形成一个长度为q的抗体（q表示的是应急设施的数量）。其次是对于抗体与抗原间亲和力进行评价，抗体与抗原之间的亲和力表示的是抗体对抗原的识别程度，在这里针对上述应急设施选址模型设计亲和力函数Av：Av=1其中，Fv指的是选址模型中的目标函数；而分母中的第二项表示都是对于违反了距离约束的解给予惩罚（即舍去），C取的是一个比较大的正数。之后是比较抗体和抗体两者之间的亲和力，所谓亲和力，是指抗体之间的相似程度，在免疫算法中，抗体之间的亲和力计算使用的是R位连续方法。R位连续方法是一种进行部分的匹配的规则，这种方法的核心是首先确定好一个值，它是用来判断亲和度的一个衡量标准，如果两种抗体存在存在超过R位或者有连续R位的编码相同,那么就说明这两种抗体是近似“相同”的，否则的话就表示这两种个体不同。而这种编码方法不考虑各位之间的顺序问题。Qv，s在（公式4-11）中，Kv，s表示的是抗体v与抗体s中相同的位数多少，D表示的是抗体的长度。最后是抗体浓度和期望繁殖率的计算，抗体浓度指的就是在这一群体中相似的抗体所占比例的大小：Ｃｖ其中，M表示的是抗体总数，而将Sv，s与预先设定好的阈值T作比较，若Sv，s大于T，则Sv，s取1，否则取0在免疫群体中,每一个个体的期望繁殖概率P是由抗体与抗原间亲和力Av还有抗体浓度Cv两部分共同决定的,表达式为：P＝ηA其中,η为常数。可以见得，如果群体中一个个体的适应度越高，那么相对应的，它的期望繁殖的概率也随之越大;如果个体的浓度越大,那么根据（公式4-13）易知期望繁殖的概率也就越小。这样做不仅是鼓励了适应度比较高的一些个体，同时也抑制了相对浓度较高的个体，这种操作可以保证个体的多样性。在进行上述操作后，符合条件的抗体输出为近似最优解，如果不符合条件，则进行免疫操作中的选择、交叉和变异，重复上述流程。将31个省市的坐标和四个周期的需求量分别输入到设计好的MATLAB程序中，如图3-4所示，以第四周期为例，绘制应急设施选址布局图：图3-4应急设施选址绘制输出最优目标函数值和最优的应急设施布局，以第二周期为例，如图3-5、3-6所示，并且得到结果如表3-5所示。图3-5最优函数值收敛曲线图3-6应急设施选址布局表3-5不同周期选址方案学院应急设施选址（31省市编号）第一周期8、9、17、25、27、31第二周期3、8、17、25、27、31第三周期3、8、9、17、25、31第四周期2、8、9、13、25、31观察结果易得，8号、25号、31号始终作为应急设施选址之列，而其余应急设施的选址则会根据疫情的变化有所改变。1.6敏感性分