在城镇化进程不断加快的背景下，城市人口数量也呈现出一种集聚增长的趋势，城市发展过程中的复杂风险以及不确定因素也日益凸显。公路作为城市建设过程中的重要组成部分，其对城市经济的发展有着直接影响，尤其是受到台风的侵害后，将会造成严重的经济损失^[1]。因此，为有效提升公路的抗风险能力，构建有效的公路风险保障体系尤为重要。

基于此，本文基于人工智能技术构建了台风灾害评估模型，实现台风灾害损失的快速评估。在确定台风造成的损失后，基于系统动力学，构建了台风灾害系统动力模型，实现应急物资调度策略的优化。

1 风险评估理论体系

1.1 公路灾害风险模型

为有效实现公路灾害风险的快速、准确评估，研究构建了一种基于人工智能技术的公路灾害风险评估模型，如图1所示。

图1 公路灾害风险评估体系

在对风险进行相应的评估后，采用风险矩阵法，预测风险等级，并将其划分为四个等级，详见表1。在本次研究过程中，为有效提升事故的预防能力，采用了公路保险机制，并采用对称风险评估矩阵，确定风险，即：

（1）

式（1）中，、、分别为类构筑物的综合风险、事故可能性风险度、事故损失风险度。

表1风险度与风险等级对应关系

1.2 公路灾害风险的可能性分析

在本次研究过程中，主要基于加权层次分析法计算承灾体事故可能性大小，故将公路灾害风险指标体系进行划分，如图2所示。

图2 构筑物事故可能性指标体系

从图2中可看出，该体系主要分为三个层次。在对不同构筑物评估过程中，为实现快速评估，仅需对承灾体自身因素进行替换。公路台风灾害风险事故可能性大小可通过下列公式进行计算，

（2）

式（2）中，—、—分别表示示类构筑物在1、2、3属性层指标下底层指标分值与权重值；—为类构筑物属性层三个指标的权重值；为承灾体状况下的底层指标数量。对于权重结果，主要通过专家问卷的方式获取。

1.3 公路灾害风险损失自动化计算

因公路构筑物数量多，台风后逐个评估会错过最佳巡检时机且影响效率。为此，本研究耦合事故发生可能性与损失，提出公路风险事故损失评估方法，实现快速准确评估，步骤为：（1）构建无灾害时人员分布与经济价值；（2）加入事故发生可能性影响并赋折减系数；（3）选取人员与经济损失中最不利结果作为评估值，具体标准详见表2。

表2事故损失风险类别评定标准

此时，事故可能性对事故损失的折减系数可表示为：

（3）

在获取相应的折减系数后，在此基础上对人员伤亡进行计算，并获取相应的经济损失，以此来进行事故损失风险的计算，即：

（4）

式（4）中，性、分别表示周边交通量与受威胁居民数；、分别为构筑物价值与价值风险。、分别为人员伤亡、经济损失价值评估值。

2 应急物资调度系统动力演化模型

2.1 台风灾害下韧性城市应急物资调度回路

对于台风灾害应急物资需求而言，其具有多样性、时效性、分布不确定性等特点。为此，研究通过台风灾害应急物资调运系统动力模型，进行应急物资需求的准确预测，以此来满足灾害初期的物质需求，如图3所示。

图3 台风灾害应急物资调运系统动力模型

一般来说，基准应急需求可通过需求点的地形、人口等综合分析获取，但在台风灾害逐渐演化的背景下，传统的数学模型难以充分体现实际需求，故通过马尔可夫链实现应急物资需求的有效预测^[2]。

2.2 系统流图设计与构建

在应急物资调配过程中，需求点的物资请求往往呈现脉冲式特征，其需求到达时间与实际需求量之间存在动态差异。这种差异主要源于灾害发展的阶段性特征，随着灾情态势的演变，应急物资的需求信息呈现出明显的动态变化特性。基于此，可将周期性应急物资需求量建模为时变函数：

（5）

式（1）中，为时刻物资需求量；为时刻物资库存；为时刻脉冲需求量。

研究基于图3中的因果回路图，通过系统动力学Vensim软件，构造动力学模型。在构造的模型中，设置了相应的水位变量与速率变量。其中，水位变量主要包括、、，分别表示应急物资在途库存、应急物资库存、物资使用量，速率变量包括、、分别表示调度、到达、使用。

（6）

（7）

（8）

（9）

（10）

3 仿真试验

以某高速公路为研究对象，基于本文提出的公路灾害风险快速评估方法，构建智能化风险评估系统，实现风险灾害信息的管理、风险评估计算。在试验过程中，将录入系统中的数据作为基础数据，结合历史台风灾害统计数据，及时制定相应的风险等级报告。以2019年发生的台风“利奇马”为例风险评估，在台风发生后，受灾区域总计10条公路线、涉及10县市区，总计评估构筑物为1870个，各类构筑物的风险评估结果详见表3。

表3 风险评估结果

通过分析得知，边坡风险等级为III的数量相对较多，路面、路基数量相对较少。在台风过后，边坡出现不同程度的损失，造成严重经济损失。

在确定相应的损失后，及时启动应急供给，并对物资调运进行动态模拟，以此来获取应急物资调度趋势，如图4所示。

图4 应急物资调度趋势

从图4中（a）可明确看出，在应急物资运输过程中，存在较大的波动，在短时间内难以将大量的物资运往灾区，但是随着时间的推移，应急物资调度逐渐恢复平缓。从图4（b）中可明确看出，物资调度初期系统能有效弥补供给缺口，但随着时间推移呈现动态变化特征：在持续补给作用下，物资缺口呈现单调递减趋势，最终实现供需平衡（缺口量→0）并形成物资储备。当在途库存降至安全阈值时，缺口量出现非线性反弹现象，其增长速率呈现指数特征，可在Δt时间内恢复至灾前水平。这一动态过程验证了模型对台风"利奇马"灾害演变的实时仿真能力。

为进一步量化评估政府应急响应效能，本研究构建了多因素耦合分析模型（图5）。

图5 不同频次次生灾害下政府应急物资调度能力

从图5（a）中可明确看出，在灾害初期，随着次生灾害频次的增加，应急物资在途库存并未发生显著变化，并在仿真过程中始终保持在较高的水平，可保障应急物资缺口在可控范围内^[3-4]。

从图5（b）中可明确看出，当次生灾害为高频次时，应急物资缺口量仍在可控范围内，并且与低频次状态下的波动趋势大致相同。由此得知，在次生灾害频次不断增加的情况下，为缓解灾情的蔓延，应急物资调运将逐渐增加，不会导致物资缺失的情况产生。

图6 不同调度能力下应急物资在途库存与缺口量趋势

从图6（a）中可明确看出，高调度模式下的物资在途库存逐渐上升，但是上升幅度较小。在达到相应的峰值后，高调度曲线呈现出一种逐渐下降的趋势，由此得知，当应急物资能力增加后，物资在库存在灾后短期内相对较低，在一定程度上缓解了物资的调度压力。从图6（b）中可明确看出，在处于高调度时，应急物资缺口量并未发生明显变化，说明物资缺乏的问题并未得到有效改善，由此得知，在应急物资调度能力提升的情况下，虽然在短时间难以恢复，但是在持续调度后，仍可恢复稳定^[5]。

4 思考与建议

通过上述分析得知，提升应急物资调度效能可有效缓解调度负荷、规避资源浪费，但次生灾害的持续发生将削弱调度系统效能，而通过持续性的调度实践可促使系统恢复稳定状态。针对此，本研究提出以下优化建议：

（1）通过科学选址与标准化设计完善储备体系，形成多级响应的物资缓冲机制，为政府应急决策提供战略纵深空间。

（2）建立智能化风险识别模型提升评估精度，配套制定分级响应预案，创新设计应急物资调运时空叠合框架，实现调度能力与任务分配的实时动态优化。

（3）提升公众减灾意识，普及台风等气象灾害风险，推动承灾体向抗灾体转变，降低应急物资需求，减少次生灾害后对应急物资调运的依赖。

结语

为实现台风灾害损失的快速评价，本文构建了一种基于智能技术的台风灾害评估体系，并构建台风灾害系统动力模型，在考虑政府应急能力、次生灾害频次等因素的前提下，分析应急物资调度策略。仿真结果显示，构建的台风灾害评估体系可准确识别台风灾害风险，并且可计算相应的损失，同时，构建的台风灾害系统动力模型可实现台风灾害的模拟。

参考文献

[1]王伊,沈钰博,陆一宾,等.基于时变需求的台风灾害应急物资调度模型研究[J].物流科技,2023,46(20):22-28.

[2]陈湉,林勇.大数据背景下台风灾害应急物流车辆调度优化仿真[J].灾害学,2019,34(01):194-197.

[3]马仲能,袁太平,林铭潮.电网企业应急物资库存模式研究[J].低碳世界,2019,9(1):38-40.

[4]丛雯婧,俞武扬.考虑台风情景的区域应急物资储备库选址模型与算法[J].工业工程与管理,2020,25(5):68-74.

[5]李绍攀,赵飞,周义棋,等.基于微博数据的台风灾害舆情分析与灾害损失估计[J].清华大学学报:自然科学版,2022,62(1):43-51.

[6]张广平,谢忠,罗显刚,等.基于WebGIS的海南省台风灾害管理决策辅助系统[J].热带海洋学报,2014(6):80-87.

作者简介：蓝美娟（1988-），女，浙江衢州人，副教授，研究方向：城市公共安全、建筑消防安全。

基金项目：本文系温州市未来城市研究院开放基金资助（基于LightGBM 和GIS的温州台风再请动态预测及应急优化研究 编号：WL2023009）