低空救援空中交通调度指挥系统及其调度指挥方法

摘要

本发明公开了一种低空救援空中交通调度指挥系统及其调度指挥方法，根据初始的航空器和物资分布信息，初始灾情信息，对于空中交通救援飞行计划和物资调度进行规划，获得航空器和物资的总调度方案确定救援总需求，在每个滚动的救援信息更新周期，通过信息熵对灾情信息融合实现短期灾情预测，采用模糊聚类算法建立灾区灾情的优先级划分，以空中交通信息和物资供需信息为约束，建立基于空中交通和物资信息的物资和航空器的调度模型，获取航空器和物资调度方案，本发明将空中交通信息和物资供需信息融入空中交通资源调度的决策中，提高航空救援资源调度的有效性和准确性。

说明书

技术领域

本发明涉及一种低空救援空中交通调度指挥系统及其调度指挥方法，属于民航航空救援 领域。

背景技术

在抗灾救援及处置突发事件的各项措施中，航空救援具有快速、高效、受地理空间限制 少等优势，是世界上许多国家普遍采用的最有效手段。在航空应急救援中，施救的航空器在 真高1000米以下的低空运行环境由于受到地形环境、密集飞行等不确定因素的干扰，以及 对于航空运力资源和物资的优化调度缺乏统筹考虑，往往存在安全风险大、施救效率低和实 施不合理等问题。

目前，对于基于空中交通和物资信息的低空救援空中交通调度指挥的研究主要存在如下 两个问题：

第一，在航空救援的航空器和物资的优化调度研究方面，目前的救援物资调度研究，一 方面尽管有不少文献涉及物资调度模型，但并没有涉及救援信息变化和多物资下的航空应急 救援调度，另一方面，目前较少将航空器调度和物资调度结合考虑，并且没有划分灾区灾情 的优先级，以空中交通信息和物资供需信息为约束，建立基于空中交通和物资信息的物资和 航空器的调度模型和方法。

第二，在基于空中交通和物资信息的低空救援空中交通调度指挥系统研究方面，目前没 有空中交通信息和物资信息的动态变化下，同时实现航空器救援飞行计划优化以及航空救援 物资和航空器优化调度方案的空中交通调度指挥系统，以至于存在航空器调度的利用率低， 物资需求分析及投放的准确性低的问题。

具体参考文献如下：

1、朱新平，基于工作流技术的机场应急救援系统研究，南京航空航天大学硕士论文， 2008年。

2、尧丰，韩松臣，朱新平.低空空域综合管理系统软件架构研究，武汉理工大学学报·信 息与管理工程版，2010，32(2)：257-260。

3、尧丰，基于RUP的低空空域管理系统关键技术初步研究，南京航空航天大学硕士论 文，2010年。

发明内容

本发明所要解决的技术问题是：提供一种低空救援空中交通调度指挥系统及其调度指挥 方法，首先根据初始灾情信息及物资信息，设计总调度方案，然后，根据实时获取的灾情及 物资、航空器信息实时调整调度方案，解决了现有技术中航空器调度的利用率低，物资需求 分析及投放的准确性低的问题。

本发明为解决上述技术问题，采用如下技术方案：

低空救援空中交通调度指挥方法，包括如下步骤：

步骤1、根据初始的航空器和物资分布信息，初始灾情信息，对于空中交通救援航空器 飞行计划和物资调度进行规划，并确定航空器和物资调度信息的总调度方案，设定滚动的救 援信息更新周期；

步骤2、首先，在每个滚动的救援信息更新周期内，实时采集各灾区的灾情信息，并采 用信息熵的方法预测下一个救援信息更新周期的灾情信息，根据预测的灾情信息，预测物资 的需求信息，然后，对灾区进行分组，确定各灾区对物资的需求信息，最后，根据当前的物 资供应信息、航空器运力信息及各灾区对物资的需求信息，获取物资和航空器调度规划方案；

步骤3、将物资和航空器调度规划方案通过ADS-B地空数据链发布到各个航空器中；

步骤4、修正步骤1中的总调度方案中的航空器和物资调度信息，并将该航空器和物资 调度信息通过网络发布。

所述步骤1包括：预先设定航空器的调度总架次Z₁：航空 器参与救援总时间Z₂：其中，x_fdcth为第f架航空器是否在第t天进行第h次 由出救点d满载运往受灾点c的出程飞行，如果是x_fdcth为1，否则为0，C为受灾点集合，F 为航空器集合，D为出救点集合，k为总调度周期，s为航空器调度次数，t_a表示每天实际 作业时间，k、s均为正整数，航空器的调度总架次Z₁、航空器参与救援总时间Z₂满足如下 约束条件：

①其中r_c为受灾点c调度周期内总的耐用品需求架 次，v_c为受灾点c快速消耗品每天的消耗架次，k'为耐用品的调度周期，k'为正整数；

②$\underset{f\in F}{\Sigma }\underset{d\in D}{\Sigma }\underset{t=k^{\prime }}{\overset{k}{\Sigma }}\underset{h=1}{\overset{s}{\Sigma }}{x}_{\mathrm{fdcth}}\ge v_c·(k-k^{\prime }),\forall c\in C,$

③其中，α_c为受灾点c快速消耗品每天最大需求满足 度；

④$t_a=\underset{d\in D}{\Sigma }\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}(t_{\mathrm{qdc}}^O+t_L+t_f)x_{\mathrm{fdcth}}+\underset{d\in D}{\Sigma }\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}(t_{\mathrm{qdc}}^I+t_U)y_{\mathrm{fcdth}}\le b,$其中，b为航空器每天允许 的标准作业时间，t_a为航空器每天实际作业时间，t_L为航空器所需装载时间，t_U为航空器所 需卸载时间，t_f为航空器所需加油时间，为q型航空器完成出程飞行所需时间，为q型 航空器完成出程飞行所需时间；

⑤$\underset{d\in D}{\Sigma }{x}_{\mathrm{fdcth}}=\underset{d\in D}{\Sigma }{y}_{\mathrm{fcdth}},\forall f\in F,\forall c\in C,t=1,...,k,h=1,...,s,$

$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le \underset{c\in C}{\Sigma }{y}_{\mathrm{fcdth}-1},\forall f\in F,\forall d\in D,t=1,...,k,h=1,...,s,$其中，y_fcdth为第f架航空器是否 在第t天进行第h次由受灾点c到出救点d的入程飞行，如果是y_fcdth为1，否则为0；

⑥$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le e_{\mathrm{fd}},\forall f\in F,\forall c\in C,t=1,h=1,$

$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le v_{\mathrm{fd},t-1},\forall f\in F,\forall d\in D,t=2,...,k,h=1,$其中，e_fd为第f架航空器是否在制定调 度计划前停靠在出救点d，如果是e_fd为1，否则为0，v_fd,t-1为第f架航空器是否在第t-1天 的结束调度飞行任务后停靠在出救点d，如果是v_fd,t-1为1，否则为0；；

⑦$v_{\mathrm{fdt}}+\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{x}_{\mathrm{fdtch}}-\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{y}_{\mathrm{fcdth}}=e_{\mathrm{fd}},t=1,$

$v_{\mathrm{fdt}}-v_{\mathrm{fd},t-1}+\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{x}_{\mathrm{fdtch}}-\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{y}_{\mathrm{fcdth}}=0,t=2...k,$其中，v_fdt为第f架航空器是否在第t天 结束调度飞行任务后停靠在出救点d，如果是v_fdt为1，否则为0；

⑧$\underset{d\in D}{\Sigma }{v}_{\mathrm{fdt}}=1,f\in F,t=1,...,k.$

所述步骤2包括如下步骤：

步骤2-1、在每个滚动的救援信息更新周期内，实时采集各灾区的灾情信息，并采用信 息熵的方法预测下一个救援信息更新周期的灾情信息，预测模型为：

$D_i^l\left(t\right)=\left(\begin{array}{c}\max \{a^l\times {\delta }_i\left(t\right)\times L+z_{1-\alpha }\times {\mathrm{STD}}_i^l\left(t\right)\times \sqrt{L},0\},l\in R_{\mathrm{fmcg}}\\ \max \{a^l\times {\delta }_i\left(t\right)+b_i^l-{\Sigma }_{ϵ=1}^{t-1}{A}_i^l(t-ϵ),0\},l\in R_{\mathrm{dura}}\end{array}\right)$

其中，(t)表示在给定时间间隔t灾区i对物资l的时变需求量；a^l和分别表示灾区i 对于物资l每人次平均小时需求量以及对应的缓冲需求，其中l分别对应快速消耗品和耐用 品；表示在给定的时间间隔t-ε内灾区i对物资l的时变需求量；L表示任意灾区连 续两次物资分配预设的上限值；R_fmcg和R_dura分别表示快速消耗品和耐用品两类物资；z_1-α表 示选定统计值，其对应的时变物资需求短缺率被设定为α；δ_i(t)表示在给定的时间间隔t灾 区i受困人数的估值；表示灾区i对物资l的时变需求量标准差；

步骤2-2、通过多准则模糊聚类方法对灾区进行分组；

步骤2-3、基于当前的物资供应信息、航空器运力信息及各灾区对物资的需求信息，建 立物资调度和航空器飞行计划的规划模型，获取物资和航空器调度规划方案，其中，物资调 度规划模型为：

$\max F_g^1\left(t\right)=\frac{{\Sigma }_{\forall l}{\Sigma }_{m=1}^M{\Sigma }_{\forall \mathrm{ig}\in g}{X}_{m,\mathrm{ig}}^l\left(t\right)}{\underset{\forall l}{\Sigma }\underset{m=1}{\overset{M}{\Sigma }}\underset{\forall \mathrm{ig}\in g}{\Sigma }{D}_{\mathrm{ig}}^l\left(t\right)},\forall (g,t),$

航空器飞行计划的规划模型为：

$\min F_g^2\left(t\right)=\underset{m=1}{\overset{M}{\Sigma }}\left\{\underset{k=1}{\overset{K_m}{\Sigma }}\right[\underset{i=1}{\overset{n_{\mathrm{mk}}}{\Sigma }}{d}_{r_{\mathrm{mj}(i-1)}{r}_{\mathrm{mki}}}+d_{r_{{\mathrm{mjn}}_{\mathrm{mk}}}{r}_{\mathrm{mj}0}}·\mathrm{sign}\left(n_{\mathrm{mk}}\right)\left]\right\},$

其中，为各受灾点时变物资需求满足率，为物资配送的飞行总里程，M表 示分配中心的数量，索引为m；K_m表示分配中心m航空器架次，k为索引；i_g为各个分组的 受灾点数目，为决策变量，表示在时间间隔t由物资分配中心m运往受灾点i_g物资l的 数量，为受灾点i_g物资l的需求量；n_mk表示分配中心m处第k架航空器服务受灾点个 数，i为索引；R_mj表示分配中心m区域内第j条路径；r_mji表示受灾点ig∈g在分配中心m中 的路径j中的顺序为i，令r_mj0为配送中心，d_ig,ig'表示受灾点之间的距离，ig,ig'∈g，d_m,ig表 示受灾点与分配中心之间的距离，m、k、l、i、i均为正整数。

所述步骤2-2中通过多准则模糊聚类方法对灾区进行分组的具体过程如下：

(1)初始数据处理，根据灾区受灾程度设定五种紧急属性，分别为：很高、高、中等、 低、很低；

(2)模糊聚类分组，

首先，将五种紧急属性判别向量转化为二元数据，对于受灾点i，4×1的紧急属性判别 向量为V_i(t)：其中为在时间间隔t内受灾点i该地区 的震级与烈度；为在时间间隔t内受灾点i受灾人数中伤亡人数的比例；为受灾点i 当前时间t与上一次救援时间的差值；为在时间间隔t内受灾点i内的建筑物的损毁程 度；

其次，生成I×I维的模糊关联矩阵其中 I为受灾点个数，模糊关联矩阵中任意一个元素w_pq(t)表示受灾点p和受灾点q之间的相互 关系的紧密程度，p、q为正整数，

最后，通过聚类将具有相似紧急程度的受灾点划分到同一紧急属性组中，确定分组结果。

所述步骤2-3中物资调度规划模型、航空器飞行计划的规划模型均满足如下约束条件：

总的物资配送量$\underset{m=1}{\overset{M}{\Sigma }}{X}_{m,\mathrm{ig}}^l\left(t\right)\le D_{\mathrm{ig}}^l\left(t\right),\forall (g,i_g,l,t),$其中，

每架航空器的最大载重量$\underset{g=1}{\overset{G}{\Sigma }}\underset{\forall \mathrm{ig}\in g}{\Sigma }\underset{i=1,i\in \mathrm{ig}}{\overset{n_{\mathrm{mi}}}{\Sigma }}{U}_l\times X_{m,i}^l\le Q_{\mathrm{mk}}(\forall m,t),$

每架航空器正常运输飞行状态下所能飞行的最大航程

$d_{r_{\mathrm{mj}(i-1)}{r}_{\mathrm{mki}}}+d_{r_{\mathrm{mj}{n}_{\mathrm{mk}}}{r}_{\mathrm{mj}0}}·\mathrm{sign}\left(n_{\mathrm{mk}}\right)\le f_{\mathrm{mk}}·v_{\mathrm{mk}}/c_{\mathrm{mk}}(0\le n_{\mathrm{mk}}\le L_m)\forall m,k,$其中，

$\underset{k=1}{\overset{K_m}{\Sigma }}{n}_{\mathrm{mk}}=L_m(\forall m)$

$\underset{m=1}{\overset{M}{\Sigma }}{L}_m=N$

每条路径的受灾点的组成R_nj＝{r_nki|r_nki∈{1,2,…,L_m},i＝1,2,…,n_mk}

航空器参与救援状况$\mathrm{sign}\left(n_{\mathrm{mk}}\right)=\left(\begin{array}{c}1,n_{\mathrm{mk}}\ge 1\\ 0,\mathrm{else}\end{array}\right)$

对于任意受灾点，其任何时刻的配送量其中U_l表示物资l的 单位体积，Q_mk、f_mk、c_mk、v_mk分别表示分配中心m处第k架航空器的最大载荷量、最大装 载油量，平均耗油率和平均飞行速度；L_m为分配中心m的援助受灾点数目，N为所有受灾 点总数目。

低空救援空中交通调度指挥系统，包括系统管理指挥终端、服务器、主控模块、ADS-B 工作站、飞行状态数据库、航空器机载终端，以及救援物资信息源；飞行状态数据库通过 ADS-B工作站接收航空器机载终端的空中交通信息，所述空中交通信息包括航空器性能数据 和位置数据，所述服务器包括飞行计划优化服务器、救援调度管理服务器，其中，飞行计划 优化服务器根据灾情信息、运力信息和物资信息，完成各个航空器初始路径集的优化，并将 优化的路径集提供给救援调度管理服务器，救援调度管理服务器包括救援物资信息处理模 块、航空器性能数据库、救援地理信息处理模块、应急预案规则库、救援调度模块和救援仿 真显示模块；救援调度管理服务器根据空中交通信息及救援物资信息处理各模块的数据获取 救援航空器和物资分布信息，并通过网络将救援航空器和物资分布信息传输至远程救援客户 端显示，低空救援空中交通调度指挥系统管理指挥终端根据权限修改救援方案。

与现有技术相比，本发明具有如下有益效果：

1、根据初始的航空器和物资分布信息，初始灾情信息，对于空中交通救援飞行计划和物 资调度进行规划，获得航空器和物资的总调度方案确定救援总需求，为进一步救援开展提供 了航空运力和物资保障，也争取了宝贵的救援时间。

2、在每个滚动的救援信息更新周期内，通过信息熵对灾情信息融合实现短期灾情预测， 采用模糊聚类算法建立灾区灾情的优先级划分，以空中交通信息和物资供需信息为约束，建 立基于空中交通和物资信息的物资和航空器的调度模型，确定航空器和物资调度方案，相对 于传统救援交通工具和物资调度，将空中交通信息和物资供需信息融入空中交通资源调度的 决策中，提高航空救援资源调度的有效性和准确性。

附图说明

图1为本发明系统的结构示意图；

图2为本发明系统模块关系图；

图3为本发明方法流程图；

图4为采用模糊层次聚类方法依据灾情对灾区进行分组流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

本发明所述系统的结构如图1所示，包括系统管理指挥终端、服务器、主控模块、ADS-B 工作站、飞行状态数据库、航空器机载终端，以及救援物资信息源；所述服务器包括飞行计 划优化服务器、救援调度管理服务器。

航空器机载终端具备ADS-B OUT和IN功能的机载综合收发系统，救援信息物资信息 源主要由救援与物资信息收发器完成对于救援物资和航空器的接收和发送。

飞行计划优化服务器根据灾情信息、运力信息和物资信息，完成对于各个航空器运行初 始路径优化，并将优化的路径集提供给救援调度管理服务器。

飞行状态数据库通过ADS-B工作站接收航空器机载终端的空中交通信息，空中交通信 息包括航空器性能数据和位置数据。

救援调度管理服务器提供救援物资信息处理模块、航空器性能数据库、救援地理信息处 理模块、应急预案规则库、救援调度模块和救援仿真显示模块；救援调度管理服务器通过飞 行状态数据库的空中交通信息和救援物资信息网络获取的物资信息，通过救援调度模块和应 急预案规则库，结合初始路径集确定航空器和物资调度方案，通过网络传输到远程救援客户 端(如电脑等固定远程终端和手机，笔记本等移动远程终端)显示救援航空器和物资分布信 息，低空救援空中交通调度指挥系统管理指挥终端可根据权限修改救援方案。

具体系统的各个模块关系图，如图2所示，具体包括如下；

救援调度模块是系统的核心模块，接受救援信息和动态物资信息，同时通过航空器性能 数据库和航空救援的应急预案库的检索，完成对于航空救援的调度计算，并通过输出端，完 成物资和航空器调度信息的输出。

航空救援地理信息处理模块，通过救援网络，获取救援点与出救点的位置信息，灾情信 息；通过ADS-B工作站，获取航空器的位置信息，结合GIS，实现对于航空救援运力和灾情 的动态信息处理。

救援物资信息处理模块，通过救援通信网络，确定各个出救点的物资信息(如存储量， 存储种类，救灾点物资需求量和需求种类信息等)，为救援调度模块提供动态的调度物资供 需信息。

航空器性能数据库，通过ADS-B，获取航空器的地速，燃油消耗，航向，高度和携带物 资量和种类。应急预案规则库是根据航空救援特点和应急演练，确定的航空器救援基本规则。 仿真显示模块，提供救援调度方案下航空器、出救点和救灾点物资和航空器的动态运行仿真， 并提供救援演练下的仿真复现。

本发明所述低空救援空中交通调度指挥方法的流程如图3所示，具体包括如下：

(1)首先对于需要救援的灾区进行物资和航空器预先设定总体调度方案

通过对自然灾害条件下低空应急救援的分析，结合实际的航空器救援调度实施场景，建 立了航空器调度的整数规划模型。该模型规定在一个调度周期内，使得出救航空器架次最大 且总的调度时间最小，此外分别针对耐用品对应急时间要求高以及快速消费品持续消耗的不 同特性，从多个出救点通过航空器向多个受灾点进行物资组合调度，满足调度周期内航空器 出程飞行架次达到最大化，从而提高单位时间内的物资调运量，进而提高航空应急救援的效 率；当出救架次达到饱和后，即无法出救更多架次的航空器时，使得参与救援的航空器总的 调度时间最短，从而降低出救成本。

预先设定航空器的调度总架次Z₁：满足调度周期内航空器 出程飞行架次达到最大化，从而提高单位时间内的物资调运量，进而提高航空应急救援的效 率；航空器参与救援总时间Z₂：当出救架次达到饱和后，即无法出救更多架 次的航空器时，使得参与救援的航空器总的调度时间最短，从而降低出救成本其中，x_fdcth为 第f架航空器是否在第t天进行第h次由出救点d满载运往受灾点c的出程飞行，如果是x_fdcth为1，否则为0，C为受灾点集合，F为航空器集合，D为出救点集合，k为总调度周期， 单位为天，s为航空器调度次数，t_a表示每天实际作业时间，单位为分钟，k、s均为正整 数，航空器的调度总架次Z₁、航空器参与救援总时间Z₂满足如下约束条件：

①其中r_c为受灾点c调度周期内总的耐用品需求架 次，v_c为受灾点c快速消耗品每天的消耗架次，k'为耐用品的调度周期，k'为正整数，保证 两类物资中的耐用品在调度周期(k天)开始前k'天内完成所需资源调度，并且同时满足受灾 点对快速消耗品的物资需求；

②确保消耗性物资在耐用品调度完成后的周期内， 耐用品的总的需求架次可以得到保障；

③其中，α_c为受灾点c快速消耗品每天最大需求满足 度；确保调度周期内每天消耗品连续性需求得到满足，即避免出现消耗品耗尽；

④$t_a=\underset{d\in D}{\Sigma }\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}(t_{\mathrm{qdc}}^O+t_L+t_f)x_{\mathrm{fdcth}}+\underset{d\in D}{\Sigma }\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}(t_{\mathrm{qdc}}^I+t_U)y_{\mathrm{fcdth}}\le b,$其中，b为航空器每天允许 的标准作业时间，t_a为航空器每天实际作业时间，t_L为航空器所需装载时间，t_U为航空器所 需卸载时间，t_f为航空器所需加油时间，为q型航空器完成出程飞行所需时间，为q型 航空器完成出程飞行所需时间；b、t_a、t_L、t_U、t_f、的单位均为分钟；确保每天 的实际调度时间在允许的调度作业时间限制之内；

⑤$\underset{d\in D}{\Sigma }{x}_{\mathrm{fdcth}}=\underset{d\in D}{\Sigma }{y}_{\mathrm{fcdth}},\forall f\in F,\forall c\in C,t=1,...,k,h=1,...,s,$

$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le \underset{c\in C}{\Sigma }{y}_{\mathrm{fcdth}-1},\forall f\in F,\forall d\in D,t=1,...,k,h=1,...,s,$其中，y_fcdth为第f架航空器是否 在第t天进行第h次由受灾点c到出救点d的入程飞行，如果是y_fcdth为1，否则为0；确保总 的出入程飞行架次相同，且航空器只有在上一次执行了入程飞行作业后，本次方可执行出程 飞行任务；

⑥$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le e_{\mathrm{fd}},\forall f\in F,\forall c\in C,t=1,h=1,$

$\underset{c\in C}{\Sigma }{x}_{\mathrm{fdcth}}\le v_{\mathrm{fd},t-1},\forall f\in F,\forall d\in D,t=2,...,k,h=1,$其中，e_fd为第f架航空器是否在制定调 度计划前停靠在出救点d，如果是e_fd为1，否则为0，v_fd,t-1为第f架航空器是否在第t-1天 的结束调度飞行任务后停靠在出救点d，如果是v_fd,t-1为1，否则为0；确保航空器执行出程 飞行的条件得到满足；

⑦$v_{\mathrm{fdt}}+\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{x}_{\mathrm{fdtch}}-\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{y}_{\mathrm{fcdth}}=e_{\mathrm{fd}},t=1,$

$v_{\mathrm{fdt}}-v_{\mathrm{fd},t-1}+\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{x}_{\mathrm{fdtch}}-\underset{c\in C}{\Sigma }\underset{h=1}{\overset{s}{\Sigma }}{y}_{\mathrm{fcdth}}=0,t=2...k,$其中，v_fdt为第f架航空器是否在第t天 结束调度飞行任务后停靠在出救点d，如果是v_fdt为1，否则为0；确保航空器执行调度任务 后停靠在出救点的条件得到满足；

⑧确保每架航空器在执行完当天的调度任务后只得停靠在一 个出救点处；

⑨$x_{\mathrm{fgcth}},y_{\mathrm{fcdth}},v_{\mathrm{fdt}}\in \left\{\mathrm{0,1}\right\}\forall f\in F,\forall d\in D,\forall c\in C,t=1,...,k,h=1,...,s,$所有变量均为二元变 量，即变量数值仅可以取0和1两个数值。

预先设定滚动的救援信息更新周期，本发明每个滚动的救援信息更新周期设定为4小时， 本发明所述的救援调度周期即为所述的滚动的救援信息更新周期。

通过预先设定上述总体调度，可实现对于初始灾情下，根据初始物资和航空器分布，实 现对航空器和物资的总体调度，输出调度的计划和总体方案。

(2)救援调度周期内动态物资和航空器调度

在对上述航空救援总体调度的基础上，完成在救援信息变化下的救援调度周期内短期调 度规划，首先需要根据多个信息源，对于物资需求信息的准确预测。

第一步，救援调度周期内动态物资需求预测，在预测过程中，通常需要多个信息源对搜 集到的信息进行综合评判，以期对目标对象进行合理的预测，此时需要解决各个指标的相应 权重赋值问题，从而真实反映各个信息源在评判和决策过程中所占有的地位和所起到的作 用。而信息熵从信息的不确定性和概率测度的角度来表征信源的不定度，该方法可尽量消除 各项指标权重计算的人为干扰，使得评价结果更为实际。对于每一个受灾点(用i表示)，总 共有ji种类型的信息源(比如记者，公共部门，私人救援队)，且彼此之间具有相互独立性， 伤亡人数观测值分为且其中表示对于受灾点i，在时间 间隔t内，对于给定类型j_i的观测者的总人数。为了获取置信度的信息，我们进一步假设在 时间间隔t内，受灾点i处，假定观测类型为j_i的观测者所提供的观测值服从一个随时间 变化的均值为方差为的高斯随机分布。随后，我们采用上述定义的高斯过程， 总共将整个置信区间划分为M个信息置信水平以便分析不同渠道获得的信息的可靠性并对 数据进行分级。

通过不同角度测量得到的伤亡数据，由于其获取途径不同，在统计预测中为了提高结果 的准确度，须对不同两侧手段结果进行赋权，可信度不同加不同的权重。根据问题中多信息 源特性，选择信息熵法。则下一步骤为熵值估算，首先，在时间间隔t内，受灾点i处，对于 给定的信息源j_i，我们可以采用上式计算给定置信水平为m的后验概率 随后我们采用Shannon的信息熵，即熵值时间间隔t， 信息源j_i，有：$H_{j_i}\left(t\right)=-\underset{m=1}{\overset{M}{\Sigma }}p\left(m\right|{\chi }_{j_i}^k\left(t\right),k=\mathrm{1,2},...,K_{j_i}\left(t\right))\log \left[p\left(m\right|{\chi }_{j_i}^k\left(t\right),k=\mathrm{1,2},...,K_{j_i}\left(t\right))\right],$并 采用熵值越大，所获得的权重越小，确定合适的权重接下来，在时间间隔t内， 对于受灾点i，累计伤亡总数X_i(t)即为各个组成部分的加权和，即到 此为止，所有的实时伤亡数据均可以通过上述多信息源模糊模型求得，则相应的被困人数 δ_i(t)为：最后，时变物资需求与该区的生还人数高度相关，则快速消 费品和耐用品物资的需求预测模型为：

$D_i^l\left(t\right)=\left(\begin{array}{c}\max \{a^l\times {\delta }_i\left(t\right)\times L+z_{1-\alpha }\times {\mathrm{STD}}_i^l\left(t\right)\times \sqrt{L},0\},l\in R_{\mathrm{fmcg}}\\ \max \{a^l\times {\delta }_i\left(t\right)+b_i^l-{\Sigma }_{ϵ=1}^{t-1}{A}_i^l(t-ϵ),0\},l\in R_{\mathrm{dura}}\end{array}\right)$

其中表示在给定时间间隔t灾区i对物资l的时变需求量；a^l和分别表示灾区i对于物 资l每人次平均小时需求量以及对应的缓冲需求，其中l分别对应快速消耗品和耐用品； 表示在给定的时间间隔t-ε内灾区i对物资l的时变需求量；L表示任意灾区连续两 次物资分配预设的上限值；R_fmcg和R_dura分别表示快速消耗品和耐用品两类物资；z_1-α表示选 定统计值，其对应的时变物资需求短缺率被设定为α；δ_i(t)表示在给定的时间间隔t灾区i受 困人数的估值；表示灾区i对物资l的时变需求量标准差。

第二步，救援调度周期内基于灾情的灾区分组

为了便于物资分配，该阶段通过多准则模糊聚类方法对灾区进行分组，具体流程如图4 所示，对于各受灾点供需不匹配下的动态物资配送具有重要意义，既可以更为有效的判定各 受灾点需求程度，又能达到更为有效的救灾效果。具体步骤如下：

第一分步骤，初始数据处理，根据灾区受灾程度设定五种紧急属性，分别为：很高、高、 中等、低、很低；

第二分步骤，模糊聚类分组，

首先，将五种紧急属性判别向量转化为二元数据，对于受灾点i，4×1的紧急属性判别 向量为V_i(t)：其中为在时间间隔t内受灾点i该地区 的震级与烈度；为在时间间隔t内受灾点i受灾人数中伤亡人数的比例；为受灾点i 当前时间t与上一次救援时间的差值；为在时间间隔t内受灾点i内的建筑物的损毁程 度；

其次，生成I×I维的模糊关联矩阵其中I为 受灾点个数，模糊关联矩阵中任意一个元素w_pq(t)表示受灾点p和受灾点q之间的相互关系 的紧密程度，p、q为正整数，

最后，通过聚类将具有相似紧急程度的受灾点划分到同一紧急属性组中，确定分组结果 且使得各组之间的紧急属性差异较为明显。具体看附图4。

第三步，救援调度周期内航空器和物资调度

通过数据融合完成对各个受灾点的伤亡人数统计以及所需各种物资量的判定，通过模糊 聚类方法对各个受灾点进行灾区分组，确定了各个受灾点的物资救灾响应优先级。本发明采 用一个复合加权多目标模型来处理多个应急物资配送中心向多个受灾点的多类应急物资分 配问题。即在各个调度周期各个受灾点优先级及各类物资需求量确定的情况下，通过合理安 排航空器的出救架次和时间，使得各个受灾点的物资满足率最大化，且同时使得调度飞行航 程最小化。

对于每一个受灾点分组g，在给定的时间间隔t内，使得各个受灾点时变物资需求满足 率最大化，即$\max F_g^1\left(t\right)=\frac{{\Sigma }_{\forall l}{\Sigma }_{m=1}^M{\Sigma }_{\forall \mathrm{ig}\in g}{X}_{m,\mathrm{ig}}^l\left(t\right)}{\underset{\forall l}{\Sigma }\underset{m=1}{\overset{M}{\Sigma }}\underset{\forall \mathrm{ig}\in g}{\Sigma }{D}_{\mathrm{ig}}^l\left(t\right)},\forall (g,t);$其二是物资配送的飞行总 里程最短，即$\min F_g^2\left(t\right)=\underset{m=1}{\overset{M}{\Sigma }}\left\{\underset{k=1}{\overset{K_m}{\Sigma }}\right[\underset{i=1}{\overset{n_{\mathrm{mk}}}{\Sigma }}{d}_{r_{\mathrm{mj}(i-1)}{r}_{\mathrm{mki}}}+d_{r_{{\mathrm{mjn}}_{\mathrm{mk}}}{r}_{\mathrm{mj}0}}·\mathrm{sign}\left(n_{\mathrm{mk}}\right)\left]\right\},$其中M表示分配中 心的数量，索引为m；K_m表示分配中心m航空器架次，k为索引；i_g为各个分组的受灾点数 目，为决策变量，表示在时间间隔t由物资分配中心m运往受灾点i_g物资l的数量。 为受灾点i_g物资l的需求量；n_mk表示分配中心m处第k架航空器服务受灾点个数，i为 索引；R_mj表示分配中心m区域内第j条路径；r_mji表示受灾点ig∈g在分配中心m中的路径j 中的顺序为i(不含配送中心)，令r_mj0为配送中心，d_ig,ig'(ig,ig'∈g)表示受灾点之间的距 离，d_m,ig表示受灾点与分配中心之间的距离。同时，满足如下几个约束条件：

①确保在任意救援时段，对于任意受灾点，其总的配送量不得超过其实际时变需求量，即

$\underset{m=1}{\overset{M}{\Sigma }}{X}_{m,\mathrm{ig}}^l\left(t\right)\le D_{\mathrm{ig}}^l\left(t\right),\forall (g,i_g,l,t);$

②确保每架航空器不得超载运输飞行，即

③确保每架航空器的飞行距离不得超过其正常运输飞行状态下所能飞行的最大航程

$d_{r_{\mathrm{mj}(i-1)}{r}_{\mathrm{mki}}}+d_{r_{\mathrm{mj}{n}_{\mathrm{mk}}}{r}_{\mathrm{mj}0}}·\mathrm{sign}\left(n_{\mathrm{mk}}\right)\le f_{\mathrm{mk}}·v_{\mathrm{mk}}/c_{\mathrm{mk}}(0\le n_{\mathrm{mk}}\le L_m)\forall m,k;$

④确保各个分配中心辖下的所有受灾点都获得救援

⑤确保所有受灾点都得到救助

⑥表示每条路径的受灾点的组成R_nj＝{r_nki|r_nki∈{1,2,…,L_m},i＝1,2,…,n_mk}；

⑦限制每个受灾点只能由一架航空器进行救援

⑧表示当分配中心m处第k架航空器的救援受灾点数量大于等于1时，则说明该航空器参与 了救援，取sign(n_mk)＝1，否则未参与救援，$\mathrm{sign}\left(n_{\mathrm{mk}}\right)=0\mathrm{sign}\left(n_{\mathrm{mk}}\right)=\left(\begin{array}{c}1,n_{\mathrm{mk}}\ge 1\\ 0,\mathrm{else}\end{array}\right);$

⑨确保对于任意受灾点，其任何时刻的配送量的非负性，使得问题具有实际意义，即 $X_{m,\mathrm{ig}}^l\left(t\right)\ge 0,\forall (g,i_g,l,m,t).$

其中U_l表示物资l的单位体积，Q_mk、f_mk、c_mk、v_mk分别表示分配中心m处第k架航空 器的最大载荷量、最大装载油量，平均耗油率和平均飞行速度；L_m为分配中心m的援助受灾 点数目，N为所有受灾点总数目。

以上仅为本发明的较佳实施例，但本发明的保护范围并不局限于此，任何熟悉本领域的 技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护 范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。