摘 要:传统物资配送方法存在配送物资效率低、配送成本高等缺点，为了及时确定抢险物资应急救援路线，向火灾受灾点快速配送抢险物资，该文提出基于多元统计分析的火灾灾后抢险物资配送模型。建模时采用多元统计分析法分析火灾受灾点救援需求和配送路线连通随机性，以及救援出发点对受灾点的最大覆盖范围的限制，利用加权贝叶斯算法将物资配送多目标规划问题转变成单目标规划问题，建立抢险物资配送单目标规划模型；运用遗传算法对模型求解，并采用惩罚函数处理模型中的约束条件，实现物资在受灾点之间均衡分配。
关键词:多元统计分析；火灾；抢险物资；配送模型
当发生重大火灾时，受灾区物资储存量原因可能无法满足受灾地区的需要，抢险物资的配送在整个火灾灾后的救援中具有重要地位，需要其他抢险物资存储点向受灾地区运送大量的抢险物资来缓解火灾对受灾地区造成的影响。因此，研究火灾灾后抢险物资配送模型具有重要的现实意义。
当前国内研究者提出将智能算法引入到火灾灾后抢险物资配送中，取得了一定的成效。其中，付春光等[1]提出基于多配送情形下的救援物资配送模型。将若干物资中转中心和若干个物资需求点构成供应链，在多种假设下建立以时间效率、物资消耗双目标函数模型，然后优选出抢险物资的配送方案。黄辉等[2]提出基于实时路况信息的灾后应急配送方案。根据火灾灾害发生后次生事件的随机性，调整抢险物资运送的路线，针对抢险物资配送道路网络中不同路段的实时情况，运用改进的最短路径算法及次短路径算法给出最优配送抢险物资的路径及临界值，在救援物资在兼顾风险控制的情况下，以最快速地配送物资。
上述传统物资配送方法存在配送物资效率低、配送成本高等缺点。对此，本文提出基于多元统计分析的火灾灾后抢险物资配送模型。通过实验分析，旨在提高配送物资的效率，降低配送成本。
1 火灾灾后抢险物资配送模型
采用多元统计分析方法建立火灾灾后抢险物资配送模型，配送网络构建过程中考虑火灾受灾点、抢险物资存储点、抢险物资车辆配送点，网络体系如图1所示。
图1 火灾灾后抢险物资配送体系
在火灾发生之前，决策者在既有的抢险物资配送车辆配送点上安排配送抢险物资车辆的数量和配送车辆类型[3]；在火灾发生之后，决策者要在恰当的时间内，快速做出前往火灾受灾点物资配送、配送车辆路径选取的决定。将抢险物资决策过程分为两个阶段：灾前阶段和灾后阶段，两个阶段是互相对应。火灾发生之前的抢险物资配送车辆数目与类型的安排称为火灾灾前阶段决策；在火灾发生之后的车辆配送路径选择和抢险物资决策称为火灾灾后阶段决策。
由多元统计分析方法建立抢险物资配送模型。从抢险物资配送的及时性、有效性、公平性以及经济性四方面出发，模型的效率、公平和成本的目标函数为：
本文使用的遗传算法将火灾灾后抢险物资配送模型的解视为一个整体，可以有效降低种群进化阶段陷入局部最优解的概率，模型求解步骤如下：
图2 决策结构图
1.1 基于多元统计分析法的模型假设
(1)假设存在火灾灾害情景，灾害点所需要的物资需求和抢险物资配送车辆路线连通性的选取要通过离散的火灾灾害情景来表示。
70后的周耒是广西文坛近年来较为活跃的壮族青年作家，广西崇左人，现居崇左。崇左位于广西西南部，往西与越南接壤，散落居住着二十八个少数民族，周耒身处边境多民族杂居地带，在这样独特的地理风貌和文化影响下，他的文学创作为桂西北作家群主导的广西文坛，增添了一抹不一样的亮色。
(2)配送车辆只能到达一定距离范围内的物资需求点，为了提高抢险物资配送的效率，需要假设抢险物资配送车辆出发点的布置多于火灾受灾点。
(3)抢险物资配送车辆选址时间忽略不计[5]。
(4)更新后的火灾情景信息比之前的火灾情景信息更加准确。
1.2 基于贝叶斯更新的权重系数确定
根据物资配送模型的约束条件，确定火灾灾后抢险物资单目标配送模型如下所示：
(1)
利用相关系数计算受灾点情景w的权重系数：
WKi=Ω(Ii,J)
本研究中的60例多发性骨髓瘤患者中，CD45表达异常(55例阴性、5例部分阳性)；CD19的阴性表达率为100.00%；CD38以及CD138的阳性表达率均为100.00%，见表1。
(2)
式中：I为火灾受灾点i的集合，i∈I；J为抢险物资配送车辆出发点j的集合，j∈J；K为抢险物资存储点k的集合，k∈K；M为抢险物资配送车辆的车型m的集合，m∈M；Ω∈ω为火灾情景ω的集合，Ω∈ω；S为火灾灾情观察时刻s的集合，s∈S。
1.3 基于灾情更新的火灾灾后抢险物资单目标配送模型
除此之外，采用多元统计分析法通过对以往火灾受灾点观察统计出n个固定时段的火灾灾情。将第二阶段也就是火灾灾后阶段划分为n固定时间段，决策者通过观察某固定时间段的灾情情况对目前已经掌握的灾情信息进行更新与修正，并选择是继续等待还是安排车辆配送物资(图2)。因此，本文提出火灾灾后抢险物资配送模型是设立在n个观察时刻上的单次决策问题[4]，设计成两阶段补偿的随机规划模型。
(3)
式中：xjm表示安排抢险物资配送车辆m在出发点j的数量。表示在情景w下负责出发点j到火灾受灾点i物资配送的车辆m的数量。为情景w下抢险物资k通过配送车辆m由出发点j到火灾受灾点i的配送数量。为情景w下火灾受灾点i对抢险物资k的未满足需求量。
为非负整数，∀i,j,m,w；
xjm≤Ujm,∀j,m；
(4)
(5)
(6)
(7)
(8)
(9)
(10)
xjm非负整数，∀j,m；
(11)
物资配送模型的约束条件为：
建筑物面积、平面位置、高度核实是规划核实的重要内容，直接关系规划核实指标的计算，为此，地物数据采集应保证和提高测量的精度。用全站仪测量建筑物阳角角顶位置时，可采用角度偏心观测；测量阴角底点位置时，可采用距离偏心观测。对于建筑物的主要拐点，有条件的情况下，应有充分的多余观测，以确保建筑物位置的精度。测量人员不能到位的地点，用全站仪无棱镜功能来采集，如采集房顶标高、房檐标高、高压线的标高和走向，这样作业不但准确，而且快速、安全。
(12)
(13)
式中：Tij为抢险物资配送车辆出发点j到受灾点i的距离，T为抢险物资配送车辆出发点对受灾点的距离覆盖范围的阈值，也就是说抢险物资配送车辆出发点j只对距离覆盖范围T以内的受灾点进行抢险物资配送，对距离覆盖范围超过T的受灾点不安排抢险物资配送，gm为抢险物资配送车辆m在单位距离内的配送时间，fm为抢险物资配送车辆m单位距离的配送成本，cjm为抢险物资配送车辆m在出发点j的单位增设成本，Ujm为抢险物资配送车辆m在出发点j最大规模，wk为抢险物资存储点k的单位重量，Vm为抢险物资配送车辆m的最大装载重量，为情景w下受灾点i对抢险物资k的需求，pw为情景w的初始发生概率，为火灾灾情观察时刻s情景w的发生概率，H为每两个观察时刻之间的固定时间间隔，为情景w下抢险物资配送车辆出发点j到受灾点i的连通性。为简单起见，只能取0或1，当抢险物资配送车辆出发点j到火灾受灾点i连通时取1；当抢险物资配送车辆出发点j到火灾受灾点i不连通时取为情景w下抢险物资配送车辆出发点j到火灾受灾点i的有效距离；当配送路线连通时，等于实际距离Tij，当配送路线不相通时，取无穷大。
在式(3)到式(13)中，式(3)为火灾灾后抢险物资配送模型效率目标、公平目标以及物资未满足率。为火灾灾后抢险物资配送模型成本目标。式(4)为配送车辆在出发点的最大规模的限制约束。式(5)为配送物资车辆的使用量小于拥有量。式(6)为车辆对抢险物资的最大承重约束。式(7)为抢险物资的供应量应当小于需求量。式(8)是未满足需求量的表达式。式(9)是有效距离的表达式。式(10)是最大覆盖范围面积的限制约束，同时确保了抢险物资配送路线的连通性，当有效距离大于阈值时，出发点j到火灾受灾点i不安排车辆。
在汽车修理过程中，要根据汽车工作原理认真分析可能的故障原因，并逐一排查和排除，才能更加高效、快速地解决问题。但在实际工作中，我们的检查和诊断工作经常做得不够彻底，从而极易遭遇诊断“陷阱”，而“陷阱”一旦形成，就会对我们的诊断思路造成干扰，甚至半途而废，车辆故障也就很难快速解决。
为了求出tmin，本文采用蒙特卡罗算法，生成k个随机整数xk，表示第k个时间段乘坐电梯的人数，然后根据电梯不用时所停放的层数、每一层人数的不同、电梯行驶每一层所消耗的时间、电梯最近接待原则等影响因素，考虑每个人等待电梯消耗的时间总和。
利用加权贝叶斯算法将物资配送多目标规划问题转变成单目标规划问题。假设，当火灾受灾情景w发生时，已知某一可观察时刻火灾灾情信息θ发生的概率，可通过以往火灾灾情的数据得出物资配送多目标规划模型pθ|w，即pθ|w已知。当火灾灾害发生时，可以通过观察受灾区破坏程度[6]得到灾区损失条件概率图，也就是说可以通过观察火灾灾情得到不同时段的特定信息θ(s)，以便于及时确定对受灾点遇到情景w的发生概率。假设，smax为最大的观测时刻，运用贝叶斯定理可以得到观测时刻s时火灾灾害情景w的发生概率为：
(14)
2 用遗传算法对灾后抢险物资配送模型求解
黄宗羲“一本而万殊”的生态共同体论，在以气贯通天人，强调“存有的连续性”[5](P160)的同时，从气异性异出发，将宋明诸儒说明人性的气质之性与义理之性，根据禀气之精粗清浊分属人与物。对物而言，只可言气质之性，故气质之性即物性。对人而言，人只有义理之性；同时，义理之性不离气质，故人的气质的性即义理之性。这不但克服了张载以来的人性二元论，也使得程朱理学从理上分殊人、物之性的“理一分殊”论，转化成了气异性异的“一本万殊”论。总之，黄宗羲“一本而万殊”的生态共同体论，既深化了儒家以天人关系为核心问题的生态意识，也强化了儒家以参赞化育为目的的德性修养所蕴含的生态责任。
在遗传算法中，染色体编码采用特定的实值编码方法[7]。每个染色体由四组序列构成：第一个序列有T×n个基因位，T为受灾点火灾营救阶段数，n为受灾需求点的个数(n=length(C))，该序列对应每个火灾受灾点营救阶段已编号的救援点。所配送的物资是受灾点急需用品，H为最大直升机数；第二个序列长度为T×n，该序列与每个受灾点营救阶段已编号的救援点相互对应。所配送的物资是普通物品，K为最大车辆数量；第三个序列长度为T×H，该序列的基因位与每个阶段已编号直升机相对应，P为候选抢险物资配送中心的数量；第四个序列长度为T×H，该序列的基因位与每个阶段已编号的车辆相对应[8]，本文在遗传算法中采用这样的编号方法，可以快速地处理灾后抢险物资配送模型中的约束条件：
(1)运用惩罚函数对抢险物资配送的车辆和物资点储存中心进行容量约束。
(2)建立初始种群。利用遗传算法常用函数中crtbase与crtbp函数创建初始种群。首先运用crtbase函数建立两个向量[9]：一个长度是2T×n，由T×n个基数为H的基本符号{0,1,2,…,H-1}和T×n个基数为K的基本符号{0,1,2,…,K-1}组合而成；另一个长度为T×(H+K)，由T×(H+K)个基数为p的基本符号{0,1,2,…,K-1}组合而成。再用crtbp函数建立拥有同种元素的两个行数，chrom1和chrom2矩阵行数为种群规模。
(3)计算适应度。利用适应度函数选择概率其中：Zj(i)为第i条染色体的第j个目标函数值；wj是j目标函数值的权重比例[10]。
(4)物资在受灾点之间均衡分配操作如下。
选择操作：运用随机抽样与基于多元统计分析法相结合。随机抽样能使所有属性保持多样性并且稳定持久。基于多元统计分析法相可选择出最合适个体并且持续繁殖，可以增加选取策略的有效性。
交叉操作：为了维持属性的多样性，利用交叉重组策略，选取较大破坏性的交叉算子来促进遗传算法对解空间的搜寻。
变异操作：为增加遗传变异概率Pm的种群多样性，使用多样性可变化的变异概率，即在遗传算法前期为扩大属性属性，将空间Pm取值最大，在遗传算法后期使Pm取值最小。根据上述操作，完成物资在受灾点之间均衡分配[11-12]。
提高学生的认知水平，加强应变和适应能力等，提高团队协作能力和人际交往能力，为适应现代企业文化做好准备。培养学生积极的人生观，包括自制力、组织执行力、决策力和竞争力等；提高面对失败和挫折的承受力，增强克服困难的信心，培养坚强的毅力；加强公关礼仪等人文知识的教育活动，使学生知理、知礼、知廉、知耻，以适应市场需求。此外，加强职业道德和法律法规教育，提高普通话及外语水平，有助于轻松地适应就业环境。
3 模型仿真实验
模型仿真实验设计了由1个抢险物资配送点和5个火灾受灾点构成的抢险物资配送网络体系，在配送网络中抢险物资配送点k=0与各个火灾受灾点i=1,2,3,4,5之间的路线(图3)。
图3 抢险物资配送网络图
每个运输周期可用的抢险物资配送车辆为2辆，每辆车可装载60t的抢险物资，在规划的周期内对各个火灾受灾点进行A、B两种物资的补充需求(表1、表2)。表3是为A、B两种物资的补充未达到要求而产生的惩罚成本系数。
以B镇2016年节日皇后的评选为例，在节日前的1个月内，每个参与的女孩会发信封给自己的亲朋好友，上面写着“我的爱心礼物”。亲朋好友任意在里面塞一些现金，20、50、100比索……金额自定。之后把信封返还给这个女孩。一般人们都会希望自己所熟识的女孩、或者同村的女孩获胜，因此都会或多或少地表示支持。Rhea是当年的皇后，来自B镇的50号巴朗盖，她筹得了15万比索（约2 200人民币）。皇后加冕晚会上，她的“侍女团”是获得第二名、第三名的女孩。筹款募捐的受益者一般是侨民组织、当地学校、医院、政府等。
经分析，小麦产量与磷肥用量极显著相关。据分析，当磷肥用量为71 kg时，小麦可达483 kg/亩，小于此值时，小麦的产量随着磷肥的用量增加而增加；大于此值时，小麦的产量则随着磷肥用量的增加而减少，因而在施用时应注意适量。
表1各个火灾受灾点对A、B两种物资的需求量(t)
物资种类受灾点1受灾点2受灾点3受灾点4受灾点5A90705040100B2830153030
表2各周期A、B两种物资的供应量(t)
物资种类第1d第2d第3d第4dA110140190190B80100110120
表3惩罚成本系数
物资种类第1d第2d第3d第4dA110140190190B80100110120
火灾灾后抢险物资配送模型运用遗传算法求解，并采用染色体编码可以有效的解决在较大规模中分调配送问题。利用第一阶段的求解方法，得到在本次实验中抢险物资配送可用路线，结合图3计算抢险物资运输天数和抢险物资运输成本(表4)。
表4抢险物资可用路线及运送时间和运输成本
路线时间/h成本/千元10.233.420.2330.34.240.32450.56
表5对比了3种抢险物资配送方法，对5个火灾受灾点两种类型资源的满足情况。分析表4、表5、表6可以看出，本文所提出的基于多元统计分析的火灾灾后抢险物资配送模型能够保证运输成本最小化和公平分配双目标，通过增加抢险物资运输车辆来增加每个火灾受灾点的物资配送，尤其是可在较短的时间内得到首批配送关键性的救援物资。
逻辑演算所面临的挑战是如何给程序一个语义解释。这不是为了使命题是真的或者是假的，而是为了说明计算的状态变化，或者任意的进程。一阶指派语义更加适合，允许基于程序执行和指派间的持续转换关系的组合定义：
表5三种方法A资源配送方案对比
方法周期5个受灾点资源满足率总需求满足率/%文献[1]10.84,0.79,0.84,0.75,0.568520.78,0.68,0.75,0.67,0.718230.88,0.85,0.87,0.82,0.868640.89,0.89,0.75,0.9493文献[2]10.84,0.79,0.89,0.75,0.568420.81,0.79,0.74,0.69,0.787930.84,0.81,0.89,0.75,0.568540.94,0.86,0.91,0.84,0.9388本文方法10.88,0.79,0.99,0.94,0.869220.86,1,0.95,1,19531,1,1,1,110041,1,1,1,1100
表6三种方法B资源配送方案对比
方法周期5个受灾点资源满足率总需求满足率/%文献[1]10.81,0.81,0.79,0.76,0.568420.78,0.70,0.83,0.69,0.718630.78,0.85,0.84,0.68,0.867640.78,0.71,0.77,0.73,0.7183文献[2]10.92,0.89,0.71,0.949220.86,0.84,0.91,0.78,0.618730.78,0.68,0.77,0.69,0.717840.92,0.89,0.61,0.9491本文方法10.8,1,1,1,19621,1,1,1,110031,1,1,1,110041,1,1,1,1100
4 结 论
针对火灾灾后抢险物资的配送，本文构建了基于多元统计分析的火灾灾后抢险物资配送模型。采用多元统计分析法分析火灾受灾点救援需求和配送路线连通随机性，并建立抢险物资配送单目标规划模型，采用惩罚函数处理模型中的约束条件，完成物资在受灾点之间均衡分配。通过仿真实验综合分析可得出，针对A、B两种物资的补充需求，本文提出的配送方法效率相对更高。鉴于本文模型仅适用于物资配送，在道路规划等方向还有待提高，可以减少配送时间，因此物资道路规划为今后的研究重点。
参考文献：
[1] 付春光, 孙成军. 基于多配送情形下救援物资配送模型研究[J]. 物流科技, 2018, 41(10):22-27,31.
[2] 黄辉, 吴翰, 杨佳祺, 等. 基于实时路况信息的灾后应急配送路径选择系统[J]. 系统管理学报, 2018,27 (1):50-56.
[3] 曹琦, 曹阳. 应急物资配送车辆调度模型与优化综述[J]. 计算机应用, 2018, 38(8):282-288,296.
[4] 葛雪, 杨家其, 王海燕, 等. 应急物资配送网络弹性设计模型研究[J]. 武汉理工大学学报(交通科学与工程版), 2018, 42(5):17-21,27.
[5] 宋英华, 王莉芳, 杜丽敬,等. 模糊条件下应急物资配送选址-多模式运输问题[J]. 中国安全科学学报, 2017, 27(7):169-174.
[6] 马兰, 陈筱勇. 对受灾区域红外图像优化识别仿真[J]. 计算机仿真, 2017, 34(4):234-237.
[7] 陈广胜, 董宝力. 基于改进遗传算法的物料配送多目标优化模型研究[J]. 现代制造工程, 2017,23(7):114-120.
[8] 王挺, 郭啟倩, 张玉梅. 震后救援物质资源配送路径规划研究[J]. 计算机仿真, 2018, 35(1):321-326.
[9] 罗庆, 周军. 基于混合遗传算法的农产品物流配送路径优化[J]. 江苏农业科学, 2017, 45(12):174-177.
[10] 徐昌彪, 吕顺. ICN中基于节点权重的缓存大小分配方案研究[J]. 计算机应用研究, 2017, 34(1):214-216.
[11] 孙佰清, 朱晓鑫, 洪鑫磊. 基于合作博弈理论的应急物流协同机制研究[J]. 灾害学, 2017, 32(2):181-184.
[12] 陈湉, 林勇. 大数据背景下台风灾害应急物流车辆调度优化仿真[J]. 灾害学, 2019, 34(1):194-197.
ResearchonEmergencyMaterialDistributionModelafterFireDisasterBasedonMultivariateStatisticalAnalysis
WANG Yingli
(TheDepartmentofMathematics,ChangzhiUniversity,Changzhi046000,China)
Abstract:The traditional material distribution method has the disadvantages of low efficiency of distribution materials and high distribution cost. In order to determine the emergency rescue route of emergency materials in a timely manner, and quickly deliver emergency materials to the fire disaster point, a multi-statistical analysis model of fire disaster relief materials distribution based on multivariate statistical analysis is proposed. In the modeling, the multivariate statistical analysis method is used to analyze the rescue demand of the fire disaster site and the randomness of the distribution route, and the limitation of the rescue coverage point to the maximum coverage of the disaster point. The weighted Bayesian algorithm is used to transform the multi-objective planning problem of material distribution into a single The goal planning problem is to establish a target planning model for the rescue material distribution order; the genetic algorithm is used to solve the model, and the penalty function is used to deal with the constraints in the model to achieve balanced distribution of materials between the disaster points. The results show that the proposed method can improve the efficiency of distribution of rescue materials and reduce the distribution cost.
Keywords: multiple statistical analysis; fire; emergency materials; distribution model
中图分类号:TP393；X43；X915.5
文献标志码:A
文章编号:1000-811X(2019)04-0053-04
doi:10.3969/j.issn.1000-811X.2019.04.010
王颖俐. 基于多元统计分析的火灾灾后抢险物资配送模型研究[J]. 灾害学，2019，34(4)：53-56.[WANG Yingli.Research on emergency material distribution model after fire disaster based on multivariate statistical analysis[J]. Journal of Catastrophology，2019，34(4)：53-56. doi: 10.3969/j.issn.1000-811X.2019.04.010.]
* 收稿日期：2019-06-03
修回日期：2019-07-23
基金项目：国家级大学生创新创业训练项目(2019588)；长治学院课题项目(JC201912)作者简介：王颖俐(1987-)，女，山西临汾人，硕士，讲师，研究方向为统计学、排队论、数学建模等相关方向.E-mail：wyl381279464@126.com
标签：物资论文; 火灾论文; 模型论文; 车辆论文; 灾后论文; 政治论文; 法律论文; 政治理论论文; 国家理论论文; 国家行政管理论文; 《灾害学》2019年第4期论文; 国家级大学生创新创业训练项目(2019588) 长治学院课题项目(JC201912)论文; 长治学院数学系论文;