一种航空医学应急救援分级协同调度方法与流程

1.本发明涉及数据处理及协同调度技术领域，特别涉及一种航空医学应急救援分级协同调度方法。


背景技术：

[0002][0003]
在应急救援任务中，及时救治挽救生命是宗旨，医学救援是救援任务最关键的部分之一，能够及时地提供医学应急救援力量是衡量整个应急救援任务效率的重要标准。目前，我国的航空应急救援研究很少针对医学应急资源调度方面进行研究。而航空医学应急调度的配置是提高救援效果和减少灾害救援伤亡损失的关键，也逐渐成为应急救援方面研究者们研究的重点。随着自然灾害发生的高频性、突发性、不确定性和复杂性越来越高，一个更高效的、合理的、适配的应急调度方法成为了应对上述问题的迫切需求。
[0004]
现有的航空应急救援调度方法研究多为同一区域内进行调度的研究，而同一区域的调度往往难以满足突发的较大的自然灾害，且传统的应急调度方法多为建立在“一对一”模式上的调度方法研究，仅对调度的时间进行考量，未考虑每次应急救援任务需求的满意程度，此类调度模型难以满足大规模自然灾害的应急救援需求。同时，医学应急救援通常成为了被研究者忽略的重要因素，而提高医学救援的效率，重视伤员的医学黄金抢救时间。因此，需要打破传统的“一对一”航空应急调度模式，从跨区域的分层级调度方法角度出发，基于大型自然灾害全国多区域合作调度方向，建立“多对多”模式下的调度优化模型，考虑时间效率的同时考虑医学应急救援调度任务的需求满足度，提出一种针对航空医学应急救援的跨区域分层级调度方法。


技术实现要素：

[0005]
有鉴于此，本发明的第一方面的目的是提供一种航空医学应急救援分级协同调度方法。通过建立以总航空医学救援时间成本最小、救援任务满足度最大为目标的改进的跨区域分级多目标调度模型，得到最优的航空医学应急救援调度方案。
[0006]
本发明的第一方面的目的是通过以下技术方案实现的：
[0007]
一种航空医学应急救援分级协同调度方法，所述方法包括
[0008]
航空医学应急救援等级划分，通过获取航空医学应急救援任务因素相关数据，将应急救援任务的医学救援级别划分为不同的等级；
[0009]
航空医学应急救援区域划分，通过获取航空医学应急救援需求因素相关数据，将需要实施航空救援的整个地域视为整个救援单位，并划分为不同的救援区域；
[0010]
判断是否跨区域救援，通过应急救援任务等级，判断出救任务是否需要跨区域救援；若是，则调用跨区域改进的调度模型，引入跨区域因子因素；若否，则调用一般调度模型，在区域内进行调度；
[0011]
建立调度优化模型，根据是否需要跨区域救援，基于总航空医学救援时间成本最
小和救援任务满足度最大为目标建立基于跨区域救援的多目标分级协同调度优化模型，并给多个目标函数赋予权重，从而将多目标函数转化为单目标函数，同时构建相应的约束条件和模型假设；
[0012]
模型求解，通过采用算法对多目标优化模型进行求解，得到最优的航空医学应急救援调度方案。
[0013]
进一步，所述航空医学应急救援任务因素相关数据包括但不限于：灾害等级、灾区地理位置、所需医学物资数量、伤员人数、伤员受伤级别、已获得的救援力量、伤情医学类别。
[0014]
进一步，所述航空医学应急救援需求因素相关数据包括航空装备基站因素以及医疗资源因素两大类数据。
[0015]
进一步的，所述航空装备基站因素相关数据包括但不限于：可用医学救援航空器数量、可参与出救任务人员数、航空器实时位置、航空器最大里程数、航空器临时起降点、航空器工作状态、航巡时速、最大飞行半径；
[0016]
医疗资源因素相关数据包括但不限于：可用航空医疗组织站点数量、可用适配医疗物资数量、可用适配医疗人员数量、已参与救援接收的伤员数量、已参与出救的医疗人员数量、已用于航空救援医疗物资数量。
[0017]
进一步的，所述模型求解采用协同差分优化算法对多目标优化模型进行求解。
[0018]
进一步的，所述协同差分优化算法包括初始化个体、变异操作、交叉操作以及选择操作步骤。
[0019]
本发明的第二方面的目的在于提供一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的一种航空医学应急救援分级协同调度方法。
[0020]
本发明的第三方面的目的在于提供一种计算机可读存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如前所述的一种航空医学应急救援分级协同调度方法。
[0021]
本发明的有益效果是：
[0022]
本发明的方法在“多对多”模式下考虑跨区域的航空医学应急救援调度问题，同时引入跨区域因子，将一般的多目标优化模型与改进的多目标优化模型相结合运用，建立以总航空医学救援时间成本最小、救援任务满足度最大为目标的改进的跨区域分级多目标调度模型，得到最优的航空医学应急救援调度方案，本发明打破了传统的“一对一”航空应急调度模式，能够满足大规模自然灾害的应急救援需求，提升了医学救援的效率。
[0023]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
[0024]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0025]
图1为本发明方法的总体模型框架图；
[0026]
图2为本发明方法的调度模型框架图；
[0027]
图3为本发明方法的协同差分算法流程图；
[0028]
图4为实施例三的griewank多峰测试函数图及其de算法收敛图。
具体实施方式
[0029]
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
[0030]
总体来说，本发明的一种航空医学应急救援分级协同调度方法，包括以下步骤：
[0031]
步骤s1：航空医学应急救援等级划分，通过获取航空医学应急救援任务因素相关数据，将应急救援任务的医学救援级别划分为不同的等级；
[0032]
航空医学应急救援任务因素相关数据包括但不限于：灾害等级、灾区地理位置、所需医学物资数量、伤员人数、伤员受伤级别、已获得的救援力量、伤情医学类别。
[0033]
步骤s2：航空医学应急救援区域划分，通过获取航空医学应急救援需求因素相关数据，将需要实施航空救援的整个地域视为整个救援单位，并划分为不同的救援区域；本发明的“整个地域”表示的是需要实施航空救援的具体区域，可以为某一国、某一省或某一地，若以中国为例，可将全国地图视为整个救援单位，根据省级行政区域划分原则将整个地图划分为不同的救援区域。
[0034]
航空医学应急救援需求因素相关数据包括航空装备基站因素以及医疗资源因素两大类数据。其中，航空装备基站因素相关数据包括但不限于：可用医学救援航空器数量、可参与出救任务人员数、航空器实时位置、航空器最大里程数、航空器临时起降点、航空器工作状态、航巡时速、最大飞行半径；
[0035]
医疗资源因素相关数据包括但不限于：可用航空医疗组织站点数量、可用适配医疗物资数量、可用适配医疗人员数量、已参与救援接收的伤员数量、已参与出救的医疗人员数量、已用于航空救援医疗物资数量。
[0036]
步骤s3：判断是否跨区域救援，通过应急救援任务等级，判断出救任务是否需要跨区域救援；若是，则调用跨区域改进的调度模型，引入跨区域因子因素；若否，则调用一般调度模型，在区域内进行调度；
[0037]
步骤s4：建立调度优化模型，根据是否需要跨区域救援，基于总航空医学救援时间成本最小和救援任务满足度最大为目标建立基于跨区域救援的多目标分级协同调度优化模型，并结合因素评估方法给多个目标函数赋予权重，从而将多目标函数转化为单目标函数，同时构建相应的约束条件和模型假设；
[0038]
步骤s5:模型求解，通过采用算法对多目标优化模型进行求解，得到最优的航空医学应急救援调度方案。
[0039]
实施例一
[0040]
本实施例将对步骤s4中建立优化模型给出一个具体的实施步骤说明，首先进行模型符号定义。令模型所需的因素符号表示如下：
[0041]
j-救援任务点集合，j∈j，j＝1,2,
…
n；
[0042]
i-航空器基站备选出救点集合，i∈i,i＝1,2,
…
m；
[0043]
e-可用航空器数量集合,e∈e；
[0044]ai-备选航空器基站出救点i可用航空装备数量，单位：架次；
[0045]nj-救援任务点j的装备需求量，单位：架次；
[0046]hj-救援任务点j的医学物资需求总量，h∈h,h＝1,2,3
…
；
[0047]
k-每天工作要求时间内救援装备参与任务次数，k＝1,2,3
…
；
[0048]ve-救援航空器平均巡航速度；
[0049]dij-航空器基站出救点i到救援任务点j的距离；
[0050]
r-救援航空器最大飞行半径；
[0051]
t-医学救援任务必要软硬时间窗；
[0052]
t
b-航空器白天允许工作的时间；
[0053]
t
p-区域内救援任务出救前的准备时间；
[0054]
t
p
′-救援任务跨区域调度准备时间；
[0055]
t
ij-航空器基站出就点i到救援任务点j的运输时间；
[0056]
x
ijek-单周期内航空器一天第k次从出救点i调配装备e到救援任务点j；
[0057]yijek-单周期内航空器一天第k次从出救点i调配装备e到救援任务点j是否跨区域；
[0058]sj-救援任务点需求满足程度。
[0059]
然后，确立模型约束条件如下：
[0060]
(1)
[0061]
(2)
[0062]
(3)
[0063]
(4)d
ij
≤r
[0064]
(5)
[0065]
(6)
[0066]
(7)x
ijek
∈{0,1}
[0067]
(8)y
ijek
∈{0,1}
[0068]
其中(1)表示运送总量不能超过所有资源出救点的装备储备总量；(2)表示满足受灾点对救援救灾物资到达时间的软硬时间窗约束(最大程度满足医疗急救最佳救援时间)；(3)表示在规定的时间配送(如缺少通信导航设备的地方只得在白天晴朗的气象条件下救援)；(4)表示航空器的调度过程中实际装载量不得超过最大装载量，单次配送路径的总长度不超过最大航程；(5)表示航空器的停靠规定，不得在配送中心以外的其他地点进行停靠；(6)表示整个救援周期内，任何出救点都不会将装备配送至非需求点(不浪费医疗资源)；(7)和(8)为参数取值范围的约束，包括决策变量为0和1 的二值数约束和其他变量的正整数约束。
[0069]
再下来进行建立模型，包括以下子步骤：
[0070]
1)确定目标函数。
[0071]
设航空医学救援的分层级协同多目标调度目标函数为obj1、obj2，令：
表示航空医学应急救援总调度时间成本最小，其中当y
ijek
＝1时代表专家通过判定灾害等级，指定此次航空医学应急救援任务的性质为跨区域调度任务，则需准备跨区域调度相关政府手续流程，人员资源调度配合，当y
ijek
＝0 代表指定此次航空医学应急救援任务的性质为区域内调度任务；代表指定此次航空医学应急救援任务的性质为区域内调度任务；表示航空医学应急救援资源需求满足度最大；并通过ahp层次分析方法，将obj1、obj2两个目标函数赋予相应的权值，基于最大程度缩短应急救援时间以及应急救援时生命至上的原则，建立层次分析模型得到相应权重，将目标函数obj1 赋予-0.55的权值，将obj2赋予0.45的权值，从而将多目标函数表示为单目标函数，便于结果计算，则最终的目标函数为：
[0072]
f(x)＝-0.55obj1+0.45obj2；
[0073]
2)模型具体假设及条件约束
[0074]
2.1)模型假设
[0075]
假设航空医学应急救援各因素数据已知；
[0076]
假设航空医学应急救援任务默认出救时所需医疗资料已运送到航空基站，通过救援航空器一并运送至救援任务点；
[0077]
假设航空医学应急救援运输时间由距离除以救援航空器平均巡航时间，即t
ij
＝d
ij
/ve；
[0078]
假设已有航空器基站备选出救点集合i＝{i1、i2、i3、i4、i5、i6}；
[0079]
假设已有救援任务点集合j＝{j1、j2、j3、j4}；
[0080]
2.2)具体条件约束
[0081][0082][0083][0084]dij
≤r
[0085][0086][0087]
x
ijek
∈{0,1}
[0088]yijek
∈{0,1}
[0089]
2.3)确定模型因素数据矩阵
[0090]
matrix1:航空医学应急救援任务距离因素矩阵
[0091]
[0092]
matrix2:航空医学应急救援任务救援运输时间因素矩阵
[0093][0094]
matrix3:航空医学应急救援任务点医学需求因素矩阵
[0095]hj
＝[h
1 h
2 h
3 h4]；
[0096]
matrix4:航空医学应急救援任务点航空装备资源需求因素矩阵
[0097]
nj＝[n
1 n
2 n
3 n4]。
[0098]
将各数据矩阵、数值带入多目标差分优化算法模型，通过协同差分算法进行迭代，运用matlab进行计算得到最终结果。
[0099]
实施例二
[0100]
本实施例是对步骤s5中模型求解给出一个具体的实施步骤说明，本实施例中采用协同差分优化算法(de算法)对多目标优化模型进行求解，得到最优的航空医学应急救援调度方案。其中协同差分优化算法主要分为初始化个体、变异操作、交叉操作、选择操作四个步骤，具体阐述如下：
[0101]
步骤s51:初始化个体：de算法采用随机生成规模为(np,d)的种群，其中np为种群大小，d为向量维数，de算法的自变量xi(0)＝(x
i，1
(0),x
i，2
(0),
…
,x
i，d
(0))表示第i个个体，x
i，j
表示第i个个体第j维的值,x
i，j
∈[lj，uj],lj和uj分别表示决策变量的上界和下界；因变量记为f(x)；则初始化表达式为：
[0102]
x
i，j
＝randj(0，1)
·
(u
j-lj)+lj；i＝1,2,
…
np，j＝1,2,
…
,d，其中rand表示[0,1]中的一个随机数，设x
s1
、x
s2
、x
s3
为三个个体；
[0103]
步骤s52：变异操作：vi(g)＝x
s1
(g)+f
·
(x
s2
(g)-x
s3
(g))，其中vi(g)为变异个体， (x
s2
(g)-x
s3
(g))为差分向量，f为缩放因子(通常取0.5)，g为迭代次数。
[0104]
步骤s53：交叉操作：表示为vi(g+1)与其所在种群对应个体xi(g)进行重新组合产生新的试用个体x
′i(g+1),其中cr为设定好的交叉率(通常取0.1)
[0105]
步骤s54：选择操作:
[0106]
上述步骤中用到的参数表如下：
[0107][0108]
算法流程如下：
[0109][0110]
实施例三
[0111]
选用griewank多峰测试函数验证本文差分优化算法可行性，设置算法参数np＝50、g＝1000、f＝0.5、cr＝0.1，变量上限设为4，下限设为-4，分别验证当低维情况d＝100、高维情况d＝1000时，griewank多峰测试函数的收敛性。具体收敛情况如图4所示，griewank多峰测试函数分别在低维、高维时都收敛于0，证明本发明选用的差分优化算法具有较好的可行性。
[0112]
需要说明的是，本发明实际上是提供一种基于数据分析技术的对航空医学应急救援进行分级协同调度的方法，实质上所采用的技术手段主要是对应急救援各因素数据的处理，采用的是机器学习方法来进行一系列的数据分类、处理和分析，最终提供的是一种用于解决航空医学救援问题的具体实施的协调调度方案，是按照自然规律完成对技术数据实施的一系列技术处理，从而获得符合自然规律的技术数据处理效果。
[0113]
另外，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被
本发明的实施例所属技术领域的技术人员所理解。
[0114]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0115]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0116]
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0117]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0118]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0119]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。