Kürzlich kam es in Nordchina, Huanghuai und anderen Orten, die vom Taifun Dusuri betroffen waren, zu extremen Regenfällen, die zu Überschwemmungen und geologischen Katastrophen führten und schwere Verluste und Sachschäden in der Region Peking-Tianjin-Hebei verursachten. Jedermanns Herzen sind von diesem Regensturm stark betroffen.
Am Abend des 31. Juli begannen die WeChat Moments des Herausgebers mit Dokumenten wie „Registrierungsformular für Informationen zur Notfallhilfe bei starkem Regen in Peking-Tianjin-Hebei“, „Informationsportal für Notfallhilfe bei starkem Regen in Peking“ und „Beijing-Tianjin-Hebei“ überflutet zu werden Bildschirm „Notfallhilfeinformationen zu starkem Regen, statistische Übersichtstabelle“. Hierbei handelt es sich um einen speziellen Notfallhilfekanal, der von professionellen Rettungsagenturen und Freiwilligenorganisationen verbunden ist, um Menschen zu helfen, die von starken Regenfällen in Peking, Hebei, Tianjin und anderen Regionen betroffen sind. Durch dieses Dokument können Retter nicht nur Rettungseinsätze schnell durchführen, sondern auch die Katastrophensituation besser analysieren und Rettungskräfte einsetzen. Nachdem das Dokument erstellt wurde, begannen Freunde aus aller Welt sofort, es spontan nachzudrucken und zu teilen.
Gleichzeitig startete @Beijing Daily am 1. August auf Weibo die Themen #Beijing-Tianjin-Hebei Heavy Rain Mutual Aid#. Es wurde schnell zu einem heißen Suchthema und erregte die Aufmerksamkeit von mehr als 100 Millionen Menschen. Tausende Freiwillige schlossen sich an. Obwohl die Kraft einer einzelnen Person sehr gering ist, hoffen wir alle, unseren Freunden in der Region Peking-Tianjin-Hebei die Unterstützung zu geben, die wir können, und gemeinsam daran zu arbeiten, sie mit Wärme vor Wind und Regen zu schützen.
Unter den Tausenden von Hilfemeldungen stellte der Herausgeber außerdem fest, dass in vielen Hilfemeldungen Schlüsselwörter wie „Wie kann eine angemessene Rettung geleistet werden“, „Rettungsvorräte sind begrenzt“ und „Der Zugangsweg ist blockiert“ erwähnt wurden.
Tatsächlich wird die herkömmliche Notfallmanagementarbeit aufgrund extremer Umweltveränderungen vor größeren Herausforderungen stehen.
Einerseits treten die meisten Naturkatastrophen plötzlich auf und erfordern Notfallmanagementzentren, um so schnell wie möglich Frühwarnung, Bewertung, Reaktion und Wiederherstellung von Naturkatastrophen durchzuführen. Das traditionelle Notfallmanagement stützt sich jedoch hauptsächlich auf Domänenexpertenwissen und manuelle Erfahrung für das Katastrophen-Notfallmanagement, was viel Zeit und Personal erfordert. Es ist schwierig, die hohen Aktualitätsanforderungen der Katastrophen-Notfallreaktion zu erfüllen, und kann leicht zu großen wirtschaftlichen Schäden führen Verluste.
Andererseits hat der Umfang mehrdimensionaler Daten im Zusammenhang mit Naturkatastrophen stark zugenommen , und Probleme wie die Unfähigkeit, vorhandene Datenressourcen effektiv zu teilen, und Schwierigkeiten bei der Wissensentdeckung, Wissenstransformation und Wertschöpfung werden immer deutlicher. Der Widerspruch zwischen dem Anstieg der Datenressourcen und der Nachfrage nach intelligenten Anwendungen hat die Verbesserung der Fähigkeiten zur Katastrophenhilfe erheblich eingeschränkt.
Daher „wie man Datenressourcen effizient nutzt , um ein Echtzeit-, genaues und zuverlässiges Notfallmanagement zu erreichen“, „wie man die Einschränkungen rauer Umgebungen durchbricht und eine angemessene Entsendung von Rettungsteams, Materialien und Experten erreicht “, „wie man macht Schnelle Entscheidungen zum größtmöglichen Schutz der Menschen „Sicherheit von Eigentum und Leben“ und andere Probleme sind zu dringenden Problemen geworden, die das Notfallzentrum für Naturkatastrophen lösen muss.
In diesem Zusammenhang kann die Graphentechnologie mit ihren Vorteilen der Echtzeit-Datenanalyse, der Entdeckung versteckter Beziehungen und der kontextualisierten, genauen Entscheidungsfindung eine Schlüsselrolle bei der Prävention und Kontrolle von Naturkatastrophenrisiken sowie bei der Notfallunterstützung spielen.
In diesem Artikel konzentriert sich der Autor auf den Rettungszeitraum nach einer Katastrophe und stellt die Anwendung von Diagrammalgorithmen in bestimmten Szenarien vor, z. B. der Standortauswahl der allgemeinen Basis des Rettungsgebiets, der globalen Netzwerkplanung für Rettungspfade und der Auswahl alternativer Pfade Um die Beziehung zwischen Diagrammalgorithmen und der Reaktion auf Naturkatastrophen eingehend zu untersuchen, kann die Analyse der Diagrammtechnologie eine Schlüsselrolle beim Aufbau eines Echtzeit- und genauen Entscheidungssystems für die Reaktion auf Naturkatastrophen spielen.
Szeneneinführung
Im Folgenden werden die Diagrammalgorithmen beschrieben, die in vier Szenarien verwendet werden können: Standortauswahl für regionale Notfallrettungsbasis, globale Planung des Rettungspfadnetzwerks, lokale Planung optimaler alternativer Rettungspfade und Einstellung kleiner Rettungsversorgungspunkte.
A. Standortauswahl für regionale Notfallrettungsbasis
Szenarioanforderungen
Der Aufbau von Notfallrettungsstützpunkten ist die Grundlage für die Verbesserung der Notfallrettungsfähigkeiten. In Anbetracht der Tatsache, dass von Katastrophen betroffene Standorte häufig große Gebiete umfassen und die Rettungsbasis das Herzstück der gesamten Rettungsaktion ist, muss die Standortauswahl den Anforderungen anderer Standorte in der Region an eine schnelle und kostengünstige Strahlung gerecht werden.
Einführung in anwendbare Algorithmen
Betweenness Centrality-Algorithmus: Berechnen Sie den kürzesten Weg zwischen zwei beliebigen Punkten im gesamten Diagramm, zählen Sie, wie oft ein Punkt auf dem oben genannten kürzesten Weg erscheint, und berechnen Sie das Endergebnis. Ein Algorithmus, um den Punkt mit den minimalen Kosten zu finden, um alle Punkte im gesamten Diagramm zu erreichen. Die folgende Abbildung zeigt den Prozess der Berechnung des Betweenness-Zentralitätswerts von Punkt 1. Der endgültige Betweenness-Zentralitätswert von Punkt 1 beträgt 19/6.
Abbildung 1 | Konzeptdiagramm des Betweenness Centrality-Algorithmus
Beispiele für Anwendungsszenarien
Die Konnektivitätsbeziehung zwischen verschiedenen Standorten in einem Katastrophengebiet ist beispielsweise wie in der folgenden Abbildung dargestellt:
Abbildung 2 | Schematische Darstellung der Beziehung zwischen dem Standort und China Unicom des Katastrophengebiets an einem bestimmten Ort
Es gibt mehrere Wege zwischen verschiedenen Orten, und aufgrund unterschiedlicher Schäden ist der Zugang eingeschränkt und einige sind nur zum Gehen geeignet. Der Zeitaufwand für Gehen und Fahren kann standardisiert und als Kantenattribute in das Diagramm umgewandelt werden. Außerdem kann ein zeitaufwändiges Diagramm verschiedener Transportarten zwischen verschiedenen Standorten erstellt werden, wie in der folgenden Abbildung dargestellt: Abbildung 3 | Schematisches Diagramm der Zeit- verbrauchende Transportmittel zwischen verschiedenen
Standorten
In der obigen Abbildung kann durch Ausführen des Betweenness-Zentralitätsalgorithmus mit Kantengewichten festgestellt werden, dass der Punkt mit den niedrigsten Kosten zum Erreichen aller Punkte im gesamten Diagramm Standort 7 ist. Dann kann Standort 7 als allgemeine Basis dafür festgelegt werden Notfalleinsätze. Die Merkmale sind: : Bester globaler Weg, schnelle und effiziente Unterstützung.
Abbildung 4 | Schematische Darstellung der Beziehung zwischen der Basis und China Unicom
B. Globale Rettungspfad-Netzwerkplanung
Szenarioanforderungen
In realen Szenarien gibt es oft mehrere Rettungspunkte und mehrere Endpunkte. Um Rettungseinsätze effektiv durchzuführen, ist eine vernünftige Planung der Rettungswege erforderlich. Unter anderem, wenn man bedenkt, dass sich die Umgebung des von der Katastrophe betroffenen Ortes stark verändert und unterschiedliche Verkehrsmethoden in unterschiedlichen Verkehrsumgebungen unterschiedliche Effizienzen aufweisen.
Daher ist die Fähigkeit erforderlich, mithilfe von Graphalgorithmen Rettungswege in Echtzeit zu zeichnen.
Einführung in anwendbare Algorithmen
Minimaler Spanning Tree: Wählen Sie für einen verbundenen gewichteten Graphen einen Scheitelpunkt als Wurzel aus und durchlaufen Sie systematisch alle Scheitelpunkte und Kanten im Diagramm. Der Untergraph, der aus den während der Durchquerung durchlaufenen Scheitelpunkten und Kanten besteht, wird als Graph bezeichnet. Spannbaum. Der Spannbaum mit der kleinsten Summe der Kantengewichte wird als minimaler Spannbaum bezeichnet.
Im Folgenden sind die Berechnungsschritte aufgeführt:
- Der anfängliche minimale Spannbaum ist leer. Wählen Sie einen beliebigen Scheitelpunkt als Startpunkt.
- Aus den verbleibenden Kanten wird die Kante mit dem geringsten Gewicht ausgewählt, und wenn einer der beiden durch diese Kante verbundenen Scheitelpunkte bereits im minimalen Spannbaum liegt, wird die Kante ignoriert (um die Bildung eines Kreises zu vermeiden).
- Fügen Sie die ausgewählte Kante zum minimalen Spannbaum hinzu und fügen Sie den anderen durch die Kante verbundenen Scheitelpunkt zum Scheitelpunktsatz des minimalen Spannbaums hinzu.
- Wiederholen Sie die Schritte 2 und 3, bis der minimale Spannbaum alle Eckpunkte im Diagramm enthält.
- Der minimale Spannbaum wird generiert.
Bei jedem Schritt wählen wir die Kante mit dem geringsten Gewicht aus und stellen sicher, dass mindestens einer der beiden Scheitelpunkte der ausgewählten Kante nicht im aktuellen minimalen Spannbaum enthalten ist. Dies vermeidet die Bildung von Schleifen und stellt gleichzeitig die Konnektivität des minimalen Spannbaums sicher.
Durch diese Schritte können wir nach und nach einen minimalen Spannbaum erstellen, der alle Scheitelpunkte im Diagramm verbindet und die kleinste Summe der Gewichte aufweist.
Abbildung 5 | Konzeptdiagramm des Minimum Spanning Tree-Algorithmus
Beispiele für Anwendungsszenarien
Wählen Sie Standort 7 der allgemeinen Basis für diese Notfallreaktionsarbeit als Ausgangspunkt aus und führen Sie den Minimum-Spanning-Tree-Algorithmus aus, um den globalen optimalen Pfad ab Standort 7 adaptiv zu planen. Die Pfadergebnisse sind in der folgenden Abbildung dargestellt:
Abbildung 6 | Schematische Darstellung des globalen optimalen Pfades in Bezug auf die Hauptbasis
C. Lokale optimale alternative Rettungswegplanung
Szenarioanforderungen
Bei Notfalleinsätzen muss das Rettungsteam aus zeitlichen Gründen nach Abschluss einer Mission oft direkt zum nächsten Einsatzpunkt gehen, anstatt zum Hauptstützpunkt zurückzukehren, um sich auszuruhen und Vorräte zu versorgen. In diesem Fall kann die globale optimale Pfadplanung erforderlich sein nicht anwendbar sein.
Gleichzeitig müssen Notfalleinsatzstellen auch die Variabilität der Umgebung berücksichtigen, da viele Naturkatastrophen Kettenreaktionen und Folgekatastrophen auslösen können. Beispielsweise können starke Regenfälle Sturzfluten und Erdrutsche auslösen, die den Zugang zu einigen Wegen beeinträchtigen .
Daher muss das Rettungsteam in der Lage sein, basierend auf spezifischen Bedingungen lokal optimale Routen intelligent zu planen.
Einführung in anwendbare Algorithmen
K-Kürzester Pfad (Yens kürzester Pfad): Wählen Sie zwei Knoten im Diagramm aus und suchen Sie gleichzeitig vom Startpunkt und Endpunkt, bis sie sich treffen. Nach dem Treffen ist der kürzeste Weg die Summe der Wege vom Startpunkt zum Schnittpunkt und vom Schnittpunkt zum Endpunkt, und die obersten K kürzesten Wege vom Startpunkt zum Endpunkt können zurückgegeben werden. Die folgende Abbildung zeigt die drei kürzesten Wege zwischen Punkt 1 und Punkt 5.
Abbildung 7 | Konzeptdiagramm des K-Shortest-Path-Algorithmus
Beispiele für Anwendungsszenarien
Rettungsteam A befindet sich am Standort 15 und muss sich nun zur Notfallrettung zum Standort 19 begeben. Einige Wege sind aufgrund von Umweltveränderungen nicht mehr für den Pendelverkehr zugänglich und einige Straßen können nur noch zu Fuß passiert werden. Die konkrete Situation ist wie folgt:
Abbildung 8 | Point-and-Edge-Diagramm der Rettungsszene
Durch Auswahl der Standorte 15 und 19, Festlegen der Reisekosten der roten Linie auf unendlich und Ausführen des K-kürzesten-Pfad-Algorithmus können mehrere alternative Pfade generiert werden:
Abbildung 9 | Diagramm zur alternativen Pfadauswahl
D. Einrichtung kleiner Rettungsversorgungspunkte
Szenarioanforderungen
Der Rettungsvorgang erfordert eine große Menge an Materialien, und es ist unmöglich, jedes Mal zur Hauptbasis zurückzukehren, um sie wieder aufzufüllen, aber nicht zu viel, daher ist es notwendig, kleine Versorgungspunkte zu eröffnen, an denen jeder sie so weit wie möglich leicht erreichen kann .
Einführung in anwendbare Algorithmen
Maximale unabhängige Menge: Die maximale unabhängige Menge bezieht sich auf die Menge nicht benachbarter Knoten im Diagramm, in der es keine Kanten gibt, die zwei beliebige Knoten verbinden. (Der rote Punkt ist die maximale unabhängige Menge)
Abbildung 10 | Konzeptdiagramm des Algorithmus für die maximale unabhängige Menge
Beispiele für Anwendungsszenarien
Nachdem Sie den Maximum Independent Set-Algorithmus auf dem anhand von Abbildung 3 erstellten Diagramm ausgeführt haben, erhalten Sie das folgende Bild:
Abbildung 11 | Schematische Darstellung der Funktionsweise des Maximum Independent Set-Algorithmus
Es ist ersichtlich, dass durch die Einrichtung eines kleinen Versorgungspunkts an der roten Stelle im Bild oben alle Rettungsteams in der Region durch örtliche Versorgung oder einfache Bewegung Vorräte erhalten können, was die Sicherheit und den Ressourcenschutz des Rettungsteams erhöht.
Zusammenfassen
Durch die Szeneneinführung in der obigen Abbildung können wir die mögliche Anwendung von Diagrammalgorithmen bei der Auswahl von Rettungsorten, der Pfadplanung und anderen Szenarien verstehen. Mithilfe der Diagrammkorrelationsanalyse können wir die Verkehrsbedingungen und Pfadlängen in Katastrophengebieten schnell quantifizieren und lokalisieren Rettungsstützpunkte in Echtzeit und genau. Durchgangspfad.
In tatsächlichen Situationen kann die Graphentechnologie mit Spitzentechnologien wie Big Data und Cloud Computing kombiniert werden, um die ursprüngliche integrierte Notfallmanagementplattform der Stadt zur Katastrophenvorbeugung und -reduzierung in die Lage zu versetzen, die Notfallrettungsunterstützung sowie die logistischen Entscheidungsfindungs- und Einsatzfähigkeiten in kürzester Zeit zu verbessern -Sensible Situationen. Erreichen Sie unter den gegebenen Umständen eine schnellere und optimale Entscheidungsfindung und minimieren Sie Verluste.
Wenn interessierte Freunde mehr über die Lösungen der Graph-Technologie in Notfallszenarien bei Naturkatastrophen erfahren möchten, können Sie gerne die untenstehende WeChat-ID scannen, um Chuanglin Technology Assistant hinzuzufügen, der Kommunikationsgruppe beizutreten und gemeinsam Anwendungsmöglichkeiten zu besprechen.
In Zukunft wird Chuanglin Technology seine eigenen technologischen Vorteile nutzen, um die Anwendung der Graphentechnologie in Systemen zur Verhütung und Kontrolle von Naturkatastrophen zu fördern, die Analyse und Nutzung von Notfallressourcenmanagementdaten zu fördern und aktiv mit vor- und nachgelagerten Unternehmen zusammenzuarbeiten, um das Beste zu schaffen Synergien und den größtmöglichen Schutz der Menschen. Die Sicherheit von Leben und Eigentum der Menschen.