人工智能視域下重大突發(fā)事件應(yīng)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(yīng)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(shè)施中斷，應(yīng)急物資的供應(yīng)在救援早期呈現(xiàn)出難以回補(bǔ)的巨大缺口；2019年的新冠疫情更是暴露出多國關(guān)鍵戰(zhàn)略資源準(zhǔn)備不足、全球供應(yīng)鏈斷裂、應(yīng)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(yīng)鏈脆弱性之間的矛盾日益突出。2019年中央政治局會議上，習(xí)近平總書記進(jìn)一步強(qiáng)調(diào)，當(dāng)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(qiáng)，我們要增強(qiáng)機(jī)遇意識和風(fēng)險意識，把握發(fā)展規(guī)律，應(yīng)對挑戰(zhàn)。因此，面向國家有效應(yīng)對全球變局風(fēng)險的重大戰(zhàn)略需求，亟須加強(qiáng)國家重大突發(fā)事件應(yīng)急供應(yīng)鏈體系建設(shè)，將風(fēng)險管理提升到國家戰(zhàn)略高度已成為應(yīng)急研究當(dāng)務(wù)之急。 本書從觀察人工智能的來臨和發(fā)展、應(yīng)急物資配置偏差到應(yīng)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(zāi)群體脆弱性和關(guān)鍵物資特征，以重大突發(fā)事件應(yīng)急物資動態(tài)需求精準(zhǔn)配置為主旨，按照“特征挖掘—需求預(yù)測—調(diào)度優(yōu)化”的邏輯順序，在國內(nèi)應(yīng)急管理的現(xiàn)代化水平基礎(chǔ)上，應(yīng)用實(shí)證檢驗(yàn)和可行性論證后，生成優(yōu)化應(yīng)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(yīng)急管理決策系統(tǒng)，進(jìn)行深度學(xué)習(xí)，提供了發(fā)展應(yīng)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(dú)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(chǔ)上，提出融合“大數(shù)據(jù)深度學(xué)習(xí)”技術(shù)路徑的應(yīng)急物資實(shí)時需求預(yù)測方法，既不同于以往傳統(tǒng)路徑的應(yīng)急物資靜態(tài)需求預(yù)測研究，也不同于一般意義上分階段動態(tài)應(yīng)急物資需求預(yù)測，同時擴(kuò)展了模糊數(shù)據(jù)挖掘與實(shí)時信息融合的內(nèi)容，是應(yīng)急物資管理領(lǐng)域中運(yùn)用人工智能技術(shù)和方法體系融合的創(chuàng)新性嘗試，有助于在人工智能技術(shù)加持下突破傳統(tǒng)的應(yīng)急物資離線/靜態(tài)預(yù)測的研究范式，豐富和完善突發(fā)事件應(yīng)急物資需求預(yù)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(shí)際情況，提出一種新的更適用于實(shí)際災(zāi)情需求的預(yù)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(yīng)急救援管理人員和專家的主觀判斷或僅應(yīng)用時間序列推理預(yù)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(yàn)，還可以結(jié)合新發(fā)生的震災(zāi)案例進(jìn)行科學(xué)的時間序列預(yù)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(gòu)建，提高預(yù)測科學(xué)性和精度，更符合震災(zāi)實(shí)際需要；第三，針對實(shí)時動態(tài)應(yīng)急物資需求量預(yù)測研究的不足，構(gòu)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(shí)數(shù)據(jù)校驗(yàn)得到令人滿意的結(jié)果，為研究應(yīng)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(yīng)急響應(yīng)期間的任務(wù)轉(zhuǎn)換和應(yīng)急管理目標(biāo)為依據(jù)，分別探討了基于災(zāi)情信息特征的兩大類調(diào)度優(yōu)化決策問題，即完備災(zāi)情信息和非決策災(zāi)情信息方面的調(diào)度優(yōu)化決策。完備災(zāi)情信息方面，主要從多目標(biāo)規(guī)劃的視角解決了以下兩個決策問題：第一，構(gòu)建應(yīng)急調(diào)度優(yōu)化相關(guān)的輸入和輸出決策單元，并通過數(shù)據(jù)包絡(luò)分析的模型改進(jìn)對應(yīng)急時期不同階段的調(diào)度方案進(jìn)行效率排序和優(yōu)化決策；第二，從多響應(yīng)點(diǎn)的視角，基于公平性約束條件構(gòu)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(biāo)演化優(yōu)化算法進(jìn)行求解，最后分析了公平性和救援能力的關(guān)系。非決策災(zāi)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(yīng)用統(tǒng)計(jì)分析方法對災(zāi)民特性進(jìn)行初步探究，對中國汶川地震和日本神戶地震的真實(shí)數(shù)據(jù)進(jìn)行多重比較分析，為基于災(zāi)民特性的模糊調(diào)度優(yōu)化模型構(gòu)建提供參考；第二，應(yīng)用機(jī)器學(xué)習(xí)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(jìn)，構(gòu)建考慮災(zāi)民特性的、基于模糊災(zāi)情信息的調(diào)度優(yōu)化決策模型。 最后，立足于應(yīng)急物資管理體系整體分析的研究思想，構(gòu)建了人工智能不同路徑融合下的突發(fā)事件應(yīng)急調(diào)度模式，主要分為應(yīng)急物資需求預(yù)測、應(yīng)急物資調(diào)度優(yōu)化和政府應(yīng)急云平臺3個模塊。同時，針對目前廣泛應(yīng)用的協(xié)同和占線的有效途徑，以災(zāi)害情景為背景構(gòu)建調(diào)度優(yōu)化決策模型，對其進(jìn)行有效途徑的機(jī)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(yīng)用相關(guān)定理對已構(gòu)建的調(diào)度模型進(jìn)行數(shù)學(xué)推導(dǎo)并得出相關(guān)結(jié)論，并從調(diào)度協(xié)同和占線優(yōu)化的視角對應(yīng)急調(diào)度優(yōu)化的有效途徑進(jìn)行探討。 本書是在國家自然科學(xué)基金項(xiàng)目“風(fēng)險管理視角下重大突發(fā)事件應(yīng)急供應(yīng)鏈可靠性優(yōu)化研究”（72204130）和山東省高等學(xué)校青創(chuàng)科技支持計(jì)劃“山東省產(chǎn)業(yè)鏈供應(yīng)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(xué)院訪學(xué)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(xué)訪學(xué)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(xué)科領(lǐng)域國際學(xué)術(shù)會議并進(jìn)行相關(guān)會議報告和學(xué)術(shù)交流。

暫缺《人工智能視域下重大突發(fā)事件應(yīng)急物資管理研究》作者簡介