城市应急服务设施选址模型与算法研究

城市是一个区域中社会人流、物流、资金流、技术流、信息流最为集中的地方,受气候、地质以及社会等因素的影响,它无时无刻不面临着突发事件的挑战。特别是,随着我国城市的快速发展和扩张,城市各种突发事件的发生频率越来越高,应急服务需求在不断地产生和变化,强化城市应对突发事件的应急管理能力已经迫在眉睫。正确地选择应急服务设施位置是提高城市应急管理能力的基础,然而,我国许多城市现有的应急服务设施的有效覆盖域已经难以满足对突发事件进行有效应急管理的要求,如何改造旧城区原有应急服务设施布局,如何为城市新区建设必要的应急服务设施,同时优化新建应急服务设施的布局是当前城市规划和建设过程中迫切需要解决的问题。论文对国内外关于突发公共事件及城市应急管理的相关理论进行了分析与梳理,发现现有应急服务设施选址模型在解决选址公平性、效率性和经济性的问题上还存在一些不足,同时一些模型求解算法的求解效果还有提高的空间。论文对城市突发事件的特征进行了分析,重点探讨了应急服务设施范畴和分类问题,并结合现代城市发展、建设和运行的特征,提出了城市应急服务设施选址的特征和基本要求。论文分析了应急服务设施选址的目标、原则及其影响因素,提出了应急服务设施选址模型构建的公平性、效率性和经济性问题,奠定了后续选址模型构建和求解的基础。论文随后探讨了应急服务选址的模型构建和模型求解问题。针对城市应急服务设施选址的公平性,提出选址的公平性可以通过最小化城市应急服务设施点与需求点间的最大距离实现,由此构建了城市应急服务设施选址的修正P-中心模型。针对此模型的特点,论文通过引入非随机抽样策略和谱聚类的思想设计了ASC和ASCFLP算法以求解该模型,并通过数据模拟检验了ASC和ASCFLP算法相对于k-means和NYSC算法的优势。针对效率性问题,论文提出可通过最大化应急服务设施点覆盖的应急需求点的规模来实现,并以城市应急服务设施覆盖的需求点的数目为目标函数,构建了一个修正最大覆盖模型。提出了求解该模型的聚类集成谱算法ESC和ESCCFLP,在UCI数据集上的测试,检验了ESC算法相对于k-means和KBLANM算法在性能上的优势。在GIS生成的城市需求点数据集合上的实验结果表明,ESCCFLP算法能够有效地提高应急服务设施的服务效率,从而可以为强调效率性的城市应急服务设施建设提供辅助性选址决策支持。在同时考虑城市应急服务设施选址的经济性和效率性原则的基础上,设计了一个全局最优双目标决策模型。利用谱聚类算法可以进行多路划分的优点及通勤时间嵌入和传统谱聚类算法具有相同思想的特点,设计了求解该模型的通勤时间嵌入聚类算法(CTEC及FLPCTEC)。实验数据表明CTEC及FLPCTEC算法要较k-means算法和SCCAT算法更适合用来对需求点区域进行划分,且FLPCTEC算法能获得设施选址问题的全局最优解。实例验证表明论文所构建的模型和模型的求解算法是可行的,具有实用价值。能够提高城市应急服务设施选址的经济性、公平性和效率性。