摘要：应急物资的供需分配和物流优化是应急物资管理决策中的重要支撑。本文基于最优供需分配模型,构建了基于供需分析的物资供应点分配方法。该方法考虑了市场储备点需同时对受灾需求点和原有需求点进行保障性物资供给的约束条件,相比传统方法能进一步提高物资供需分析的合理性与准确性。在物资供应点分配的基础上,构建了洪灾情景下的应急物资配送路径优化方法。该方法基于真实道路网络,利用“度”“方形集聚系数”及“道路设计日交通量”评估路段可靠性,并充分考虑洪涝灾害对道路通行时间的影响,以“路径行程时间最短”和“路径可靠性最高”为目标,采用启发式算法进行最优路径的求解。以上海市奉贤区为研究区开展案例研究。通过市场与政府协同供应的多种方案情景的对比分析,发现G方案(政府全供应)配送经历时间久、总花费时间成本多,可能导致应急救援任务超时,S方案(市场全供应)配送效率低,易导致人力、运力资源浪费,而S1500方案(由市场供应1500 m覆盖范围内的避难场所,由政府供应剩余的避难场所)则是同时适合案例中2种洪灾情景下3类物资(饮用水、大米、婴儿奶粉)的协同供应方案。该研究结果可为研究区相关部门的应急救援救助提供决策支持。本文提出的方法能够为其他地区的相关研究提供方法借鉴。

摘要：针对小目标船舶在密集性场景中检测的漏检率和误检率较高的问题,基于深度卷积神经网络,提出一种船舶检测方法。该方法选用YOLOv7模型作为算法参考框架进行改进,设计自适应锚框匹配算法,利用CIoU距离度量方式重构K-means聚类算法,以更好地适应船舶数据集中物体的尺寸和比例分布;增加一个针对小尺度目标的细粒度检测头,并使用分散注意力机制对网络模型结构进行重新设计;采用负片图像增强技术来扩充数据样本以获得更多训练样本。实验结果表明:与YOLOv7原模型相比,本文算法在内河航运船舶检测任务中的查准率和查全率分别达到92.8%和88.9%,分别提高10.9%和23.6%;mAP50达到92.6%,提高23.4%;FPS指标下降11.4;模型大小为47.1 MB,在PC端上单张图片耗时需要32.26 ms,实现了小目标船舶的高效检测。