多情景城市應急採樣場所選址優化方法、系統、設備及介質

2023-05-26 12:45:07 1

1.本發明涉及一種多情景城市應急採樣場所選址優化方法、系統、設備及介質，屬於城市公共衛生安全技術領域。


背景技術：

2.當前城市應急採樣點選址主要由城市各區與街道組織開展，其更多關注轄區內部採樣點的服務覆蓋程度，一定程度上忽視了行政邊界地區的需求。且當前採樣點等級劃分依據不明確，無法靈活應對常規採樣與大規模採樣的不同需求；對於應急採樣點尚無時間劃分，應對突發狀況時無法針對城市晝夜不同的職住分布做出調整。此外，在應急性場所選址方法中，已有測度因子多以可達性、人口密度、服務範圍、場地適宜性等為主，缺乏構建針對重大公共衛生事件採樣行為的個性化測度框架，對場地微環境與潛在感染風險等特徵因子考慮不足；已有研究數據多來源於gis提取的基本地理信息，缺乏對多源數據的應用；在選址決策中，已有研究多採用層次分析法(analytic hierarchy process，ahp)作為多目標決策方法，缺乏多情景下多目標優化算法的應用探索。


技術實現要素：

3.有鑑於此，本發明提供了一種多情景城市應急採樣場所選址優化方法、系統、計算機設備及存儲介質，其其運用具有多維特徵的數據集，通過提取現狀採樣點的空間環境特徵構建優化選址適宜性測度框架，能夠有效針對不同情境的需求提供針對性的選址優化方案，從而可以更加科學高效的開展採樣工作，降低市民等候時間與感染風險，也為衛健部門提供相關更加快速準確的決策依據。
4.本發明的第一個目的在於提供一種多情景城市應急採樣場所選址優化方法
5.本發明的第二個目的在於提供一種多情景城市應急採樣場所選址優化系統。
6.本發明的第三個目的在於提供一種計算機設備。
7.本發明的第四個目的在於提供一種存儲介質。
8.本發明的第一個目的可以通過採取如下技術方案達到：
9.一種多情景城市應急採樣場所選址優化方法，所述方法包括：
10.獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集；
11.對第一樣本數據集進行預處理，得到第二樣本數據集；
12.對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集；
13.根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系；
14.採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到
晝夜兩種情況下的初步選址結果；
15.運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
16.進一步的，所述對第一樣本數據集進行預處理，具體包括：
17.基於第一樣本數據集，對於包含空值的對象，採用克裡金插值法估計未知值，將估計結果插入到缺失值位置；
18.將第一樣本數據集中有取值範圍但不確定具體數值的對象，採用隨機數法估計未知值，將估計值插入不確定值的位置；
19.針對第一樣本數據集中每個特徵的數據值進行折線圖表繪製，判斷每個特徵中是否存在遠偏離正常區間的異常值，對異常值進行刪除；
20.對第一樣本數據集中的相同數據進行去重操作。
21.進一步的，所述對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，具體包括：
22.根據基礎地理信息數據中的城市道路數據與手機信令中的人口密度數據，進行服務區生成，得到預設時間的採樣圈人口覆蓋度指標；
23.根據基礎地理信息數據中的城市道路數據，進行路網提取和服務區生成，根據興趣點數據中的公共設施位置數據，計算公共設施到採樣點的花費時間，得到便民服務設施可達性指標；
24.根據網絡開源數據中目標城市的採樣點數據，得到目標區域的採樣點的坐標，結合城市道路數據計算採樣點與檢測機構的距離，得到檢測機構可達性指標；
25.根據土地利用數據，按照適宜開展採樣活動的不同用地類型關聯到每個採樣點，得到用地類型指標；
26.根據手機信令數據，統計用戶年齡結構分布，得到年齡結構指標；
27.根據基礎地理信息數據，計算平均建築高度和建築密度，進一步計算網格內的天空開闊度和地面粗糙程度，得到通風潛力指標；
28.根據手機信令數據，計算每個網格內的人口密度，得到人口密度指標。
29.進一步的，所述對採樣點選址相關指標進行分級賦分，構成第三樣本數據集，具體包括：
30.將各指標從低到高分為多級，並歸一化賦分；
31.將各指標空間連接到現有採樣點上，從而得到每個現狀點晝夜兩種情況下的各指標得分以及總分，構成第三樣本數據集。
32.進一步的，所述根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系，具體包括：
33.對於逆向因子列的人口密度，使用以下公式實現正向化：
[0034][0035]
對分析矩陣按x列進行歸一化到區間[0，1]以消除量綱影響，如下式：
[0036]
[0037]
根據信息熵定義計算各因子信息熵，定義中間量p
ij
為歸一化後x
′
ij
佔因子所在列的權重，如下式：
[0038][0039]
計算各因子的信息熵值，如下式：
[0040][0041]
其中，其中，x
ij
為原逆向因子，x
′
ij
為正向化因子，n為樣本總數，p
ij
為中間量，ej為各因子的信息熵值，ωj為因子熵權。
[0042]
進一步的，所述採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果，具體包括：
[0043]
對於由aoi獲取的開敞公共空間，按照n
×
n網格的因子測度最高精度進行細分；
[0044]
計算各最小網格的熵權總分，取最高分網格為候選面，處理得到aoi的選點結果；
[0045]
獲取有採樣條件的poi，綜合aoi與poi的選點結果作為應急採樣點備選點；
[0046]
根據晝夜兩種情況下的各指標權重，將採樣點選址相關指標連接到採樣點上，從而得到每個應急採樣點備選點的晝夜兩種情況下各指標得分以及總分；
[0047]
運用topsis模型，按照總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果。
[0048]
進一步的，所述運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果，具體包括：
[0049]
以最大化覆蓋人數為目標函數，目標函數定義為：
[0050][0051]
約束函數定義為：
[0052]
s(n)＝{m∈m∣d
nm
≤d}
[0053][0054][0055][0056]
p＝p
÷c[0057]
xm和y
nm
都是決策變量，定義如下：
[0058]
[0059][0060]
其中，m為應急採樣點備選點m的集合；n為需求點n的集合；p為地區總人口；d
nm
為需求點n到候選點m的距離；d為採樣點的要求服務半徑；s(n)為可以覆蓋需求點n的一組候選點集合；p為需要設置的採樣點數目；c為採樣點平均服務容量；
[0061]
根據目標函數和約束函數，構建人口覆蓋度模型，對初步選址結果進行人口大規模採樣、居住人口大規模採樣、工作人口常規採樣、居住人口常規採樣的目標導向，得到優化後的最終選址結果。
[0062]
本發明的第二個目的可以通過採取如下技術方案達到：
[0063]
一種多情景城市應急採樣場所選址優化系統，所述系統包括：
[0064]
獲取模塊，用於獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集；
[0065]
預處理模塊，用於對第一樣本數據集進行預處理，得到第二樣本數據集；
[0066]
第一評價模塊，用於對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集；
[0067]
計算模塊，用於根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系；
[0068]
第二評價模塊，用於採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果；
[0069]
選址優化模塊，用於運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
[0070]
本發明的第三個目的可以通過採取如下技術方案達到：
[0071]
一種計算機設備，包括處理器以及用於存儲處理器可執行程序的存儲器，其特徵在於，所述處理器執行存儲器存儲的程序時，實現上述的多情景城市應急採樣場所選址優化方法。
[0072]
本發明的第四個目的可以通過採取如下技術方案達到：
[0073]
一種存儲介質，存儲有程序，所述程序被處理器執行時，實現上述的多情景城市應急採樣場所選址優化方法。
[0074]
本發明相對於現有技術具有如下的有益效果：
[0075]
本發明能夠在城市發生重大傳染性公共衛生事件時提供一種適用於常規檢測和突發大規模篩查檢測兩種情形，同時考慮城市晝夜人口變動帶來的影響的採樣點選址方案，以便於安全高效的應對此類重大傳染性公共衛生事件，從而儘量減少此類事件對於居民生產生活帶來的影響。對於城市管理者來說，本發明提供的採樣選址優化建議，能夠幫助管理者減少決策時間，以便於城市各部門快速靈活作出應答，從而提高城市系統韌性。
附圖說明
[0076]
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本
發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖示出的結構獲得其他的附圖。
[0077]
圖1為本發明實施例1的多情景城市應急採樣場所選址優化方法的簡易流程圖。
[0078]
圖2為本發明實施例1的多情景城市應急採樣場所選址優化方法的詳細流程圖。
[0079]
圖3為本發明實施例1的採樣點分布圖。
[0080]
圖4a～圖4g分別為本發明實施例1的15分鐘採樣圈人口覆蓋度示意圖、便民服務設施可達性示意圖、檢測機構可達性示意圖、用地類型示意圖、老齡化人口指數示意圖、通風潛力等級示意圖和人口密度示意圖。
[0081]
圖5a～圖5b為本發明實施例1的城市採樣場所選址優化模型中各個特徵的重要程度圖。
[0082]
圖6a～圖6d分別為本發明實施例1的「工作人口-常規」採樣點分布圖、「工作人口-大規模」採樣點分布圖、「居住人口-常規」採樣點分布圖、「居住人口-大規模」採樣點分布圖。
[0083]
圖7為本發明實施例2的多情景城市應急採樣場所選址優化系統的結構框圖。
[0084]
圖8為本發明實施例3的計算機設備的結構框圖。
具體實施方式
[0085]
為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明的一部分實施例，而不是全部的實施例，基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0086]
實施例1：
[0087]
如圖1和圖2所示，本實施例提供了一種多情景城市應急採樣場所選址優化方法，該方法針對的目標區域為廣州市中心四城區，即越秀區、荔灣區、天河區、海珠區，包括以下步驟：
[0088]
s201、獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集。
[0089]
進一步地，該步驟s201具體包括：
[0090]
s2011、獲取手機信令數據：向聯通智慧足跡申請相關手機信令數據。
[0091]
s2012、獲取興趣點、興趣面數據：基於python網絡爬蟲技術獲取百度地圖廣州市中心區poi數據信息，數據包括交通設施服務、風景名勝、科教文化服務、體育休閒服務、公共設施等。
[0092]
s2013、獲取基礎地理信息數據：從osm開源wiki地圖獲取水域面要素數據和道路線要素數據；由廣州中心城區建築cad數據提取建築面和建築高度數據。
[0093]
s2014、獲取網絡開源數據：根據中國廣州發布公眾號獲取當前廣州中心城區採樣點目錄；從國家衛生健康委網頁獲得廣州市中心城區檢測機構目錄；通過自然資源局網站《廣州市2000-2010年城市總體規劃》獲得土地利用現狀數據。
[0094]
s202、對第一樣本數據集進行預處理，得到第二樣本數據集。
[0095]
本實施例中，對第一樣本數據集進行預處理，具體為：基於第一樣本數據集，對於
包含空值的對象，採用克裡金插值法估計未知值，將估計結果插入到缺失值位置；將第一樣本數據集中有取值範圍但不確定具體數值的對象，採用隨機數法估計未知值，將估計值插入不確定值的位置；針對第一樣本數據集中每個特徵的數據值進行折線圖表繪製，判斷每個特徵中是否存在遠偏離正常區間的異常值，對異常值進行刪除；對第一樣本數據集中的相同數據進行去重操作。
[0096]
進一步地，該步驟s202具體包括：
[0097]
s2021、數據輸入：將採集到的檢測機構及採樣點信息輸入excel表格，通過maplocation(https://maplocation.sjfkai.com/)對信息進行批量處理得到採集地點的經緯度，數據校正與清理後獲得現狀採樣點坐標名單，採樣點分布圖如圖3所示。
[0098]
s2022、數據清理：用excel將無效的建築高度數據、poi數據去除，用arcgis清理重疊的aoi數據。
[0099]
s2023、隨機值處理：由於數據安全規定，手機信令數據單個網格人口數如果小於5，統一用「《5」表示，因此本實施例對該部分數據進行隨機賦值處理，賦予[0，4]範圍內任一整數。
[0100]
s2024、缺失值處理：運用克裡金插值法處理職住人口密度、居民年齡結構分布中的缺失數據。
[0101]
s2025、地理配準處理：首先使用photoshop軟體將廣州總規中的土地利用類型分類，再將各類用地的分布情況導入arcgis軟體中，經過地理配準後得到廣州市中心城區用地類型shp格式數據。
[0102]
s2026、異常值刪除：針對每個特徵的數據值進行折線圖表繪製，判斷每個特徵中是否存在遠偏離正常區間的異常值，對異常值進行刪除。
[0103]
s203、對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集。
[0104]
進一步地，該步驟s203具體包括：
[0105]
s2031、根據基礎地理信息數據中的城市道路數據與手機信令中的人口密度數據，進行服務區生成，得到預設時間的採樣圈人口覆蓋度指標，運用自然斷裂點將該指標分成5級，並進行賦分。
[0106]
具體地，根據基礎地理信息數據中的廣州市城市道路數據與手機信令中的人口密度數據，使用arcgis進行服務區生成，得到15分鐘採樣圈人口覆蓋度指標，使用自然斷裂點法將該指標分為5級，按照15分鐘採樣圈人口覆蓋度從高到低分別賦分1、0.8、0.6、0.4、0.2。
[0107]
s2032、根據基礎地理信息數據中的城市道路數據，進行路網提取和服務區生成，根據興趣點數據中的公共設施位置數據，計算公共設施到採樣點的花費時間，得到便民服務設施可達性指標，按照生活圈層時間將該指標分為4級，並進行賦分。
[0108]
具體地，根據基礎地理信息數據中廣州市的城市道路數據，進行路網提取和服務區生成，根據興趣點數據中的公共設施位置數據，計算公共設施到現有採樣點的花費時間，得到便民服務設施可達性指標，按照生活圈層時間將該指標分為4級：0-5分鐘賦分1、5-10分鐘賦分0.67、10-15分鐘賦分0.33、15分鐘以上賦分0。
[0109]
s2033、根據網絡開源數據中目標城市的採樣點數據，得到目標區域的採樣點的坐
標，結合城市道路數據計算採樣點與檢測機構的距離，得到檢測機構可達性指標，按照車行所需時間將該指標分為4級，並進行賦分。
[0110]
具體地，根據網絡開源數據中廣州市的檢測機構數據，依據得到目標區域的檢測機構的坐標，結合城市道路數據計算採樣點與檢測機構的距離，得到檢測機構可達性指標，按照車行所需時間將該指標分為4級：0-5分鐘賦分1、5-10分鐘賦分0.67、10-15分鐘賦分0.33、15分鐘以上賦分0。
[0111]
s2034、根據土地利用數據，按照適宜開展採樣活動的不同用地類型關聯到每個採樣點，得到用地類型指標，按照用地類型將該指標分為5級，並進行賦分。
[0112]
具體地，根據廣州的城市總體規劃的土地利用數據，按照適宜開展採樣活動的不同用地類型關聯到每個採樣點，得到用地類型指標，按照用地類型將該指標分為5級：：居住用地、對外交通用地賦分1、公共管理與公共服務用地、行政商業辦公用地賦分0.8、市政用地賦分0.6、工業用地、倉儲用地賦分0.4、林地、園地、耕地、綠化用地、防護用地賦分0.2。
[0113]
s2035、根據手機信令數據，統計用戶年齡結構分布，得到年齡結構指標，使用自然斷裂點法將該指標分成5級，並進行賦分。
[0114]
具體地，根據手機信令數據，統計廣州市用戶年齡結構分布，得到年齡結構指標，計算65歲以上人口佔總人口比重得到老齡化指數，使用自然斷裂點法將該指標分成5級，按照老齡化水平從高到低分別賦分1、0.8、0.6、0.4、0.2。
[0115]
s2036、根據基礎地理信息數據，計算平均建築高度和建築密度，進一步計算網格內的天空開闊度和地面粗糙程度，得到通風潛力指標，根據城市形態學模型衡量通風潛力程度，劃分為5級，並進行賦分。
[0116]
進一步地，該步驟s2036具體包括：
[0117]
s20361、計算網格內平均建築密度和平均建築高度，利用arcgis採用劃分網格後以10m作為緩衝間距進行緩衝分析的方法得到網格內平均建築密度及平均建築高度。
[0118]
s20362、計算建築截面積指數，實驗證明建築截面積指數λf與城市建築密度λ
p
的關係為λf＝0.8λ
p
較為理想，因此輸入建築密度數據即可得到建築截面積指數λf。
[0119]
λf＝0.8
p
(1)
[0120]
s20363、依據得到的建築截面積指數計算歸一化的零平面位移高度zd/zh：
[0121][0122]
s20364、計算摩阻速度u*與風速uh的比值：
[0123][0124]
s20365、依據式(2)和式(3)所得參數及網格平均建築高度求取城市地區動力粗糙度長度z0：
[0125][0126]
s20366、使用柵格模型計算廣州市城市地標開闊度，如下式(5)：
[0127][0128]
s20363、根據城市形態學模型衡量通風潛力程度，劃分為5級，分別賦分：1(通風潛
力高，rl≤0.5svf≥0.75)、0.8(通風潛力較高，rl≤0.5svf＜0.75)、0.6(通風潛力一般，0.5≤rl≤1.0svf≥0.75)、0.4(通風潛力較低，0.5≤rl≤1.0svf≤0.75)、0.2(通風潛力無或低，rl＞1.0)。
[0129]
s2037、根據手機信令數據，計算每個網格內的人口密度，得到人口密度指標使用自然斷裂點法將該指標分成5級，並進行賦分。
[0130]
為了衡量工作人口與居住人口兩種情境下採樣點選址差異，對人口密度指標分別使用工作人口工作人口密度與居住人口居住人口密度進行兩次計算，使用自然斷裂點法將該指標分成5級，按照人口密度從高到低分別賦分1、0.8、0.6、0.4、0.2。
[0131]
如圖4a～圖4g所示，分別為廣州市中心四城區15分鐘採樣圈人口覆蓋度示意圖、便民服務設施可達性示意圖、檢測機構可達性示意圖、用地類型示意圖、老齡化人口指數示意圖、通風潛力等級示意圖、人口密度(工作人口)示意圖、人口密度(居住人口)示意圖。
[0132]
s2037、將上述7個指標的賦分進行歸一化，城市應急採樣點指標的體系表如下表1所示。
[0133]
表1城市應急採樣點指標的體系表
[0134]
[0135][0136]
s2038、使用arcgis軟體，將上述7個指標賦分使用空間連接關聯到每個現狀採樣點，構成第三樣本數據集。
[0137]
s204、根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系。
[0138]
s2041、因子正向化處理
[0139]
原始分析矩陣中的特徵因子存在影響方向不一致的情況，需要全部統一為正向因子，即「越大越優」型因子進行後續運算，對於逆向因子列的人口密度，使用以下公式實現正向化：
[0140]
x
′
ij
＝max
1≤i≤n
x
ij-x
ij
ꢀꢀꢀ
(6)
[0141]
s2042、分析矩陣無量綱歸一化處理
[0142]
對分析矩陣按x列進行歸一化到區間[0，1]以消除量綱影響，如下式：
[0143][0144]
s2043、計算中間量p
ij
[0145]
根據信息熵定義計算各因子信息熵，定義中間量p
ij
為歸一化後x
′
ij
佔因子所在列的權重，如下式：
[0146][0147]
s2044、計算各因子的信息熵值，如下式：
[0148][0149]
s2045、特別地，如果p
ij
＝0，那麼將其賦予一個極小的正數(1
×
10-7
)避免運算錯誤，得到因子信息熵值後，即可計算因子熵權ωj：
[0150][0151]
其中，x
ij
為原逆向因子，x
′
ij
為正向化因子，n為樣本總數，p
ij
為中間量，ej為各因子的信息熵值，ωj為因子熵權。
[0152]
計算所得各指標在工作人口與居住人口兩種情況下的權重如下表2和表3所示，可以看到居住人口人口密度的權重較工作人口佔據主導地位，而其他指標權重差異變化不大，證明模型具有一定的穩定性。
[0153]
表2城市應急採樣點指標體系表(工作人口)
[0154]
指標(工作人口)熵權15分鐘採樣圈人口覆蓋度0.2372580539280678便民服務設施可達性0.19451341831609717檢測機構可達性0.01834468334669519用地類型0.2035120329503205老齡化人口指數0.13211679526906245通風潛力等級0.14417909497738352人口密度0.07007592121237337
[0155]
表3城市應急採樣點指標體系表(居住人口)
[0156]
指標(居住人口)熵權wj15分鐘採樣圈人口覆蓋度0.19887259989432093便民服務設施可達性0.16304352402124123檢測機構可達性0.015376737737642438用地類型0.1705862727630717老齡化人口指數0.11074191214950314通風潛力等級0.12085267915607065人口密度0.22052627427814991
[0157]
針對廣州市中心四城區的城市採樣場所選址優化模型中各個特徵的重要程度圖，如圖5a～圖5b所示。
[0158]
s205、採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果。
[0159]
進一步地，該步驟s205具體包括：
[0160]
s2051、通過第二樣本數據集獲取城市公共空間空地備選點與社區內部空地備選
點數據，城市公共空間備選點通過廣州市poi數據中直接獲取；社區內部空地備選點通過aoi數據經過處理獲取，具體處理方法如下：
[0161]
s20511、對於由aoi獲取的開敞公共空間，按照n
×
n網格的因子測度最高精度進行細分。
[0162]
s20512、計算各最小網格的熵權總分，取最高分網格為候選面。
[0163]
s20513、使用廣州市中心城區的建築輪廓cad數據，在住宅區aoi中去除建築輪廓面域。
[0164]
s20514、獲取道路輪廓數據與水體數據，進一步去除道路及水域面域。
[0165]
s20515、去除面積小於90
㎡
的面域，獲得社區內部開敞公共空間最終候選面。
[0166]
s2052、根據晝夜兩種情況下的各指標權重，將採樣點選址相關指標連接到採樣點上，從而得到每個應急採樣點備選點的晝夜兩種情況下各指標得分以及總分。
[0167]
具體地，對所有應急採樣點備選點使用表1中7項指標進行打分，並通過所得到的熵權分別賦分。
[0168]
s2053、運用topsis模型，按照總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果。
[0169]
具體地，針對社區內部備選點集合，提取每個候選面中賦分最高值處作為該候選面的特徵點，共計得到21210個候選點，此21210個候選點分別按照白晝與黑夜兩種情景使用topsis模型進行總分最優排序，得到晝夜兩種情況下的初步選址結果。
[0170]
s206、運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
[0171]
以最大化覆蓋人數為目標函數，目標函數定義為：
[0172]
max＝∑
n∈nwnynm
(y
nm
∈{0,1},∈n)(11)
[0173]
約束函數定義為：
[0174]
s(n)＝{m∈m∣d
nm
≤d}(12)
[0175]
∑
m∈s(n)
x
mnm
(xm∈{0,1},∈m)(13)
[0176]
∑
m∈m
xm(14)
[0177][0178]
p＝p
÷
c(16)
[0179]
xm和y
nm
都是決策變量，定義如下：
[0180][0181][0182]
其中，m為應急採樣點備選點m的集合；n為需求點n的集合；p為地區總人口；d
nm
為需求點n到候選點m的距離；d為採樣點的要求服務半徑；s(n)為可以覆蓋需求點n的一組候選點集合；p為需要設置的採樣點數目；c為採樣點平均服務容量；
[0183]
根據目標函數和約束函數，構建人口覆蓋度模型，對初步選址結果進行人口大規模採樣、居住人口大規模採樣、工作人口常規採樣、居住人口常規採樣的目標導向，得到優
化後的最終選址結果。
[0184]
進一步地，該步驟s206具體包括：
[0185]
s2061、採樣點數量n＝實際服務管理人口/(每個採樣臺每小時檢測人數＊每個採樣點平均採樣臺數n*每天平均採樣時間)。針對本實施例的目標區域，廣州市中心四區實際服務管理人口數6590000人，每個採樣臺每小時120人，每天平均採樣時間8小時。
[0186]
s2062、常規採樣點需求估計中，每個採樣點平均採樣臺數n＝2臺，得到廣州市中心四區常規採樣點數量n1＝3400，則平均容量c1＝1938。
[0187]
s2063、大規模採樣點需求估計中，根據廣州市公布的參與大規模篩查的醫護人員數量和大規模採樣點數量，可求平均每個採樣點中採樣臺數量n＝醫護人員數量/(大規模採樣點數量*4)，4代表每個採樣臺2位採樣人，且倒班一次。
[0188]
本實施例中，醫護人員數量為20883人，大規模採樣點數量為3687個。計算得n＝1.4，代入回步驟s2061中計算式得到廣州市中心四區大規模採樣點數量n2＝1500，平均容量c2＝4393。
[0189]
s2064、採樣點數量需求，對第四樣本數據集進行總分最優情況選取。得到工作人口+大規模、工作人口+常規、黑夜+大規模、黑夜+常規四種情形下的城市應急採樣點選址優化方案。
[0190]
廣州市中心四城區的「工作人口-常規」採樣點分布圖、「工作人口-大規模」採樣點分布圖、「居住人口-常規」採樣點分布圖、「居住人口-大規模」採樣點分布圖如圖6a～圖6d所示。
[0191]
在本實施例中，工作人口方案人口覆蓋度達到95.18％，居住人口方案人口覆蓋度達到94.19％，對比現狀採樣點人口覆蓋度70.05％有較為顯著的提升效果。
[0192]
總體而言，本實施例通過對多源數據的運用，實現了廣州市中心四區範圍內應急採樣點選址優化方法。根據現有指標體系表，該方法中15分鐘採樣圈人口覆蓋度佔據權重最大，反映出採樣點可達性的；其次為通風潛力，反映出採樣點降低感染風險，提供安全的重要性；而工作人口與居住人口的指標權重對比也可看出，城市中人口分布晝夜呈現較大差異，在考慮設置應急採樣點時可依此靈活調整以提高採樣效率、降低經濟成本、減少居民等待時間與感染風險。
[0193]
應當注意，儘管以特定順序描述了上述實施例的方法操作，但是這並非要求或者暗示必須按照該特定順序來執行這些操作，或是必須執行全部所示的操作才能實現期望的結果。相反，描繪的步驟可以改變執行順序。附加地或備選地，可以省略某些步驟，將多個步驟合併為一個步驟執行，和/或將一個步驟分解為多個步驟執行。
[0194]
實施例2：
[0195]
如圖7所示，本實施例提供了一種多情景城市應急採樣場所選址優化系統，該系統包括獲取模塊701、預處理模塊702、第一評價模塊703、計算模塊704、第二評價模塊705和選址優化模塊706，各個模塊的具體功能如下：
[0196]
獲取模塊701，用於獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集；
[0197]
預處理模塊702，用於對第一樣本數據集進行預處理，得到第二樣本數據集；
[0198]
第一評價模塊703，用於對第二樣本數據集進行進一步處理，形成採樣點選址相關
指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集；
[0199]
計算模塊704，用於根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系；
[0200]
第二評價模塊705，用於採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果；
[0201]
選址優化模塊706，用於運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
[0202]
需要說明的是，本實施例提供的系統僅以上述各功能模塊的劃分進行舉例說明，在實際應用中，可以根據需要而將上述功能分配由不同的功能模塊完成，即將內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。
[0203]
實施例3：
[0204]
本實施例提供了一種計算機設備，該計算機設備可以是計算機，如圖8所示，其包括通過系統總線801連接的處理器802、存儲器、輸入裝置803、顯示器804和網絡接口805，該處理器用於提供計算和控制能力，該存儲器包括非易失性存儲介質806和內存儲器807，該非易失性存儲介質806存儲有作業系統、電腦程式和資料庫，該內存儲器807為非易失性存儲介質中的作業系統和電腦程式的運行提供環境，處理器802執行存儲器存儲的電腦程式時，實現上述實施例1的多情景城市應急採樣場所選址優化方法，如下：
[0205]
獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集；
[0206]
對第一樣本數據集進行預處理，得到第二樣本數據集；
[0207]
對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集；
[0208]
根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系；
[0209]
採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果；
[0210]
運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
[0211]
實施例4：
[0212]
本實施例提供了一種存儲介質，該存儲介質為計算機可讀存儲介質，其存儲有電腦程式，電腦程式被處理器執行時，實現上述實施例1的多情景城市應急採樣場所選址優化方法，如下：
[0213]
獲取目標城市的手機信令數據、興趣點/興趣面數據、基礎地理信息數據、網絡開源數據、土地利用數據，構成第一樣本數據集；
[0214]
對第一樣本數據集進行預處理，得到第二樣本數據集；
[0215]
對第二樣本數據集進行進一步處理，形成採樣點選址相關指標，並對採樣點選址相關指標進行分級賦分，構成第三樣本數據集；
[0216]
根據第三樣本數據集，針對晝夜不同的人口密度指標評分，運用熵權法得到晝夜兩種情況下的各指標權重，以構成應急採樣點選址指標體系；
[0217]
採集應急採樣點備選點數據，利用應急採樣點選址指標體系，對應急採樣點備選點進行賦分，並按照各項指標加權所得總分最優原則對應急採樣點備選點進行排序，得到晝夜兩種情況下的初步選址結果；
[0218]
運用人口覆蓋度模型，對初步選址結果進行目標導向，得到優化後的最終選址結果。
[0219]
需要說明的是，本實施例的計算機可讀存儲介質可以是計算機可讀信號介質或者計算機可讀存儲介質或者是上述兩者的任意組合。計算機可讀存儲介質例如可以是但不限於電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件，或者任意以上的組合。計算機可讀存儲介質的更具體的例子可以包括但不限於：具有一個或多個導線的電連接、可攜式計算機磁碟、硬碟、隨機訪問存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或快閃記憶體)、光纖、可攜式緊湊磁碟只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。
[0220]
在本實施例中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執行系統、裝置或者器件使用或者與其結合使用。而在本實施例中，計算機可讀信號介質可以包括在基帶中或者作為載波一部分傳播的數據信號，其中承載了計算機可讀的程序。這種傳播的數據信號可以採用多種形式，包括但不限於電磁信號、光信號或上述的任意合適的組合。計算機可讀信號介質還可以是計算機可讀存儲介質以外的任何計算機可讀存儲介質，該計算機可讀信號介質可以發送、傳播或者傳輸用於由指令執行系統、裝置或者器件使用或者與其結合使用的程序。計算機可讀存儲介質上包含的電腦程式可以用任何適當的介質傳輸，包括但不限於：電線、光纜、rf(射頻)等等，或者上述的任意合適的組合。
[0221]
上述計算機可讀存儲介質可以以一種或多種程序設計語言或其組合來編寫用於執行本實施例的電腦程式，上述程序設計語言包括面向對象的程序設計語言—諸如java、python、c++，還包括常規的過程式程序設計語言—諸如c語言或類似的程序設計語言。程序可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟體包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或伺服器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡，包括區域網(lan)或廣域網(wan)連接到用戶計算機，或者，可以連接到外部計算機(例如利用網際網路服務提供商來通過網際網路連接)。
[0222]
綜上所述，本發明能夠在城市發生重大傳染性公共衛生事件時提供一種適用於常規檢測和突發大規模篩查檢測兩種情形，同時考慮城市晝夜人口變動帶來的影響的採樣點選址方案，以便於安全高效的應對此類重大傳染性公共衛生事件，從而儘量減少此類事件對於居民生產生活帶來的影響。對於城市管理者來說，本發明提供的採樣選址優化建議，能夠幫助管理者減少決策時間，以便於城市各部門快速靈活作出應答，從而提高城市系統韌性。
[0223]
以上所述，僅為本發明專利較佳的實施例，但本發明專利的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明專利所公開的範圍內，根據本發明專利的技
術方案及其發明專利構思加以等同替換或改變，都屬於本發明專利的保護範圍。