数据驱动的城市应急救援弹性优化策略研究

As one of the most important part of smart city, effective and efficient emergency rescue service is essential for urban safety development. However, it is a common situation that emergency scenarios exceed the preparation and the rescue capability cannot meet the rescue demands properly, which would cause severe losses of lives and properties. To overcome such problems, this project aims at improving the resilience of urban emergency rescue to cope with urban dynamics and the fluctuation of rescue demands and service supplies to sustain required response quality, and finally guarantee a safe city. Specifically, this project will first work out the quantitative resilience analysis method according to the characteristics of urban emergency rescue. Then, big data analytics will be adopted to extract urban dynamics, and the emergency rescue network optimization model can be proposed to improve its intrinsic resilience. After that, from the aspect of post-event responses, this project will build the dynamic emergency response mechanism based on real-time status of rescue resources and demands to improve the efficiency and effectiveness. Meanwhile, considering the complex relations among rescue resources, the synchronization scheduling model will be proposed, as well as the sliding time window based method, which could further improve the resilience.

快速、科学、有效的应急救援是城市安全发展的保障，也是建设智慧城市的重要组成部分。然而，由于救援准备阶段无法预知所有情况，救援情景超出预期、救援能力供给不能满足救援需求的状态时有发生，严重阻碍城市的安全运行，给人民生命财产安全带来严重威胁。针对这一问题，本项目依托智慧城市大数据，旨在提高城市应急救援弹性，使其在面对城市发展变迁、救援供需波动时能够快速灵活响应，维持所要求的服务质量，保障城市的安全运行。本项目首先基于城市应急救援的特点和评价指标，结合弹性理论，建立可操作的弹性量化分析方法；其次，通过挖掘城市运行和救援需求的时空动态性，优化应急救援网络的固有弹性；然后，结合救援需求和救援资源的实时信息，建立动态应急响应机制，提高响应效率和效果；同时，通过分析多资源在响应阶段的依赖与时序关系，建立同步调度模型，并通过使用滑动时间窗的方法提高应急救援弹性。

科学高效的城市应急救援是城市安全发展的重要保障，也是国家治理能力的重要体现。本项目针对救援情景超出预期、救援能力供给不足的特殊场景，对应急救援系统的弹性优化策略进行研究，旨在进一步提高其面对救援供需波动时的能力，维持其在不同场景下的服务质量。具体来讲，本项目首先通过文献综述、案例分析与实地调研等，提出基于救援需求在规定时间内得到响应的数量和最大响应时间两个指标对救援效果进行度量；在此基础上，通过对特殊事件下救援效果的动态演化过程进行系统分析，本项目提出基于计算实验的城市应急救援弹性量化分析方法。其次，本项目通过对城市运行数据进行抓取和分析，设计了应急资源分时动态部署机制与优化算法，并通过仿真实验对其在提高应急救援响应效率和公平性的能力进行了验证。再次，本项目考虑不同类型救援资源之间的协同关系，设计了基于滑动时间窗的应急资源协同调度方法，提出了“货车-无人机飞行伙伴”的协同响应策略来提高应急救援的弹性。此外，本项目通过仿真实验的方式，对考虑救援需求优先级、跨区域协同等救援策略在应对场景变化时的弹性进行了仿真分析，并提出了基于禁忌搜索的跨区域协同响应优化方法，进一步提高了应急救援的弹性。最后，项目团队以应急救援过程中车辆路径规划这一核心问题为研究对象，设计了基于深度强化学习的在线决策算法，实现了对大规模路径优化问题的在线高质量求解。同时，考虑到应急场景的多样性与不可预知性，项目团队提出应用多任务学习的方法对算法进行改进，使其快速适应不同应急场景下的在线决策需求。