自然災(zāi)害視域下應(yīng)急救災(zāi)物資需求預(yù)測(cè)研究綜述

李 磊，支 梅，馬衛(wèi)國，曹禮榮，李睿涵，王思維

(1.西安科技大學(xué) 安全科學(xué)與工程學(xué)院，陜西 西安 710054；2.沂水縣應(yīng)急管理局，山東 臨沂 276400)

0 引言

近年來，人類面臨著大自然帶給我們的多重挑戰(zhàn)。從2019年四川涼山森林大火、貴州水城特大山體滑坡，到2020年臺(tái)風(fēng)“黑格比”侵襲，再到2021年河南特大洪澇災(zāi)害，中國的國土板塊頻繁遭受自然災(zāi)害的摧殘。隨著災(zāi)害治理工作的有效推進(jìn)，自然災(zāi)害受災(zāi)情況逐年好轉(zhuǎn)，但在應(yīng)對(duì)極端天氣時(shí)，仍存在各應(yīng)急救災(zāi)物資儲(chǔ)備部門不明確“儲(chǔ)什么、儲(chǔ)多少”的問題。

應(yīng)急救災(zāi)物資保障是統(tǒng)籌發(fā)展與安全兩件大事，是應(yīng)急管理體系和能力現(xiàn)代化建設(shè)的重要內(nèi)容，是防范化解重大風(fēng)險(xiǎn)的“穩(wěn)定器”和“壓艙石”。應(yīng)急救災(zāi)物資需求預(yù)測(cè)是應(yīng)急物流規(guī)劃[1]、災(zāi)害應(yīng)急救援的前提和基礎(chǔ)，精準(zhǔn)預(yù)判各類應(yīng)急救災(zāi)物資的需求量，是有效應(yīng)對(duì)突發(fā)事件的重要保障。但現(xiàn)階段，學(xué)術(shù)界對(duì)已有自然災(zāi)害應(yīng)急救災(zāi)物資需求預(yù)測(cè)研究的系統(tǒng)性梳理與分析較少。因此，擬通過可視化分析應(yīng)急救災(zāi)物資需求預(yù)測(cè)相關(guān)研究成果，歸納厘清該領(lǐng)域的研究熱點(diǎn)并判明研究趨勢(shì)，以期為深入推進(jìn)自然災(zāi)害應(yīng)急救災(zāi)物資需求預(yù)測(cè)研究提供參考。

1 數(shù)據(jù)獲取與可視化分析

1.1 數(shù)據(jù)獲取

在中國知網(wǎng)(CNKI)中，以“應(yīng)急救災(zāi)物資and需求預(yù)測(cè)”為主題詞檢索，剔除會(huì)議成果、專利后，共獲得117篇文獻(xiàn)。對(duì)存在中英文同義詞的關(guān)鍵詞進(jìn)行數(shù)據(jù)清洗，將“地震應(yīng)急”“大型地震”“地震應(yīng)急救援”替換為“地震災(zāi)害”，“案例推理”替換為“CBR”，“應(yīng)急資源”替換為“應(yīng)急物資”后進(jìn)行共現(xiàn)分析。具體工作流程如圖1所示。

圖1 工作流程示意

1.2 關(guān)鍵詞可視化

關(guān)鍵詞的聚類可較好地反映學(xué)者的研究方向[2]。Gephi軟件可處理任何能夠表示為節(jié)點(diǎn)和邊的數(shù)據(jù)，并將數(shù)據(jù)以圖形的形式呈現(xiàn)[3]。在處理大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)集的同時(shí)，既能在節(jié)點(diǎn)層面統(tǒng)計(jì)分析網(wǎng)絡(luò)屬性，也支持不同主流網(wǎng)絡(luò)布局算法可視化處理數(shù)據(jù)集，可直觀了解研究熱點(diǎn)分布情況。

因此，應(yīng)用Gephi將排名前26的關(guān)鍵詞(見表1)轉(zhuǎn)化為節(jié)點(diǎn)，各關(guān)鍵詞間的共現(xiàn)關(guān)系轉(zhuǎn)化為連線，根據(jù)各節(jié)點(diǎn)度的大小設(shè)置節(jié)點(diǎn)尺寸、標(biāo)簽及顏色深度尺寸，繪圖時(shí)使用“Force Atlas 2”算法聚焦、“Rotate”流程優(yōu)化布局，得到應(yīng)急救災(zāi)物資需求預(yù)測(cè)關(guān)鍵詞共現(xiàn)可視化，如圖2所示。

表1 應(yīng)急救災(zāi)物資需求預(yù)測(cè)排名前26的關(guān)鍵詞

圖2 關(guān)鍵詞共現(xiàn)可視化

從圖2可看出，主要包含GM(1，1)、CBR、BP神經(jīng)網(wǎng)絡(luò)3種預(yù)測(cè)方法及地震、洪澇、臺(tái)風(fēng)3類自然災(zāi)害；節(jié)點(diǎn)顏色深度、標(biāo)簽大小顯示：CBR>BP神經(jīng)網(wǎng)絡(luò)>GM(1，1)，且CBR與節(jié)點(diǎn)應(yīng)急救災(zāi)物資間連線顏色更深，表明應(yīng)急救災(zāi)物資需求研究時(shí)，應(yīng)用CBR方法的學(xué)者較多；地震>洪澇>臺(tái)風(fēng)，表明學(xué)者對(duì)地震災(zāi)害的研究較多。

2 研究方法分析

初期，學(xué)者們大多采用模糊綜合評(píng)價(jià)法[4]、層次分析法[5-6]、多米諾效應(yīng)分析[7]等經(jīng)驗(yàn)判斷法預(yù)測(cè)應(yīng)急救災(zāi)物資的需求量，面對(duì)自然災(zāi)害受災(zāi)區(qū)域大、傷亡人數(shù)多、救援時(shí)間長等特征[8]，傳統(tǒng)的預(yù)測(cè)方法已不能滿足人們精準(zhǔn)預(yù)測(cè)的要求。因此，擬對(duì)常用的3種應(yīng)急救災(zāi)物資需求預(yù)測(cè)方法展開論述。

2.1 案例推理

案例推理(CBR)是通過探尋與之工況條件相似度較高的匹配案例，修正其解決方案并應(yīng)用于當(dāng)前工況的過程。CBR較傳統(tǒng)的經(jīng)驗(yàn)判斷法而言，主觀性更弱，偏向于以數(shù)據(jù)挖掘的形式匹配最佳相似案例，是一種基于人工智能的定性定量相結(jié)合的預(yù)測(cè)方法。其關(guān)鍵在于從案例數(shù)據(jù)庫中匹配出最佳相似源案例，基于此，學(xué)者從以下3方面深入研究。

一是，優(yōu)化匹配案例算法角度，以期提升匹配的精準(zhǔn)度。劉賈賈[9]等采用熵值法和加權(quán)歐式距離求得最佳相似歷史案例。SUN[10]等將全局案例相似度細(xì)化結(jié)構(gòu)相似度和屬性相似度，避免傳統(tǒng)最近鄰算法中屬性缺失的問題。

二是，不斷完善關(guān)鍵因素。傅志妍[11]等提取災(zāi)區(qū)人口和道路面積為關(guān)鍵因素。王蘭英[12]等選擇震級(jí)、受災(zāi)面積、受災(zāi)人口、地震持續(xù)時(shí)間和震源深度作為關(guān)鍵因素。在其基礎(chǔ)上，郭繼東[13]等引入發(fā)生時(shí)間、城鎮(zhèn)化率、經(jīng)濟(jì)水平等特征因素，完善目標(biāo)案例與源案例之間的相似度。

三是，結(jié)合模糊變量描述。SHAO[14]等將直覺模糊與案例推理相結(jié)合，定義為直覺模糊案例推理(IFCBR)，保障案例檢索的精準(zhǔn)度。LIU[15]等提出基于案例推理及風(fēng)險(xiǎn)分析的預(yù)測(cè)方法，預(yù)測(cè)物資的數(shù)量、質(zhì)量及類型。汪貽生[16]等結(jié)合面向?qū)ο蟮陌咐M織與表示模式、相似案例集檢索方法及灰色關(guān)聯(lián)分析，提出最佳相似案例匹配算法。DUAN[17]等建立案例推理和灰色關(guān)聯(lián)分析相結(jié)合的模型，用案例推理計(jì)算歷史案例與目標(biāo)案例間的相似度矩陣后，再分析二者間的灰色關(guān)系。

案例推理方法主要適用于“戰(zhàn)時(shí)”狀態(tài)下應(yīng)對(duì)某一突發(fā)事件所需應(yīng)急救災(zāi)物資的需求預(yù)測(cè)，前提是擁有足夠多且具有代表性的歷史案例。但實(shí)際中難以收集到有效的案例，以應(yīng)對(duì)多類、多因素、多指標(biāo)的突發(fā)事件，且現(xiàn)階段針對(duì)案例庫存儲(chǔ)、分類等方面的研究較為缺乏。

2.2 時(shí)間序列預(yù)測(cè)

時(shí)間序列預(yù)測(cè)通過統(tǒng)計(jì)分析過去的時(shí)間序列數(shù)據(jù)，推測(cè)出事物的發(fā)展趨勢(shì)，過程中考慮受偶然因素影響產(chǎn)生的隨機(jī)性，對(duì)數(shù)據(jù)適當(dāng)處理以消除此類影響，是一種定量的研究方法。目前，常用的時(shí)間序列預(yù)測(cè)包括多元線性回歸、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等方法。

2.2.1 多元線性回歸法

LARRY[18]等依據(jù)響應(yīng)級(jí)別和嚴(yán)重程度的匹配程度定義正確及不正確的利用，結(jié)合應(yīng)急設(shè)施提供的數(shù)據(jù)，建立多元回歸模型估計(jì)對(duì)緊急運(yùn)輸服務(wù)的需求。郭子雪[19]等引入對(duì)稱三角模糊數(shù)表示影響因素的模糊特征，建立多元模糊線性回歸預(yù)測(cè)模型。結(jié)果表明，災(zāi)害級(jí)別、受災(zāi)人口、受災(zāi)面積是影響物資需求預(yù)測(cè)的重要因素。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)算法

針對(duì)其易陷入局部極小值的缺陷，劉芳[20]、CHEN[21]等提出IACO-BP神經(jīng)網(wǎng)絡(luò)算法，分別預(yù)測(cè)洪澇災(zāi)害應(yīng)急救災(zāi)物資、物料狀況需求；樊睿[22]運(yùn)用粒子群優(yōu)化(PSO)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)六級(jí)以上的大型地震應(yīng)急救災(zāi)物資的需求量，結(jié)果表明改進(jìn)后的算法精度和穩(wěn)定性都有顯著提高。針對(duì)其過早收斂的缺點(diǎn)，REZA[23]等提出利用遺傳算法(GA)生成新體系結(jié)構(gòu)的混合優(yōu)化，其可根據(jù)群體狀態(tài)調(diào)整慣性權(quán)重和加速度系數(shù)。

2.2.3 支持向量機(jī)(SVM)

趙一兵[24]等運(yùn)用該算法和庫存管理理論，構(gòu)建地震傷亡人數(shù)預(yù)測(cè)模型，對(duì)飲食類、御寒類和醫(yī)藥類物資需求量預(yù)測(cè)。由于其初始參數(shù)的選取對(duì)預(yù)測(cè)精度有較大影響，何珊珊[25]等利用遺傳算法(GA)優(yōu)化參數(shù)，構(gòu)建了GA-SVM人員傷亡預(yù)測(cè)模型。為消除包含誤差的數(shù)據(jù)樣本對(duì)模型的影響，劉文博[26]提出改進(jìn)的加權(quán)最小二乘支持向量機(jī)，對(duì)各數(shù)據(jù)權(quán)重予以自適應(yīng)迭代修正。

該類方法主要用于“平時(shí)”應(yīng)急救災(zāi)物資儲(chǔ)備管理，可根據(jù)不同區(qū)域易發(fā)災(zāi)害的歷史數(shù)據(jù)預(yù)測(cè)不同類型應(yīng)急救災(zāi)物資的需求，未考慮外界變化的可能性。當(dāng)遇到外界發(fā)生較大變化，往往會(huì)有較大偏差，適用于長期預(yù)測(cè)。

2.3 灰色預(yù)測(cè)模型

灰色預(yù)測(cè)模型是通過少量的、不完全信息，建立數(shù)學(xué)模型以估算應(yīng)急救災(zāi)物資需求量的一種預(yù)測(cè)方法。所需建模信息少、運(yùn)算方便、精度高，適用于“小樣本、貧信息”系統(tǒng)[27]的建模預(yù)測(cè)，廣泛應(yīng)用于多種預(yù)測(cè)領(lǐng)域[28]。

GM(1，1)是灰色預(yù)測(cè)理論最基本的模型[29-31]，但忽略了未來信息對(duì)模型預(yù)測(cè)精度的影響。胡忠君[32]、李麗麗[33]等引入新陳代謝的思想，將預(yù)測(cè)得出的結(jié)果重新帶入模型中，構(gòu)建GM(1，1)動(dòng)態(tài)預(yù)測(cè)模型。LIU[34]等考慮信息的不同背景與差異，在灰數(shù)與白化權(quán)函數(shù)模糊條件下，提出定義為“區(qū)間灰數(shù)核”的計(jì)算方法。曾波[35]等基于“核”和“灰度”規(guī)范化處理數(shù)據(jù)，建立灰色異構(gòu)數(shù)據(jù)“核”序列的DGM(1，1)模型，預(yù)測(cè)地震帳篷的需求量。王正新[36]等應(yīng)用Fourier描述模型殘差的周期性振蕩信息，建立Fourier-GM(1，1)模型預(yù)測(cè)森林火災(zāi)撲火經(jīng)費(fèi)。

現(xiàn)實(shí)世界中普遍存在小樣本、信息邊界模糊的數(shù)據(jù)，為模型構(gòu)建提供了豐富的數(shù)據(jù)資源。但該模型只能反映系統(tǒng)發(fā)展的大致趨勢(shì)，并不能精確預(yù)測(cè)未來的數(shù)值[37]，仍需不斷提升模型預(yù)測(cè)精度，以應(yīng)對(duì)各類突發(fā)事件應(yīng)急救災(zāi)物資的需求預(yù)測(cè)。

結(jié)合上述研究成果，發(fā)現(xiàn)各類預(yù)測(cè)方法均在一定程度上滿足了物資需求。但現(xiàn)實(shí)情境下，受災(zāi)區(qū)及需求信息是不斷更新的，如何根據(jù)信息的不確定性和動(dòng)態(tài)性，制定出不同類別不同時(shí)間段應(yīng)急各物資動(dòng)態(tài)需求預(yù)測(cè)方法，是今后應(yīng)急救災(zāi)物資需求預(yù)測(cè)的研究重點(diǎn)。

3 研究對(duì)象分析

我國地形地勢(shì)、區(qū)域?yàn)?zāi)害情況復(fù)雜，是世界上自然災(zāi)害最多的國家之一[38]，以洪澇、地質(zhì)、風(fēng)雹、臺(tái)風(fēng)災(zāi)害為主[39]?；贑NKI平臺(tái)獲取2006—2020年地震、洪澇、臺(tái)風(fēng)3類災(zāi)害研究成果，數(shù)量統(tǒng)計(jì)數(shù)據(jù)，如圖3所示。

圖3 2006—2020年自然災(zāi)害CNKI成果數(shù)量統(tǒng)計(jì)

由圖3可知，一方面，隨時(shí)間的推移，地震災(zāi)害成果數(shù)量呈逐步下降、小幅度上漲；洪澇災(zāi)害呈逐步上升；臺(tái)風(fēng)災(zāi)害呈平穩(wěn)狀態(tài)的變化特征。另一方面，自然災(zāi)害的研究較多，但應(yīng)急救災(zāi)物資需求預(yù)測(cè)占較少。

3.1 自然災(zāi)害成果數(shù)量分析

地震、洪澇、臺(tái)風(fēng)災(zāi)害成果平均1 100篇/年、1 158篇/年、105篇/年，分別占3類災(zāi)害平均年發(fā)篇量的44%、51%和5%。地震災(zāi)前研究集中在應(yīng)急救援演練[40]、震害預(yù)測(cè)[41]、應(yīng)急預(yù)案[42]等；災(zāi)后主要探究次生災(zāi)害[43]及發(fā)生規(guī)律及特征[44]等；洪澇研究集中于應(yīng)用歷史災(zāi)情[45-46]、指標(biāo)體系[47]、情景模擬[48-49]等方法評(píng)估風(fēng)險(xiǎn)；臺(tái)風(fēng)災(zāi)害以風(fēng)險(xiǎn)評(píng)估[50-51]、應(yīng)急策略[52-55]等研究為主。3類自然災(zāi)害指標(biāo)統(tǒng)計(jì)，如圖4所示。

圖4 自然災(zāi)害指標(biāo)統(tǒng)計(jì)

3.2 應(yīng)急救災(zāi)物資需求預(yù)測(cè)分析

地震災(zāi)害應(yīng)急救災(zāi)物資需求預(yù)測(cè)相關(guān)文獻(xiàn)共41篇，多以汶川地震[56]、玉樹地震[57]等實(shí)例為研究對(duì)象，分析受災(zāi)人口、持續(xù)時(shí)間等對(duì)物資需求的影響。洪澇災(zāi)害相關(guān)文獻(xiàn)共8篇，大多是采用灰色新陳代謝馬爾科夫[58]、GM(1，1)及優(yōu)化BP神經(jīng)網(wǎng)絡(luò)等方法預(yù)測(cè)物資需求量。臺(tái)風(fēng)災(zāi)害相關(guān)文獻(xiàn)較少，僅6篇，多以浙江[59]、福建[60]等地區(qū)或臺(tái)風(fēng)“彩虹”[61]等事件為研究對(duì)象，考慮臺(tái)風(fēng)登陸時(shí)間、降雨量等因素預(yù)測(cè)應(yīng)急救災(zāi)物資需求量。

4 文獻(xiàn)來源分析

為了解現(xiàn)階段應(yīng)急救災(zāi)物資需求預(yù)測(cè)領(lǐng)域研究情況，統(tǒng)計(jì)并分析獲取的117篇相關(guān)文獻(xiàn)來源，共涉及50所高校碩博士論文、67家期刊機(jī)構(gòu)。載文量超過2篇文獻(xiàn)來源統(tǒng)計(jì)，如圖5所示。

由圖5可知，筆者將文獻(xiàn)來源劃分為高校及期刊2類，包括蘭州交通大學(xué)、北京交通大學(xué)、南京航空航天大學(xué)等全國重點(diǎn)高校，中國安全科學(xué)學(xué)報(bào)、災(zāi)害學(xué)等高質(zhì)量科技期刊。科研水平作為衡量高校含金量的重要指標(biāo)，使得各高校科研始終聚焦前沿。側(cè)面反映出應(yīng)急救災(zāi)物資需求預(yù)測(cè)是當(dāng)前高校的重要研究課題。對(duì)各期刊合作單位或高校機(jī)構(gòu)模塊化聚類可視化分析，如圖6所示。

圖5 應(yīng)急救災(zāi)物資需求預(yù)測(cè)文獻(xiàn)來源統(tǒng)計(jì)

圖6中藍(lán)色、紫色、紅色模塊分別表明西安交通大學(xué)管理學(xué)院與中國管理科學(xué)；武漢理工大學(xué)、蘭州交通大學(xué)交通運(yùn)輸學(xué)院與中國安全科學(xué)學(xué)報(bào)；中國石油大學(xué)(華東)與中國安全生產(chǎn)科學(xué)技術(shù)、重慶工商大學(xué)與物流科技等高校與期刊間存在密切合作，同時(shí)涵蓋經(jīng)濟(jì)與管理、軌道交通、物流、計(jì)算機(jī)與信息等多領(lǐng)域。同時(shí)，進(jìn)一步了驗(yàn)證上述結(jié)論，即應(yīng)急救災(zāi)物資需求預(yù)測(cè)是當(dāng)前高?？蒲嘘P(guān)注的前沿領(lǐng)域，也是多學(xué)科融合的交叉領(lǐng)域。

圖6 期刊合作可視化分析

5 需求預(yù)測(cè)發(fā)展方向

近幾年，我國極端天氣頻發(fā)，將災(zāi)害治理“關(guān)口前移”，才能更好地應(yīng)對(duì)自然災(zāi)害。當(dāng)前我國應(yīng)急救災(zāi)物資儲(chǔ)備存在儲(chǔ)備方式單一、儲(chǔ)備量不合理等諸多問題[62]，但隨著信息技術(shù)的快速發(fā)展，解決應(yīng)急救災(zāi)物資儲(chǔ)備問題越來越具可能性。未來自然災(zāi)害應(yīng)急救災(zāi)物資需求預(yù)測(cè)研究的發(fā)展方向如下。

應(yīng)對(duì)不同需求采取差異化的預(yù)測(cè)方法。對(duì)于某市或某區(qū)年度應(yīng)急救災(zāi)物資儲(chǔ)備計(jì)劃等長期預(yù)測(cè)，可選用時(shí)間序列預(yù)測(cè)各類應(yīng)急救災(zāi)物資的需求量，為相關(guān)部門物資儲(chǔ)備提供理論參考；對(duì)災(zāi)后一天或幾天內(nèi)物資的需求等短期預(yù)測(cè)，可選用灰色模型預(yù)測(cè)保障人民生命財(cái)產(chǎn)安全類物資的需求量，為應(yīng)對(duì)某一突發(fā)事件提供物資保障。

應(yīng)用百度大數(shù)據(jù)和多層感知[63]、隱喻地圖[64]、ArcGIS空間分析[65]、網(wǎng)格治理[66]、云網(wǎng)格[67]等方法，評(píng)估研究區(qū)域風(fēng)險(xiǎn)，按照不同等級(jí)的區(qū)域劃分結(jié)果，預(yù)測(cè)各類應(yīng)急救災(zāi)物資需求量。同時(shí)可考慮受災(zāi)區(qū)域的人口規(guī)模，包括各年齡段的人口比例、人均需求量等，不斷完善應(yīng)急救災(zāi)物資需求預(yù)測(cè)領(lǐng)域的研究。

間接預(yù)測(cè)應(yīng)急救災(zāi)物資需求量時(shí)，多以傷亡人數(shù)、受災(zāi)人數(shù)為中間橋梁。實(shí)際救援中，應(yīng)考慮不同中間量與不同種類應(yīng)急救災(zāi)物資間的作用關(guān)系。具體體現(xiàn)為，受災(zāi)人口與生活保障類、臨時(shí)住宿類；受傷人口與醫(yī)藥類；受災(zāi)面積與搶險(xiǎn)救災(zāi)類應(yīng)急救災(zāi)物資間的關(guān)系，結(jié)合安全庫存理論間接預(yù)測(cè)各類物資的需求量。

6 結(jié)論

1)應(yīng)急救災(zāi)物資需求預(yù)測(cè)以案例推理、時(shí)間序列預(yù)測(cè)和灰色預(yù)測(cè)模型3類方法為主，目前以多種預(yù)測(cè)方法相結(jié)合的研究形式較多。

2)地震災(zāi)害研究成果數(shù)量呈逐步下降、小幅度上漲趨勢(shì)；洪澇災(zāi)害呈逐步上升趨勢(shì)；臺(tái)風(fēng)災(zāi)害呈平穩(wěn)狀態(tài)的變化特征，但應(yīng)急救災(zāi)物資需求預(yù)測(cè)相關(guān)研究成果數(shù)量較少。

3)應(yīng)急救災(zāi)物資需求預(yù)測(cè)是當(dāng)前高?？蒲械那把仡I(lǐng)域，也是集管理、交通、物流、計(jì)算機(jī)等多學(xué)科融合的交叉領(lǐng)域。