[发明专利]基于混合变邻域搜索的智慧城市应急物资配送规划方法

说明书

本发明公开了一种基于混合变邻域搜索的智慧城市应急物资配送规划方法，包括4个步骤：步骤A：基于实际应急场景下的物资配送需求和运输约束条件建立智慧城市应急物资配送优化模型；步骤B：通过统计分析城市内不同道路的车辆通行数据获取模型的配送时间参数；步骤C：使用双层编码方式来生成初始配送方案的解；步骤D：使用混合变邻域搜索算法对模型进行求解。该发明能在实际中和智慧城市系统进行很好的结合，提高突发公共安全事件时城市内的应急物资配送效率，进而帮助城市提升在不同灾害下的适应能力。

技术领域

本发明涉及一种基于混合变邻域搜索的智慧城市应急物资配送规划方法，属于运筹学及路径规划技术领域。

背景技术

智慧城市系统基于物联网、人工智能、大数据以及5G通信等先进的信息技术，可以实现对整个城市的多源异构数据感知、数据融合、信息互联以及不同场景的数字服务支持，是一个城市的关键基础设施。尽管目前很多城市建设了先进的智慧城市系统来改善城市运营效率，服务市民日常生活，但智慧城市系统对公共安全事件的应急能力还不甚完备，在大规模疫情、重大交通事故、自然灾害等突发公共事件冲击下，系统缺乏对突发公共事件的应急响应支撑，因此遭受冲击的城市还是很容易出现因应急物资短缺导致的生命财产损失、城市功能失效、社会秩序失衡等灾难性后果。为此，在智慧城市建设过程中充分考虑各类风险，利用高效的物资配送规划算法支撑城市内应急物资配送，提高城市在不同灾害下的适应能力，降低物资配送成本，对提升智慧城市应急管理能力和服务可靠性意义重大。

面向公共安全事件的应急物资配送和常规的物资配送有较大的差别，首先很多公共安全事件具有突发性，这就导致应急物资并没有提前储存在受灾点附近，而是分散在城市不同区域，因此需要迅速组织不同类型的可用运输车辆从各分散区域收集物资并调配到受灾点。同时，应急物资配送需要注重时效性，因为突发安全事件下，药品、设备、食物等应急物资是被用于抢救抢修等，一旦过了关键的时间窗口，可能就会造成不可估量的生命财产损失。然后，由于遭遇突发的公共安全事件，车辆的配送时间、可行道路等都会出现更多的不确定性。基于上述原因，传统的物资配送规划方法并不能很好的适用于面向公共安全事件的应急物资配送场景。然而，通过对该问题进行抽象建模，可以将其看作以下优化问题：已知多个受灾点的位置和各受灾点对不同物资的需求，以及应急救灾物资的存储位置、可用运输车辆数目、车辆类型和不同物资的存储量，需要在满足车辆容量约束、受灾点时间窗约束等约束的前提下，规划出运输车辆的最优运输路径和取送货方案，目标是最大化灾民满意度。该问题可以看作是一类带复杂约束(多车场、多车型、多货物类型)的取送货车辆路径规划问题，目前针对该问题的算法很少，但相似的简化问题主要以下三类算法，第一类是可以得到精确解的数学规划算法，包括拉格朗日松弛、分支定界、列生成算法等，这类算法可以解决类似问题的小规模算例，但是当约束增加且数据规模变大时，求解速度较慢，难以满足应急物资配送场景的时效性要求；第二类是启发式算法，包括禁忌搜索、模拟退火、贪婪搜索等，这类算法可以得到近似最优解，且求解速度较快，但往往效果较差，不能满足应急物资配送场景的准确性要求；第三类是智能优化算法，包括遗传算法、粒子群算法、蚁群算法等，这类算法可以在时效性和准确性上取得较好的平衡，但目前应用此类算法求解路线规划问题时，大多只考虑车辆运输路径，而不考虑车辆取送货策略，因为一般的物流场景车容量往往大于配送需求，不需要在同一地点多次往返取送货，但是应急物资配送场景中物资需求往往远大于车辆容量，需要多次往返取送货，同时智能优化算法往往采用固定的搜索策略，导致搜索时极易陷入局部最优，求解效果不够理想，因此已有的智能优化算法也不能直接应用于该问题。

本发明针对以上问题提出一种有效的规划方法,建立一种优化模型，通过对城市内的车辆通行数据进行统计分析，得到模型的配送时间参数，在此基础上设计一种同时兼顾配送路径和取送货量的双层编码方式，进而使用一种可自动调整搜索策略的混合变邻域搜索算法对智慧城市应急物资配送问题模型进行求解，可在较短时间内获得较优的配送方案，提高应急物资配送效率，进而帮助城市提升在不同灾害下的适应能力。

发明内容