基于物联网的城市应急物流调度系统的模型与实现
摘要：以传统的物联网架构为依据，结合城市应急物流的特点，提出了基于物联网的城市应急物流调度系统的三层模型，阐述了各个层次的技术及系统如何实现。
然后探讨了基于物联网的应急物流调度的多目标模型和算法，并通过实例进行实验分析，求出了符合多目标约束条件的应急物资供应点的供应情况。
关键词：物联网；应急物流调度；多目标模型
1 基于物联网的城市应急物流调度模型
传统的物联网一般被分为三个层次，即最底层的数据感知层、数据传输的网络层以及最上面的应用层。
本文在物联网三层架构的基础上，总结出了基于物联网的城市应急物流调度系统的模型，如图1所示。
在该图的模型中，将传感器等数据采集设备部署在应急物资上面，这样物体的信息被负载到传感标签上，然后被传感器识别。
传感器识别了应急物资的信息后，通过传感网络将信息传送到上层；然后计算层就对传输层传输上来的应急物资的数据进行管理和处理。
由于物联网将是以数据为中心，因此感知数据管理及其处理技术将是整个模型中的核心技术。
感知数据管理与处理技术包括传感网数据的存储、查询、分析、挖掘、理解以及基于感知数据决策和行为的理论和技术。
目前比较理想的是处理平台是云计算平台，它可以将海量的感知数据进行快速的存储和分析，将是物联网模型中的重要组成部分，
也是应用层众多应用的基础。
2 应急物流调度的多目标模型及其算法
本文主要探讨了从供应点到受灾点的调度问题，结合图1，我们可以将供应点的应急物资都贴上物联网标签，在运输的过程中进行信息的需要考虑所需的时间最少、每个供应点的成本最小，所以这是一个要满足多个目标的问题。
2.1 多目标模型
多目标模型的表达式为：
min f1(x)=∑C ix i f2(x)=∑T i=x ip
i+t i （1）
s.t.∑x i=D x i>0(i=1,2,…,n)
其中D表示应急物资的需求量，f i表示应急物资的供应点（生产厂家），p i表示供应点的时间产能，x i为分配到各个供应点的物资数量，C i为供应点到应急中心的成本（物资成本和运输成本），t i0为从供应点到受灾点的运输时间，t i1是
从供应点生产分配数量应急物资所需要的时间，T=t i0+t
i1是供应点供应物资的总时间。
约束条件表示各供应点的应急物资数量应该为正数，而且它们应
该等于同种类物资的需求总量。
2.2 多目标模型的算法
本文拟采用基于二维欧式距离客观赋权的模糊算法来解决。
多目标调度表达式为：
max/min f(x)=［f-1(x),f-21(x),…，f-n1(x)］（2）
s.t. x∈f(x)
令
M-i=sup x∈X{f-i(x)}m-i=inf x∈
X{f-i(x)} i=1,2,…，m
则M i，m i为目标分量f i(x)在X中的上、下界。
用u i(x)表示决策者对目标i的满意度函数，则根据目
标函数类型的不同，满意度函数的定义也不同。
对于效益型目标f
i(x)，优属度定义为：
μ-i(x)=f-i(x)-inf{f-i(x)}sup{f-i(x)}-inf{f-i(x)}（3）
而对成本型目标函数f i(x)，优属度则定义为：
μ-i(x)=sup{f-i(x)}-f-i(x)sup{f-i(x)}-inf{f-i(x)}（4）
解法的步骤为：
（1）求解各目标分量的上下确界sup{f-i(x)}和inf{f-i(x
)}；
（2）求出各目标分量的优属度u i(x)，解出目标理性权重
和一组有效解X；其中目标理性权重为：w=(w-1,w-2,…,w-m)（3）将原多目标模型转换为单目标模型：
max=∑mi=1ω+2-iμ+2-i+［1-∑mi=1ω+2-i(1-μ(x))+2］
（4）解目标模型，构造拉格朗日函数，在matlab中进行求解。
拉格朗日函数为：
F(ω-i,x-i,λ)=∑mi=1ω+2-iμ+2-i(x)+
1-∑mi=1ω+2-i(1-μ(x))+2-λ∑mi=1ω-i-1
令
Fω-i=0F xω-i=0Fλ=0
3 实验结果与分析
假设某城市的一次应急事件中需要应急帐篷100万顶，但是本城市只能供应30万顶，剩下的70万需要从周边城市来调用。
设周边有5个城市可以作为此次应急时间的物资供应点，各供应点的编号、到
受灾点的时间、供应点的单位时间产能、单位成本等见下表：
根据表中的数据，本例的多目标函数和约束条件分别为：
min
f-1(x)=3200x-1+2500x-2+2630x-3+2850x-4+2180x-5
f-2(x)=24x-11900+10+24x-13000+8+24x-12800+
15+24x-12500+7+24x-13500+9
s.t.x-1+x-2+x-3+x-4+x-5=700000
x-i≥0 i=-1,2,…,5
在matlab中用2.2的算法对以上模型求解，得出的结果为：
sup x∈X{f-1(x)}=2240000000
sup x∈X{f-21(x)}=8891
inf x∈X{f-1(x)}=1526000000
inf x∈X{f-2(x)}=609
x1=109995,x2=149611
x3=132902,x4=144224,x5=163268
由上面的实验结果可知，应该由供应点1供应109995顶帐篷，由2供应149611顶，由3供应132902顶，由4供应144224顶，由5供应163268顶帐篷。
从结果来分析，供应点2和5的单位产能高，单位成本低，而且到受灾点的时间相对较少，所以分配的供应量较大；而供应点3的单位产能虽然高，单位成本低，但是所需的时间较长，因而分配的供应量就相对较少；供应点4的单位产能较低，单位成本高，因此分配的供应量也少；供应点4虽然所需的时间较少，但是单位时间的产能低，单位成本高，因此分配的供应量最少。
这个分配结果和分配理论是相一致的。
4 结束语
本文主要介绍了基于物联网的应急物流调度模型和算法，针
对多目标模型，利用基于二维欧式距离客观赋权的模糊算法来解决问题，通过实例分析，求得了满足约束条件的最优解。
也就是要使应急成本和应急时间都最小化的基础上，合理地分配每个供应点的供应
量，使应急物资能更快更经济地运送到受灾点。
参考文献：
[1] 熊洁琼,刘宏志.基于时间满意覆盖模型的城市应急物流基站选址的研究［C］.2010第六届全国多智能体系统与控制学术年会论文集,2010,
［2］唐伟勤，陈荣秋，大规模突发事件应急物资调度基本模型研究［D］.武汉：华中科技大学，2009.
［3］欧建军，刘宏志，李文正.基于进化策略的消防应急救援决策［J］.软件导刊,2010(3).。