關(guān)注掌鏈公眾號
洞悉物流供應(yīng)鏈
關(guān)注掌鏈公眾號
洞悉物流供應(yīng)鏈
北京聯(lián)合大學(xué) 北京 100101 亓呈明 胡立栓
摘要：在分析城市軌道交通客流運載情況和對短時交通流預(yù)測的基礎(chǔ)上，針對當(dāng)前城市軌道交通應(yīng)急救援站配置研究的不足與迫切需求，立足于城市軌道交通網(wǎng)絡(luò)化運營的時代背景，研究城市軌道交通客流預(yù)測結(jié)果量化的急救站風(fēng)險度。將構(gòu)建的模型運用于北京市城市軌道交通應(yīng)急救援站資源配置實證分析中，以期根據(jù)預(yù)測結(jié)果對應(yīng)急救援站點資源配置方案進行有效設(shè)計與優(yōu)化。
1.引言
近年來，我國人口與經(jīng)濟不斷增長，城市化進程也快速發(fā)展，隨著城市規(guī)模的不斷擴大，社會經(jīng)濟活動的日益頻繁，居民交通出行量由此被帶動并大幅擴增。對此，優(yōu)先發(fā)展公共交通成為有效緩解一系列城市交通問題的關(guān)鍵措施之一，城市軌道交通作為一種資源節(jié)約型和環(huán)境友好型的綠色交通工具得到大幅發(fā)展。以其容量大、速度快、安全可靠、準(zhǔn)點舒適、節(jié)能環(huán)保等特點和優(yōu)點成為城市居民出行時的首選公共交通方式。
由于城市軌道交通系統(tǒng)是一個相對封閉的系統(tǒng)，并且具有客流集中度高、客流構(gòu)成復(fù)雜的特點，突發(fā)事件造成的城市軌道交通系統(tǒng)中的部分站點與線路的中斷運營極易造成大量的出行乘客的滯留，嚴(yán)重時會造成重大的財產(chǎn)損失甚至重大的傷亡事故。與此同時，作為整個城市交通系統(tǒng)的骨干，突發(fā)性的中斷很有可能進一步造成整個城市交通系統(tǒng)的局部甚至是全面癱瘓。即城市軌道交通在城市交通中的地位越重要則相應(yīng)的其突發(fā)事件所造成的后果也就更為嚴(yán)重，而在突發(fā)事件發(fā)生時快速地從眾多預(yù)案中選取一個最佳方案又是應(yīng)急物流中的一個極其的重要方面。因此，對城市軌道交通應(yīng)急資源配置的研究是具有現(xiàn)實意義的課題。
2.國內(nèi)外研究現(xiàn)狀
國內(nèi)關(guān)于應(yīng)急資源配備的研究可以分為需求點配備和服務(wù)設(shè)施點配備兩類。關(guān)于需求點的應(yīng)急資源配備，主要是向突發(fā)事件發(fā)生地點輸送和配置其需要的應(yīng)急物資。陳超(2010)通過對上海地鐵的深入了解，分別從三個層面對地鐵網(wǎng)絡(luò)運營風(fēng)險進行研究，在車站層面，建立起上海地鐵風(fēng)險事故分析矩陣，對各類風(fēng)險事故的概率和損失進行評價[1]。王蘇生等(2011)針對多受災(zāi)點應(yīng)急資源配置過程中的資源競爭和費用偏高問題，依據(jù)雙層規(guī)劃方法建立了滿足連續(xù)性條件的多受災(zāi)點的應(yīng)急資源配置模型[2]。孫彩紅[3] (2012)針對地鐵應(yīng)急點的布局以及應(yīng)急資源的配置問題進行了優(yōu)化，分別從前期配置和資源調(diào)配兩方面研究。龐海云(2012) [4]從應(yīng)急資源的需求預(yù)測、分配決策、方案評價進行了深入研究，建立了完全信息非合作博弈模型。詹沙磊等(2013)以災(zāi)害預(yù)測準(zhǔn)確性和物流成本效率之間的悖反關(guān)系為前提，考慮多目標(biāo)規(guī)劃和隨機規(guī)劃兩個方面，對應(yīng)急車輛選址、路徑選址、物資配送問題建立了多目標(biāo)隨機規(guī)劃模型[5]。劉欣[6]提出廣義最大覆蓋模型，在有限的資源和預(yù)算下，使得應(yīng)急需求點被覆蓋的價值最大化。祝蕾[7]依據(jù)城市軌道交通站點的綜合脆弱度指數(shù)構(gòu)建了應(yīng)急救援站選址模型，并將研究成果應(yīng)用于南京市軌道交通應(yīng)急救援站選址中。
Manuel [8]等人選取了交通事故中一些具有代表性的因素進行分析，結(jié)合車輛定位智能系統(tǒng)，利用多目標(biāo)遺傳算法求解出了一套最優(yōu)方案，并驗證了該方法的有效性。 Moghaddam[9]在逆向物流網(wǎng)絡(luò)配置研究中構(gòu)建了模糊多目標(biāo)數(shù)學(xué)模型，模型考慮了客戶需求，供應(yīng)商能力和退貨產(chǎn)品比例的內(nèi)在不確定性，模型的目標(biāo)函數(shù)是最大化總利潤，最小化缺陷部件數(shù)量、延遲交貨的總量和供應(yīng)商的經(jīng)濟風(fēng)險因素。Trivedi 等人[10]提出了基于層次分析法、模糊集合理論和目標(biāo)規(guī)劃方法相結(jié)合的混合多目標(biāo)決策模型用于應(yīng)急避難點的選址問題。模型在考慮需求、能力、利用率和預(yù)算約束的基礎(chǔ)上，最小化距離、風(fēng)險、站點數(shù)量和未覆蓋的需求。
總體而言，國內(nèi)外對應(yīng)急救援資源的配置問題已進行了較多的研究，但在應(yīng)急救援資源配置的研究中，針對地鐵應(yīng)急救援資源配置這一領(lǐng)域的研究很少。所以有必要立足地鐵的實際情況，兼顧救援時間和經(jīng)濟效益對地鐵應(yīng)急救援資源的配置進行研究。
3.設(shè)計方法與實現(xiàn)
3.1短時客流量預(yù)測方法
短時地鐵客流預(yù)測主要思路是:綜合考慮外界因素(如天氣條件等)對短時地鐵客流的影響,以歷史公客流數(shù)據(jù)為依據(jù),利用合理的預(yù)測方法建立起精確的短時地鐵客流預(yù)測模型，從而對未來一段時間內(nèi)的地鐵客流情況進行預(yù)測，旨在為城市公共交通管理和建設(shè)提供決策依據(jù)。
根據(jù)短時客流預(yù)測的特質(zhì),通過對短時地鐵客流預(yù)測的文獻研究發(fā)現(xiàn),目前短時地鐵客流預(yù)測的方法主要有兩類:一是基于線性理論的參數(shù)方法,二是基于非線性理論非參數(shù)的方法。
3.2模型參數(shù)確定
在應(yīng)用上述模型時，需要對模型中涉及的參數(shù)進行確定，主要包含兩部分——一是模型自動調(diào)整的參數(shù)，二是人為設(shè)置的參數(shù)。
在基于 LSTM 的短時交通流量模型訓(xùn)練過程中，每個連接上的權(quán)值是通過模型自身訓(xùn)練學(xué)習(xí)到的，一旦學(xué)習(xí)率（即步長）確定，則整個深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)能夠根據(jù)預(yù)測誤差不斷自動調(diào)整權(quán)值，直至達到可接受誤差或迭代次數(shù)終止，整個過程不需要人為干預(yù)。
除了每個連接上的權(quán)值能夠根據(jù)預(yù)測誤差不斷自動調(diào)整外，還有一部分參數(shù)需要人為事先設(shè)置好，稱之為超參數(shù)（Hyper-Parameters）。超參數(shù)主要包括網(wǎng)絡(luò)的層數(shù)、每層的節(jié)點數(shù)、激勵函數(shù)、學(xué)習(xí)率、目標(biāo)函數(shù)、優(yōu)化函數(shù)、批處理數(shù)量、迭代次數(shù)等。超參數(shù)設(shè)置的合適與否直接決定了模型預(yù)測結(jié)果的準(zhǔn)確性，因此如何確定基于LSTM 的短時交通流預(yù)測模型超參數(shù)至關(guān)重要。現(xiàn)階段，深度學(xué)習(xí)模型中的超參數(shù)確定。
還沒有具體且行之有效的方法，一般是根據(jù)經(jīng)驗法或試湊法對其進行調(diào)整。經(jīng)驗法指的是依據(jù)之前的經(jīng)驗對模型中的參數(shù)進行確定，該方法一般只適合對模型參數(shù)的初始狀態(tài)進行設(shè)定；試湊法為在參數(shù)初始狀態(tài)確定后，有選擇性的依次調(diào)整網(wǎng)絡(luò)參數(shù)，然后對每次調(diào)整后的最終預(yù)測結(jié)果進行對比，選取誤差最小的參數(shù)值。本文采用的是經(jīng)驗法與試湊法相結(jié)合的方法來對參數(shù)值加以選取。
4、應(yīng)急救援站點的風(fēng)險度
應(yīng)急物資的運輸方作為突發(fā)事件中應(yīng)急物資的實際運輸者，發(fā)揮著保障應(yīng)急物資配送的重要作用。應(yīng)急物資的運輸企業(yè)在接到運輸任務(wù)時，要結(jié)合時事環(huán)境，考慮運送的物資的屬性及需求的緊迫性，快速制定應(yīng)急物資運輸?shù)木€路、配送方案，兼顧配送效率及可實施性原則。當(dāng)突發(fā)事件發(fā)生時，作為應(yīng)急物資的運輸企業(yè)，應(yīng)快速做出運輸方案，保證應(yīng)急物資能夠快速通過各種檢驗檢疫，并確保物資的完整性、安全性，防止物資滯留、遺失等事件的發(fā)生，影響突發(fā)事件防控工作的推進。
在應(yīng)急物流設(shè)備配置方面,應(yīng)急物流設(shè)備主要包括各類應(yīng)急運輸設(shè)備、裝卸搬運設(shè)備、應(yīng)急通信設(shè)備等,為了適應(yīng)突發(fā)事件發(fā)生后的自然地質(zhì)條件等因素,建議選用靈活性高、適應(yīng)性強,與其他救援設(shè)備配套性好的應(yīng)急物流設(shè)備承擔(dān)救援任務(wù)。同時,還要提高應(yīng)急物流設(shè)備管理水平,對參與救援的應(yīng)急物流車輛進行實時監(jiān)控,發(fā)現(xiàn)問題及時解決。
基于上述考慮，本文提出應(yīng)用多目標(biāo)決策中一個有效、易行的方法一層次分析法（又稱AHP法)來解決應(yīng)急物流方案選擇問題。
4.1 方案選擇影響因素
物流服務(wù)。應(yīng)急物流系統(tǒng)本身是一個服務(wù)系統(tǒng)，其物流服務(wù)理應(yīng)成為衡量方案優(yōu)劣的依據(jù)。物流服務(wù)的核心是滿足因突發(fā)事件而產(chǎn)生的物流需求，而滿足物流需求體現(xiàn)在各個方面，如應(yīng)急物資的及時送達、保質(zhì)保量等，由于應(yīng)急物流“急”字當(dāng)先，其服務(wù)主要考慮準(zhǔn)時性、安全性和缺損率三個方面。
物流成本。應(yīng)急物流最主要的目標(biāo)是滿足因突發(fā)事件而產(chǎn)生的物流需求，保障物資、人員、資金的流動。但同時也應(yīng)該注意物流成本的節(jié)約，避免出現(xiàn)“帕累托無效率”狀態(tài)。這一點對于我國這么一個資金尚不寬裕的發(fā)展中國家顯得更有意義。這里說的物流成本是個廣義概念，包括經(jīng)濟成本和社會環(huán)境成本。
4.2 AHP法進行方案選擇過程
對應(yīng)急物流預(yù)案選擇工作仔細(xì)分析，可以將預(yù)案選擇看作一個決策。決策目標(biāo)為：選擇最適宜的應(yīng)急方案。影響決策的因素有兩個：物流服務(wù)與物流成本。
其中物流服務(wù)體現(xiàn)在三個方面：準(zhǔn)時性、安全性和缺損率；物流成本包括兩部分：經(jīng)濟成本和社會環(huán)境成本。這樣，預(yù)案選擇便是一個典型的多目標(biāo)決策問題，于是可以應(yīng)用解決多目標(biāo)決策問題的典型方法--AHP法（層次分析法)來完成方案選擇工作。
4.3 應(yīng)用AHP法進行應(yīng)急預(yù)案選擇的方法步驟
①建立應(yīng)急預(yù)案選擇決策的遞階層次結(jié)構(gòu)
②對同一層次的元素進行兩兩比較，構(gòu)造比較矩陣。
③層次單排序及其一致性檢驗。
④層次總排序及其一致性檢驗。
5. 城市軌道交通客流量數(shù)據(jù)分析
針對應(yīng)急物資的多資源調(diào)度問題，建立了應(yīng)急時間和運輸成本最低的多目標(biāo)優(yōu)化模型，并采用鄰域重疊和慣性因子線性變化等方法，提出全局和局部混合模式的改進的粒子群算法對其進行了求解，并取得較好的運算結(jié)果。
針對應(yīng)急物資的多資源調(diào)度問題，通過對短時客流量預(yù)測、運用結(jié)果計算站點風(fēng)險度，建立應(yīng)急時間和運輸成本最低的多目標(biāo)優(yōu)化模型，并采用鄰域重疊和慣性因子線性變化等方法，提出全局和局部混合模式的改進的粒子群算法對應(yīng)急救援站點的資源優(yōu)化配置及最短路徑進行求解。實驗中，我們多次對實現(xiàn)代碼進行運行求解，當(dāng)路徑圖出現(xiàn)交點時，顯然不是最短路徑；當(dāng)數(shù)值越小且相近時，能夠得到根據(jù)坐標(biāo)值生成的最短路徑圖。
LSTM模型側(cè)重從時間維度分析客流量數(shù)據(jù)的分布, CNN模型則從時間和空間兩個維度對客流量進行分析。首先對比地鐵各站客流量總數(shù),然后分析各站的客流分布特點,為卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和預(yù)測打下基礎(chǔ)。
運行結(jié)果生成優(yōu)化路徑圖如下所示。
6.結(jié)論
在方案設(shè)計和優(yōu)化的過程中，通過建立基于LSTM的短時交通流預(yù)測模型，對北京地鐵不同時段的客流量進行了預(yù)測，并根據(jù)預(yù)測結(jié)果運用層次分析法對應(yīng)急救援站點進行了風(fēng)險度的預(yù)測，最后使用粒子群算法對應(yīng)急站點間的最短距離進行了求解并生成了優(yōu)化路徑圖，最終實現(xiàn)了城市軌道交通應(yīng)急站點資源配置方案的設(shè)計與優(yōu)化。以期給出資源配備的優(yōu)化方案,從而與現(xiàn)實情況作對比及提出優(yōu)化改進的參考建議。
（本文得到北京聯(lián)合大學(xué)2019年度校級科研項目（ZK50201908）資助）
參考文獻
[1] 陳超．突發(fā)事件應(yīng)急資源調(diào)度模型與算法研究．南京航空航天大學(xué)碩士學(xué)位論文，2010．
[2] 王蘇生，王巖，孫健，等．連續(xù)性條件下的多受災(zāi)點應(yīng)急資源配置算法．系統(tǒng)管理學(xué)報，2011，20（02）：143-150．
[3] 孫彩紅．基于網(wǎng)絡(luò)化的地鐵應(yīng)急資源配置優(yōu)化方法研究．北京交通大學(xué)碩士學(xué)位論文，2010．
[4] 龐海云．突發(fā)性災(zāi)害事件下應(yīng)急物資分配決策優(yōu)化過程研究．浙江大學(xué)博士學(xué)位論文，2012．
[5] 詹沙磊，劉南．基于災(zāi)情信息更新的應(yīng)急物資配送多目標(biāo)隨機規(guī)劃模型．系統(tǒng)工程理論與實踐，2013（01）：159-166．
[6]劉欣. 地鐵突發(fā)事件應(yīng)急救援物資配置研究[D]. 2015.
[7]祝蕾.基于復(fù)雜網(wǎng)絡(luò)理論的城市軌道交通應(yīng)急救援站選址研究[D].東南大學(xué),2018.
[8]Manuel Fogue , Piedad Garrido , Francisco J. Martinez, Juan -Carlos Cano, Carlos T. Calafate, Pietro Manzoni. [J]. Expert Systems with Applications, 2013,40 (01).
[9] Moghaddam K S．Fuzzy multi-objective model for supplier selection and order allocation in reverse logistics systems under supply and demand uncertainty[J]．Expert Systems with Applications，2015，42（15-16）：6237-6254.
[10] Trivedi A，Singh A．A hybrid multi-objective decision model for emergency shelter location-relocation projects using fuzzy analytic hierarchy process and goal programming approach[J]．International Journal of Project Management，2017，35（5）：827-840.
