人工智能視域下重大突發(fā)事件應急物資管理研究

　　近年來，頻發(fā)的突發(fā)事件顯現(xiàn)出現(xiàn)代社會對應急管理的迫切需求。在2008年的汶川大地震中，由于交通和通信設施中斷，應急物資的供應在救援早期呈現(xiàn)出難以回補的巨大缺口；2019年的新冠疫情更是暴露出多國關鍵戰(zhàn)略資源準備不足、全球供應鏈斷裂、應急資源調(diào)配不及時等一系列重大問題。這些都表明突發(fā)事件頻發(fā)和供應鏈脆弱性之間的矛盾日益突出。2019年中央政治局會議上，習近平總書記進一步強調(diào)，當今世界正經(jīng)歷百年未有之大變局。國際社會不穩(wěn)定性、不確定性明顯增強，我們要增強機遇意識和風險意識，把握發(fā)展規(guī)律，應對挑戰(zhàn)。因此，面向國家有效應對全球變局風險的重大戰(zhàn)略需求，亟須加強國家重大突發(fā)事件應急供應鏈體系建設，將風險管理提升到國家戰(zhàn)略高度已成為應急研究當務之急。 本書從觀察人工智能的來臨和發(fā)展、應急物資配置偏差到應急管理智能化轉(zhuǎn)型的必要性出發(fā)，試圖借助人工智能不同路徑相互融合，通過剖析受災群體脆弱性和關鍵物資特征，以重大突發(fā)事件應急物資動態(tài)需求精準配置為主旨，按照“特征挖掘—需求預測—調(diào)度優(yōu)化”的邏輯順序，在國內(nèi)應急管理的現(xiàn)代化水平基礎上，應用實證檢驗和可行性論證后，生成優(yōu)化應急物資調(diào)度模型，以供決策者參考。同時，生成的記錄結(jié)果回溯至歷史數(shù)據(jù)庫，優(yōu)化應急管理決策系統(tǒng)，進行深度學習，提供了發(fā)展應急決策方法的新思維模式。主要內(nèi)容如下： 首先，基于人工智能不同路徑相互融合的獨特研究視角，在梳理人工智能“模擬人類大腦”傳統(tǒng)路徑的基礎上，提出融合“大數(shù)據(jù)深度學習”技術路徑的應急物資實時需求預測方法，既不同于以往傳統(tǒng)路徑的應急物資靜態(tài)需求預測研究，也不同于一般意義上分階段動態(tài)應急物資需求預測，同時擴展了模糊數(shù)據(jù)挖掘與實時信息融合的內(nèi)容，是應急物資管理領域中運用人工智能技術和方法體系融合的創(chuàng)新性嘗試，有助于在人工智能技術加持下突破傳統(tǒng)的應急物資離線/靜態(tài)預測的研究范式，豐富和完善突發(fā)事件應急物資需求預測理論知識體系。 其次，針對突發(fā)事件初期信息需求迫切且信息難以獲取的實際情況，提出一種新的更適用于實際災情需求的預測方法和模型，主要解決以下3個決策問題：第一，針對以往僅依靠應急救援管理人員和專家的主觀判斷或僅應用時間序列推理預測方法的不足，提出了案例推理分析和時間序列分析相結(jié)合的新模型，既可以借鑒以往寶貴的歷史案例經(jīng)驗，還可以結(jié)合新發(fā)生的震災案例進行科學的時間序列預測；第二，基于中國幅員遼闊、人口基數(shù)大和人口分布不均勻的國情，提出“平均人口密度”的概念，并將其引入模型構建，提高預測科學性和精度，更符合震災實際需要；第三，針對實時動態(tài)應急物資需求量預測研究的不足，構造了基于案例推理方法的時間序列分析模型，通過1948年以來中國重大地震案例庫的真實數(shù)據(jù)校驗得到令人滿意的結(jié)果，為研究應急物資籌集及調(diào)度優(yōu)化等問題提供決策支持。 再次，以突發(fā)事件應急響應期間的任務轉(zhuǎn)換和應急管理目標為依據(jù)，分別探討了基于災情信息特征的兩大類調(diào)度優(yōu)化決策問題，即完備災情信息和非決策災情信息方面的調(diào)度優(yōu)化決策。完備災情信息方面，主要從多目標規(guī)劃的視角解決了以下兩個決策問題：第一，構建應急調(diào)度優(yōu)化相關的輸入和輸出決策單元，并通過數(shù)據(jù)包絡分析的模型改進對應急時期不同階段的調(diào)度方案進行效率排序和優(yōu)化決策；第二，從多響應點的視角，基于公平性約束條件構建考慮物資特性等因素的調(diào)度優(yōu)化決策模型，并通過多目標演化優(yōu)化算法進行求解，最后分析了公平性和救援能力的關系。非決策災情信息方面，主要通過數(shù)據(jù)挖掘方法解決以下兩個決策問題：第一，應用統(tǒng)計分析方法對災民特性進行初步探究，對中國汶川地震和日本神戶地震的真實數(shù)據(jù)進行多重比較分析，為基于災民特性的模糊調(diào)度優(yōu)化模型構建提供參考；第二，應用機器學習和數(shù)據(jù)庫相結(jié)合的數(shù)據(jù)挖掘方法，通過對經(jīng)典Apriori算法的改進，構建考慮災民特性的、基于模糊災情信息的調(diào)度優(yōu)化決策模型。 最后，立足于應急物資管理體系整體分析的研究思想，構建了人工智能不同路徑融合下的突發(fā)事件應急調(diào)度模式，主要分為應急物資需求預測、應急物資調(diào)度優(yōu)化和政府應急云平臺3個模塊。同時，針對目前廣泛應用的協(xié)同和占線的有效途徑，以災害情景為背景構建調(diào)度優(yōu)化決策模型，對其進行有效途徑的機制探究。分別基于合作博弈協(xié)同和路徑占線的有效途徑，應用相關定理對已構建的調(diào)度模型進行數(shù)學推導并得出相關結(jié)論，并從調(diào)度協(xié)同和占線優(yōu)化的視角對應急調(diào)度優(yōu)化的有效途徑進行探討。 本書是在國家自然科學基金項目“風險管理視角下重大突發(fā)事件應急供應鏈可靠性優(yōu)化研究”（72204130）和山東省高等學校青創(chuàng)科技支持計劃“山東省產(chǎn)業(yè)鏈供應鏈韌性和安全水平提升研究”（2023RW028）資助下完成的。其中，本書的第4章系著者在美國倫斯勒理工學院訪學期間與泛美交通協(xié)會主席José Holguín-Veras教授合作完成，第7章系著者在日本九州工業(yè)大學訪學期間與酒井浩教授合作完成。針對書中涵蓋的大多數(shù)研究，著者曾赴美國、瑞士和日本等國參加本學科領域國際學術會議并進行相關會議報告和學術交流。

暫缺《人工智能視域下重大突發(fā)事件應急物資管理研究》作者簡介