CN116362606A - 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 - Google Patents
考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 Download PDFInfo
- Publication number
- CN116362606A CN116362606A CN202310304188.8A CN202310304188A CN116362606A CN 116362606 A CN116362606 A CN 116362606A CN 202310304188 A CN202310304188 A CN 202310304188A CN 116362606 A CN116362606 A CN 116362606A
- Authority
- CN
- China
- Prior art keywords
- network
- supply
- data
- node
- survivability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000011664 signaling Effects 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000007728 cost analysis Methods 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940124645 emergency medicine Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质，所述方法包括：获取目标区域的基础数据并进行预处理，对目标区域进行网格划分；基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；基于预处理后行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；根据各供应点的服务量与预处理后城市道路数据，构建供应网络；基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定攻击策略；基于级联失效模型，对攻击策略下的供应网络服务效能的抗毁性进行测度。本发明提供的方法为突发重大灾害下城市的生活物资供应保障体系与城市治理提供了参考。
Description
技术领域
本发明属于城市供应网络领域，特别是涉及一种考虑级联失效的生活物资供应网络抗毁性测度方法、***、计算机设备及存储介质。
背景技术
确保重要供应链安全，其中“市场-社区”这一层级最切中市民在城市突发事件下的基本物资保障问题。针对该层级下的供应网络韧性的研究对稳定社会发展、促进特大城市可持续发展与民生福祉保障具有重要意义。
目前，城市规划业界对城市生活物资供需网络的研究主要涉及农产品物流网络、应急药品供应等，忽视了与市民日常生活直接关联的“市场-社区”生活物资物资供应层级。有少数学者关注到灾害期间的生活物资物资供给问题。相关研究方法主要包括抗毁性算法、多智能体、遗传算法、结构方程模型等，其中抗毁性算法能够实现对现实薄弱节点的蓄意攻击，有效衡量供应网络的全局网络效率变化与缺失服务量。
级联失效是指在复杂网络中局部的失效可能导致关联部分的接连性失效，最后导致整体网络的失效。复杂网络中的微小变动都将对其他节点产生影响，级联失效是供应链中断的根本原因之一。而目前抗毁性模型缺乏对级联失效效应的考虑。
此外，在级联失效研究方向上，目前针对理论网络模型分析和仿真的相关研究较多，但相关研究主要关注网络本身的拓扑特征分析级联失效过程，而忽略了供应网络应基于居民的需求情况来提升网络韧性。
发明内容
有鉴于此，本发明提供了一种虑级联失效的生活物资供应网络抗毁性测度方法、***、计算机设备及存储介质，通过从城市生活物资供应保障体系出发，借助手机信令等数据建立“市场-社区”层级生活物资供应网络，引入级联失效机制对网络抗毁性进行评估，为突发重大灾害下特大城市的生活物资供应保障体系与城市治理提供参考。
本发明的第一个目的在于提供一种考虑级联失效的生活物资供应网络抗毁性测度方法。
本发明的第二个目的在于提供一种考虑级联失效的生活物资供应网络抗毁性测度装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种考虑级联失效的生活物资供应网络抗毁性测度方法，所述方法包括：
获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
进一步的，所述基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度，包括：
初始化程序，载入初始供应网络最短路径矩阵、初始供应网络拓扑矩阵；
在所述网络攻击策略下，根据供应网络节点攻击顺序选择受攻击节点，并在供应网络中删去选定节点；
基于级联失效模型，判断供应网络网络服务效能值是否为0，若是，则返回根据供应网络节点攻击顺序选择受攻击节点，并继续执行后续操作；
基于输出网络攻击下的供应网络服务效能与攻击次数的关系图表，对网络攻击下的供应网络服务效能的多个抗毁性指标进行评价。
进一步的，所述抗毁性指标包括全局网络效率、有效节点比例、缺失服务量以及节点重要度。
进一步的，所述级联失效模型的构建，包括：
供应网络的节点代表供应点；边代表供应点间的联系，表示供应点间是否存在物资调配；
根据供应网络中供应点的常态服务量，实现给定各节点的初始容量；
根据攻击顺序依次攻击供应网络节点，当节点i的负载超过容量的一定倍数时，节点超载成为失效节点，计算节点i的缺失服务量；
若节点i受到攻击失效，则在网络中删除该节点；若节点i存在邻接节点，则节点i的负载按照邻接节点空余容量的比例分配给网络中的其他节点；
若节点i的邻接节点j的负载没有超过其初始容量的一定倍数时，则节点i的失效会触发网络的级联效应；否则节点j因超载而成为失效节点，从而触发网络的级联失效，导致网络性能下降，甚至产生缺失服务量。
进一步的，所述POI数据还包括社区点POI；
所述基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，包括：
基于预处理后行政数据，根据预处理后手机信令数据筛选出市场与社区间出行轨迹；
对各市场栅格的OD出行量进行扩容，得到各市场的人口服务量；
根据OD数据，生成市场与社区的OD联系线；以各市场的人口服务量为值，设置分级符号，形成供需网络。
进一步的，所述计算供应点间的联系，公式如下：
式中，Wxy为任意供应点x和y之间的联系度，Cx为供应点x的服务量，Cy为供应点y的服务量，dxy为供应点x和供应点y之间的路网距离，由数据预处理中的O-D成本分析得到。
进一步的，所述POI数据还包括社区点POI；
从社区自组织能力、社区人口构成和社区基础设施三个维度衡量社区韧性，其中所述社区自组织能力对应的指标包括非通勤人流变化率，所述社区人口构成对应的指标包括人口数量、老年人比例和人均消费能力，所述社区基础设施对应的指标包括商超数量。
本发明的第二个目的可以通过采取如下技术方案达到：
一种考虑级联失效的生活物资供应网络抗毁性测度***，所述***包括：
数据获取模块，用于获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
供需网络构建模块，用于基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
供应网络构建模块，用于根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
攻击策略制定模块，用于基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
抗毁性测度模块，用于基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
本发明的第三个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的生活物资供应网络抗毁性测度方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的生活物资供应网络抗毁性测度方法。
本发明相对于现有技术具有如下的有益效果：
本发明提供的考虑级联失效的生活必需品供应网络抗毁性测度方法、***、计算机设备及存储介质，通过手机信令数据构建“市场-社区”层级生活物资供应网络，同时构建抗毁性指标和级联失效模型，实现对城市供应网络的抗毁性测定。本发明一方面从实际情景的角度出发，提出更逼近供应网络失效真实情况的方法，其考虑遭遇攻击后供应网络级联失效效应，构建针对城市供应网络模型的负载-容量级联失效模型；另一方面根据城市供应网络的现实特性，选取全局网络效率、有效节点比例、缺失服务量及节点重要度作为供需网络抗毁性评估的核心指标。本发明为突发重大灾害下特大城市的生活物资供应保障体系与城市治理提供了参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的考虑级联失效的生活物资供应网络抗毁性测度方法的流程图。
图2为本发明实施例1的供需网络示例。
图3为本发明实施例1的供应网络示例。
图4为本发明实施例1的负载-容量级联失效模型的流程图。
图5为本发明实施例2的蓄意攻击下供应网络服务效能的抗毁性测度(全局网络效率)图示例。
图6为本发明实施例2的蓄意攻击下供应网络服务效能的抗毁性测度(缺失服务量)图示例。
图7为本发明实施例2的蓄意攻击下供应网络服务效能的抗毁性测度(有效节点比例)图示例。
图8为本发明实施例3的考虑级联失效的生活物资供应网络抗毁性测度装置的结构框图。
图9为本发明实施例4的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。应当理解，描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
实施例1：
本实施例提供的考虑级联失效的生活物资供应网络抗毁性测度方法，首先利用手机信令数据、供需点POI(Point of Interest)等数据构建城市供需点基础数据库，建立供需网络“供应点-需求点”的关系矩阵，以及“供应点-供应点”的邻接矩阵；进一步，根据城市社区韧性的不同影响参数，索引其最主要的供应点制定网络攻击排序，在Matlab进行多次蓄意攻击，使得原有供应点失效；生活物资供应网络抗毁性中引入级联失效机制，将失效节点的缺失服务量按照周围节点原有容量比例传递给相联系的供应节点，判定是否超出超载阈值，进而将生活物资需求负载传递到其他供应点或者累积缺失服务量，依次迭代。最终仿真模拟结束得到全局网络效率、有效节点比例、缺失服务量等评价指标。由此可以得到生活物资供应网络的服务能力抗毁性测度图。
如图1所示，本实施例提供了一种考虑级联失效的生活物资供应网络抗毁性测度方法，具体包括下述步骤：
S101、获取目标区域的基础数据并进行预处理，对目标区域进行网格划分。
本实施例中，研究范围内的的数据包括手机信令数据、POI数据、交通道路数据和行政数据，其中手机信令数据为***提供(包括用户出行、驻留与用户属性等)，POI数据包括社区位置点、生活物资供应点数据，其他数据通过多源数据开放平台获取，具体如下：
(1)获取并预处理手机信令数据。
本实施采用的手机信令数据来自***智慧足迹DaaS平台(包括用户出行、驻留与用户属性等)，本实施例选取了广州市中心六区的城市空间(天河区、荔湾区、越秀区、黄埔区、白云区)于2022年4月和7月的OD数据，具体如下：
网格匹配：利用ArcGIS平台将广州市六区划分为500m*500m网格导入Daas平台，以网格为最小单元进行数据统计。
数据获取与筛选：通过编写SQL语言代码，获取OD数据，包括出发网格的编号(o_id)、到达网格的编号(d_id)、出行目的(ptype)、出行人数(usum)等数据列。为避免双向OD和通勤OD干扰，通过SQL语言在平台进行单向非通勤OD筛选：O为市场，ptype为0(到访)，D为社区，ptype为1(居住)。
根据运营商市场占有率进行扩样，获得扩样常住人口，具体而言，扩样常住人口数据等于移动常住人口乘以扩样系数；扩样系数计算公式如下：
其中，S为扩样系数，Mi为M城市的运营商市场占有率，Mj为其移动电话普及率。
对数据栅格尺度差异化处理：通过Python将OD数据的社区D点数据落到1000m栅格的尺度上，统计各栅格单元人口，并以栅格中心点作为社区位置，助于简化数据进行供需网络建立与可视化。
对供应点服务量数据扩容：由于家庭中买菜人员购买生活物资来服务整个家庭人口，通过广州市平均家庭人数指标对各市场栅格的OD通行量进行扩容，得到各市场较准确的人口服务量。
(2)获取并预处理POI数据。
本实施例通过百度地图开放平台API接口，申请平台密钥。设置URL相关请求参数，包括密钥号码、查询对象(如超市、商场、前置仓等)、搜索范围内的经纬度坐标。得到采集到的供应点名称、经纬度等信息。
本实施案例选取广州地铁轨道交通网络，广州中心六区由759个供应点组成,具有一定代表性。
对在空间中重复的供应、需求点数据进行清洗，将出现格式错误、重复、内容为空等情况的无效数据删去。
将供应点POI数据在GIS中通过基于空间位置与500m栅格进行连接，得到含有市场的栅格数据，简化数据量便于后续的数据处理。
(3)获取并预处理城市道路数据。
通过OpenStreetMap获取本实施例范围内2022年的路网数据，包括省道、县道、乡镇道路、行人道路和其他道路。通过Arcpy进行单线化处理，并将路网.shp文件导入ArcGIS软件，进行路网打断与拓扑检查后，利用“网络分析”扩展模块来完成广州六区的路网构建。
(4)获取并预处理行政数据。
从国家地理信息公共服务平台(http://www.ngcc.cn/ngcc/)获取，主要包括2022年广州市市域、行政区的行政边界。在ArcGIS中选取广州六区作为研究范围，获取行政数据为“广州.shp”文件。
(5)根据基础行政数据，对目标区域进行网格化处理，并对网格编号。
根据步骤(4)中广州六区的行政边界，对目标区域进行网格化处理，并对网格编号，具体地，提取广州市的行政边界导入ArcGIS软件，创建500m*500m网格面要素覆盖全行政边界并依据边界进行裁剪，并进行编号。
S102、根据预处理后数据建立供需网络，并计算供需网络中各供应点的服务量。
(1)手机信令中市场与社区间出行轨迹筛选。
本实施例将“广州.shp”导入ArcGIS平台，筛选研究范围的六个区，得到“广州六区.shp”；然后通过GIS的“建立渔网”命令，在“广州六区.shp”基础上建立500m精度的“广州六区500m渔网.shp”，并生成wkt字段。
在***Daas平台，将带有wkt字段的“广州六区500m渔网.shp”上传，并下载手机信令数据。接着，根据联通市场权重对原始的手机信令数据进行扩样。公式：扩样常住人口＝移动常住人口＊扩样系数，其中扩样系数＝1/(运营商市场占有率＊移动电话普及率)；得到“手机信令数据.csv”。
将生活物资的供需关系，细化成从市场到居住地或从居住地到市场的OD轨迹。由于其存在重复性，实施例在python筛选了“手机信令数据.csv”中从市场到居住地的单向OD数据，即为前往市场等供应点购物物资的市民的出行轨迹，得到“OD.csv”。
(2)使市场与社区点带有栅格属性。
本实施例将“供应点POI.csv”、“需求点POI.csv”、“广州六区500m渔网.shp”导入ArcGIS平台。
通过GIS将供给点、需求点数据与500m精度网格进行叠加分析，使其带有网格Id信息。
(3)建立生活物资供应网络与可视化。
本实施例在python读取“OD.csv”，以市场栅格的“O_id”为汇总字段，对OD数据中人口出行量“usum”进行汇总，得出具体每个市场栅格和其他社区直接的购菜联系。
将供应点服务量的购菜人数根据广州市平均家庭人数指标进行扩容，即对各市场栅格的OD出行量进行扩容，得到各市场较准确的人口服务量。然后根据广州统计年鉴数据进行进一步的校准，乘以校正系数。得到“生活物资供应点与社区联系表.xlsx”，如表1所示。
表1生活物资供应点与社区联系表
将“生活物资供应点与社区联系表.csv”导入ArcGIS，使用“***工具箱-DataManagement Tools-要素-XY转线”工具，输入要素设为“OD.csv”，即生活物资购买的出行轨迹，起点X、Y字段设为起点生活物资供应点的经纬度，终点X、Y字段设为终点社区的经纬度，生成市场与社区的OD联系线。以OD人数为值，设置分级符号，形成广州六区城市生活物资的联系强度分析图，如图2所示。
供应点的服务能力，即常态服务人口量计算：
Pserve＝σ·α·θ·Pb
式中，Pserve为供应点常态服务人口量，σ为校正系数，α为平均家庭人数指标，θ为前往供应点出行中购买生活物资类物资的比例。
S103、根据各供应点的服务量与预处理后城市道路数据，构建供应网络并计算供应点间的联系。
(1)路网数据处理与出行OD成本分析。
在ArcGIS中，保留广州六区OSM路网数据的省道、乡道、县道和居住区级道路、删除高速路。
在Arcpy将广州六区OSM双线路网进行单线化处理。
再将路网文件导入ArcGIS进行路网打断与拓扑检查后，利用“网络分析”扩展模块来完成广州六区的路网构建。
计算OD成本分析，获取基于实际路网的供应点间最短路网距离，输出供应点最短距离矩阵。
(2)计算生活物资供应点之间的服务联系。
研究基于供需通勤OD节点服务能力计算的结果，获取供应点对应提供的服务量，利用Excel构建供应点之间的1-模矩阵，基于引力模型计算任意供应点x和供应点y之间的服务联系度矩阵。
生活物资服务联系度Wxy计算公式：
式中，Wxy为任意供应点x和y之间的联系度，Cx为供应点x的服务量，Cy为供应点y的服务量，dxy为供应点x和供应点y之间的路网距离，由数据预处理中的O-D成本分析得到。
设置门槛值W0＝1，当Wxy<W0时，研究认为供应点x和供应点y之间不存在物资调度的联系，将OD成本矩阵中相应的供应点x和供应点y之间的值设为0(无联系)，其他值保留不变，由此得到最短距离矩阵。
计算与处理后得到“生活物资供应点联系表.csv”。
本实施例中将“生活物资供应点联系表.csv”导入ArcGIS，使用“***工具箱-DataManagement Tools-要素-XY转线”工具，输入要素设为“OD.csv”，即生活物资购买的出行轨迹，起点X、Y字段设为起点生活物资供应点的经纬度，终点X、Y字段设为终点社区的经纬度，生成市场与社区的OD联系线。以OD人数为值，设置分级符号，形成广州六区城市生活物资的联系强度分析图，如图3所示。
S104、基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略。
本实施例综合考虑居民的需求，人本化制定网络攻击策略。从社区自组织能力、社区人口构成、社区基础设施这三个维度衡量社区韧性，包括商超密度、非通勤人流变化率、人口密度、老年人比例和人均消费能力，如下表2所示。
表2社区韧性指标表
从手机信令数据中获取非通勤人流变化率、人口密度、老年人比例和人均消费能力，以及从POI数据中获取并计算得到商超密度，对社区韧性评价指标体系进行初步评价，并将五项指标的相应数据与空间上对应的网格链接。
输出各指标下的社区韧性排序结果，得到“非通勤人流变化率-韧性排序.csv”、“人口数量-韧性排序.csv”、“老年人比例--韧性排序.csv”、“人均消费能力-韧性排序.csv”、“商超数量-韧性排序.csv”五个文件。
通过供需关系找到低韧性社区所对应的主要供应点。以“人口密度-韧性排序.csv”为例，调用python，pandas库，使用merge方法，根据“id”属性将“供需网络.csv”连接到“人口密度-韧性排序.csv””，按顺序分别筛选每一个低韧性社区对应的主要供应点。以第一个低韧性社区为例，该社区对应的“id”为“3716”，其对应的主要供应点为“usum”数值最大的供应点，因此确定该供应点作为人口密度指标下的第一个被攻击的点。同理，按低韧性社区排序确定第2、3、4……n个低韧性社区对应的主要供应点，加入排序在后的低韧性社区对应的主要供应点已被确定为排序在前的低韧性社区对应的主要供应点，则选择“usum”值为第二大的供应点，同理，如果该点也已被确定过，则按照“usum”数值大小往下确定，最终生成“人口密度”指标下的供应点攻击顺序，即生成“人口密度-供应点攻击顺序.csv”。
其他四个指标的韧性排序文件最终分别生成“非通勤人流变化率-供应点攻击顺序.csv”、“老年人比例-供应点攻击顺序.csv”、“人均消费能力-供应点攻击顺序.csv”、“商超数量-供应点攻击顺序.csv”，按照此顺序供给即确定了攻击策略。
S105、基于级联失效模型，对网络攻击下的供应网络服务效能的抗毁性测度与评价。
根据步骤S103中的供应网络最短路径矩阵、初始供应网络拓扑矩阵，测试网络攻击下的供应网络服务效能。具体步骤如下：
(1)初始化程序，载入初始供应网络最短路径矩阵、初始供应网络拓扑矩阵。
(2)选择蓄意攻击的攻击方法，依据社区韧性影响因素，分别选择非通勤人流变化降序排列攻击、人口密度降序排列攻击、老年人比例降序排列攻击、人均消费能力升序排列攻击、商超密度升序排列攻击的方法。在MATLAB中导入不同的“攻击顺序.csv”，如表3所示，将1-759个供应点次序排列作为攻击顺序。
表3人口密度降序排列攻击
(3)根据网络节点攻击顺序选择受攻击节点，导入“攻击顺序.csv”，在供应网络中删去选定节点。级联失效模型赋予供应网络中每个节点一定负载和容量，某节点负载超过其容量就会失效，失效节点的负载按照邻接节点空余容量的比例分配给网络中的其他节点，这些节点因接受了额外负载，其总负载可能会超过其容量，从而导致新一轮的负载重分配。
负载-容量级联失效模型如附图4所示，结合附图4对级联失效模型作进一步详细说明：
(3-1)供应网络节点代表供应点，边代表节点间的联系，用节点间的连线表示，反应节点间是否存在物资调配。
(3-2)根据供应网络中供应点的常态服务量，实现给定各节点的初始容量。
(3-3)节点失效。根据攻击顺序依次攻击供应网络节点，每个节点可承载的最大负载量为Limax。当节点i的负载超过容量的一定倍数时，节点超载而成为失效节点，缺失服务量为Si：
Limax＝Li·α
Si＝Lr-Limax
式中，Limax为供应点j可承载的最大负载量；α为超载系数；Li为供应点i的常态节点服务量。Si表示供应点i的缺失服务量；Lr为供应点i在级联传递下的实际负荷。
(3-4)考虑级联失效的负载重分配，假设节点i受到攻击失效，即在网络中删除该节点，如果节点i存在邻接节点，节点i的负载按照邻接节点空余容量的比例分配给网络中的其他节点。同时，每个节点能承载的最大负载量为Lmax。当邻接节点j的负载没有超过其初始容量的一定倍数时，故认为，节点i的失效会触发网络的级联效应。当邻接节点j的负载超过其初始容量的一定倍数时，节点j超载而成为失效节点，从而触发网络的级联失效，导致网络性能下降。其中，重分配负载量公式为：
式中，Lij表示节点i分配给节点j的负载；Si表示供应点i的缺失服务量，即传递给相邻节点的负载；Rj表示节点j的剩余容量；Rk表示节点k的剩余容量；I表示与供应点i关联供应点的集合。
(4)根据新的供应网络最短路径矩阵和供应网络邻接矩阵，计算供应网络服务效能的值并输出。
(5)判断供应网络网络服务效能值是否为0，若为0则返回第(3)步，否则转至第(6)步。
(6)输出网络攻击下的供应网络服务效能与攻击次数的关系“攻击结果.csv”，并利用Excel进行图表可视化，对网络攻击下的供应网络服务效能的抗毁性进行评价。本发明以全局网络效率、有效节点比例、缺失服务量及节点重要度作为供需网络抗毁性评估的核心指标。具体步骤为：
(6-1)全局网络效率：全局网络效率通常用来反应整个网络中节点与节点之间连接的难易程度，其公式为：
式中，E为全局网络效率；dij为从节点i到节点j的基于路网的最短距离；n为初始供应网络中节点的总数。
(6-2)有效节点比例：在空间维度方面，将节点的有效比作为抗毁性评价指标。网络有效比为网络中失效节点与总节点数的比值，其公式为：
式中，L为有效节点比例；n′表示网络中处于正常状态的供应点数；n为初始网络中节点的总数。
(6-3)缺失服务量：将节点过载且周围节点均过载时，节点的超额服务量将无法分配，划定为缺失服务量，表其公式为：
式中，Q为网络中的缺失服务量；qi为网络中节点i过载时的缺失服务量。
(6-4)节点重要度：在网络中，令节点i失效，得到失效后的全局网络效率，由此衡量不同节点的重要度。
式中，Ii为节点重要度；Ei为节点i失效后的全局网络效率，E0为初始网络的全局网络效率。
本实施例例对所有供应点从0-759逐个遍历进行攻击完成后，输出网络攻击下的供应网络服务效能与攻击次数的关系图表，输出“攻击结果.csv”，对网络攻击下的供应网络服务效能的抗毁性进行评价，得到供应网络服务效能的抗毁性测度结果，全局网络效率见图5，缺失服务量见图6，有效节点比例见图7。
经过测试可知，广州中心六区供应网络在遭受蓄意攻击时，社区人口数量是决定网络抗毁性的主要影响因素，基于人口数量的攻击顺序在第120次攻击左右就降低至一个相对稳定的低值，其他攻击顺序多数在第200次攻击之后使全局网络效率降低到接近于0值。在供应网络级联失效的前期阶段，商超数量和非通勤人流变化是影响供应网络的重要要素。在失效的中期阶段，非通勤人流变化是影响供应网络的重要要素，其他攻击顺序影响效果相近。在失效的后期阶段，老年人比例和商超数量是影响供应网络的重要要素。人均消费能力整体对供应网络的抗毁性影响最小。
本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图8所示，本实施例提供了一种考虑级联失效的生活物资供应网络抗毁性测度装置，该装置包括数据获取模块801、供需网络构建模块802、供应网络构建模块803、攻击策略制定模块804和抗毁性测度模块805，其中：
数据获取模块801，用于获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
供需网络构建模块802，用于基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
供应网络构建模块803，用于根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
攻击策略制定模块804，用于基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
抗毁性测度模块805，用于基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供了一种计算机设备，该计算机设备可以为计算机，如图7所示，其通过***总线701连接的处理器702、存储器、输入装置703、显示器704和网络接口705，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质706和内存储器707，该非易失性存储介质706存储有操作***、计算机程序和数据库，该内存储器707为非易失性存储介质中的操作***和计算机程序的运行提供环境，处理器702执行存储器存储的计算机程序时，实现上述实施例1的生活物资供应网络抗毁性测度方法，如下：
获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
实施例4：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的生活物资供应网络抗毁性测度方法，如下：
获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。
Claims (10)
1.一种考虑级联失效的生活物资供应网络抗毁性测度方法，其特征在于，所述方法包括：
获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
2.根据权利要求1所述的生活物资供应网络抗毁性测度方法，其特征在于，所述基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度，包括：
初始化程序，载入初始供应网络最短路径矩阵、初始供应网络拓扑矩阵；
在所述网络攻击策略下，根据供应网络节点攻击顺序选择受攻击节点，并在供应网络中删去选定节点；
基于级联失效模型，判断供应网络网络服务效能值是否为0，若是，则返回根据供应网络节点攻击顺序选择受攻击节点，并继续执行后续操作；
基于输出网络攻击下的供应网络服务效能与攻击次数的关系图表，对网络攻击下的供应网络服务效能的多个抗毁性指标进行评价。
3.根据权利要求2所述的生活物资供应网络抗毁性测度方法，其特征在于，所述抗毁性指标包括全局网络效率、有效节点比例、缺失服务量以及节点重要度。
4.根据权利要求2所述的生活物资供应网络抗毁性测度方法，其特征在于，所述级联失效模型的构建，包括：
供应网络的节点代表供应点；边代表供应点间的联系，表示供应点间是否存在物资调配；
根据供应网络中供应点的常态服务量，实现给定各节点的初始容量；
根据攻击顺序依次攻击供应网络节点，当节点i的负载超过容量的一定倍数时，节点超载成为失效节点，计算节点i的缺失服务量；
若节点i受到攻击失效，则在网络中删除该节点；若节点i存在邻接节点，则节点i的负载按照邻接节点空余容量的比例分配给网络中的其他节点；
若节点i的邻接节点j的负载没有超过其初始容量的一定倍数时，则节点i的失效会触发网络的级联效应；否则节点j因超载而成为失效节点，从而触发网络的级联失效，导致网络性能下降，甚至产生缺失服务量。
5.根据权利要求1所述的生活物资供应网络抗毁性测度方法，其特征在于，所述POI数据还包括社区点POI；
所述基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，包括：
基于预处理后行政数据，根据预处理后手机信令数据筛选出市场与社区间出行轨迹；
对各市场栅格的OD出行量进行扩容，得到各市场的人口服务量；
根据OD数据，生成市场与社区的OD联系线；以各市场的人口服务量为值，设置分级符号，形成供需网络。
6.根据权利要求1所述的生活物资供应网络抗毁性测度方法，其特征在于，所述计算供应点间的联系，公式如下：
式中，Wxy为任意供应点x和y之间的联系度，Cx为供应点x的服务量，Cy为供应点y的服务量，dxy为供应点x和供应点y之间的路网距离，由数据预处理中的O-D成本分析得到。
7.根据权利要求1-6任一项所述的生活物资供应网络抗毁性测度方法，其特征在于，所述POI数据还包括社区点POI；
从社区自组织能力、社区人口构成和社区基础设施三个维度衡量社区韧性，其中所述社区自组织能力对应的指标包括非通勤人流变化率，所述社区人口构成对应的指标包括人口数量、老年人比例和人均消费能力，所述社区基础设施对应的指标包括商超数量。
8.一种考虑级联失效的生活物资供应网络抗毁性测度装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标区域的基础数据并进行预处理，根据预处理后数据对目标区域进行网格划分；所述基础数据包括手机信令数据、POI数据、城市道路数据和行政数据；
供需网络构建模块，用于基于预处理后的行政数据，根据手机信令数据和POI数据，构建供需网络，并计算供需网络中各供应点的服务量；所述POI数据包括供应点POI与需求点POI；
供应网络构建模块，用于根据各供应点的服务量与预处理后城市道路数据，计算供应点间的OD成本矩阵，然后计算供应点间的联系与构建供应网络；
攻击策略制定模块，用于基于社区韧性排序，在供需网络中找到低韧性社区对应的主要供应点，制定网络攻击策略；
抗毁性测度模块，用于基于级联失效模型，对所述网络攻击策略下的供应网络服务效能的抗毁性进行测度。
9.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-7任一项所述的生活物资供应网络抗毁性测度方法。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的生活物资供应网络抗毁性测度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310304188.8A CN116362606A (zh) | 2023-03-27 | 2023-03-27 | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310304188.8A CN116362606A (zh) | 2023-03-27 | 2023-03-27 | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116362606A true CN116362606A (zh) | 2023-06-30 |
Family
ID=86918718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310304188.8A Pending CN116362606A (zh) | 2023-03-27 | 2023-03-27 | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362606A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095864A (zh) * | 2024-04-18 | 2024-05-28 | 南京农业大学 | 城市工厂硬化地表下层土壤污染健康风险监控方法与装置 |
-
2023
- 2023-03-27 CN CN202310304188.8A patent/CN116362606A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118095864A (zh) * | 2024-04-18 | 2024-05-28 | 南京农业大学 | 城市工厂硬化地表下层土壤污染健康风险监控方法与装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cavallaro et al. | Assessment of urban ecosystem resilience through hybrid social–physical complex networks | |
| Jin et al. | Designing a spatial pattern to rebalance the orientation of development and protection in Wuhan | |
| CN104750895B (zh) | 基于移动手机数据的实时城市应急疏散仿真方法及*** | |
| Liu et al. | Approximating betweenness centrality to identify key nodes in a weighted urban complex transportation network | |
| CN103971184B (zh) | 基于gis空间地理信息***的输电线路路径生成方法 | |
| Zhu et al. | Hurricane evacuation modeling using behavior models and scenario-driven agent-based simulations | |
| CN112085250B (zh) | 一种人口空间分布模拟方法、终端设备及存储介质 | |
| Zhang et al. | Supply–demand analysis of urban emergency shelters based on spatiotemporal population estimation | |
| Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
| CN116362606A (zh) | 考虑级联失效的生活物资供应网络抗毁性测度方法、装置及介质 | |
| Raj et al. | Disaster management system based on GIS web services | |
| Guo et al. | Monitoring and simulation of dynamic spatiotemporal land use/cover changes | |
| Yu | Assessing the implications of the recent community opening policy on the street centrality in China: A GIS-based method and case study | |
| Keya et al. | Habitat suitability & connectivity of Alborz wild sheep in the east of Tehran, Iran | |
| CN112990613A (zh) | 人口流动模拟预测方法、装置、设备及介质 | |
| Bera et al. | Assessment of shelter location-allocation for multi-hazard emergency evacuation | |
| CN114529043B (zh) | 一种城市空间组团划分方法 | |
| Pampoore-Thampi et al. | Mining GIS data to predict urban sprawl | |
| Rahimi-Golkhandan et al. | Assessing the impact of transportation diversity on postdisaster intraurban mobility | |
| Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
| Chakraborty et al. | A multi‐objective framework for analysis of road network vulnerability for relief facility location during flood hazards: a case study of relief location analysis in bankura district, india | |
| CN116452035A (zh) | 基于网络抗毁性的社区生活物资供应韧性评估方法及*** | |
| CN113361899A (zh) | 农田规划处理方法、装置、电子设备及可读存储介质 | |
| CN115759994A (zh) | 洪涝灾害应急救援管理方法、装置、设备及存储介质 | |
| CN114819596B (zh) | 一种区域变电站规划方法、***、终端及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |