謝紅
摘 要: 現(xiàn)存的應急物資調(diào)度系統(tǒng),在大型物資進行調(diào)度過程中,存在調(diào)度效率低,容易陷入局部最佳解等問題。因此,設(shè)計基于數(shù)據(jù)挖掘技術(shù)的大型應急物資調(diào)度系統(tǒng)與應急物資調(diào)度系統(tǒng)結(jié)構(gòu),其由應急物資調(diào)度指揮站、應急物資節(jié)點和應急物資信息系統(tǒng)構(gòu)成。分析了應急物資調(diào)度系統(tǒng)流程、數(shù)據(jù)挖掘的實現(xiàn)過程以及數(shù)據(jù)挖掘技術(shù)在大型應急物資調(diào)度系統(tǒng)中的具體應用過程。系統(tǒng)通過動態(tài)滾動式應急資源配置模型以及數(shù)據(jù)挖掘算法服務(wù)代碼實現(xiàn)應急物資的有效調(diào)度。實驗結(jié)果表明,所設(shè)計系統(tǒng)的應急總成本和總調(diào)度成本都較低,具有較高的調(diào)度精度和收斂速度。
關(guān)鍵詞: 數(shù)據(jù)挖掘; 大型應急物資; 應急物資調(diào)度; 資源配置模型
中圖分類號: TN911?34; TP392 文獻標識碼: A 文章編號: 1004?373X(2017)08?0049?04
Design and implementation of large emergency supply dispatching system
based on data mining technology
XIE Hong
(Guiyang Vocational and Technical College, Guiyang 550081, China)
Abstract: The existing emergency supply scheduling system has low scheduling efficiency, and is easy to fall into local optimal solution in the process of large material dispatching. Therefore, a large?scale emergency supply dispatching system based on data mining technology was designed. The structure emergency supplies scheduling system was designed, which is composed of emergency supply dispatching command station, emergency supply nodes and information system. The flow process of emergency supply dispatching system, implementation process of data mining and application of data mining technology in the large?scale emergency supply dispatching system are analyzed. The dynamic rolling emergency resource allocation model and service code of data mining algorithm are adopted in the system to achieve effective dispatching of emergency supplies. The experimental results indicate that the total costs and total operation cost of the designed emergency system are low, and the system has the high dispatching precision and high convergence speed.
Keywords: data mining; large emergency supply; emergency supply dispatching; resource allocation model
0 引 言
隨著社會經(jīng)濟的快速發(fā)展,社會中的非常規(guī)突發(fā)事件發(fā)生率也逐漸增加,對人們?nèi)罕姷纳a(chǎn)和生活產(chǎn)生了嚴重的影響。因此,塑造科學的應急物資調(diào)度系統(tǒng),降低非常規(guī)性突發(fā)性事件產(chǎn)生的危害,逐漸成為相關(guān)人員分析的熱點方向[1?3]?,F(xiàn)存的應急物資調(diào)度系統(tǒng),對大型物資進行調(diào)度過程中,存在調(diào)度效率低,以及容易陷入局部最佳解等問題[4?6]。
以往的應急物資調(diào)度系統(tǒng)存在一定弊端,如文獻[7]分析了基于兩階段多運輸方式的物資調(diào)度系統(tǒng),模擬救援物資的運輸方案,通過隨機線性方法塑造物資調(diào)度模型,解決物資供需平衡問題。但是該方法未對車輛調(diào)度問題進行分析,方法不夠完整,存在一定的局限性。文獻[8]提出了緊急狀態(tài)下物資供應問題的線性規(guī)劃模型,向各條線路上分配最佳運輸車輛,但是其未對車輛的數(shù)量進行約束,不符合應急物資場景,并且其不能對大量同物資調(diào)度關(guān)聯(lián)的空間數(shù)據(jù)進行有效的處理,調(diào)度效率較低。文獻[9]提出了基于運籌學方法的物質(zhì)調(diào)度系統(tǒng),將緊急情況下的物資調(diào)度問題看作對網(wǎng)絡(luò)最短路徑的規(guī)劃問題,但是實際的應急物資調(diào)度中不同物資需求點間存在較多復雜的通路,大大降低了該方法的調(diào)度效率。文獻[10]通過集中分析聯(lián)系數(shù)概念描述急物資調(diào)度過程中的應急地點的不確定性,分析依據(jù)聯(lián)系數(shù)的多資源持續(xù)消耗應急物資調(diào)度模型,但是模型未分析需求量同供應量間的不確定性,制定的物資調(diào)度結(jié)果存在較高的偏差。
針對上述問題,設(shè)計了塑造依據(jù)數(shù)據(jù)挖掘技術(shù)的大型應急物資調(diào)度系統(tǒng),其由應急物資調(diào)度指揮站、應急物資節(jié)點和應急物資信息系統(tǒng)構(gòu)成。實驗結(jié)果表明,所設(shè)計系統(tǒng)的應急總成本和總調(diào)度成本都較低,具有較高的調(diào)度精度和收斂速度。
1 大型應急物資調(diào)度系統(tǒng)的設(shè)計
1.1 設(shè)計大型應急物資調(diào)度系統(tǒng)結(jié)構(gòu)
設(shè)計的大型應急物資調(diào)度系統(tǒng)結(jié)構(gòu)如圖1所示。
應急物資調(diào)度指揮站對總體應急物資調(diào)度系統(tǒng)的事態(tài)進行實時監(jiān)控。應急物資調(diào)度指揮站的運行流程為:先在應急物資調(diào)度系統(tǒng)存儲的應急物資調(diào)度信息中獲取同物資需求一致的信息,對應急物資的實際需求進行大體分析;再按照應急物資調(diào)度的流程規(guī)劃具體的應急物資節(jié)點;最終從大量的應急物資調(diào)度方案中,選擇最佳的調(diào)度方案。應急物資調(diào)度過程中產(chǎn)生較多的信息,系統(tǒng)應對這些信息進行精煉以及處理,將信息保存在應急物資信息系統(tǒng)中,同時對新存入的信息進行相關(guān)的處理,將提煉后的信息傳輸?shù)綉敝笓]站,為指揮站產(chǎn)生應急物資調(diào)度方案提供分析依據(jù)。
1.2 設(shè)計大型應急物資調(diào)度系統(tǒng)流程
設(shè)計的大型應急物資調(diào)度系統(tǒng)流程如圖2所示。
籌措過程是應急物資調(diào)度順利進行的前提,對應急物資籌措需要確保物資的質(zhì)量優(yōu)良、數(shù)量充足、快速等。應急物資采購就是在非常規(guī)突發(fā)事件產(chǎn)生后,確保應急物資需求,保障救援活動順利運行的采購過程。
應急物資的儲備環(huán)節(jié)同物資的調(diào)度效率以及救援活動的成效相關(guān)。若應急物資儲備準備充分,則能夠降低應急物資的采購時間和運輸量,進而提高救援活動的效率,降低物資調(diào)度成本。應急物資配送中心,可將應急物資從供應地傳遞到需求地。應急物資的回收部分,是將能夠循環(huán)使用的應急物資從救助點等非常規(guī)突發(fā)事件的發(fā)生地,回收到應急物資供應點的過程。
1.3 數(shù)據(jù)挖掘技術(shù)在應急物資調(diào)度系統(tǒng)中的具體應用
1.3.1 數(shù)據(jù)挖掘的實現(xiàn)過程
數(shù)據(jù)挖掘也就是對數(shù)據(jù)庫中知識的發(fā)現(xiàn)過程,具體過程如圖3所示。其中,數(shù)據(jù)挖掘是知識發(fā)現(xiàn)中的關(guān)鍵過程。
圖3 數(shù)據(jù)挖掘的實現(xiàn)過程
(1) 數(shù)據(jù)清洗過程用于過濾應急物資調(diào)度系統(tǒng)中的噪聲數(shù)據(jù),對同挖掘主體不相關(guān)的數(shù)據(jù)進行處理和過濾,采集有價值數(shù)據(jù)。
(2) 數(shù)據(jù)集成過程從不同類型數(shù)據(jù)源中采集同物資調(diào)度相關(guān)數(shù)據(jù),并對數(shù)據(jù)進行融合處理。
(3) 數(shù)據(jù)轉(zhuǎn)換過程對數(shù)據(jù)存儲方式進行變換,確保數(shù)據(jù)挖掘更易完成。
(4) 數(shù)據(jù)挖掘過程是通過各種算法對應急物資調(diào)度系統(tǒng)中的數(shù)據(jù)進行挖掘,獲取數(shù)據(jù)中潛在的關(guān)系。
(5) 模式評估過程中將數(shù)據(jù)挖掘結(jié)果看作評估對象,通過相關(guān)的評估規(guī)范,從挖掘結(jié)果中獲取有價值的模式知識。
(6) 知識表示過程通過可視化技術(shù)向用戶呈現(xiàn)應急物資調(diào)度系統(tǒng)的數(shù)據(jù)挖掘結(jié)果。
1.3.2 具體應用過程
基于數(shù)據(jù)挖掘技術(shù)的大型應急物資調(diào)度系統(tǒng)包括數(shù)據(jù)挖掘模塊和應急物資調(diào)度模塊,其結(jié)構(gòu)圖見圖4。
采用數(shù)據(jù)挖掘技術(shù)從大規(guī)模信息中獲取有價值信息,通過信息流反饋給應急物資信息系統(tǒng),為其提供分析依據(jù),促使管理人員制定出合理的應急物資調(diào)度方案,增強應急物資調(diào)度質(zhì)量。數(shù)據(jù)挖掘包括數(shù)據(jù)準備過程和數(shù)據(jù)挖掘過程。
(1) 數(shù)據(jù)準備過程
應急物資調(diào)度的數(shù)據(jù)產(chǎn)生于應急物資數(shù)據(jù)源、應急人員數(shù)據(jù)源、應急組織數(shù)據(jù)源等,這些都是數(shù)據(jù)挖掘初期的數(shù)據(jù)準確。再采用數(shù)據(jù)集成、采集、選擇等途徑過濾大規(guī)模應急物資數(shù)據(jù)源中的噪聲數(shù)據(jù),修復數(shù)據(jù)源中的殘缺數(shù)據(jù),采集數(shù)據(jù)源中的有價值數(shù)據(jù),對數(shù)據(jù)進行融合處理后,將其保存在數(shù)據(jù)倉庫中。
(2) 數(shù)據(jù)挖掘過程
數(shù)據(jù)挖掘是應急物資調(diào)度系統(tǒng)的關(guān)鍵部分,系統(tǒng)中的關(guān)系型模型庫以及多維數(shù)據(jù)庫,依據(jù)數(shù)據(jù)間的關(guān)系完成數(shù)據(jù)的深度剖析,再依據(jù)相關(guān)的規(guī)則對數(shù)據(jù)進行分類;方案庫用于保存不同應急物資調(diào)度預備策略以及具體的調(diào)度策略,確保發(fā)生突發(fā)事件后,能夠向需求地快速調(diào)度物資,降低突發(fā)事件產(chǎn)生的不利影響;模型庫用于塑造不同的應急物資調(diào)度模型,管理人員按照當前的應急物資狀態(tài),從模型庫中選擇合理的應急物資調(diào)度模型,完成應急物資的高效調(diào)度;知識庫中保存較多的應急物資調(diào)度經(jīng)驗,如以往成功的應急物資調(diào)度方案,這些經(jīng)驗為當前制定應急物資調(diào)度方案提供可靠的分析依據(jù)。數(shù)據(jù)倉庫用于存儲模型庫中的數(shù)據(jù),數(shù)據(jù)挖掘可從數(shù)據(jù)倉庫中采集出有價值的信息,也可從上述分析的其他模型中采集有價值信息和數(shù)據(jù)。
數(shù)據(jù)挖掘過程完成后,系統(tǒng)應通過可視化等方法,向用戶呈現(xiàn)數(shù)據(jù)挖掘結(jié)果,并通過過濾、評估等方法采集挖掘結(jié)果中的有價值信息,通過信息流將有價值信息反饋給應急物資信息系統(tǒng),為其提供可靠的分析數(shù)據(jù)。
2 大型應急物資調(diào)度系統(tǒng)的實現(xiàn)
2.1 塑造動態(tài)滾動式應急物資調(diào)度模型
應急物資信息系統(tǒng)通過動態(tài)規(guī)劃方法獲取應急物資的調(diào)度模型,完成應急物資的合理調(diào)度。先獲取邊界規(guī)范以及基本遞推關(guān)系式,設(shè)置合理的參數(shù)以及變量,將應急調(diào)度過程分割成幾個相互關(guān)聯(lián)的過程。其中的參數(shù)設(shè)置如下:將應急物資調(diào)度過程,劃分成k個過程;從中獲取情境變量,并且用S描述,;用描述過程k時的情境,全部的情境用描述,;用于描述應急物資調(diào)度方案,全部調(diào)度方案變量的取值區(qū)間為,用描述過程k時情境處產(chǎn)生的應急物資調(diào)度方案,后續(xù)過程的情境同前一過程的情境值具有較高的關(guān)聯(lián)性,用于描述情境變量同過程k的決策變量能夠獲取后續(xù)過程的情境值,也就是第 k+1過程的情境值,用于描述過程k的情境波動函數(shù);為指標函數(shù),用于描述應急物資調(diào)度的過程效用,用于描述總效用。塑造動態(tài)滾動式應急物資調(diào)度模型的目標是最大化應急救援時物資調(diào)度的總效用,則應急資源動態(tài)滾動式配置過程的具體模型為:
(1)
(k?n)過程的最優(yōu)方案函數(shù)為,則動態(tài)滾動式應急物資調(diào)度模型為:
(2)
式(2)描述的動態(tài)滾動式應急物資調(diào)度模型,能夠?qū)崟r掌握物資調(diào)度的情境信息,確保決策人員依據(jù)應急物資調(diào)度過程中不同階段的調(diào)度效果和情境狀態(tài),實時調(diào)整應急物資配置方案,完成應急物資的滾動式配置。
2.2 數(shù)據(jù)挖掘算法服務(wù)設(shè)計
數(shù)據(jù)挖掘算法服務(wù)規(guī)范定義了數(shù)據(jù)挖掘查詢語言,也就是數(shù)據(jù)挖掘擴展(DMX)。通過使用MDX語句能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘的模型創(chuàng)建、模型訓練以及模型預測。下面代碼實現(xiàn)了數(shù)據(jù)挖掘模型的創(chuàng)建,并采用決策樹算法。該模型使用Gender,harvest 和一系列客戶購買的商品和商品的數(shù)目預測 Queue Array:
Shape Mining plan Queue Array_Estimated
(
UserIDlarnumber important,
Species ureg content segmentation,
harvest larnumber cycle,
QueueArraycontent segmentation finingd,
Choose table(
GoodsName content important,
Numberlarnumber cycle )
)
ChooseSystem_judge_Stack
在數(shù)據(jù)挖掘算法服務(wù)的設(shè)計和實現(xiàn)過程中,采用數(shù)據(jù)挖掘API訪問立方體和數(shù)據(jù)挖掘模型,通過ADOMD.NET完成MDX檢索立方體的過程。ADOMD.NET是提供給用戶的組件,該組件可采用編碼的手段訪問Analysis Services服務(wù),對數(shù)據(jù)倉庫對象進行處理,完成數(shù)據(jù)挖掘算法的相關(guān)處理。以下函數(shù)以數(shù)據(jù)倉庫名和連接字符串為參數(shù),可對指定數(shù)據(jù)倉庫中所有維度訪問:
public charaqueue []Carrysizes(charaqueue associated charaqueue ,charaqueue HrinxName)
{
Kmonxassociated associated =anotherKmonxassociated ();
associated associated charaqueue =associated charaqueue ;
associated open();
int feedback=associated Lardatasets[HrinxName].sizes.statistical;
glesizes=anothercharaqueue [feedback];
for(int i=0;i { strsizes[i]=associated Lardatasets[HrinxName].sizes[i].Theme.Tocharaqueue } return strsizes; associated close(); } 3 實驗分析 為了驗證本文設(shè)計的基于數(shù)據(jù)挖掘技術(shù)的應急物資調(diào)度系統(tǒng)的有效性,應進行相關(guān)的實驗分析。實驗通過Matlab 7.1編程實現(xiàn)本文系統(tǒng)的調(diào)度算法,在IntelCore(TM) i3?2260M CPU 2.30 GHz,3.00 GB 筆記本電腦上運行本文系統(tǒng)和基于兩階段多運輸方式的應急物資調(diào)度系統(tǒng),兩種系統(tǒng)的應急總成本分別如圖5和圖6所示。 對比分析圖5和圖6可得,相對比兩階段多運輸方式,本文系統(tǒng)的應急總成本較低,并且本文系統(tǒng)的收斂性較好,能夠獲取較好的應急物資調(diào)度最佳解。通過圖5可以看出,本文系統(tǒng)進行應急物資調(diào)度最佳解的總體趨勢是應急總成本隨著應急運輸總時間的增加而降低。而基于兩階段多運輸方式的應急成本在15~25 h之間出現(xiàn)忽高忽低的變換,說明該方法抗噪性能較差,調(diào)度成本波動較高。 統(tǒng)計不同迭代次數(shù)下不同應急調(diào)度系統(tǒng)制定最佳調(diào)度方案的調(diào)度總成本曲線圖如圖7所示。從圖7能夠看出,基于兩階段多運輸方式尋優(yōu)消耗的最小總成本是27 704 807元,本文系統(tǒng)尋優(yōu)消耗的最小總成本為26 201 835元,比基于兩階段多運輸方式節(jié)約了1 502 972元。并且本文方法在檢索最小應急總成本過程中,具有更快的收斂速度,比基于兩階段多運輸方式更快獲取最優(yōu)應急物資調(diào)度解。 通過對應急物資調(diào)度總成本分析,可以看出相對于基于兩階段多運輸方式,本文方法調(diào)度精度和收斂速度都較高,能夠為救災工作節(jié)約時間,還降低了應急物資調(diào)度的成本,增強了應急物資調(diào)度的時效性,具有較高的應用價值。 4 結(jié) 論 現(xiàn)存的應急物資調(diào)度系統(tǒng),對大型物資進行調(diào)度過程中,存在調(diào)度效率低,容易陷入局部最佳解等問題。因此,本文設(shè)計基于數(shù)據(jù)挖掘技術(shù)的大型應急物資調(diào)度系統(tǒng),分析了應急物資調(diào)度系統(tǒng)流程、數(shù)據(jù)挖掘的實現(xiàn)過程以及數(shù)據(jù)挖掘技術(shù)在大型應急物資調(diào)度系統(tǒng)中的具體應用過程。系統(tǒng)通過動態(tài)滾動式應急資源配置模型,數(shù)據(jù)挖掘算法服務(wù)代碼實現(xiàn)應急物資的有效調(diào)度。實驗結(jié)果說明,所設(shè)計系統(tǒng)的應急總成本和總調(diào)度成本都較低,具有較高的調(diào)度精度和收斂速度。 參考文獻 [1] 程田祥.基于大數(shù)據(jù)挖掘技術(shù)的機房智能巡視系統(tǒng)的開發(fā)[J].有線電視技術(shù),2016,23(1):76?79. [2] 黃燕飛.大數(shù)據(jù)背景下基于數(shù)據(jù)挖掘技術(shù)的CRM系統(tǒng)設(shè)計[J].企業(yè)技術(shù)開發(fā),2015,34(12):43?45. [3] 吳春瓊,陳秀枝.基于數(shù)據(jù)挖掘技術(shù)的教學效果評價系統(tǒng)[J].漯河職業(yè)技術(shù)學院學報,2015,14(2):75?77. [4] 肖賦,范成,王盛衛(wèi).基于數(shù)據(jù)挖掘技術(shù)的建筑系統(tǒng)性能診斷和優(yōu)化[J].化工學報,2014,65(z2):181?187. [5] 王淑,陳敏,于廣軍,等.基于數(shù)據(jù)挖掘技術(shù)的典型兒童呼吸道感染性疾病臨床決策支持系統(tǒng)研究[J].中國數(shù)字醫(yī)學,2015,10(12):40?43. [6] 朱效功.淺談電網(wǎng)調(diào)度運行分析和數(shù)據(jù)挖掘系統(tǒng)[J].科技創(chuàng)新導報,2015,12(11):85. [7] 朱利鵬,陸超,孫元章,等.基于數(shù)據(jù)挖掘的區(qū)域暫態(tài)電壓穩(wěn)定評估[J].電網(wǎng)技術(shù),2015,39(4):1026?1032. [8] 胡飛虎,田朝暉,李威,等.基于遺傳算法的應急物資分層調(diào)度研究[J].計算機應用研究,2015,41(10):53?58. [9] 張淑琴.基于J2EE的電力物資調(diào)度系統(tǒng)的研究與實現(xiàn)[J].現(xiàn)代工業(yè)經(jīng)濟和信息化,2014,4(7):79?81. [10] 郭子雪,郭亮,張培,等.應急物資調(diào)度時間最小化模糊優(yōu)化模型[J].中國安全科學學報,2015,25(10):172?176.