考虑服务能力的消防救援站供需匹配优化

2023-12-17 01:59周同孟子皓刘康琳
山东科学 2023年6期
关键词:应急物流服务能力

周同 孟子皓 刘康琳

摘要:为提高消防救援站的应急服务水平、降低应急响应时间,改进了现行人工决策救援供需匹配的传统方法,在充分调研实证数据、自动批量获取地理数据的基础上,提出了考虑服务能力的消防救援站供需匹配优化策略,并将其构建为一个混合整数规划模型。基于北京市西城区的实际消防救援站点分布及高频需求节点位置,对模型進行了验证。研究结果表明,与仅考虑服务距离的人工决策相比,该数学模型能够在短时间内实现消防救援设施的自动匹配,充分调度已救援服务能力,为优化应急救援供需服务匹配提供新的解决思路。

关键词:应急物流;消防救援站;匹配优化;服务能力;混合整数规划

中图分类号:U121   文献标志码:A   文章编号:1002-4026(2023)06-0105-07

Optimization on supply-demand matching of fire stations with capacity constraints

ZHOU Tong1,MENG Zihao2,LIU Kanglin2*

(1. Training and Rescue Sector, Beijing Fire and Rescue Department, Beijing 100035,China;

2.School of Traffic and Transportation,Beijing Jiaotong University, Beijing 100044,China)

Abstract∶In order to improve the emergency service level of the fire station and reduce the emergency response time, this paper has improved the current traditional method of manual decision-making on the supply and demand matching of rescue. Based on the full investigation of empirical data and automatic batch acquisition of geographic data, this paper proposed an optimization strategy for the supply and demand matching of fire rescue stations considering service capacity, and constructed it as a mixed integer programming model. Then, based on the actual distribution of fire rescue stations in Xicheng District of Beijing and the location of high-frequency demand nodes, this model was validated. The research results showed that compared to the manual decision only considering the service distance, the mathematical model proposed in this paper can realize the automatic matching of fire rescue facilities in a short time, fully dispatch the rescue service capacity, and provide a new solution for optimizing the emergency rescue supply and demand service matching.

Key words∶emergency logistics; fire stations; matching; capacity; mixed integer programing

优化城市应急管理过程和资源匹配模式对于提高城市韧性和公共服务效率具有重要意义[1-2]。近年来,城市火灾严重影响城市稳定和人民生命财产安全,根据应急管理部消防救援局2022年发布的近十年全国居住场所火灾情况,2012年至2021年,全国共发生居住场所火灾132.4万起,造成11 634人遇难、6 738人受伤,直接财产损失77.7 亿元。消防救援服务对于预防和减轻因火灾等突发紧急事件造成的损失具有重要意义,已经成为城市建设的重要组成部分。

消防救援站作为城市的公共服务设施,是城市扑救火灾和处置灾害事故的主体,在城市的消防救援过程中发挥着重要的作用。消防救援站作为城市应急服务的供给方,亟需在已有资源的限制下,优化服务匹配关系、提高应急处置能力[3]。

在学术领域,消防救援人员、设备、车辆等相关应急资源的布局和服务匹配策略属于应急物流的研究范畴。与商业物流不同,应急物流对于服务的时效性和救助效果提出了更高的要求。与应急物流相关的优化决策按照突发紧急事件的处理顺序具体可以分为3个阶段:灾前准备、灾时响应和灾后处理。在灾难发生前,优化策略主要体现在设施建设、设施加固、库存备货、服务匹配等战略性策略上。在灾难发生时,主要的优化任务是救灾物资的运输和人员疏散,需要结合灾情做出实时响应,包括资源分配、现场人员调度等。在灾难发生后,决策者需对灾后设施重建、受损物资的修复、回收丢弃问题进行优化。

现有研究大多针对大规模自然灾害或一般紧急事件的服务匹配过程,鲜有研究结合真实数据在城市消防救援的具体背景中展开。本文主要关注发生突发紧急事件时响应阶段的供需匹配优化策略,即确定发生火灾等突发紧急事件的需求点与消防救援站之间的服务匹配关系。结合消防救援的具体业务场景来看,应急指挥中心需在获取警情信息后,迅速决策出警的消防救援站点、确定出警人员数量以及救援资源(消防车、灭火物资、防护设施等)。高效的消防救援供需服务匹配策略能够在突发紧急事件发生时最大限度地减轻因灾造成的损失,缩短救援时间、提高服务效率。然而,现行消防站和需求匹配策略大多是人为设定的,且服务辖区范围大多基于几何距离或大致估计,对于消防救援力量的服务能力考虑不足,存在调度不合理、资源浪费等现象,在辖区划分、供需匹配等决策层次上较少使用定量化方法。为进一步提高应急指挥决策能力,本文改进了现行人工决策救援供需匹配的传统方法,在充分调研实证数据、自动批量获取两点之间驾车距离的基础上,提出了考虑服务能力的消防救援站供需匹配优化策略,构建混合整数规划模型;利用爬虫技术自动获取高频需求点及现有消防救援站点的地理位置及实际驾车距离,与专业消防救援人员合作开展研究,使理论优化结果具备落地潜质。与仅考虑服务距离的人工决策相比,本文提出的数学模型能够在短时间内实现消防救援设施的自动匹配,充分调度已救援服务能力。

1 相關研究背景

1.1 救援供需双方的决策研究

在应急救援过程中,需要同时考虑救援提供方及需求方等多个主体之间的决策,并通过合理的数学模型管理手段优化救援过程[4]。与之相关的研究内容包括城市基础设施在突发紧急事件发生时服务周边居民的匹配方案[5],针对应急物资储备库或临时物资分拨中心的应急资源调配策略[3],以及消防应急响应系统设施选址及车辆配置策略[6],城市应急服务质量与消防救援站的布局、紧急事件发生的时空分布及服务匹配策略息息相关。

1.2 救援服务供给端布局研究

已有研究大多采用火灾风险评估、消防责任区的划分、选址数学模型、地理信息系统和城市交通网络结合方法优化消防救援站点布局。例如姜昀呈等[7]利用SAVEE(spatial appraisal and valuation of environment and ecosystems,环境和生态系统的空间评价)模型和层次分析法识别出消防用地的适宜区域和潜在火灾风险的空间分布,通过测绘技术对武汉市某区域的消防站进行选址。陈志芬等[8]通过位置集合覆盖模型和最大覆盖模型,对雄安新区的城市消防救援站点选址布局问题进行了分析和建模,对雄安新区的安全运营管理和规划建设提出了建设性意见。李栋学[9]综合考虑了城市人口分布、火灾风险分布、城市经济发展水平、城市交通网络状况等因素,结合应急设施的特点构建了多目标优化模型,结合实例运用非支配遗传算法、粒子群算法、拉格朗日松弛算法对模型求解,保证了结果的科学性,解决了应急设施选址的问题。随着地理信息技术的发展,GIS(geographic information system,地理信息系统)与城市交通网络结合也可以实现城市设施的布局。阙泽胜等[10]运用GIS位置分配的基本原理,即在需求和供给设施布局已知的前提下,根据建立的优化模型,从指定的系列候选设施选址中挑选出指定数目的设施选址,实现设施的优化布局方法,建立了城市交通路网模型,并考虑了消防救援站的可达性,实现了消防救援站的优化布局。上述文献的侧重点为新建消防设施布局及规划策略,忽视了对已有设施的供需服务匹配方法,本文的研究适用于较为完善的消防救援站分布网络,符合大部分城市消防救援场景,具有普适性。

1.3 救援服务过程的匹配研究

需要综合考虑救援人员、位置、资源、器械等多方面因素,在短时间内进行决策。目前,鲜有研究在城市消防救援服务匹配的具体背景下展开,大部分研究均针对大规模自然灾害或一般紧急事件。例如,Fiedrich等[11]探究了地震初期救援资源的分配问题,引入了动态优化模型,在时间、资源数量和质量有限的情况下,通过资源的合理分配提高救援效率,使总死亡人数最低。Sheu[12]对大规模自然灾害不同受灾地区的应急物资需求进行了研究,使用数据融合的方法预测不同灾区的应急物资需求,使用模糊聚类方法对受灾地区分组,确定每个受灾地区资源分配的优先级和资源分配的数量。陈达强等[13]在建立反映实际物资供求情形的需求与供给函数的基础上,针对单一物资分配应急物流系统中单一应急出救点、多需求点情形,考虑出救点物资时变供应及需求点时变消耗约束,提出以应急响应时间最短为目标的应急物资分配决策模型。王苏生等[14]建立了在公平优先原则下,多受灾点-多出救点的双层应急资源配置模型。田卫东等[15]针对我国应急救灾物资储备库系统的物资调度和运输的组织特点,依据受灾点的多层级储备库优先级模型,建立了以应急时间最短、出救点数目最少的多出救点-多受灾点的多目标优化模型。王妍妍等[16]引入指数效用函数,运用灾民物资需求的比例短缺量化公平,以最小化物资短缺的延迟损失与物资分配的总成本为目标构建基于集散点-配送中心-受灾点三级配送网络的应急物资多阶段分配模型,旨在实现应急物资分配的多阶段全局最优。

上述文献大多将实际应急服务设施及需求点抽象为二分网络,构建需求服务匹配模型,其研究对象均为一般突发紧急事件,并未结合城市消防快速响应、及时施救的特点,本文以地图软件提供的两点之间驾车距离最近为目标,符合城市消防应急服务特点。

2 问题描述及建模

优化消防救援站和街道之间的匹配关系需要综合考虑街道的需求、消防救援站的服务能力、消防救援站和街道之间的驾车距离。街道的消防资源需求与街道的人口数量、交通网络、建筑物特点等因素相关,本文仅考虑街道的人口对消防资源需求的影响,人口越多对消防资源的需求权重越大。消防救援站的服务能力可以量化为所服务的街道的数量,优先考虑服务周边驾车距离较近的街道。消防救援站的服务能力与消防救援站的规模大小有关,可以通过消防救援站配置的消防车辆的数量来评估,即消防车辆越多,可以服务的乡镇或街道的数量越多。

限制消防救援站的服务能力并考虑街道的人口数量可以更好地优化消防救援站和街道之间的匹配关系。考虑街道人口数量的影响以及消防救援站服务能力限制,建立消防救援站和街道之间总的加权驾车距离最短的数学模型,确定每个消防救援站服务的街道。假设需要寻找距离所有乡镇或街道总的加权驾车距离最短的3个消防救援站,建立消防救援站和街道的匹配关系,本文用到的参数及决策变量如表1所示。

其中,公式(1)是目标函数,表示最小化所有乡镇或街道到距离前三的消防救援站总的加权驾车距离;公式(2)表示对于任何一个乡镇或街道i,只有一个消防救援站j和需求点i匹配;公式(3)~(4)表示对于任何一个乡镇或街道i,保证距离i从更近的消防救援站j到i的驾车距离更小;公式(5)表示对于任何一个乡镇或街道i,只能选择唯一一个消防站;公式(6)为容量约束,表示任何一个消防救援站j能够服务的乡镇或街道数量不大于其容量限制;公式(7)为决策变量约束。

3 数值实验

本文以北京市西城区为例,利用上述优化模型和最短距离调度规则两种方法求解消防站供需资源匹配问题。提取基础数据中北京市西城区乡镇及街道和消防救援站的数据,对上述优化模型做实例分析,优化北京市西城区的乡镇及街道和消防救援站的匹配关系。除数据爬虫部分利用Python编写之外,本文的全部數值实验均使用Matlab语言,优化模型的求解使用CPLEX 12.9实现。

3.1 数据获取

在供给端,本文从北京市消防救援总队获取了北京市321个消防救援站基础数据,主要记录了消防救援站的名称、地址、消防车及地理位置的数量。以西城区为例,共有29个消防救援站(包含特勤站、小型站等),对每个消防救援站进行编号。根据每个消防救援站配置的消防车的数量,评估消防救援站的最大服务能力(mj),即消防救援站j最多能够服务的乡镇及街道的数量。由于涉及敏感信息,本文的最大服务能力由消防局提供的真实数据脱敏后汇总,在此不再一一展示。

在需求端,本文从国家统计局第六次人口普查数据(http://www.stats.gov.cn/sj/pcsj/rkpc/6rp/indexch.htm)中获得北京市各区县乡镇及街道的人口数据,并通过高德API(application programming interface,应用编程接口)自动获取对应街道的地理位置,经过整理可以得到北京市333个乡镇及街道的基础数据,包括乡镇街道名称、人口及经纬度,具体数据汇总在表2内。由于本文所建立的数学模型为混合整数线性规划,属于NP(nondeterministic polynomially,非确定性多项式)难题,在获取大规模实际算例精确解时十分困难,因此,本文选择西城区的15个乡镇或街道为研究对象,进行数值实验。在设置参数时,以街道人口数量除以10 000得到每个街道的需求权重系数(di),详见表2。

此外,本文通过高德路径规划API接口批量获取了333个高频需求点(北京市各乡镇中心位置)与已有的321个消防救援站之间的驾车距离,利用爬虫技术批量获取需求点与供给点之间的驾车距离和时间,得到106 893条最短驾驶路径数。

3.2 模型优化结果与分析

图1(a)展示了优化模型显示的西城区高频需求点与消防救援站匹配关系结果,其中连线表示西城区消防救援站和街道之间的匹配关系。

为了进一步印证本模型的有效性,本文将仅根据高德API提供的最短驾车路径排序产生的供需匹配关系在图1(b)中呈现。图中蓝色的圆圈代表高频需求点,圆的大小表示街道的需求权重;红色的圆圈表示消防救援站,圆的大小表示消防救援站的应急服务能力。图中的每个高频需求点与3个消防救援站相连,代表与之匹配的3个消防救援站。

结合一线消防救援业务及对比实验研究,我们发现本模型在处理消防应急救援服务匹配问题中具有如下优势:

(1)考虑了消防救援站的实际服务能力,充分利用已有应急资源。图1(b)展示的是没有考虑消防救援站的应急服务能力而仅依靠驾车距离的供需匹配方案,可能发生两种极端情况:第一种情况是部分消防救援站匹配的高频需求点的数量(即服务的高频需求点数量)超过了自身的能力限制,例如西单小型站和西郊民巷小型站分别服务了3个高频需求点,远超出自身负荷。第二种情况是消防救援站的应急服务能力没有得到最大化利用,即部分应急服务能力大的消防救援站匹配的高频需求点的数量过少,例如府右街特勤站和西客站特勤站分别只匹配了1个高频需求点,而实际中上述两个特勤站最多可以服务7和3个高频需求点。仅依据驾车距离排序获得的匹配关系可能造成部分消防救援站应急服务能力的浪费,也可能造成部分消防救援站负荷较重。因此,匹配关系需要进一步优化。

(2)能够集成导航软件中的拥堵情况及卡车通行情况,优化两点间距离设置。本文在获取实际数据时,利用爬虫技术从高德API上实时获取两点之间的驾车距离和驾车时间,能够充分结合不同时段的道路拥堵情况和卡车通行的实际距离优化匹配关系,能够使用计算机优化技术实现将辖区划分、车辆调度等实际工作从人工决策到自动化决策的转变。

(3)结合人口统计数据优化各需求点权重,在进行应急调度时考虑居民个性化需求。由于小型站的应急资源相对较少,通过数学模型优化后的匹配结果假设小型站仅服务于一个高频需求点;对于人口密度更大、突发紧急事件发生频次更高的地区,在预设应急服务匹配站点时可以连接更多的大中型消防救援站点。

4 结束语

本文从应急物流的角度出发,基于实际驾车距离研究了北京市消防救援站和周边街道的供需服务匹配优化问题,实现了传统人工决策到自动决策的转变。考虑了消防救援站点的应急服务能力,提出的服务匹配方案能够充分利用已有应急资源,缩短应急服务时间、提高资源利用率。利用北京市西城区消防救援站的实际数据和爬虫技术获取的高频需求点数据,真实模拟了本模型在实际运营场景中的计算结果,能够对实际应急救援过程中的辖区分配、车辆调度等现实问题提供可靠的管理建议。

本文仅考虑了确定性远期规划问题,在未来的研究中可以探索大规模优化问题的求解算法,利用随机规划、鲁棒优化等方法同时考虑不確定因素。在估计需求点的需求量时除考虑人口数据外,还可以同时将交通路网、建筑物特点等可能造成突发紧急事件的因素纳入优化范畴,同时,在需求点划分问题时可以更加精确。

参考文献:

[1]张仪果, 屈云超, 尹浩东, 等. 轨道交通封站条件下应急疏散车辆路径优化[J]. 山东科学, 2023,36(4):80-88. DOI:10.3976/j.issn.1002-4026.2023.04.010.

[2]吴超峰, 龙建成, 刘昊翔. 基于可替换路径对的多用户均衡交通分配算法[J]. 山东科学, 2018, 31(3): 85-93. DOI: 10.3976/j.issn.1002-4026.2018.03.013.

[3]张笛, 张娜, 闫书丽. 兼顾满意与稳定的应急救援服务供需匹配决策[J/OL]. 计算机工程与应用, 2022: 1-12. [2023-02-01]. https://kns.cnki.net/kcms/detail/11.2127.tp.20221219.1638.005.html.

[4]马娜. 应急救灾三方博弈模型的均衡分析[J]. 山东科学, 2019, 32(1): 113-117. DOI: 10.3976/j.issn.1002-4026.2019.01.015.

[5]郭倩倩, 焦胜. 后疫情时代城市公共服务设施供需匹配策略思考[J]. 中国科技论文在线精品论文, 2023, 16(1): 61-69.

[6]刘晗,齐庆杰,张玥.消防应急响应系统设施优化研究综述[J].中国应急管理科学,2022,2(7):62-73.

[7]姜昀呈, 孙立坚, 肖琨, 等. 城市消防站选址布局优化研究[J]. 测绘科学, 2021, 46(9): 207-217. DOI: 10.16251/j.cnki.1009-2307.2021.09.027.

[8]陈志芬, 李俊伟, 卢方欣,等. 城市消防站选址布局优化及对雄安新区的启示[J]. 中国安全生产科学技术, 2018, 14(9): 12-17. DOI: 10.11731/j.issn.1673-193x.2018.09.002.

[9]李栋学.基于多目标化的城市应急设施选址研究[D]. 天津: 南开大学, 2010.DOI:10.7666/d.y1813872.

[10]阙泽胜, 胡洪卫, 陈素贤. 基于GIS位置分配的城市消防站点优化布局探析[J]. 北京测绘, 2013(2): 19-24. DOI: 10.3969/j.issn.1007-3000.2013.02.005.

[11]FIEDRICH F, GEHBAUER F, RICKERS U. Optimized resource allocation for emergency response after earthquake disasters[J]. Safety Science, 2000, 35(1): 41-57. DOI: 10.1016/S0925-7535(00)00021-7.

[12]SHEU J B. Dynamic relief-demand management for emergency logistics operations under large-scale disasters[J]. Transportation Research Part E: Logistics and Transportation Review, 2010, 46(1): 1-17. DOI: 10.1016/j.tre.2009.07.005.

[13]陈达强, 郑文创, 丁夏,等. 带时变供求约束的应急物资分配模型[J]. 物流技术, 2009, 28(2):90-92. DOI: 10.3969/j.issn.1005-152X.2009.02.029.

[14]王苏生, 王岩. 基于公平优先原则的多受灾点应急资源配置算法[J]. 运筹与管理, 2008, 17(3): 16-21. DOI: 10.3969/j.issn.1007-3221.2008.03.003.

[15]田卫东, 赵利. 面向多层级出救点的应急物资调度模型研究[J]. 计算机应用研究, 2011, 28(11):4045-4048. DOI: 10.3969/j.issn.1001-3695.2011.11.011.

[16]王妍妍, 孙佰清. 多受灾点应急物资动态多阶段分配模型研究[J]. 中国管理科学, 2019, 27(10): 138-147. DOI: 10.16381/j.cnki.issn1003-207x.2019.10.014.

猜你喜欢
应急物流服务能力
“互联网+”环境下高校图书馆服务能力提升探讨
全面提升高职院校图书馆员综合服务能力探究
如何进一步提升高校大型仪器共享水平和对外服务能力
关于加强党校图书馆服务能力建设的思考
实践探索商务英语专业有效服务区域经济能力的提升
农业科技推广人才信息化服务能力培养问题探析
装备器材保障应急物流与应急保障的训练
基于遗传算法的应急物资供应点定位—分配问题研究综述
自然灾害应急物流问题及对策研究
面对自然灾害我国应急物流管理运作体系的完善研究