趙晗萍-基于多源信息融合的應(yīng)急響應(yīng)優(yōu)化與仿真

基于多源信息融合的應(yīng)急響應(yīng)優(yōu)化與仿真趙晗萍應(yīng)急管理部-教育部減災(zāi)與應(yīng)急管理研究院教授P2強大的商業(yè)物流資源高效應(yīng)急物流？強大的商業(yè)物流資源X為決策向量新冠疫情應(yīng)對應(yīng)急物資供應(yīng)鏈新冠疫情應(yīng)對應(yīng)急物資供應(yīng)鏈保障/協(xié)保障/協(xié)助部門供應(yīng)端政府部門指揮需求端交通部門保障運輸交通部門供應(yīng)端政府部門指揮需求端交通部門保障運輸交通部門保障運輸需求產(chǎn)生相關(guān)部門物資儲備庫國資委相關(guān)部門物資儲備庫國資委發(fā)改委市場監(jiān)管總局應(yīng)急管理部藥監(jiān)局工信部工信部統(tǒng)一調(diào)配·企業(yè)生產(chǎn)工信部統(tǒng)一調(diào)配·企業(yè)生產(chǎn)△國開行財政部△國開行財政部慈善組織供應(yīng)源供應(yīng)源醫(yī)療機構(gòu)其他一線防疫單位醫(yī)療機構(gòu)其他一線防疫單位社區(qū)、工作單位等原材料供應(yīng)商全部交付全部交付工信部外匯管理局稅務(wù)總工信部外匯管理局稅務(wù)總財政部境外采購m綠色通道-m綠色通道-湖北省湖北省防疫指揮部慈善組織海關(guān)總署慈善組織海關(guān)總署商務(wù)部非定向捐贈境外捐贈境外捐贈部分分配部分分配境內(nèi)捐贈郵政局非定向捐贈物流運輸境內(nèi)捐贈郵政局非定向捐贈物流運輸武漢市防疫指揮部武漢市防疫指揮部定向捐贈定向捐贈 資金流 政府部門協(xié)助P3 資金流 政府部門協(xié)助P3P4武漢醫(yī)療物資供應(yīng)分配統(tǒng)計P5口罩生產(chǎn)口罩生產(chǎn)熔噴布生產(chǎn)全國口罩與熔噴布生產(chǎn)企業(yè)統(tǒng)計P6數(shù)據(jù)數(shù)據(jù)數(shù)據(jù)智能/34數(shù)據(jù)智能/34信息決策智能☆☆☆☆決策決策突發(fā)公共衛(wèi)生事件后各級政府響應(yīng)措施自然災(zāi)害應(yīng)急響應(yīng)問題特點P7?災(zāi)害特征與地理背景差異明顯?多樣化的不確定因素?應(yīng)急過程復(fù)雜涉及部門眾多?對于突發(fā)大規(guī)模應(yīng)急事件先驗知識不足?不完備信息導(dǎo)致供需關(guān)系不匹配P8應(yīng)急供應(yīng)鏈——需求端分析地區(qū)蘆山縣寶興縣天全縣災(zāi)情微博數(shù)量23992233814613661受災(zāi)人口數(shù)量12000060000138000發(fā)放帳篷數(shù)量（華峰物流）291291053712292帳篷/受災(zāi)人口0.24270.0891P9解決思路數(shù)據(jù)數(shù)據(jù)災(zāi)情評估災(zāi)情評估-L基于網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)建筑物倒塌與數(shù)據(jù)數(shù)據(jù)智能供給供給交通決策智能交通決策智能信息供需配置供需配置動態(tài)決策決策動態(tài)決策決策6·17Ms6.0長寧和4·20Ms7.0蘆山地震P10P11時間來源信息內(nèi)容2013-04-20人民網(wǎng)2013-04-2012:1404-20央視屋倒塌，但大部分房13:01屋受損表達(dá)模糊表達(dá)模糊語義沖突語義沖突動態(tài)更新動態(tài)更新 --網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)融合框架網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)融合框架沖突信息模糊信息量化沖突信息模糊信息量化融融合-- 動態(tài)信息更新P12基于正向云發(fā)生器與地震建筑損失識別框架量化模糊詞匯基于正向云發(fā)生器與地震建筑損失識別框架量化模糊詞匯①建立建筑物倒塌評估的識別框架倒塌范圍模糊詞數(shù)值區(qū)間倒塌范圍模糊詞數(shù)值區(qū)間幾乎無倒塌（A1）[0,0.005]大多數(shù)倒塌（A5）[0.45,0.70]個別倒塌（A2）[0.005,0.10]絕大多數(shù)倒塌（A6）[0.70,0.90]少數(shù)倒塌（A3）[0.10,0.30]普遍倒塌（A7）[0.90,1.00]多數(shù)倒塌（A4）[0.25,0.50]②量化識別框架中描述倒塌范圍的模糊詞建筑物倒塌范圍的模糊詞云模型參數(shù)He建筑物幾乎無倒塌（A1）0.00250.00210.0002個別倒塌（A2）0.05250.04030.0040少數(shù)倒塌（A3）0.20000.08500.0085多數(shù)倒塌（A4）0.37500.0106大多數(shù)倒塌（A5）0.57500.0106絕大多數(shù)倒塌（A6）建筑物普遍倒塌（A7）0.80000.95000.08500.0085融合模型。步驟一步驟二步驟一步驟二步驟三步驟四步驟五P13測量證據(jù)間的一致性程度和沖突強度計算每個證據(jù)的不可靠程度構(gòu)建基本概率重分配方程，對各焦元的基本概率分配進(jìn)行修正為了防止基本概率的過度修正，對其進(jìn)行第二次修正利用D-S組合規(guī)則對兩次修正的基本概率分配進(jìn)行融合P14假設(shè)評估結(jié)果具有馬爾科夫性性,假設(shè)評估結(jié)果具有馬爾科夫性性,利用不同時間節(jié)點內(nèi)的災(zāi)情數(shù)據(jù)對評估結(jié)果進(jìn)行動態(tài)更新。評估結(jié)果動態(tài)更新,{mr(t+1)mr(t+1)=h(mrt,m(t+1)))#P15基于貝葉斯融合的人員死亡動態(tài)評估流程圖P16信息擴散技術(shù)地震應(yīng)急情景信息擴散技術(shù)地震人員死亡評估結(jié)果評估區(qū)間標(biāo)準(zhǔn)化P17區(qū)間概率先驗分布條件概率分布數(shù)據(jù)獲取途徑：數(shù)據(jù)獲取途徑：關(guān)鍵詞搜集地震專題報道民政部信息中心：輿情監(jiān)測系統(tǒng)兩次地震網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)信息地震無效轉(zhuǎn)發(fā)重復(fù)獨立來源總數(shù)據(jù)數(shù)據(jù)量數(shù)據(jù)量數(shù)據(jù)量數(shù)據(jù)量量蘆山地震21352315宜賓地震P18融合結(jié)果與實際的建筑倒塌結(jié)果相差最大融合結(jié)果與實際的建筑倒塌結(jié)果相差最大圍內(nèi),融合結(jié)果與實際倒塌率均方根誤差分別為0.0693、0.0779、0.0702和0.0612蘆山地震各鄉(xiāng)鎮(zhèn)不同時間段評估結(jié)果融合結(jié)果與實際的建筑物倒塌結(jié)果之間融合結(jié)果與實際的建筑物倒塌結(jié)果之間的差異值最大為0.0385，最小為0。融合結(jié)果與實際倒塌率均方根誤差分別為0.0114、0.0109、0.0034和0.0071P19宜賓地震評估鄉(xiāng)鎮(zhèn)建筑物倒塌動評估結(jié)果P20蘆山地震各階段相關(guān)鄉(xiāng)鎮(zhèn)人員死亡評估結(jié)果震后不同時間段的網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)獲取的死亡人數(shù)震后不同時間段的網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)獲取的死亡人數(shù)評估區(qū)間的上限值和下限值與實際死亡人數(shù)間均6.04；下限均方根誤差均為2.80震后不同時間段的網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)獲取的死亡人數(shù)評震后不同時間段的網(wǎng)絡(luò)災(zāi)情數(shù)據(jù)獲取的死亡人數(shù)評估區(qū)間的上限值和下限值與實際死亡人數(shù)間均方根下限均方根誤差均為4.75宜賓地震不同時間段各鄉(xiāng)鎮(zhèn)人員死亡動態(tài)評估結(jié)果圖應(yīng)急供應(yīng)鏈——供給端0%P217827829%9%005%應(yīng)急物資來源：研究多聚焦國家儲備體系、儲備庫建設(shè)選址、儲備資源規(guī)劃隨著社會動員力量增加，市場物資已經(jīng)絕對占比，但較少關(guān)注P22解決思路數(shù)據(jù)數(shù)據(jù)災(zāi)情評估災(zāi)情評估數(shù)據(jù)數(shù)據(jù)智能供給供給基于共享數(shù)據(jù)平臺應(yīng)急響應(yīng)交通基于共享數(shù)據(jù)平臺應(yīng)急響應(yīng)交通決策智能信息供需配置供需配置動態(tài)決策決策動態(tài)決策決策交通可達(dá)性評估供需關(guān)系潛在供給源挖掘供給評估交通可達(dá)性評估供需關(guān)系潛在供給源挖掘供給評估需求快速評估I為受傷人數(shù)；S為避濟系數(shù)，T為受災(zāi)天數(shù)P23需求評估P24需求緊迫性分級評估醫(yī)療物資供給源挖掘醫(yī)療物資供需比評估DistrictwherethedemandpointislocatedDemandpoints(resident)DistrictwherethesupplypointislocatedSupplypoints(resident)LatitudeMaximumdistance(m)Maximumtime(second)LongitudeLatitudeLongitudeLushan102.92673030.159580YuchengYingjingHongyaPujiang102.984370102.837320103.369710103.50258929.98555629.79532529.91281230.2141961000925478Tianquan102.75050030.078638Pujiang103.50258930.214196970534917Baoxing102.82102030.372356Dayi103.52303930.5847811563989039Mingshan103.09607030.094232Danleng103.51225930.026189917245115醫(yī)療物資供需分配應(yīng)急供應(yīng)鏈——運輸調(diào)度 054321010504/214/224/234/244/254/264/27----一"物資調(diào)度各環(huán)節(jié)存在不同程度延遲應(yīng)急物資調(diào)度系統(tǒng)不具備靈活性解決思路數(shù)據(jù)數(shù)據(jù)災(zāi)情評估災(zāi)情評估數(shù)據(jù)數(shù)據(jù)智能供給供給不確定不確定 資源少回港/網(wǎng)絡(luò)疏散流程雜真平臺交通決策智能信息供需配置供需配置動態(tài)決策動態(tài)決策決策決策P26無經(jīng)驗P26建立基于實時路徑規(guī)劃的多周期動態(tài)應(yīng)急物資調(diào)配模型，建立基于實時路徑規(guī)劃的多周期動態(tài)應(yīng)急物資調(diào)配模型，根據(jù)實際情景為單位庫存成本、單位運輸成本、剝奪成本參數(shù)賦值，在每周期引入供給、需求和途中信息，求取當(dāng)前信息下成本最小的物資分配與運輸策略①應(yīng)急物資轉(zhuǎn)運網(wǎng)絡(luò)②存在優(yōu)先級的物資轉(zhuǎn)運規(guī)則基于實時路徑信息的多周期動態(tài)應(yīng)急物資配置模型③可供物資運輸?shù)臍堄嗦肪W(wǎng)④實時路線規(guī)劃，距離和耗時nP27P282013年4月20日蘆山地震應(yīng)急物資分配運輸方案（第一周期）2013年4月20日蘆山地震應(yīng)急物資分配運輸方案（第五周期）當(dāng)情景參數(shù)發(fā)生擾動，求取的物資分配決策隨之變化部分道路中斷P292013年4月20日蘆山地震應(yīng)急物資分配運輸方案2013年4月20日蘆山地震應(yīng)急物資分配運輸方案漾濞地震建筑物倒塌評估結(jié)果漾濞地震黑箱期人員死亡評估結(jié)果漾濞地震更新后的人員死亡評估結(jié)果P30醫(yī)療與生活物資供需評估鄰縣至漾濞縣區(qū)物資調(diào)度路線瑪多地震建筑物倒塌評估結(jié)果瑪多地震黑箱期人員死亡評估結(jié)果瑪多地震更新后的人員死亡評估結(jié)果醫(yī)療與生活物資供需評估鄰縣至果洛州災(zāi)區(qū)物資調(diào)度路線鄰縣至果洛州災(zāi)區(qū)物資調(diào)度時間P31上海社區(qū)級需求評估物資配送網(wǎng)絡(luò)構(gòu)建點分布及人口數(shù)量和配送量關(guān)系上海社區(qū)級需求評估物資配送網(wǎng)絡(luò)構(gòu)建人口數(shù)量和配送量的差距及還需配送人員數(shù)量33P33 漁船應(yīng)急避風(fēng)遭遇臺風(fēng)襲擊災(zāi)害風(fēng)險會作用于應(yīng)急過程，造成應(yīng)急響應(yīng)失效?應(yīng)急過程中風(fēng)險傳遞？?以風(fēng)險評估結(jié)果為目標(biāo)非線性優(yōu)化算法？提出應(yīng)急過程的風(fēng)險評估模型，針對漁船回港調(diào)度問題，設(shè)計改進(jìn)的指派優(yōu)化算法，效率優(yōu)于經(jīng)典模擬退火算法。在安全性前提下，轉(zhuǎn)移安置效率提高50%。路徑預(yù)測P34應(yīng)急過程風(fēng)險評估Improvedassignment漁船轉(zhuǎn)移安置方案–港口可能受到臺風(fēng)襲擊，使?jié)O船避風(fēng)失敗。–“可能使?jié)O船避風(fēng)屬于失敗”隸屬度函數(shù)j–災(zāi)害→航行不確定→按時完成應(yīng)急響應(yīng)行動不確定T：規(guī)定回港時間–港內(nèi)漁船擁擠，漁船發(fā)生碰撞、火災(zāi)jjMinMinP36P36 浙江省臺風(fēng)災(zāi)害漁船回港避風(fēng)優(yōu)化決策?數(shù)據(jù)：《浙江省沿海標(biāo)準(zhǔn)漁港布局與建設(shè)規(guī)劃》–海洋漁船34506艘–漁港208座?港口數(shù)據(jù)（20港口）–2012年重點建設(shè)漁港共計81座–按等級分層隨機抽樣。?漁船數(shù)據(jù)（3500漁船）–實際：信息系統(tǒng)實時獲取–模型：隨機生成P37來48小時臺風(fēng)路徑概率預(yù)報圖。P38案例結(jié)果hybridclosedloopalgorithmP39 災(zāi)害影響下復(fù)雜交通網(wǎng)絡(luò)中大規(guī)模疏散交通是應(yīng)急救援和疏散基礎(chǔ)，災(zāi)害會造成交通嚴(yán)重?fù)矶隆?災(zāi)害影響下交通流量預(yù)測？?復(fù)雜交通網(wǎng)絡(luò)應(yīng)急疏散調(diào)度？ 建立大規(guī)模復(fù)雜網(wǎng)絡(luò)疏散模型，利用離散CTM模型量化交通流量；在實時風(fēng)暴潮漫灘數(shù)值模擬和交通流量變化條件下，實現(xiàn)應(yīng)急疏散優(yōu)化調(diào)度。在有序調(diào)度前提下，可將疏散時間減少約30%。改進(jìn)遺傳算法應(yīng)急疏散規(guī)劃風(fēng)暴潮漫灘模式改進(jìn)遺傳算法應(yīng)急疏散規(guī)劃實時交通流量P40實時交通流量P40傳統(tǒng)網(wǎng)絡(luò)傳統(tǒng)網(wǎng)絡(luò)復(fù)雜疏散網(wǎng)絡(luò)–目標(biāo)函數(shù)一一{too\\i–約束條件,一"。一oi=0,i≠o,i≠dFlowinputNetworkFlowinputNetFlowinputNetworkFlowinputNetworkoVehiclespassingthearconebyoneThevehiclesgatheratthestartingnodeandwait流量離散化計算模型tij=fij/Qij+Lij/sijThevehiclesgatheratthestartingnodeandwait流量離散化計算模型tij=fij/Qij+Lij/sijP41案例案例P42294945678 …… 整體疏散時間（h）2524232221203520523927330737535205239273307375迭代次數(shù)（T）路路深圳光明新區(qū)滑坡上海靜安區(qū)大火深圳光明新區(qū)滑坡上海靜安區(qū)大火數(shù)據(jù)數(shù)據(jù)災(zāi)情評估災(zāi)情評估數(shù)據(jù)數(shù)據(jù)智能供給供給不確定交通決策智能不確定交通決策智能資源少港/網(wǎng)絡(luò)疏散真平臺信息供需配置供需配置跨部門跨部門流程雜動態(tài)決策決策P43無經(jīng)驗P43基于基于Web-GIS，結(jié)合實時信息融合方法，驅(qū)動應(yīng)急響應(yīng)過程離散系統(tǒng)仿真引擎。P44A=A0+aT1+(1?c)a(Tn?Tn?1)0<50%c={1.5?50%≤≤100%P45P45T0T1T2T3TnT,對數(shù)正態(tài)分布TcTc=TcTcTc=Tc+nP46火災(zāi)危險狀態(tài)來臨時間TcVS人群火場撤離時間(Copper,1985)準(zhǔn)備時間服從正態(tài)分布：up=upb(a+f+d+e)up為均值，為標(biāo)準(zhǔn)差人群運動時間：Melinek和Booth經(jīng)驗公式：tmove-r=+rts(Melinek等,1969)各事發(fā)地隨仿真時間著火面積案例死亡和急救人數(shù)隨仿真時間變化小武基村火災(zāi)\5\