首页 理论教育重大突发事件应急设施布局优化:基于MQCLP模型的应用

重大突发事件应急设施布局优化:基于MQCLP模型的应用

【摘要】:,G)中选择5个做应急服务设施点,规定该地区的应急最小临界覆盖距离DL为5公里,最大临界覆盖距离DU为9公里。在此算例中,假设突发事件对应急服务设施的破坏忽视,即psj=1。所以,依据多重数量和质量覆盖模型对应急服务设施进行布局规划,能够解决重大突发事件应急响应过程中需求点多次覆盖和多需求点同时需求的情况,满足不同需求点的不同服务质量水平的要求。表3-2模型输入参数表3-3基于改进遗传算法的模型输出参数

某地区有10个社区(1~10),当地政府计划在7个候选设施地址(A,B,…,G)中选择5个做应急服务设施点,规定该地区的应急最小临界覆盖距离DL为5公里,最大临界覆盖距离DU为9公里。假定每个街区的需求都集中在社区中心,7个候选设施到10个社区中心的行车距离dij(公里)及10个社区的人口数量(千人)如表3-1所示。

表3-1 候选设施到各社区的行车距离和社区人口数量

在此例中,假设应急情景已知,并且有所防备。当地政府根据人口分布情况、突发事件发生的概率和突发事件对该社区的影响程度,基于每个社区的需求权重βis×eis×Mi,确定了每个社区至少需要的设施数量,如表3-2所示。具有大权重的需求点表示此点的脆弱性较大,需要更多的应急设施。例如,社区2的权重比较大,对于其他点比较而言,此点需要更多的设施。

在此算例中,假设突发事件对应急服务设施的破坏忽视,即psj=1。根据模型式(3-12)~式(3-14),当最大临界距离DU等于9公里时,至少需要3个应急服务设施。本算例中确定的P=5个应急服务设施,采用多重数量和质量覆盖模型进行布局优化

基于算例的输入参数,利用构建的多重数量和质量覆盖模型,来确定算例中应急服务设施的布局。用Matlab7.6.0(R2008a)软件按照上述改进遗传算法编程计算此模型,其中染色体群体规模定为100,交叉率为35%,突变率为5%,模型输出结果如表3-3所示。

结果显示:设施点应该选择在B、C、E、F、G,且结果是合理的,因为所有需求点的覆盖次数均被满足,而且具有大权重的需求点如社区1、社区2和社区3被多次覆盖,覆盖水平为1,或接近于1;社区3要求被覆盖次数为2,而实际达到了覆盖3次。满足数量和质量要求的服务设施所覆盖的人口比例达到整体人口的91.65%,这也说明此模型是非常有效的。若是采用传统的最大覆盖模型得出的解包括(A、C、E、F、G),此解同样满足初始对覆盖次数的要求,但对于社区3只能覆盖2次,覆盖水平为0.81;社区6的覆盖次数为1,覆盖水平为0.13,覆盖人口比例是81.79%,此解劣于多重数量和质量覆盖模型所求的解。所以,依据多重数量和质量覆盖模型(MQCLP)对应急服务设施进行布局规划,能够解决重大突发事件应急响应过程中需求点多次覆盖和多需求点同时需求的情况,满足不同需求点的不同服务质量水平的要求。

表3-2 模型输入参数

表3-3 基于改进遗传算法的模型输出参数