考慮公眾恐慌心理的突發(fā)公共衛(wèi)生事件應(yīng)急醫(yī)療物資調(diào)度研究

摘 "要：針對突發(fā)公共衛(wèi)生事件爆發(fā)后的公眾恐慌心理這一現(xiàn)象，研究了兼顧公眾恐慌心理的應(yīng)急醫(yī)療物資調(diào)度問題，基于前景理論構(gòu)建了以最小公眾恐慌心理效用、最短調(diào)度時(shí)間為目標(biāo)的多目標(biāo)多周期調(diào)度優(yōu)化模型。以2019年爆發(fā)的新冠肺炎疫情為應(yīng)用場景，利用遺傳算法對該模型進(jìn)行了求解，并進(jìn)行了對比分析。結(jié)果表明：充足的醫(yī)療物資可以抑制公共衛(wèi)生事件爆發(fā)地居民恐慌心理效用增長。該方法提高了突發(fā)公共衛(wèi)生事件應(yīng)急醫(yī)療物資調(diào)度的科學(xué)性與準(zhǔn)確性，也體現(xiàn)了突發(fā)公共衛(wèi)生事件防控與應(yīng)急救援過程中“面向人民生命健康”和“以人民為中心”的新發(fā)展理念。

關(guān)鍵詞：公共衛(wèi)生事件；應(yīng)急醫(yī)療物資；公眾恐慌心理；前景理論

"中圖分類號：F253 " "文獻(xiàn)標(biāo)志碼：A " "DOI：10.13714/j.cnki.1002-3100.2023.07.008

Abstract： Aiming at the phenomenon of public panic psychology after the outbreak of public health emergencies， this paper studies the scheduling of emergency medical supplies that takes into account public panic psychology. Based on the prospect theory， a multi-objective and multi-period scheduling optimization model with minimum public panic psychological utility and shortest scheduling time as the goal is constructed. Taking the COVID-19 outbreak in 2019 as an application scenario， genetic algorithm was used to solve the model and comparative analysis was conducted. The results show that sufficient medical supplies can inhibit the growth of the psychological utility of residents' panic in the outbreak of public health events. This method not only helps to improve the scientificity and accuracy of emergency medical supplies scheduling under public health emergencies， but also reflects the new development concept of \"people-oriented life and health\" and \"people-oriented\" in the process of prevention and control of public health emergencies and emergency rescue.

Key words： public health emergencies; emergency medical supplies; public panic psychology; prospect theory

0 "引 "言

"近年來，全球公共衛(wèi)生事件頻發(fā)，例如2009年的甲型H1N1流感、2014年的埃博拉疫情、2019年的新型冠狀病毒等。國家和地方政府為公共衛(wèi)生事件突發(fā)應(yīng)急救援投入大量的人力和物力[1-2]。突發(fā)公共衛(wèi)生事件具有緊急性、不確定性、傳播速度快、感染范圍廣、防控難度大等特性，為我國的應(yīng)急救援工作帶來了極大的挑戰(zhàn)。以新型冠狀病毒為例，各地醫(yī)療物資短缺與激增的物資需求是制約疫情防控和救治工作的主要原因之一[3-4]。相關(guān)研究表明，約15%～20%的災(zāi)害損失是由于應(yīng)急物資短缺或供應(yīng)不及時(shí)所造成的[5-6]。因此，高效率的應(yīng)急物資調(diào)度是提高突發(fā)公共衛(wèi)生事件防治能力的關(guān)鍵。

"為解決應(yīng)急物資調(diào)度問題，現(xiàn)有研究已經(jīng)從調(diào)度時(shí)間、調(diào)度成本、公平性以及系統(tǒng)效率等角度提出了有效的方法[7-9]。在應(yīng)急醫(yī)療物資調(diào)度方面，Repoussis等[10]針對大規(guī)模傷亡事故，提出了一個醫(yī)療資源調(diào)度模型用于解決救護(hù)車調(diào)度和患者分配救治問題。Mete等[11]構(gòu)建了一個隨機(jī)規(guī)劃模型用于研究災(zāi)害管理中醫(yī)療物資存儲和調(diào)度問題。Büyüktahtak？覦n等[12]提出了一種考慮流行病的空間傳播特性的整數(shù)規(guī)劃模型，用于確定醫(yī)療資源的最佳分配數(shù)量。先前應(yīng)急物資相關(guān)研究大多以單次調(diào)度為主，基于多周期、全過程視角的調(diào)度方法研究較少。與其他物資不同的是，醫(yī)療物資其需求量需要根據(jù)災(zāi)情發(fā)生時(shí)期進(jìn)行調(diào)整，單周期的物資調(diào)度不能有效解決整體成本增加、局部冗余或短缺等問題。此外，在公共衛(wèi)生事件爆發(fā)期間，健康謠言傳播等現(xiàn)象極易造成公眾恐慌心理，這也是影響醫(yī)療物資需求量的重要因素之一。

"因此，在突發(fā)公共衛(wèi)生事件背景下，本文旨在構(gòu)建一個考慮公眾恐慌心理的多周期多目標(biāo)醫(yī)療應(yīng)急物資調(diào)度模型并進(jìn)行求解。相關(guān)結(jié)論可以為政府的應(yīng)急醫(yī)療物資調(diào)度提供有益思考。

1 "建模準(zhǔn)備

1.1 "問題描述與假設(shè)

"主要研究問題描述如下：突發(fā)公共衛(wèi)生事件發(fā)生后，為滿足需求點(diǎn)的醫(yī)療物資需求，通過構(gòu)建考慮公眾恐慌心理效用最小和調(diào)度時(shí)間最短的多周期醫(yī)療物資調(diào)度模型，實(shí)現(xiàn)所有需求點(diǎn)的多周期醫(yī)療物資調(diào)度。所研究模型基于多集散中心—多需求點(diǎn)的二級節(jié)點(diǎn)網(wǎng)絡(luò)下物資動態(tài)調(diào)度問題，如圖1所示。

"假設(shè)條件如下：（1）應(yīng)急救援指揮中心具有先進(jìn)的信息平臺，能夠及時(shí)、準(zhǔn)確掌握各周期的災(zāi)情信息；（2）外部救援的物資均先送達(dá)集散中心，進(jìn)行統(tǒng)一調(diào)配；（3）集散中心運(yùn)輸車輛有限，運(yùn)輸車輛屬性相同，且不同醫(yī)療物資可以混裝運(yùn)輸。

"模型涉及的符號及說明如下：

N為集散中心集合；M為需求點(diǎn)集合；K為醫(yī)療物資種類的集合；T為物資分配的周期劃分集合；A為在t周期需求點(diǎn)m內(nèi)的確診人數(shù)比例；A為在t周期需求點(diǎn)m內(nèi)的死亡人數(shù)比例；A為在t周期需求點(diǎn)m內(nèi)的治愈人數(shù)比例；B為需求點(diǎn)m區(qū)內(nèi)的兒童人數(shù)；B為需求點(diǎn)m內(nèi)的中青年人數(shù)；B為需求點(diǎn)m內(nèi)的老年人數(shù)；C為需求點(diǎn)m內(nèi)的男性人數(shù)；C為需求點(diǎn)m內(nèi)的女性人數(shù)；D為在t周期需求點(diǎn)m對物資k的需求量；D為在t周期需求點(diǎn)m對物資k的實(shí)際需求量；H為在t周期集散中心物資k的存儲量；P為從集散中心n到需求點(diǎn)m的運(yùn)輸時(shí)間；PT為在t周期從集散中心n配送所有物資到需求點(diǎn)m的所需時(shí)間（包括裝卸時(shí)間和運(yùn)輸時(shí)間）；P為物資k的裝卸時(shí)間；R為單輛車關(guān)于物資k的單次最大運(yùn)載量；L為集散中心n到需求點(diǎn)m的可用車輛數(shù)；l為在t周期集散中心n向需求點(diǎn)m運(yùn)輸全部物資所需車輛數(shù)；d為在t周期需求點(diǎn)m內(nèi)人均物資需求量；d為在t周期需求點(diǎn)m內(nèi)人均獲取物資量；G為需求點(diǎn)m內(nèi)的總?cè)藬?shù)；F為最低恐慌效用；τ為最小物資滿足率；x為在t周期集散中心n向需求點(diǎn)m提供物資k的供應(yīng)量。

1.2 "恐慌心理分析

1.2.1 "前景理論簡介

"前景理論將風(fēng)險(xiǎn)決策分成了編譯和評價(jià)兩個階段。在編譯階段，決策者先設(shè)定一個參考點(diǎn)，通過與參考點(diǎn)進(jìn)行比較來判斷決策結(jié)果屬于收益或損失。在評價(jià)階段，決策者利用價(jià)值函數(shù)和概率權(quán)重函數(shù)依次對每種決策結(jié)果做出評估[13]。前景理論的價(jià)值函數(shù)如式（1）所示。

Vx= " " " " " " " " " " " " " " " " " " " "（1）

式（1）中：α和β分別表示價(jià)值函數(shù)曲線在收益區(qū)間和損失區(qū)間的凹凸程度，且α， βlt;1；λ表示人們面對損失風(fēng)險(xiǎn)時(shí)，厭惡感加劇，且λgt;1。

1.2.2 "公眾恐慌心理分析

針對突發(fā)公共衛(wèi)生事件，本文選取具有代表性的事件發(fā)展程度和公眾個體特征來研究公眾恐慌心理。

（1）事件發(fā)展程度系數(shù)

設(shè)I為公共衛(wèi)生事件爆發(fā)地點(diǎn)i的集合I=1，2，…，i， i∈I，a表示點(diǎn)i的確診人數(shù)比例，a表示點(diǎn)i的死亡人數(shù)比例，a表示需求點(diǎn)i的治愈人數(shù)比例。隨著確診人數(shù)比例和死亡人數(shù)比例的增加，事件發(fā)展程度越嚴(yán)重；而治愈人數(shù)比例的增加，事件發(fā)展程度越輕微。因此，采用加權(quán)求和求取事件發(fā)展程度系數(shù)：γ=δa+δa-δa。其中，γ表示i點(diǎn)的事件發(fā)展程度系數(shù)，

δ，δ，δ為權(quán)重。

（2）公眾個體特征恐慌系數(shù)

隨著年齡的增長，社會經(jīng)驗(yàn)更充實(shí)，面對災(zāi)害會更加鎮(zhèn)定，恐慌心理更低。因此，將公眾的年齡劃分為：兒童、中青年和老年。個體年齡結(jié)構(gòu)的恐慌效用函數(shù)如式（2）所示，公眾年齡結(jié)構(gòu)恐慌系數(shù)如式（3）所示。

b= " " " " " " " " " " " " " " " " " " " " " （2）

b=φx+φx+φx " " " " " " " " " " " " " " " " " " " " "（3）

其中：μ為個體年齡，π，π，π為不同年齡段的取值，φ，φ，φ為不同年齡段的個體在公共衛(wèi)生事件中的恐慌效用，x，

x，x表示需求點(diǎn)i兒童、中青年和老年人數(shù)，b表示個體年齡結(jié)構(gòu)的恐慌效用函數(shù)，b表示受災(zāi)點(diǎn)i的公眾年齡結(jié)構(gòu)恐慌系數(shù)。

"面對災(zāi)害時(shí)，性別不同會產(chǎn)生不同的心理波動，女性心理情感往往更易受到環(huán)境的影響?？坍媯€體性別的恐慌效用函數(shù)如式（4）所示，公眾性別恐慌系數(shù)如式（5）所示。

b= " " " " " " " " " " " " " " " " " " " " " " （4）

b=φz+φz " " " " " " " " " " " " " " " " " " " " " " （5）

其中：φ，φ為不同性別的個體在公共衛(wèi)生事件中的恐慌效用，b表示個體性別恐慌效用函數(shù)，z，z表示需求點(diǎn)i男性和女性人數(shù)，b表示需求點(diǎn)i的公眾性別恐慌系數(shù)。

"綜上，采用公眾年齡結(jié)構(gòu)恐慌系數(shù)和公眾性別恐慌系數(shù)加權(quán)，來刻畫公眾個體特征恐慌系數(shù)：ε=ζb+ζb。其中，ε表示需求點(diǎn)i的公眾個人特征恐慌系數(shù)，ζ，ζ為權(quán)重系數(shù)。

2 "模型構(gòu)建

"根據(jù)上文對前景理論的概述，可以看出前景理論能夠很好地描述現(xiàn)實(shí)中人們對損失的敏感性大于收益的現(xiàn)象。在突發(fā)公共衛(wèi)生事件下公眾會經(jīng)歷損失，因此，可以利用前景理論的價(jià)值函數(shù)來刻畫突發(fā)公共衛(wèi)生事件下公眾恐慌心理。以第t周期為例，第t周期下需求點(diǎn)m的公眾平均分配到的醫(yī)療物資數(shù)量，如式（6）所示。

d= " "？坌m∈M " " " " " " " " " " " " " " " " " " " "（6）

根據(jù)前景理論進(jìn)行分析，以公眾人均醫(yī)療物資需求量d為參考點(diǎn)，當(dāng)dlt;d時(shí)，公眾心理波動較大；當(dāng)d=d時(shí)，公眾物資得到滿足，此時(shí)恐慌程度最低為F。因?yàn)橐咔槌跗趹?yīng)急醫(yī)療物資的缺乏，因此只考慮d≤d的情況。根據(jù)前景理論的價(jià)值函數(shù)構(gòu)建公眾恐慌心理效用函數(shù)如式（7）所示。

minz=θγ+θελd-d+F， d≤d " " " " " " " " " " " " " " （7）

研究對象為多集散中心-多需求點(diǎn)的二級節(jié)點(diǎn)網(wǎng)絡(luò)，在調(diào)度過程中集散中心可能向多個需求點(diǎn)調(diào)度物資，需求點(diǎn)可能收到來自多個集散中心的物資，而各節(jié)點(diǎn)之間的距離不同，其物資調(diào)度時(shí)間亦不相同，因此選取最后一批物資到達(dá)需求點(diǎn)的時(shí)間作為物資調(diào)度時(shí)間，并且從裝卸時(shí)間和運(yùn)輸時(shí)間兩個方面進(jìn)行考慮。調(diào)度時(shí)間函數(shù)表達(dá)式如式（8）所示。

minz=PT " " " " " " " " " " " " " " " " nbsp; " " " "（8）

s.t.

γ=δA+δA-δA " "？坌m∈M " " " " " " " " " " " " " " " " " " " " " "（9）

ε=ζφ+B+φB+φB+ζφC+φC " "？坌m∈M " " " " " " " " " （10）

d= " "？坌m∈M " " " " " " " " " " " " " " " " " " " " " " " " （11）

D= " " " " " " " " " " " " " " " "（12）

x≤D " ？坌k∈K， m∈M " " " " " " " " " " " " " " " " " " " " " " " （13）

x≥τD " "？坌k∈K， m∈M " " " " " " " " " " " " " " " " " " " " " " （14）

x≤H " "？坌t∈T， k∈K， n∈N " " " " " " " " " " " " " " " " " " " " （15）

l= " "？坌t∈T， n∈N， m∈M " " " " " " " " " " " " " " " " " " " （16）

PT=P+xP " "？坌t∈T， n∈N， m∈M " " " " " " " " " " " "（17）

x≥0 " "？坌t∈T， n∈N， m∈M， k∈K " " " " " " " " " " " " " " " " " " " "（18）

目標(biāo)函數(shù)：式（7）表示最小化整個調(diào)度周期下公眾因物資匱乏等因素所造成的恐慌心理效用；式（8）表示最小化整個調(diào)度周期下物資調(diào)度時(shí)間。

"約束函數(shù)：式（9）表示事件發(fā)展程度系數(shù)；式（10）表示公眾個體特征恐慌系數(shù)；式（11）表示需求點(diǎn)內(nèi)的人均獲取的物資；式（12）表示若上一周期物資數(shù)量未得到滿足，將累計(jì)到下一周期的需求中；式（13）表示獲取物資的數(shù)量不能大于其實(shí)際需求量；式（14）表示獲取物資的數(shù)量不能少于其實(shí)際需求量乘上最小滿足率；式（15）表示集散中心調(diào)度的物資必須小于等于庫存；式（16）表示集散中心配送所有物資到需求點(diǎn)所需要的車輛數(shù)；式（17）表示在t周期下從集散中心n配送所有物資到需求點(diǎn)m所需要的時(shí)間。

3 "算法設(shè)計(jì)

遺傳算法是一種模擬達(dá)爾文生物進(jìn)化理論中自然選擇和遺傳進(jìn)化的計(jì)算模型，在求解大規(guī)模問題中具有更強(qiáng)的全局搜索能力、更高的魯棒性。因此，采用遺傳算法用于求解所構(gòu)建的多目標(biāo)多周期的應(yīng)急醫(yī)療物資調(diào)度模型。

3.1 "染色體編碼

"根據(jù)模型的特征，采用四維矩陣方式來進(jìn)行編碼，第1維表示周期，第2維表示集散中心序號，第3維表示需求點(diǎn)序號，第4維表示物資種類，例如t，n，m，k表示第t周期下集散中心n向需求點(diǎn)m調(diào)度物資k的數(shù)量。

3.2 "初始種群和適應(yīng)度函數(shù)

采用隨機(jī)生成法來生成初始種群。由于所構(gòu)建模型為多目標(biāo)優(yōu)化模型，需要將多目標(biāo)問題轉(zhuǎn)換為單目標(biāo)問題進(jìn)行求解，因此采取加權(quán)法來進(jìn)行目標(biāo)轉(zhuǎn)換。由于多目標(biāo)的量綱不同，需要進(jìn)行統(tǒng)一量綱處理，采用極值法進(jìn)行統(tǒng)一量綱操作。假設(shè)只考慮目標(biāo)函數(shù)式（7）的單目標(biāo)模型的最優(yōu)解z，此時(shí)其對應(yīng)的目標(biāo)函數(shù)式（8）的值為z；只考慮目標(biāo)函數(shù)式（8）的單目標(biāo)模型的最優(yōu)解z， 此時(shí)其對應(yīng)的目標(biāo)函數(shù)式（7）的值為z。目標(biāo)函數(shù)加權(quán)如式（19）所示。

minω+ω " " " " " " " " " " " " " " " " " " " " "（19）

"其中：ω+ω=1， ω≥0， ω≥0。

3.3 "遺傳操作

（1）選擇：輪盤賭法和最佳個體保留法結(jié)合，使得優(yōu)秀的個體可以復(fù)制，保證算法的收斂性。

"（2）交叉：為了保存父代個體相關(guān)約束信息，使用模擬二進(jìn)制交叉，計(jì)算公式如式（20）和式（21）所示。

X=0.5*1-α*X+1+α*X " " " " " " " " " " " " " " " " " " " （20）

X=0.5*1+α*X+1-α*X " " " " " " " " " " " " " " " " " " " （21）

其中：X、X表示交叉后產(chǎn)生的個體，X、X表示用于交叉的父代個體，α由公式（22）計(jì)算求得，uj表示0，1間的隨機(jī)數(shù)。

α= " " " " " " " " " " " " " " " " " "（22）

操作如下：①通過選擇操作選出兩個個體；②在0，1間隨機(jī)生成數(shù)uj，如果ujlt;p（p為交叉概率），則進(jìn)入下一步；否則，直接將父代個體復(fù)制到下一代，并返回上一步；③通過式（22）計(jì)算α；④通過式（20）和式（21）計(jì)算出交叉后產(chǎn)生的新個體。

（3）變異：采用隨機(jī)方法進(jìn)行變異。

4 "案例驗(yàn)證

4.1 "案例數(shù)據(jù)描述

以2019年爆發(fā)的新冠疫情為研究背景，驗(yàn)證所提出的模型在現(xiàn)實(shí)問題中的適應(yīng)性。選取疫情最嚴(yán)重的湖北省部分城市作為應(yīng)急醫(yī)療物資需求點(diǎn)。并根據(jù)官網(wǎng)公布的應(yīng)急物資集散中心，選取武漢和襄陽作為應(yīng)急物資集散中心[14]。選取2020年2月1日至2020年2月21日作為研究時(shí)間，并以7天為一研究周期。通過官方網(wǎng)站進(jìn)行相關(guān)疫情數(shù)據(jù)和需求點(diǎn)信息的獲取；距離為實(shí)際直線距離；由于缺乏官方統(tǒng)計(jì)的相關(guān)物資數(shù)據(jù)，抽取文獻(xiàn)[15]中預(yù)測的需求數(shù)據(jù)作為研究數(shù)據(jù)。并假設(shè)K和K的裝卸時(shí)間分別為0.002分鐘和0.001分鐘；集散中心到需求點(diǎn)可用車輛均為5輛；車輛運(yùn)行速度60km/h；車輛關(guān)于K和K的最大裝運(yùn)量分別為10 000個單位和30 000個單位。相關(guān)數(shù)據(jù)信息如下所示。需求點(diǎn)的感染情況，需求點(diǎn)的相關(guān)人口結(jié)構(gòu)，集散中心的物資供應(yīng)情況，需求點(diǎn)的物資需求情況，如表1、表2、表3、表4所示。

4.2 "模型求解

"由于相關(guān)指標(biāo)數(shù)據(jù)單位不同，需對數(shù)據(jù)進(jìn)行統(tǒng)一量綱，采用極值法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。設(shè)定權(quán)重δ=0.3， δ=0.4， δ=0.3，求解事件發(fā)展程度系數(shù)?？紤]各指標(biāo)對公眾心理恐慌效用函數(shù)的影響程度，設(shè)定φ=0.4， φ=0.25， φ=0.35， φ=0.35， φ

=0.65， ζ=0.6， ζ=0.4，求解公眾個體特征恐慌系數(shù)。算法相關(guān)參數(shù)設(shè)置如下：種群規(guī)模為100，交叉概率為0.9，變異概率為0.075，迭代次數(shù)5 000，權(quán)重ω=0.5， ω=0.5。目標(biāo)函數(shù)的迭代結(jié)果如圖2至圖4所示，適應(yīng)度函數(shù)和兩個目標(biāo)函數(shù)均快速收斂，可得到兩個目標(biāo)函數(shù)的穩(wěn)定最優(yōu)解，驗(yàn)證了模型的有效性。通過算法對模型求解，得到公眾恐慌心理效用minz=1.861， 調(diào)度時(shí)間minz=1 092.237。具體調(diào)度方案如表5所示。

為了進(jìn)一步驗(yàn)證模型的有效性，計(jì)算不考慮公眾恐慌心理效用的調(diào)度情況，如表6所示。

考慮公眾恐慌心理效用和不考慮公眾恐慌心理效用進(jìn)行對比，如圖5至圖7所示。各需求點(diǎn)各周期下的公眾恐慌心理系數(shù)為：η=θγ+θε，如圖8所示。

從圖5至圖7可以看出第一周期下的武漢、鄂州、荊門和仙桃，第二周期下的武漢、鄂州、荊州、仙桃和黃岡和第三周期下的武漢，在考慮公眾恐慌心理時(shí)獲取物資的數(shù)量相比不考慮公眾恐慌心理時(shí)均有所增加，原因在于各需求點(diǎn)的公眾恐慌系數(shù)不同，通過圖8可以看出考慮公眾恐慌心理比不考慮公眾恐慌心理獲取物資數(shù)量多的需求點(diǎn)，其公眾恐慌心理較高，這意味著這些需求點(diǎn)的災(zāi)情相較于其他需求點(diǎn)更加嚴(yán)重，也意味著該區(qū)域需要更多物資來防止災(zāi)情的惡化。因此在考慮公眾恐慌心理時(shí)，這些需求點(diǎn)獲取的物資數(shù)量相較于不考慮公眾恐慌心理有所增加，也進(jìn)一步說明了構(gòu)建模型的有效性。

"為了討論不同目標(biāo)權(quán)重ω和ω對應(yīng)急醫(yī)療物資調(diào)度的影響，分別計(jì)算多種權(quán)重方案所得目標(biāo)函數(shù)值，即相應(yīng)物資調(diào)度方案下的公眾恐慌心理效用和調(diào)度時(shí)間。方案設(shè)計(jì)如下：方案1：ω=0、ω=1；方案2：ω=0.1、ω=0.9；方案3：ω=0.3、ω

=0.7；方案4：ω=0.5、ω=0.5；方案5：ω=0.7、ω=0.3；方案6：ω

=0.9、ω=0.1和方案7：ω=1、ω=0。每種方案運(yùn)行20次，求取平均值，如圖9所示。

從圖9可以看出，在應(yīng)急醫(yī)療物資調(diào)度過程中，不同的決策偏向（即權(quán)重不同）對物資調(diào)度方案的選擇具有重要的影響。當(dāng)調(diào)度時(shí)間權(quán)重系數(shù)不斷增大時(shí)，表示決策者對調(diào)度時(shí)間的重視在不斷增加，因此調(diào)度時(shí)間的目標(biāo)函數(shù)值逐漸減??；當(dāng)公眾恐慌心理效用權(quán)重不斷增大時(shí)，表示決策者逐漸重視公眾恐慌心理，因此公眾恐慌心理效用逐漸減小。

"當(dāng)公眾恐慌心理效用權(quán)重大于調(diào)度時(shí)間權(quán)重時(shí)，表示決策者在應(yīng)急醫(yī)療物資調(diào)度過程中，更傾向于重視公眾恐慌效用最小，即在物資調(diào)度過程中，綜合考慮各需求點(diǎn)造成公眾恐慌的因素，包括事件發(fā)展程度和公眾個人特征，在此基礎(chǔ)上進(jìn)行應(yīng)急醫(yī)療物資調(diào)度。但這一過程中，為了降低公眾恐慌，需要給公眾恐慌較大的需求點(diǎn)調(diào)配更多的物資，但如果該需求點(diǎn)的距離較遠(yuǎn)，受運(yùn)力和距離的影響，調(diào)度時(shí)間則可能會增大。

"當(dāng)調(diào)度時(shí)間權(quán)重大于公眾恐慌心理效用權(quán)重時(shí)，表示決策者在應(yīng)急醫(yī)療物資調(diào)度過程中，更傾向于調(diào)度時(shí)間最短，即以最短的時(shí)間將物資調(diào)配到各需求點(diǎn)。但由于物資的有限性，無法滿足全部需求點(diǎn)的需求，因此勢必會造成部分需求點(diǎn)物資的短缺，進(jìn)而導(dǎo)致需求點(diǎn)的公眾恐慌心理效用進(jìn)一步加深。

"因此，在公眾恐慌心理效用權(quán)重和調(diào)度時(shí)間權(quán)重大小選擇上，決策者需要根據(jù)需求點(diǎn)災(zāi)情狀況進(jìn)行科學(xué)的、合理的選擇，從而使二者相互結(jié)合、相輔相成。

5 "結(jié) "論

"以突發(fā)公共衛(wèi)生事件為背景，將心理學(xué)與應(yīng)急物流等相關(guān)理論結(jié)合，利用前景理論中的價(jià)值函數(shù)構(gòu)建了公眾恐慌心理效用函數(shù)。提出了基于多周期、多物資的應(yīng)急醫(yī)療物資動態(tài)調(diào)度模型，將公眾恐慌心理效用納入模型中，彌補(bǔ)了以往針對應(yīng)急醫(yī)療物資調(diào)度研究中僅注重時(shí)間、成本而忽略公眾心理的缺陷，體現(xiàn)了救援過程中以人為本的特征。突發(fā)公共衛(wèi)生事件具有顯著的不確定性，在實(shí)際防控工作中，物資需求易受管控政策、人口流動、季節(jié)變化等多種因素影響，而應(yīng)急醫(yī)療物資的科學(xué)調(diào)度需要建立在準(zhǔn)確的物資需求預(yù)測之上。因此，需對應(yīng)急醫(yī)療物資調(diào)度過程中物資需求進(jìn)行科學(xué)合理的動態(tài)更新。本文的調(diào)度模型是假設(shè)在需求量已知的前提下進(jìn)行的，在未來研究中，可以考慮將應(yīng)急醫(yī)療物資調(diào)度模型和物資需求動態(tài)預(yù)測相結(jié)合，利用物資的動態(tài)變化來驅(qū)動應(yīng)急醫(yī)療物資的調(diào)度。

參考文獻(xiàn)：

[1] "HUANG C， WANG Y， LI X， et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan， China[J]. The Lancet， 2020，395：497-506.

[2] 姜長云，姜惠宸. 新冠肺炎疫情防控對國家應(yīng)急管理體系和能力的檢視[J]. 管理世界，2020，36（8）：12.

[3] 葛洪磊，劉南. 重大傳染病疫情演化情境下應(yīng)急物資配置決策建模分析：以新冠肺炎疫情為例[J]. 管理工程學(xué)報(bào)，2020，34（3）：9.

[4] 朱莉，曹杰，顧珺，等. 公平緩解災(zāi)民創(chuàng)傷下的應(yīng)急物資動態(tài)調(diào)配研究[J]. 系統(tǒng)工程理論與實(shí)踐，2020，40（9）：2427-2437.

[5] 王旭坪，董莉，陳明天. 考慮感知滿意度的多受災(zāi)點(diǎn)應(yīng)急資源分配模型[J]. 系統(tǒng)管理學(xué)報(bào)，2013，22（2）：251-256.

[6] 王妍妍，孫佰清. 多受災(zāi)點(diǎn)應(yīng)急物資動態(tài)多階段分配模型研究[J]. 中國管理科學(xué)，2019，27（10）：138-147.

[7] 吳坷，宋英華，呂偉. 醫(yī)療應(yīng)急物資車輛配送優(yōu)化調(diào)度時(shí)間窗模型研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)，2022，18（1）：11-16.

[8] "HOLGU？魱N-VERAS J， P？魪REZ N， JALLER M， et al. On the appropriate objective function for post-disaster humanitarian logistics models[J]. Journal of Operations Management， 2013，31（5）：262-280.

[9] "GHAFFARI Z， NASIRI M M， BOZORGI-AMIRI A， et al. Emergency supply chain scheduling problem with multiple resources in disaster relief operations[J]. Transportmetrica A： Transport Science， 2020，16（3）：930-956.

[10] "REPOUSSIS P P， PARASKEVOPOULOS D C， VAZACOPOULOS A， et al. Optimizing emergency preparedness and resource utilization in Mass-casualty incidents[J]. European Journal of Operational Research， 2016，255（2）：531-544.

[11] "METE H O， ZABINSKY Z B. Stochastic optimization of medical supply location and distribution in disaster management[J]. International Journal of Production Economics， 2010，126（1）：76-84.

[12] "B？譈Y？譈KTAHTAKIN I E， DES-BORDES E， KIBIS E Y. A new epidemics-logistics model： Insights into controlling the Ebola virus disease in West Africa[J]. European Journal of Operational Research， 2018，265（3）：1046-1063.

[13] 陳偉珂，林宏莉. 基于前景理論的地鐵施工災(zāi)后重建方案決策研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)，2016，12（1）：143-147.

[14] 喬雪峰. 湖北確定5個進(jìn)鄂應(yīng)急物資道路運(yùn)輸中轉(zhuǎn)站[EB/OL]. （2020-02-03）[2022-10-05]. http：//www.gov.cn/xinwen/2020-02

/03/content_5474252.htm.

[15] 李艷，葉春明，任劍鋒，等. 疫情環(huán)境下考慮患者恐慌心理的多周期應(yīng)急醫(yī)療物資分配問題研究[J]. 安全與環(huán)境學(xué)報(bào)，2021，21（4）：1643-1651.