基于大数据的应急物资储备与调度智能决策模型及算法研究

Emergency supplies are the essential material basis of the emergency rescues in major disasters and accidents. The application of big data and its intelligent analysis approach can significantly improve the storing and scheduling efficiency of emergency supplies. This project focuses on the recognition, mining, filtration and fusion of big data which are needed in the storing and scheduling decision-making process of emergency supplies. Moreover, the project puts forward the intelligent prediction models and algorithms of the emergency supplies demand and gap, as well as the intelligent estimation model and algorithm of transportation time consuming. Afterwards, the project proposes intelligent decision-making models and algorithms of the storing, supplementing, scheduling and supplying process of emergency resources. The feature of the aforementioned intelligent models is the intelligent adaptation of the models to the high data uncertainty and the intelligent modification of the models to the constant data renewal. The calculation results of the approaches should be as follows: the optimized reserves and warehouse arrangement of each kind of emergency resource, the priority and stipulated supply quantity of each supplier, the loading and travel scheme of each vehicle, the start and finish time of each link in the emergency supplies supplement and transportation process and the optimized sequence of the links. Finally, the project integrates all the approaches into an intelligent decision support system in order to realize the automatic analysis of big data and automatic invokes of the models and algorithms. The system can effectively assist the government or relevant managers to make decisions in emergency supplies storing and scheduling.

应急物资是重大灾害或事故应急救援的物质基础。大数据及其智能分析方法的运用能够提高应急物资储备与调度管理的有效性。本项目研究应急物资储备与调度决策所需大数据的识别、挖掘、筛选与融合方法，提出应急物资需求与缺口的智能预测模型和算法，以及运输时间的智能估算模型和算法，进而提出应急物资预先储备、紧急补充、运输调度和筹运流程的智能决策模型和算法。上述智能模型的特点在于：针对高不确定性的数据的模型智能适应，以及针对不断更新的数据的模型智能修正。运用这些模型和算法能够得到的结果包括：各类应急物资的最优储备量和贮存地，各供应商的优先供给顺序与协议供给量，应急物资装载与车辆行进方案，以及筹运流程中各环节的开始结束时间与最优先后次序。最后，项目将全部方法集成到一个智能决策支持系统中，从而实现大数据的自分析和模型算法的自调用。该系统能够有效辅助政府或相关管理者在应急物资储备与调度方面的决策。

应急物资的储备和调度是应急管理领域急需解决的问题。本研究应用Citespace对Web of Science数据库中应急物流领域的679篇文献和CNKI数据库中的525篇相关文献进行了关键词共现分析、文献共被引分析，以及作者（机构）合作网络分析。基于此分析结果，重点对最新权威研究成果进行了深入阐述，证实了灾难大数据分析方法和相关算法的鲁棒优化研究的重大意义。本研究提出了基于随机存储理论和多目标规划方法的重大突发事件应急物资的预先准备模型，并用Matlab对这个模型进行灵敏度分析，得到有益的结论。运用该模型可以得到各类应急物资的最优预先准备量。同时，还提出基于系统动力学的应急物资需求数量的预测模型，用以在重大突发事件发生后粗略预测应急物资的未来短期需求。本研究通过建立基于进化博弈论和系统动力学的重大突发事件应急物资的补充征购谈判模型，得到了政府在与供应商谈判过程中应该遵循的“WRAD”原则，即限制低价、拉开差价和“从大到小选择，从小到大谈判”。这些研究成果能够切实帮助政府在补充征购应急物资时，以最快速度购得质量优良、价格合理的应急物资。本研究提出了面向需求和车辆数量变更的应急物资运输问题。首先利用动态规划思想给出在已知受灾地供应顺序的情况下的应急物资运输路线的分配方法，然后提出基于蚁群算法的受灾地供应顺序的自学习方法。然后用Matlab实现了该算法的求解过程。运用该算法程序可以得到应急物资的最优运输策略。本研究建立基于排队论的重大突发事件应急物资准备与调度模型，并进一步建立基于Petri网的应急物资的准备、调度和运输的工作流系统，最终形成运行效率很高的应急物资准备与调度的仿真系统框架。它能够有效协调应急物资的准备与调度工作流程，使其能够协助缩短应急物资准备、调度和运输的总时间。本研究提出了基于互联网的重大突发事件应急物资筹运的集群决策模式以及应急物资需求初判的Agile-Delphi决策流程和算法程序，分析应急物资筹运决策过程的关键影响因素，并给出应急物资筹运的总体决策流程。本研究最后还基于ASP.NET和SQL Server设计出一个整合上述所有算法和原理的应急物资筹运的智能决策支持系统。